第四十三章 委员会误判：责任稀释如何杀死判断质量

人多不一定更聪明。 在需要判断的地方，人多常常系统性地更平庸——而且平庸得不易察觉，因为流程看起来更完整了。

一、要反对的不是讨论，是投票 先把靶子立准。 巴菲特说：我并不介意承担责任，只是坚决反对通过投票的方式来做决定。 他不反对听意见。他和芒格讨论了六十年，他一整天都在读别人写的东西。 他反对的，是把「决定权」这个动作交给一个计票程序。 信息可以并联，责任必须串联。 讨论、意见、材料，越多越好，它们是输入。 最终按下按钮、并且承担后果的那个位置，不能分给多个人，它是授权。 把输入当成授权，是这一类误判的总入口。

二、责任稀释：判断质量的燃料被除以 N 设想一个七人决策委员会做出了一个错误决定。事后追责时，每个人的真实处境是这样的。 我只有七分之一的票，结果不是我一个人定的。 我当时提过保留意见——几乎所有人事后都能找到自己「提过」的痕迹。 就算我投反对，也改不了结果，所以我的票不重要。 于是，没有人真的痛。 而一个不会真痛的人，不会真查。 尽调的深度、追问的执拗、「这个数我要看原始文件」的那股劲，全部由痛感供给。 痛感一被稀释，动力就没了，但表面动作还在：会照开，材料照读，意见照发。 这就是委员会失效最难被发现的地方——流程完整度不下降，只有判断质量下降。 反过来看那句「我并不介意承担责任」，它不是姿态，是在保住自己的动力源。 他要的就是那个痛。痛是尽调质量的燃料。 责任是判断质量的燃料，投票是最高效的燃料稀释器。

三、「越大越平庸」是数学，不是抱怨 规模越大，决策越趋于平庸。这句话有硬结构。 优秀判断的收益分布是极端右偏的：绝大多数决策贡献平庸，极少数决策贡献了绝大部分回报。 而这些高回报的决策有一个共同特征——在做出的当下，多数人不同意。 这是定义级的：如果多数人同意，它早已被计入价格、被计入共识，超额部分就不存在了。 现在看投票怎么处理这两类机会。 共识型的平庸机会：七票赞成，通过。 非共识型的优秀机会：两票赞成、五票反对，否决。 投票机制在结构上，精确地过滤掉了唯一能产生超额回报的那一类。 它不是「有时会否决好机会」，而是只要好机会以「少数人先看懂」的形式出现，投票就必然否决它。 这不是概率问题，是机制的必然输出。 用一个求共识的装置，去捞只存在于非共识区的鱼，网眼的方向就是反的。

四、聚合本身会破坏一致性 还有一层更底层的问题，它是数学结论，不是心理学。 即使每一个投票人的偏好都是内部一致的，聚合出来的集体偏好，也可能是不一致的，甚至是循环的。 后果是：集体的「选择」可能取决于议程顺序——先投哪两个，决定了最终谁赢。 这意味着组织议程的人，实际权力大于投票人，但他不承担责任。 而所有人都以为，结果是「大家一起选出来的」。 一个连自身一致性都无法保证的程序，产出的不是正确性，是合法性。 人常把后者当成前者用。这是委员会最大的隐藏收益，也是它最大的危害。

五、七个信息源，可能只是一个被复述了七遍 除了责任稀释，还有三个熟悉的社会效应在同时起作用。 权威锚定：第一个发言的、职位最高的，会把后面所有人的判断区间钉死。 信息瀑布：每个人都在观察别人的表态并据此调整，结果是同一份信息被重复计数——五个人赞成，可能只有一份独立判断，加上四次跟随。 社交成本：反对意味着得罪同事、显得不合群、事后要负个人责任；赞成的成本是零。理性个体的最优策略就是赞成。 这三者的共同点是：它们全部作用在「表达」环节，不作用在「认知」环节。 也就是说，七个人可能真的各自看到了不同的东西，但表达出来时，已经被压成了一个。 多样性在进入房间时是真的，在离开房间时已经蒸发了。 更糟的是，这七次复述会互相加强，制造出「高度一致，一定没错」的虚假信号。

六、正确的结构：分权加单点担责 拒绝委员会，不等于独裁。 伯克希尔的真实结构是：四十位经理各自拥有业务内的完整决策权，各自完整承担；总部只做资本配置一件事，同样完整承担。 每一个决策都有且只有一个人担责，但决策点有很多个。 这套结构同时拿到了两样通常互斥的东西：分散，以及不稀释。 分散来自决策点的数量多，容错不靠一个人永远正确。 不稀释来自每一个点上，责任百分之百落在一个人头上。 委员会恰好拿反了：决策点集中（凡事上会），责任分散（人人 N 分之一）。 这是最差的组合——集中的是权力，分散的是痛。 至于「我通常直接去照镜子」这句，它拒绝的是把决定权外包，不是拒绝信息核查。 把身边最好的判断者当成校验器，而不是投票人。校验器和投票人的区别在于：校验器不分担责任。

七、AI 时代的新变体：用 agent 凑共识 这类误判在今天有了新的、更隐蔽的形态。 当一个人身边有多个 AI 助手时，危险不是它们会篡权，而是他会在不知不觉中开始用它们凑共识。 「这个说没问题，那个也扫过了，另一个也没意见，那应该没问题。」 这就是委员会，只是成员换成了 agent。 而且它比人的委员会更危险，原因有两条。 第一，agent 不会痛，一次也不会。所以痛感这个燃料，从一开始就是零。 第二，agent 的意见看起来独立，实际高度相关：同源模型、同一套规则、共享同一批文件、互相读对方的输出。 你以为的六个信息源，可能只是一个信息源的六次折射。 还有一种更阴的形态：两个 agent 互相引用对方的转述，谁都没有回查原始事实，于是一个错误状态在它们之间被互相确认了两轮，最后以「双方一致」的面目出现。 agent 的一致同意，不构成任何证据强度的提升。 六个 agent 都说 A，与一个 agent 说 A，证据强度完全相同——除非能证明它们的依据来自互不相同的一手材料，并且逐一列出来源。 一致性本身不是证据，只有独立性才是。而独立性必须被证明，不能被假设。 还有一个变体值得单独警惕：把 agent 当成责任缓冲垫。 一个自己给自己下单的人，没有委员会可躲，但那个想分担责任的冲动不会消失，它会变形成「再让它跑一轮」「再补一份材料」「等全部齐了再说」。 表面是审慎，实质可能是在给一个还没做的决定预先铺垫合法性——将来错了，我至少走完了全部流程。 判据和上一章相同：在启动下一轮分析之前，先写下「这一轮出什么结果，我就动手」。 写得出来，是证据问题，去补；写不出来，就不是证据问题，再补一百份也不会动手。 最后那一下，谁也替不了。所有产出都是输入，没有一条是授权。 而这句话要在做决定之前说，不是错了之后才想起来。

投票不是把七个人的智慧加起来，而是把一个人的责任除以七。判断质量由痛感供给，投票是痛感的除法器。信息可以并联，责任必须串联；一致同意不提升证据强度，只有独立来源才提升。

第六部分小结 识别和反制误判，不靠一次性变聪明。 它靠一套可重复动作。 强冲动出现时，先停。 情绪上来时，命名、归类、三问。 机会出现时，反演失败路径。 判断形成时，写出反证条件。 个案很动人时，查基准率。 人和系统运行时，看激励。 复杂问题出现时，做系统检查。 错误发生后，复盘成预警信号和小规则。 误判学的最终目标，不是让人永远正确。 而是让人错得更早、更小、更可修正。 一句话： 判断力不是不犯错，而是在错误还小的时候看见它，在错误放大之前校正它。