启发式偏差思维模型

你现在的警觉性非常高，这说明那则香港 Arup 的新闻（可得性启发式）确实在你脑子里敲响了警钟。但你第一反应觉得“这次不一样，细节都对得上”，说明你的 System 1 正在被另一条更强大的捷径疯狂劫持，并叠加了不属于启发式范畴的组织压力。

我们用这套模型把你的直觉切开来看，并立刻给到你下一步的动作：

1. 定位启发式：你被“代表性（Representativeness）”劫持了

你现在的判断，100% 踩在代表性启发式上。

• 失效方式（误把“像不像”当概率）： 这封邮件里包含了极度精准的项目细节。在你的大脑看来，这种带有私密业务细节的邮件，极其“符合”（代表了）真实 CEO 发件的典型特征。你的大脑自动划等号：“长得像真的 = 大概率就是真的”。

• 你忽视了什么（Base Rate Neglect / 基础概率忽视）： 你忽视了当下高级商业欺诈（BEC，商业电子邮件妥协）的基础概率和作案手法。现在的黑客不是群发“我是秦始皇”，而是先潜伏在你们公司的邮箱系统里，看懂了你们的项目往来，再精准伪造一封带有真实细节的邮件。在高级欺诈中，“带有真实项目细节”已经是标配（基础概率极高），它不再是验证“这是真 CEO”的有效证据。

2. 诊断边界：什么在暗中帮你找借口？

你要特别小心，你心里那句“我们 CEO 真的有需求”，除了代表性启发式在作祟，还混入了不属于 Kahneman 这套体系的东西：

• 芒格体系里的“权威-服从倾向（Authority）”： 对方是以“CEO”的身份在下指令。面对最高权力，人类的动物本能是“服从以避免冲突”。

这种权威压力，让你大脑的 System 2（慢思考）变得极其懒惰，它非但没有去质疑，反而主动帮你找借口（“这次不一样”、“他真的有需求”），来合理化你的顺从。这不是你在算概率，这是你在怕担责。

3. 第一步校验动作：带外核实（Out-of-band Verification）

既然代表性（邮件细节）已经被污染，你就绝对不能在这个“信道”里继续找证据。

• 错误动作： 回复邮件问“老板，这个账号是新的，确认打款吗？”（骗子会秒回“确认，加急”）。

• 正确校验动作：转换通信信道。 骗子控制了邮件（或者伪造了发件人），但他极大概率没有同时控制 CEO 的物理肉身或手机语音。

• 立刻拿起电话，打给 CEO 本人。

• 如果电话不通，用公司内部的即时通讯软件（如钉钉/飞书/企业微信，且必须语音或视频）找他确认。

• 话术： “老板，财务收到您邮件让给 XX 项目打款，因为涉及新账号，按风控制度我需要跟您语音口头核实一下。”

4. 制度化刹车（应对高代价与权威压力）

这类欺诈之所以频频得手，就是因为骗子利用了“代表性偏差 + 权威压力”，精准击穿了员工的心理防线。启发式模型治不了你对 CEO 的敬畏，你需要的是制度约束。

如果这次核实下来真的是骗局，你作为风控或流程相关的敏锐观察者，应该推动公司立刻建立“防呆机制”：

• 硬性刹车： 规定“任何超过 X 万的异常账户打款，无论指令来自谁、无论邮件里写了多少项目细节，都必须辅以第二信道（电话/视频）的双重人工确认。”

• 把验证的动作从“员工敢不敢质疑老板”，变成“员工只是在无情地执行公司制度”，卸掉个人的心理负担。

总结顾问建议：先验证，加约束，慢思考

不要相信“细节全对”的邮件（警惕代表性偏差），不要在对方控制的信道里做验证。

立刻执行带外核实（打电话/视频）。对于这种高代价、强权威的场景，唯一能对抗“这次不一样”幻觉的，就是不管谁来都得过安检的硬性制度。

作为一个风控负责人，你的直觉非常敏锐。投委会上的这种论证方式，简直是经典认知偏差的“作案现场”。

要在这个会上做有效的风控狙击，我们首先要把“认知捷径”和“情绪传染”劈开。这句“现在不进就晚了”，其实混杂了两套完全不同的系统在起作用。我们按这套模型的视角，一层层把你们投委会的逻辑拆开、定性，并给出你的校验武器：

1. 定位启发式：你们的论证踩在了哪条捷径上？

投委会目前的论证，主力踩中了可得性（Availability），并叠加了代表性（Representativeness）的滥用。

• 重灾区：可得性启发式（好不好想 = 发生概率）

• 失效模式： “隔壁基金赚了多少”是一个极度鲜活、极具刺激性的信息。因为这个案例就在身边、随时能想起来（高度可得），投委会的大脑系统 1 就会自动把这种“个例的鲜活性”等同于“我们进场赚钱的高概率”。你们误把“容易想起的信息”当成了“统计学上的普遍证据”。

• 并发症：代表性启发式（像不像 = 必然规律）

• 失效模式： “2024-2025 涨了多少”，是把这两年 AI 的主升浪，当成了这只 ETF 的“典型特征”。大脑觉得既然它过去两年的长相是“一直涨”，那它未来的代表性面貌也必然是“一直涨”。你们忽视了均值回归，把短期的趋势外推成了事物的本质。

2. 诊断边界：什么不是启发式偏差？

必须明确，会议上最后得出的结论——“现在不进就晚了”（FOMO 情绪），不属于启发式偏差。

这是前景理论里的“相对损失厌恶”（眼睁睁看着别人赚钱，那种剥夺感等同于自己亏钱的痛苦），以及芒格说的“社交证明倾向”（别人都在买，我不买显得我很蠢）。

请注意这个边界： 启发式偏差解释了他们为什么觉得“买入获胜的概率很高”；但真正逼迫他们立刻拍板的，是社交压力和 FOMO 情绪。启发式这套模型，治不了眼红和焦虑。

3. 风控校验动作：你能在会上打出什么牌？

既然你管风控，就不能在会上用“大家冷静点”这种废话去对抗情绪。你要针对“可得性”和“代表性”这两个认知捷径，补上硬核的校验动作：

动作一：对付“代表性” —— 强拉基础概率（Base Rate）

不要只看这只 AI ETF 2024-2025 的走势，把它放进 A 股结构性牛市的历史基础概率里去比对。

• 话术/动作： “各位，既然我们在讨论 A 股的主题 ETF，我们调一下基础数据：回顾 2015 年的‘互联网+’、2021 年的‘新能源’，这些曾经连续两年暴涨的单一主题 ETF，在行情的第三年（类似我们现在的 2026 年），其最大回撤的平均中位数是多少？胜率是多少？”

• 目的： 用大样本的真实概率，击碎单只标的短期走势带来的幻觉。

动作二：对付“可得性” —— 建立反向样本库（Anti-sample Pool）

大脑容易记住“赚钱的隔壁基金”，那风控就要负责提供“死掉的基金”。

• 话术/动作： “我们看到了 A 基金在 AI 上赚了 30%。风控部这边提供一个补充数据：过去三个月，在同类 AI 主题里高位接盘、或者因为调仓过猛导致净值回撤超 15% 的公募或私募产品有哪几家，他们踩了什么坑。”

• 目的： 强行向系统 2 注入那些“不鲜活、不容易想起来”的失败案例，对冲可得性偏差。

4. 制度化刹车（应对高情绪与群体共振）

你面对的是群体决策+真金白银的诱惑，这属于典型的高情绪、高代价场景。此时，光靠你指出认知偏差是拦不住投委会的，你需要上制度化约束：

• 事前验尸（Pre-mortem）： 既然大家倾向于加仓，你在会上提议：“假设现在是 2026 年 12 月，我们这笔加仓暴亏了 20%，导致年终奖全无。大家现在倒推一下，这期间到底发生了什么黑天鹅或逻辑证伪？”逼迫大脑从狂热的“顺向预期”切换到“逆向归因”。

• 分批建仓与硬性止损线： 如果拦不住加仓，就用规则框住动作。比如：“既然决定进，按风控制度，第一笔只加预期仓位的 30%。同时，请投委会今天就在会上定死：如果跌破哪条线，或者宏观哪个指标转向，系统自动触发减仓，不需要再开会讨论。”（把止损动作剥离主观意志）。

总结顾问建议：先验证，加约束，慢思考

…

你说到了这套模型最残酷、但也最真实的一面。Kahneman 晚年自己也承认过类似的话：研究了半辈子认知偏差，他在面对真实决策时，该犯的错依然一个不少。认为“我知道了偏差，就能免疫偏差”，这本身就是最大的认知幻觉。

其实你之所以觉得这套模型“不管用”，是因为你挂错号了。你拿治“概率判断眼瞎”的药，去治“情绪和动机的心脏病”，当然不管用。

我们必须把三套完全不同的体系劈开来看，你立马就能明白它能治什么、治不了什么：

1. 你的两个案例，根本不是“启发式偏差”

你提到的两个痛点，恰恰踩在了这套模型的边界之外：

• 要不要止损一个已经亏了的项目： 这不是启发式捷径（1974 年的理论），这是前景理论（Prospect Theory, 1979 年）里的“损失厌恶”和“沉没成本”。你的大脑在抗拒“把浮亏变成实亏”的那种撕裂般的痛感（损失带来的痛苦是同等收益的两倍）。这是动机和情绪问题，不是认知捷径问题。

• 要不要裁掉跟了多年的老下属： 这更不是启发式，这涉及社会关系、道德负担，以及查理·芒格体系里的“避免不一致倾向”或“喜欢/热爱倾向”。这是激励错配和情感过载。

结论： 启发式偏差（代表性、可得性、锚定），治的是大脑在评估概率、频率和数值时偷的懒；它绝对治不了情绪过载（不忍心）、利益纠葛（怕担责）和沉没成本（不甘心）。

2. 那么，“启发式”到底能治什么？

它能治的，是你在做“不确定性判断”时的系统性眼盲。它的价值在于事后诊断和事前设卡。

如果你在做以下三种判断，这套模型就能精准发力：

• 代表性（像不像）： 当你在面试一个候选人，觉得“他谈吐清晰、履历光鲜，太像个高管了，录用他必定能成事”时。

• 怎么治： 别信“像不像”。校验动作：查基础概率（Base Rate）。 行业里空降高管的存活率到底是多少？如果只有 20%，那么不管他看起来多“像”，他失败的概率默认就是 80%。你要找的是“他凭什么能属于那 20%”的硬证据，而不是凭感觉。

• 可得性（好不好想）： 当你在网上看到某款 SaaS 产品一年 ARR 破百万美金，你觉得“独立开发做工具赚钱太容易了”，决定自己也搞一个时。

• 怎么治： 别信“鲜活案例”。因为死掉的 99% 的产品不会发战报，你想不起来。校验动作：找反例样本库。 去 GitHub 或独立开发者论坛搜“失败/关停”，强制看 10 个死掉的项目，看看他们做错了什么，再评估你的成功率。

• 锚定与调整（被初始值粘住）： 当乙方给你报了一个 100 万的系统开发费，你经过激烈讨价还价砍到 70 万，觉得“我真厉害，省了 30 万”时。

• 怎么治： 别在对方给的锚上做调整，你永远调不够。校验动作：强制换参照系。 把对方的报价单扔进抽屉，去找一个完全不懂这个项目、但懂代码的人，按“人月成本+合理利润”从零倒算一遍，建立你自己的“原点锚”。

3. 知道不管用，怎么才能管用？

既然大脑的 System 1（快思考）是全自动发射的，指望在情绪高点靠 System 2（慢思考）踩刹车是不现实的。真正的解法是“防呆机制”（制度化约束），而不是“心灵鸡汤”。

针对你提到的高压、高痛感决策，你需要的是：

• 决策前置剥离： 要不要砍掉亏损项目？不要问自己。校验动作：带外核实（Out-of-band Verification）。 找一个跟你这个项目毫无利益瓜葛的第三方（比如其他部门的负责人），问他：“如果你今天新接手这个盘子，不考虑之前投的钱，你会愿意继续往里砸钱吗？”如果他说不，你就该直接砍。

• 设立硬性触发器（冷静期与死线）： 不要相信自己“再看一个月”的鬼话。在项目还没那么烂的时候，或者在平时，就定下规矩：“如果某个指标连续三周低于 X，立刻触发清算/裁员流转”。当指标破位时，执行制度，而不是执行你的“意志”。把锅甩给规则，能极大地减轻情感负担。

总结建议：先验证，加约束，慢思考

不要把“启发式模型”当成护身符，它只是一把探照灯，帮你照出在判断概率和数值时掉进的坑（误把捷径当结论，误把鲜活当常见）。

当你面临高情绪（老下属）、高代价（亏损项目）的决策时，警惕把“认知偏差”当借口。你需要的不是多学一个思维模型，而是设立一条不依赖你主观意志的硬性止损线（制度刹车）。判断交给数据，执行交给规则。