會 扼殺 創新 的 動力 ， 因為 不 鼓勵 冒險 。 蘇頓 建議 ， 組織 不妨 考慮 獎勵 成功 也 獎勵 失敗 ， 但是 懲罰 怠惰 無為 。 這樣一來 會 鼓勵 員工 積極 嘗試 ， 比較 可能 帶來 超乎 預期 的 有趣 成果 。 我 並 不 是 說 ， 你 的 公司 應該 要 獎勵 愚蠢 、 懶惰 或 無能 的 員工 。 我 的 意思 是 ， 你 應該 要 獎勵 聰明 的 失敗 ， 而 非 愚蠢 的 失敗 。 如果 你 想要 一 個 有 創造力 的 組織 ， 那麼 怠惰 無為 是 最 糟糕 的 失敗 方式 … … 最 重要 的 是 ， 創造力 乃是 從 行動 中 產生 ， 而 不 是 來自於 無所作為 。 34 __UNDEF__ __UNDEF__ 蘇頓 還 表示 ， 有 強力 的 證據 顯示 ， 每 個 人 成功 和 失敗 的 比例 其實 是 一樣 的 。 所以 ， 如果 你 想要 有 更多 的 成功 ， 就 必須 願意 容忍 更多 的 失敗 。 失敗 與 成功 是 一體 的 兩 面 ， 你 不能 只 想要 成功 而 不要 失敗 。 史丹佛 設計 學院 很 強調 必須 甘冒 大 風險 才 能 有 大 收穫 。 我們 鼓勵 學生 ， 即使 計畫 不 成功 的 機率 很 高 ， 也 要 胸懷 大志 。 為 了 鼓勵 這 點 ， 我們 特別 獎勵 壯烈 的 失敗 。 我們 告訴 學生 ， 寧可 轟轟烈烈 的 失敗 ， 也 不要 平凡無奇 的 成功 。 史丹佛 工學院 前任 院長 吉姆 ． 浦朗墨 （ Jim Plummer ） 就 抱持 這樣 的 理念 。 他 告訴 他 的 博士班 學生 ， 他們 應該 要 挑選 成功 機率 只 有 百分之二十 的 論文 題目 。 有的 學生 聽 了 以後 非常 沮喪 ， 以為 這 表示 他們 得 做 五 個 不同 的 專題 ， 才 有 辦法 完成 博士 論文 。 其實 恰好 相反 。 設計 實驗 時 ， 應該 從 失敗 的 實驗 獲得 資訊 ， 而 讓 成功 的 實驗 創造出 重大 突破 。 如果 只 做 一些 漸進式 的 小 實驗 、 得到 可 預測 的 結果 ， 創造出來 的 價值 遠 不如 冒 著 大 風險 的 實驗 ， 因為 後者 比較 有 機會 得到 較 大 的 收穫 。 我們 經常 走 在 成功 和 失敗 的 邊緣 ， 很 難 看 清楚 最後 會 落在 哪 個 方向 。 這 種 不確定性 在 高風險 的 事業 中 更加 放大 ， 例如 餐廳 、 高科技 新創 公司 ， 甚至 運動 項目 ， 成功 與 失敗 只 有 一 線 之隔 。 就 以 環 法 自行車賽 為 例 ， 在 陡峭 蜿蜒 的 山路 上上下下 騎 了 二十一 天 之後 ， 贏家 和 輸家 的 差距 可能 只 有 幾 秒 而已 。 有時候 只要 稍微 加把勁 ， 就 能 反敗為勝 。 有 些 公司 非常 善於 從 別人 放棄 的 失敗 產品 找到 價值 。 Google  和 其他 網路 公司 都 仰賴 「 A－B 」 測試法 ， 也就是說 ， 他們 推出 軟體 時 ， 同時 推出 兩 種 以上 的 版本 ， 然後 很 快 從 回饋 的 意見 得知 哪 個 版本 比較 成功 。 這些 公司 發現 只要 做 一些 小小 的 修正 ， 例如 改變 按鈕 的 顏色 、 對 某 個 訊息 增加 一 個 字 ， 或者 移動 圖像 的 位置 ， 就 能 大幅 改變 顧客 的 觀感 。 有的 公司 在 一 天 之內 推出 同 一 個 軟體 產品 的 幾十 種 版本 ， 顧客 使用 每 一 種 版本 的 經驗 都 有 些微 差異 ， 於是 公司 對 這些 反應 進行 評估 。 你 願意 承擔 哪 一 種 風險 ？ 嘗試 新 的 事物 ， 需要 願意 承擔 風險 。 不過 ， 冒險 並 不 是 非 對 即 錯 的 事情 。 大多數 的 人 能夠 安心 承擔 某些 類型 的 風險 ， 但是 對 其他 類型 的 風險 感到 不安 。 甚至 ， 你 無法 事先 看出 哪些 風險 可以 安心 承擔 、 感覺 風險 沒 那麼 高 ， 卻 很 可能 放大 這些 事情 的 風險 ， 讓 你 更加 焦慮 。 比方說 ， 你 可能 很 喜歡 以 閃電 般 的 速度 從 滑雪 坡道 飛馳 而 下 ， 或者 玩 高空 跳傘 ， 不 認為 這些 活動 有 風險 ， 那麼 你 對於 身體 所 承擔 的 巨大 風險 就 會 視而不見 。 至於 不 想 拿 身體 去 冒險 的 其他 人 ， 寧可 待在 滑雪 小 木屋 裡 啜飲 熱 巧克力 ， 或 用 安全帶 把 自己 緊緊 綁 在 飛機 座位 上 ， 而 不 是 穿上 滑雪靴 或 綁 著 降落傘 。 另一方面 ， 你 或許 可以 輕鬆 自在 地 面對 社交 風險 ， 例如 對著 大 批 群眾 發表 演說 。 然而 對 其他 人 來 說 ， 他們 可能 去 高空 跳傘 感到 非常 快樂 ， 卻 永遠 也 不 願意 在 公開 場合 開口 說話 。 風險 有 很多 種 形式 ， 包括 身體 、 社交 、 情感 、 財務 、 道德 、 創意 、 政治 和 智識 等 方面 的 風險 。 我 請 學生 用 圖 1 的 「 風險 量表 」 描繪 他們 自己 的 風險 概況 。 圖 2 是 我 自己 的 例子 。 只要 稍微 回想 一下 ， 每 個 人 都 知道 自己 願意 承擔 哪 一 種 類型 的 風險 。 大家 也 很 快 就 明白 ， 冒險 並 不 是 一成不變 。 很 有趣 的 是 ， 大多數 的 創業家 和 投資家 並 不 認為 自己 是 很 敢 冒險 的 人 。 經歷 過 分析 情勢 、 打造出 很 棒 的 團隊 、 擬定 周詳 的 計畫 後 ， 他們 認為 已經 盡可能 把 大多數 的 風險 都 排除 在外 。 事實 上 ， 他們 把 大部分 的 力氣 花 在 降低 自己 的 創業 風險 。 史丹佛 大學 管理 科學 及 工程 學系 教授 伊莉莎白 ． 科乃爾 （ Elisabeth __UNDEF__ Cornell ） 是 風險 管理 專家 。 她 表示 ， 分析 風險 情勢 時 ， 很 重要 的 是 界定出 可能 的 結果 ， 嘗試 找出 每 一 種 結果 發生 的 機會 。 完成 這 個 動作 後 ， 就 需要 為 每 一 種 可能 的 結果 發展出 周詳 的 計畫 。 科乃爾 表示 ， 如果 你 願意 接受 所有 的 可能 結果 ， 那麼 採取 高風險 ／ 高 報酬 的 發展 路線 就 很 合理 。 你 應該 要 為 逆境 擬定 替代 方案 ， 做好 萬全 的 準備 。 我 鼓勵 大家 多 讀 幾 遍 前面 這 幾 句 話 。 風險 管理 專家 相信 ， 你 應該 要 根據 所有 結果 的 可能性 來 做 決定 ， 包括 最 好 和 最 壞 的 情境 ， 而 對 所有 可能 的 結果 做好 充分 準備 時 ， 也 願意 承擔 很 大 的 風險 。 同樣 重要 的 是 ， 請 記住 ： 所謂 好 的 決定 ， 根據 的 是 針對 可能 的 風險 做 了 精確 分析 ， 但 還是 可能 產生 不 好 的 結果 ， 這 是 因為 風險 始終 存在 。 以下 是 個 簡單 的 例子 。 我 踏出 校門 後 ， 很 快 得到 一 個 工作 機會 ， 但 不 確定 是 不 是 非常 適合 我 。 我 審慎 考慮 了 幾 天 後 ， 決定 拒絕 那 次 機會 ， 以為 很 快 就 會 找到 一 份 更 適合 我 的 工作 。 可惜 經濟 情勢 急轉直下 ， 我 花 了 幾 個 月 都 沒 找到 另 一 份 工作 。 我 很 後悔 沒有 接受 那 個 職位 ， 那 份 工作 開始 變 得 愈來愈 吸引人 。 我 根據 當時 能夠 掌握 的 所有 資訊 ， 做 了 一 個 很 好 的 決定 ， 但 在 短期 內 沒有 帶來 好 結果 。 這 種 事 經常 發生 ， 畢竟 我們 無法 掌握 所有 的 變數 。 向 史丹利 自動車 學習 __UNDEF__ __UNDEF__ 同樣 的 ， 在 大多數 情況 下 ， 你 都 必須 在 資訊 不 充分 的 情況 下 做 決定 。 換句話說 ， 面對 每 一 個 選項 周圍 的 許多 不確定性 ， 你 還是 必須 做出 選擇 並 採取 行動 。 那麼 ， 你 要 如何 填補 欠缺 的 知識 呢 ？ 我 建議 大家 看看 「 史丹利 」 （ Stanley ） 的 例子 ， 從中 尋找 靈感 。 「 史丹利 」 是 一 輛 自動車 ， 由 史丹佛 大學 的 人工 智慧 實驗室 （ Artificial __UNDEF__ Intelligence __UNDEF__ Laboratory ） 和 福斯 汽車 的 電子學 研究 實驗室 （ Electronics Research Laboratory ） 設計 和 製造 ， 目的 是 參加 美國 的 國防 高等 研究 計畫 署 （ Defense Advanced Research __UNDEF__ Projects Agency , DARPA ） 舉辦 的 「 大 挑戰 」 （ DARPA Grand Challenge ） ； 國防 高等 研究 計畫 署 是 負責 為 軍方 發展 尖端 科技 的 機構 。 想 知道 面對 不 完整 的 資訊 要 如何 做 決定 ， 史丹利 的 內部 運作 方式 可以 提供 一些 線索 。 在 DARPA 大賽 中 ， 無 人 駕駛 的 車輛 必須 在 越野賽 中 行駛 兩百一十二 公里 的 賽程 ， 每 一 輛 都 必須 穿越 三 個 狹窄 的 隧道 ， 完成 一百多 個 急轉彎 ， 並 通過 陡峭 懸崖 兩 側 的 隘口 。 雖然 贏面 不 大 ， 但 史丹佛 的 「 史丹利 」 贏得 冠軍 。 史丹利 身 上 擁有 很多 厲害 的 科技 ， 包括 顯示 地形 的 3D 地圖 、 全球 定位 系統 、 陀螺儀 、 加速度計 、 攝影機 ， 以及 輪子 上 的 感應器 。 此外 ， 車 上 的 軟體 能 分析 它 接收到 的 所有 數據 ， 用以 控制 自動車 的 速度 和 方向