原文为法语。由 AI 翻译——保留的是含义,而非文风。
本文摘自我的著作《Le contexte》。如需阅读全书,请下载,或在 Amazon 上购买。
一位物流负责人对我说:
“收货界面太繁琐了。我的收货员都是到下班前才把所有东西录进去。到那时候,一半的差异他们早忘了。”
几周后,另一家客户的另一位物流负责人说:
“我们把批次、有效期和差异原因都设成了必填。结果呢?他们处处勾选‘数量相符’,好赶紧去接下一辆卡车。”
接着轮到财务管控发言:
“没有逐行录入的差异,订单、收货和发票之间的对账就做不下去。我们在为本不该付的发票付钱,和供应商的纠纷也成倍增加。”
三条反馈。条条有分量。条条属实。
而在为团队做总结时,我几乎不由自主地写下了那句人人都会写的话:
“要在简化收货的同时提高数据可靠性。”
这句话没错。
它也毫无用处。
抹平是最糟糕的做法
所谓抹平,就是把相互矛盾的反馈反复改写,直到矛盾消失。
拿来收货月台的说法,拿来财务的说法,找一个能同时兼顾两者的表述。最后得到一句平衡、合理、人人都能接受的话。
而最要紧的东西已经丢了。
因为这两条反馈并不是在用不同的措辞说同一件事。它们描述的是两种现实,把决策拉向相反的方向:
- 收货月台上的录入约束,降低了实际采集到的信息质量;
- 缺乏结构,则破坏了发票对账,也损害了与供应商的关系。
两者同时成立。
这恰恰就是产品问题本身。
抹平了分歧的综述让这个问题消失了。它产出一份看似连贯的认知,却已不再对应客户的原话。团队读到“在简化的同时提高可靠性”,每个人都往里投射自己想要的东西,决策就建立在一个虚构之上。
问题本身却不会消失。
它会在生产环境里卷土重来:要么是一个被财务否掉的简化界面,要么是一个被收货月台绕开的严格界面。
为什么一切都在推动我们抹平
既然抹平是一种失误,为什么我们人人都在这么做?
因为一切都在推着我们这么做。
会议纪要要一个结论。幻灯片要一个核心信息。工单要一个行动。没有人愿意在评审会上抛出一个可以归结为“双方都有道理,但放在一起行不通”的问题。
矛盾让人不舒服。
于是我们让它消失。
而有了 AI,这种诱惑更强了。
AI 天然会抹平。给它几条关于同一主题的反馈,它会去找它们的共同点。它会把相似的内容合并起来。它会产出一个措辞得体、面面俱到的折中方案,让人觉得一切都考虑到了。
说到底,这正是我们要它做的。“帮我做个综述。”
它照做了。
张力就消失在一句漂亮的话里。
一个为保留张力而设的空间
几个月来,我一直在一个我称之为 Contexte 的东西里推进我的产品课题。
它是一个持久的工作空间,独立于和 AI 的对话之外,保存着一项工作需要长期留存的东西:收到的素材、从中提炼的观点、做出的决定,以及进展状态。它可以只是几个可读的文件,AI 每次工作时都会重新读一遍。
它的基本规则一句话就能说清:它保存来源真正说了什么,包括来源之间相互矛盾的时候。
这不是事后加上去的约束。
这正是它存在的理由。
具体来说,这条规则落实为几个非常简单的做法。
每条反馈都原样保存
第一个做法,是把每条反馈按收到时的样子保存下来。
与第一位物流负责人的访谈作为一个来源进入 Contexte。第二次访谈也是。财务管控的说明也是。
没有人改写它们。没有人替它们做总结。
这看起来理所当然。其实不然。
在大多数组织里,一条客户反馈主要是通过别人对它的转述而存在的:会议纪要里的一行字、一张被改写过的工单、幻灯片上的一句话。三个月后,来源不见了,剩下的只有解读。
把来源原样保存,就是保留回到原话的可能——回到任何解读之前。
这是防止抹平的第一道保护。
每个观点各有其位
第二个做法更微妙。
从每个来源中提炼出一个观点。一张卡片只写一个,并且要写得能独立成立。
第一次访谈产出了这一条:
收货月台上的录入约束过多,可能导致收货员推迟收货录入,从而漏记差异。
第二次访谈来了。
它描述的并不完全是同一种行为。第一个收货月台是推迟录入,第二个收货月台是填了,但只是走个形式。然而,两者说的本质上是同一件事:一项本意是获取更多信息的约束,最终反而降低了信息的实际质量。
所以,第二次访谈加强了第一个观点。观点随之扩展:
收货月台上的录入约束过多,可能导致收货员推迟或绕开收货录入,损害所采集信息的质量。
现在有两个来源支撑它。
接着,财务管控的说明来了。
关键就在这里。
诱惑在于把它塞进同一个观点,给那个观点加点限定,把它变成一个折中。那将是一个错误。
财务管控带来的不是又一条佐证。它提出的是另一个命题。所以它得到了自己的卡片:
要核对订单、收货和发票,就需要逐行结构化的收货记录。
这是整项工作的决定性边界:
- 当一个来源换个说法讲同一件事,已有的观点就扩展;
- 当一个来源讲的是另一件事,它就值得拥有自己的观点。
加强,可以。
为了压下矛盾而合并,不行。
张力成为一个独立的观点
现在,Contexte 里有两个彼此独立、方向相反的观点。
第三个做法,是给把它们放在一起时所揭示的东西命名。
我们再写一个观点,它不取代前两个中的任何一个:
收货质量取决于一种张力:一边是对收货月台提出的工作量,一边是财务所需的结构。
这不是一个外交辞令式的平均值。
“在简化的同时提高可靠性”试图让冲突消失。这句话恰恰相反,它把冲突放在了中心。它指出了真正的产品问题在哪里:问题既不是简化,也不是提高可靠性,而是要弄清楚哪些信息必须在收货月台录入,哪些可以在别处或稍后录入。
这是一个有用得多的问题。
而只要还在抹平,这个问题就根本不存在。
矛盾保持悬而未决
第四个做法,是把矛盾写进工作的当前状态。
Contexte 始终维护着一个状态:哪些看起来已经确定,哪些仍不确定,下一个行动是什么。矛盾明确地写在里面:
看起来已经确定的 收货月台上的录入约束会导致推迟和变通应付。要对上发票,仍然需要足够的结构。
仍悬而未决的 我们不知道哪些差异必须在收货月台录入,哪些可以稍后录入。
下一个行动 准备访谈,去区分原因,而不是拿出一个解决方案。
每次重新回到这个课题,这个矛盾都会再次出现。
没有人能图省事把它忘掉。没有人能在评审会上假装它不存在而做出决定。
只要来源还不足以做出判断,它就一直悬而未决。
AI 成了护栏
这大概是我没想到的效果。
几天后,我重新拿起这个课题,向 AI 提议:
“也许可以把差异原因改成选填。”
在一场孤立的对话里,AI 多半会为这个想法辩护。它会向我推荐一个轻量化的界面,列出种种好处,也许还会建议一个简洁美观的页面。
而在 Contexte 里,它会碰到那两个观点,以及连接它们的张力。
它的回答大致是这样:
“这个提议会减轻两位物流负责人所描述的一部分阻力。不过,它与财务管控提出的对账需求相冲突。来源显示的是两项真实的约束;目前还不足以在删除该字段、延后录入、精简原因列表或按供应商区别处理之间做出选择。”
AI 并没有替我做决定。
它只是阻止了我的新直觉抹掉一个已经确认的现实。
这个回应并非来自对产品管理的一般性知识。它扎根于正在进行的工作。AI 知道我们想弄清的是什么问题,哪些观点建立在哪些来源之上,哪个矛盾仍悬而未决。
同一个 AI,在对话里会抹平;在 Contexte 里,却成了防止抹平的护栏。
第一份交付物不下定论
到了这一步,产品人的本能反应是画一个新的收货界面。
Contexte 没有这样建议。
第一份交付物要朴素得多:一份访谈提纲,用来去收货月台和应付账款部门实地了解。它要帮助弄清:
- 收货实际上是在什么时候录入的;
- 哪些差异对发票对账真正重要;
- 哪些可以稍后补录,由谁来补;
- 已经存在哪些变通应付的方式。
这份交付物不对矛盾下定论。
它准备的是素材,或许能让人做出判断。
张力不再被藏起来,而是为调研指明方向。
边界由人来把握
如果说这一切都能自动运转,那是不对的。
AI 并不总能选对边界。它可能因为两个观点的主题相近,就想把它们合并。它也可能在本来只有一个观点的地方拆出两个。
Contexte 并不保证选择正确。
它让错误变得可见、可纠正。可以拒绝一次合并,可以要求另立一个观点,可以检查两张卡片之间建立的关系。而这种纠正会留下来,因为它被写了下来。
判断始终由人来做。
Contexte 只是让人有处着手。
悬而未决的矛盾就是信息
相互矛盾的客户反馈,不是素材的缺陷。
它们往往是最宝贵的。
它们准确地指出产品必须做出选择的地方。它们表明两个职能、两种用法或两项真实的约束在这里交汇。它们告诉你真正的设计工作藏在哪里。
抹平它们,就是在这条信息刚刚变得有用的时候把它扔掉。
悬而未决的矛盾就是信息。
抹平了分歧的综述,是一个还没被看见的错误。
关于示例的说明
本文中的示例,源自我三十多年来在信息技术和团队管理领域的实践,以及与同行的大量交流。我对它们做了修改、概括或重新组合:没有一个描述的是真实的客户、产品或组织,也不反映我雇主的数据或立场。文中观点仅代表我个人。