該堅持還是該放棄？#

希莉格（Tina Seelig）說，這是人生最棘手的判斷之一：投入愈多事情會愈成功，但有些努力無論花再多時間、金錢、汗水都不會開花結果。

她給出的最「科學」的答案是：

  • 聽從直覺，並評估替代方案
  • 與自己誠實協商：你有沒有韌性撐到對岸？還是另一條路其實更適合你？

如果要放棄，請好好放棄#

放棄是一回事，「怎麼放棄」是另一回事。她看過太多漂亮收尾的人，也看過炸出大坑的人。

反例：助理的不告而別#

希莉格的同事曾經有一位表現很好的助理：

  • 同事給予很高的評價，並支持她未來轉換領域
  • 同事甚至承諾：將來想跳槽他可以隨時當推薦人
  • 結果某天，助理直接遞出兩週後離職的通知
  • 偏偏團隊正在做一個 3 週後到期、牽涉數十名直接夥伴與數千人間接相關的大專案
  • 對方拒絕多留一週，理由是：「反正你怎樣都會不爽，那我就照自己想的做。」

同事說感覺像被踢了一腳。她過去幾年累積的所有好評，被最後幾週的選擇全部抹消。所有共事過的人都會記得這一刻。

漂亮收尾的人會做的事#

  • 提前足夠時間通知，讓空缺有機會補上
  • 把工作整理得讓接手的人能順利接續
  • 主動參與交接，提供協助
  • 即使是離開不適合的工作，也讓所有人樂意在未來給強力推薦

人生會反覆遇到同一群人——這已是足以說服你「好好放棄」的理由。何況，這本來就是對的事。你永遠無法用「我必須離開」合理化傷害同事、朋友或前公司的行為。

GoldieBlox：把崩潰中的瑕疵變成信任的契機#

很多時候，硬撐過去比放棄更值得。Debbie Sterling 創立 GoldieBlox（鼓勵女孩學工程的玩具）的故事是經典：

  • Kickstarter 募資成功 → 募到一百萬美元擴大開發
  • 用草根行銷贏得 2014 年超級盃廣告席位 → 訂單湧入、出貨數萬組
  • 然而積木根本拼不起來——她們收到一連串投訴
  • 在巨大成就之後撞上巨大失敗，怎麼辦？

她們選擇用工程師的方式拆解問題：

  1. 處理製造端，修好積木
  2. 重建顧客信任：寄出一百萬塊新積木給所有客戶
  3. 對每個孩子寫一封來自遊戲角色 Goldie 的個人信，誠實說明「工程師也不會第一次就做對，但這不代表你該放棄」
  4. 附上新舊積木的工程設計圖

Debbie 完成了三層轉換：

  • 把自己的情緒從失望轉為樂觀
  • 把與顧客的對話從挫折轉為感激
  • 把與問題的關係從危機轉為機會

這次失敗反而成為強化品牌信任的契機。

多嘗試、多被拒絕：那位「桃花運很好」的男人#

希莉格的朋友告訴她一個故事：有個男人桃花特別好，卻不特別有魅力、有趣、聰明或好看，所以大家都很納悶。被問到祕訣，他回答非常平凡：

我對遇到的每一位有魅力的女性都直接邀約，有些人會說好——我願意承擔大量被拒絕，去換少數的成功。

希莉格的父親給過類似的建議：

當「會發出聲音的輪子」很少改變結果，但能讓你更快走到結論。不要枯坐等待一個永遠不會來的「好」；早點得到「不」，你才有機會把精力投入更可能成功的機會。

Pretotyping：讓實驗替你決定方向#

Alberto Savoia 在《The Right It》中提出一個概念叫 pretotyping（前期原型驗證）：

  • 用快速、低成本的實驗判斷你是否走對方向
  • 走對 → 持續加柴
  • 走錯 → 立刻收手

不要相信「成功路線是一直往右上的直線」這種敘事。每一條成功的職涯線拉長來看才會往右上，過程中永遠有起伏——而且低谷之後的上升斜率往往更陡。

不是爬梯子，而是繞著金字塔上升#

Autodesk 與 Yahoo! 前 CEO 卡蘿．巴茨（Carol Bartz）給的比喻：

  • 多數人把職涯想像成一階階往上爬的二維梯子
  • 更好的觀點是：沿著三維金字塔螺旋向上
  • 看似橫向的移動其實是在擴大你的基底——累積最後會帶你走更高的技能與經驗

新創老兵 Josh McFarland 補了一個提醒：

我們對「位置變化的速率」遠比對「絕對位置」敏感。你在飛機上分不出時速 300 還是 400 英里、也分不出 30,000 還是 35,000 英尺；但加速、減速、500 英尺的下墜，你馬上就感覺得到。

所以好轉時你會很開心、惡化時你會很痛——而這跟你在絕對職涯線上「真正在哪裡」其實沒有關係。

賈伯斯的史丹佛畢業演說#

賈伯斯（Steve Jobs）在 2005 年史丹佛畢業典禮的演說中分享他被自己創辦的公司開除的故事：

  • 30 歲那年，Apple 把他炒了——而且是非常公開的開除
  • 一開始他覺得自己對不起前一代創業者，曾去找惠普創辦人 David Packard、英特爾共同創辦人 Bob Noyce 道歉
  • 直到他意識到：他依然熱愛自己做的事
  • 接下來五年是他「最有創造力的時期之一」：
    • 創辦 NeXT
    • 創辦 Pixar（後來推出全球第一部電腦動畫長片《玩具總動員》）
    • 認識他的妻子 Laurene
  • Apple 後來收購 NeXT，他重返 Apple，NeXT 的技術成了 Apple 復興的核心

賈伯斯說：被 Apple 開除是發生在他身上最好的事——「沉重的成功被『再次當新手』的輕盈取代」。他用一個比喻收尾：

有時候，人生會用磚頭砸你的頭。 （Sometimes life hits you in the head with a brick.）

希莉格喜歡的另一句話呼應這個訊息：

最後一切都會好起來；如果還沒好，那就還沒到最後。 （It’s all good in the end. If it’s not good, it’s not the end.）

JetBlue 創辦人 David Neeleman：被開除的那五年#

David Neeleman 賣掉自己創辦的 Morris Air 後加入 Southwest Airlines，5 個月就被開除。

  • 合約綁了 5 年的競業條款，不能再做航空
  • 他選擇用這 5 年細緻規劃下一家公司：
    • 公司價值觀
    • 完整的顧客體驗
    • 該招募哪種人
    • 該怎麼訓練、怎麼薪酬
  • 競業期一結束，他立刻啟動 JetBlue

Neeleman 自己說：被開除、被迫等待，是發生在他身上最好的事。

該如何獎勵失敗？#

組織行為學者 Bob Sutton 在《Weird Ideas That Work》中提出反直覺的看法：

  • 只獎勵成功會抑制創新——因為人會避免冒險
  • 應該同時獎勵成功與失敗，並懲罰「不行動」
行為處置
聰明的成功獎勵
聰明的失敗（smart failures）獎勵
愚蠢的失敗（dumb failures）不獎勵
不作為（inaction）懲罰——這才是創意組織最差的失敗

證據顯示，個人的成功率與失敗率比例大致是固定的。想要更多成功，就得接受更多失敗。失敗是成功的另一面，兩者不可分割。

d.school：寧要轟轟烈烈的失敗，也不要平庸的成功#

史丹佛 d.school 把這個哲學灌進教學現場：

  • 鼓勵學生想很大的計畫，即便有顯著失敗風險
  • 獎勵壯烈的失敗，告訴學生「轟轟烈烈失敗 > 平庸成功」

前史丹佛工學院院長 Jim Plummer 跟他的博士生說：

挑一個只有 20% 成功機率的論文題目。

重點是讓實驗的設計達到：失敗時學到很多，成功時就是大突破。做一堆可預期結果的小實驗，價值遠不如一次有意義的大冒險。

像 Google 一樣 A/B 測試#

許多 Web 公司（Google 是代表）的成功來自大量的 A/B 測試：

  • 同時發布兩個或多個版本
  • 用真實使用者的回饋判斷哪一個更好
  • 改一個按鈕顏色、改一個字、移動一張圖，體驗就可能完全不同
  • 有些公司一天會推出幾十個版本的小修改

你的「風險光譜」長什麼樣？#

冒險不是二元的。你可能對某些風險很自在、對另一些卻過度敏感。風險的種類包括：

  • 體能（physical）
  • 社交（social）
  • 情緒（emotional）
  • 財務（financial）
  • 倫理（ethical）
  • 創意（creative）
  • 政治（political）
  • 智識（intellectual）

同一個人可能毫不遲疑跳傘，卻無法在大型場合公開演講；反之亦然。希莉格給學生用一個 Risk-o-Meter 把自己的風險光譜畫出來。光是反思這件事，就會看見哪些風險原本被自己忽略、哪些被自己誇大。

創業者其實是「降低風險」的人#

很多人以為創業者是高風險偏好者。事實上：

  • 大多數創業者與投資人並不認為自己是大冒險者
  • 他們花最多力氣的事，恰恰是降低風險（de-risk）：分析市場、組對團隊、做出細緻的計畫

風險管理專家 Elisabeth Paté-Cornell 教授說：

評估冒險時：

  1. 定義所有可能的結果
  2. 估計每種結果的機率
  3. 為每一種結果擬定完整方案——尤其是最壞情境

只有當你願意承擔所有可能後果時，才走高風險／高報酬那條路。

好決策仍可能帶來壞結果#

希莉格用自己的例子說明：

  • 她畢業後拒絕了一個她覺得不太合適的工作邀約
  • 之後經濟急轉直下，她花了好幾個月才找到下一份工作
  • 她不停自責——但其實，那是當下資訊下的好決策，只是短期結果不好

風險管理的本質：在資訊不完整下做出最佳判斷。即使做了正確的決策，仍可能因為運氣不好得到壞結果——你不必把這當作自我否定的依據。

用「Stanley」的方式做決定#

史丹佛人工智慧實驗室與 VW 電子研究實驗室為 DARPA Grand Challenge 打造的自駕車 Stanley，最終贏得了 212 公里、要穿過 3 個窄隧道、轉超過 100 個彎、開過懸崖夾道山路的比賽。

Stanley 有 3D 地圖、GPS、陀螺儀、加速度計、影像、輪上感測器，但勝出的關鍵是：

  • 它在資訊不完整的情況下能做出好決策
  • 設計者讓它「像人類那樣學」：建立人類駕駛決策的資料庫，餵給學習程式
  • 大幅降低判斷錯誤

給人的啟示：從別人的經驗學習，能顯著降低你自己的失敗率。你不必什麼都自己摸索；蒐集環境裡的資料，再參考前人的智慧——你身邊的每個決策都有上百個 role model 可以參考。

你不是你的失敗#

最後，引述 Jeff Hawkins 的話作為結語：

你不是你的公司，你也不是你的產品。 你很容易相信自己就是這些——也很容易陷進去。 但無論你失敗或成功，你都必須把自己跟它們分開來看。 你的公司可能失敗，你的產品可能失敗， 但你不會因此變成一個失敗者。

失敗是學習過程的自然一部分。如果你從不失敗，那大概就是冒險不夠。