第七章：问题敏感度

看到与看不到

有一个经典心理学实验叫”看不见的大猩猩”。参与者看一段视频，数清白衣组传了多少次球。视频中途，一个穿大猩猩服装的人从场地中间走过，还停下来捶了几下胸。结果约一半参与者完全没注意到。重看视频，才惊呼”这么明显怎么可能看不到”。

我们看到什么，取决于我们在找什么。专注数传球，大猩猩就”消失”了。不是它太小或太快，而是不在注意范围内。

问题也一样。世界充满低效、痛点、未被满足的需求。但多数人看不到——不是问题太隐蔽，而是习惯把它们当成了”正常”。

问题敏感度，就是在别人觉得”正常”的地方看到问题的能力。

内行才能看到的问题

问题敏感度的第一个来源是领域深耕。很多问题是内行问题——只有在一个领域待得够久才能看到。

外行看律师的工作，觉得就是写合同、打官司。资深律师知道，大量时间花在检索案例、核实法条、整理证据材料、撰写格式化法律文书上。这些隐形的工作环节，外行看不到，恰恰是AI可能帮上忙的地方。

彼得·蒂尔在《从0到1》中提到”秘密”的概念：有些真相大多数人不知道，只有少数人知道。每个行业都有自己的秘密——从业者都清楚但外人不知道的痛点和怪象。这些秘密往往是创新的富矿，因为大多数人不知道问题存在，竞争自然少。

怎么发现这些秘密？最直接的方式是在行业里待够久，成为内行。另一种方式是和内行深入交流——不是泛泛聊天，而是追问细节：每天工作中最让你头疼的是什么？行业里最不合理的是什么？有什么问题大家都知道但没人解决？

这里有一个对非技术背景者的好消息。很多人觉得自己在AI时代没有优势，因为不懂技术。但从问题敏感度的角度看，你的领域知识本身就是优势。在医疗行业工作了十年，你比任何AI专家都更了解医疗行业的问题。AI专家知道AI能做什么，但不知道你的行业需要什么。你知道行业需要什么，只是可能不知道AI能怎么帮忙——而后者是可以学的。

追问”为什么”

问题敏感度的第二个来源是追问。

对习以为常的事情问”为什么要这样做”，最常见的回答是”一直都这样做的”。这个回答什么都没说。一直这样做不等于应该这样做——可能当初有合理原因但情况变了，可能当初就没好理由只是惯性。

丰田生产方式的创始人大野耐一开发了一个朴素但有力的方法：对任何问题连问五次为什么。

他自己举过一个例子。生产线停了。为什么？保险丝断了。为什么保险丝会断？电机过载。为什么电机过载？轴承润滑不够。为什么润滑不够？润滑泵坏了。为什么润滑泵坏了？没有定期维护。

五个为什么之后，问题从”生产线停了”变成了”维护体系缺失”。解决方案也从换保险丝变成了建立定期维护制度。大多数人看到保险丝断了就换一个，问题暂时解决，过几天又断。只有追问到根本原因，才能真正解决。

这种追问在日常工作中同样有效。今天开了一个两小时的会——为什么要开这个会？目的是同步信息和协调下周的工作。目的达成了吗？部分达成，但会议太长很多人走神。有没有更好的方式？也许用文档异步更新，只在需要讨论时才开短会。追问之后，从每周两小时变成15分钟文档加必要时的短会。目的不变，手段更高效。

习惯是问题敏感度最大的敌人。习惯了某种做事方式就不再质疑，习惯了某种不便就不再觉得是问题。对每一个”一直这样”的做法问一声为什么——有时确实有好理由，那就继续；但有时你会发现其实没有好理由，那里就是改进的机会。

看到别人的问题

问题敏感度的第三个来源是同理心——站在他人角度感受困难的能力。

若只关注自己遇到的问题，视野很窄。能感受他人的处境，等于借用更多经历来发现问题。但同理心更深层的价值在于：最值得解决的问题，往往是当事人自己说不清楚的。人们能清楚描述的问题，别人也能发现，竞争激烈。真正有价值的问题藏在人们的迁就和忍耐里——他们感到不对劲，却说不出哪里不对。

克里斯坦森把这种洞察发展成了”Jobs to be Done”的概念：人们购买产品，本质上是”雇佣”它来完成某个”工作”。理解了真正的工作，才能理解真正的需求。

他举过一个经典案例。一家快餐连锁店想增加奶昔销量，做了大量调研——口味要不要改、杯子要不要大一点、价格要不要调——结果纹丝不动。后来研究者换了问题：顾客”雇佣”奶昔来完成什么工作？

答案出人意料。很大一部分奶昔是早晨通勤时买的。开车上班的人需要一个东西打发无聊的通勤时间，填肚子但又不能太饱，单手就能操作，能持续二十分钟慢慢喝。香蕉太快吃完，甜甜圈掉渣，咖啡太烫。奶昔恰好满足所有条件。

理解了这个”工作”，改进方向就清晰了：不是改口味，而是让奶昔更稠（喝更久）、配更粗的吸管（更方便）、设快速取餐通道（省时间）。

表面需求和真实需求之间的距离，就是同理心的作用空间。问卷和访谈能收集说得出的需求，说不出的需求要靠观察和体会。一个注意到用户在某个步骤总会犹豫两秒的产品经理，比收到一百份”建议优化体验”问卷的产品经理，更可能找到真问题。

敏感度的迁移

问题敏感度依赖领域知识，但培养出的思维方式可以迁移。

在一个领域养成的追问”为什么”、从用户角度看问题、质疑现状的习惯，可以带到其他领域。你在A领域培养的敏锐，会帮助你更快在B领域建立敏感度。

所以建议是先在最熟悉的领域深耕——你的工作领域、专业背景、兴趣所在。在熟悉领域你有足够的背景知识，能区分真问题和伪问题。在那里培养的敏锐思维，是可以迁移的资产。

问题敏感度的本质是在”正常”中看到不正常。领域深耕让你看到内行才能看到的问题，追问”为什么”让你穿透表面触及根本，同理心让你看到别人说不出来的问题。AI擅长解决问题，但不擅长发现问题——当”解决”可以被AI加速，“发现”就成为更关键的瓶颈。

下一章展开想象力公式的第二个维度：可能性认知——你知不知道手里有什么工具可以解决这些问题。