01原理
科日布斯基的原意很朴素：地图不是它所代表的疆域，但如果画得对，它和疆域有相似的结构，这正是地图有用的原因。两半句话要一起读。前半句提醒你，任何描述都会省略、简化、过时；后半句提醒你，不要因此把地图扔掉，没有地图你寸步难行。真正的问题不是用不用地图，而是记不记得自己手里拿的是地图。
商业里到处是地图。利润表是一张地图，折旧年限、坏账准备、收入确认口径都是画图人的选择；ARR、留存率、NPS 是地图；估值模型、需求预测是地图；对 AI 公司来说，评测分数、排行榜、线上看板，甚至模型对自己能力的描述，也都是地图。芒格说会计只是起点、只是粗略的近似，说的正是这件事：数字整齐，不代表背后的东西被你掌握了。
对十人以内的团队，这个模型有一个特别的风险点：人少，所以更依赖仪表盘和自动化指标来替自己“看”现场。创始人不可能每天读一百段对话、打二十个客户电话，于是一个数字代替了这一切。这没有错，错在几个月后忘了这个数字是谁画的、按什么规则画的、哪些东西被它省略了。
为什么成立
地图会和疆域脱节，至少有三条路。第一是省略：地图只记录能被记录的东西。芒格在 2003 年说，复杂系统会吐出一堆漂亮的数字，人们于是高估能数出来的因素，忽略那些重要却没法精确计量的因素。第二是过时：疆域在变，地图是某个时刻画的。市场转向、用户行为变化、上游模型升级，地图都不会自己更新。第三是反作用：当一张地图被用来做决策、发奖金、排名次，人们会开始改变行为去迎合地图，地图越重要，就越不像疆域。
心理上，地图之所以难以放下，是因为它便宜、可比、能汇报。现场是嘈杂的、个别的、难以概括的，而一个数字可以放进周报、可以画趋势线、可以和上个月比。再加上芒格说的那种倾向，即人会折磨现实来迁就手里的模型，于是当地图和现场冲突时，人们更常见的反应是怀疑现场的反馈“只是个别案例”，而不是怀疑地图。
02芒格怎么说
“地图不是疆域”是语义学家阿尔弗雷德·科日布斯基（Alfred Korzybski）在 1931 年提出、1933 年写进《科学与理智》的说法，芒格没有专门讲过这个模型，我们在他的演讲里也没有找到他用过这句话；它是后来的思维模型清单把它归进了芒格的格栅。不过芒格反复讲过同一个意思：1994 年在南加州大学，他说会计是起点，但只是粗略的近似，折旧率写成整齐的数字并不等于你真的知道；同一场演讲里，他警告只有一两个模型的人会折磨现实去迁就模型。2003 年在加州大学圣巴巴拉分校，他批评经济学的“物理学嫉妒”和虚假精确，并借凯恩斯的话说宁可大致正确，不要精确地错。
Just because you express the depreciation rate in neat numbers doesn’t make it anything you really know.
把折旧率写成整齐的数字，并不意味着那是你真正知道的东西。
the nature of human psychology is such that you’ll torture reality so that it fits your models, or at least you’ll think it does.
人的心理天性就是这样：你会折磨现实，让它符合你的模型，或者至少你会以为它符合了。
My inspiration again is Keynes: Better roughly right than precisely wrong.
我的灵感还是来自凯恩斯：宁可大致正确，也不要精确地错。
03怎么用
- 01
给每个核心指标写一张“画图说明”
对团队最常看的三到五个数字，各写几行：它从哪里来，怎么算，省略了什么，在什么情况下会失真。比如“自动解决率”是否把用户直接关掉窗口也算作解决。这张说明放在看板旁边，新人入职先读它。写不出来的指标，说明团队其实不知道自己在看什么。
- 02
固定频率回到现场抽样
每周抽一小批原始材料亲自看：随机二十段用户对话、几条失败日志、一两通客户电话。目的不是统计，而是检查地图和现场是否对得上。如果看板说一切正常，而你读到的样本里有明显的问题，先相信样本，去查地图哪里画错了。
- 03
评测要会“退役”
内部评测集分数长期在九成以上、新版本之间只差一两道题时，它已经分不出好坏了。约定一个退役规则：例如连续几个版本差距小于某个幅度，就从真实失败案例里补一批难题，或者换一套。不要因为历史曲线好看就舍不得换。
- 04
用两张不同来源的地图互相校对
同一件事尽量用两种独立方式测量：模型打分和人工抽查，收入数字和银行流水，产品埋点和用户访谈。两者一致时可以放心一些；两者分叉时，分叉本身就是最有价值的信号，说明至少有一张地图出了问题。
- 05
在决策文档里写明“这是估计”
引用任何预测、估值或模型输出时，同时写出关键假设和大致误差范围，并写一句“如果什么情况出现，这个数就不再可信”。这样做的作用，是让决策者记住自己在读地图，而不是在看疆域本身。
04案例
谷歌流感趋势：搜索词是地图，流感是疆域
谷歌流感趋势（GFT）试图用人们搜索流感相关词的频率来估计流感就诊比例，比疾控中心的监测报告更快。2014 年拉泽（David Lazer）等人在《科学》上复盘：2013 年 2 月，《自然》报道 GFT 估计的流感样病例就诊比例是疾控中心数字的两倍多；从 2011 年 8 月起的 108 周里，它有 100 周估高。作者指出，最初版本有一部分是在检测“冬天”而不是流感，也完全漏掉了 2009 年非季节性的甲型 H1N1 流感；更深的原因是，谷歌自己在不断修改搜索算法，而模型默认搜索量和真实疫情之间的关系是固定的。科日布斯基说，地图之所以有用，是因为它和疆域结构相似；GFT 的麻烦恰恰在于，搜索量和疫情之间的那层结构关系被悄悄改了，地图却没有跟着重画。作者把这种心态叫作“大数据傲慢”：以为大数据可以替代、而不是补充传统的测量。这是大公司的项目，但教训对小团队一样：一个外部信号和你关心的现实之间的关系，不会因为曾经吻合就永远吻合。[4][3]
Zillow Offers：按自己的售价估计大规模买房
Zillow 的“即时买房”业务按公司对未来售价的估计直接收购房屋，再翻新转卖。根据其 2021 年第三季度的 10-Q，房屋存货从 2020 年底的约 4.9 亿美元涨到 2021 年 9 月底的约 37.6 亿美元；同一季度，公司发现库存中很大一部分房子的成本高于可变现净值，原因是买入价高于公司当时对未来售价的估计，于是计提了 3.044 亿美元存货减值，并在 10 月暂停签新的收购合同。11 月 2 日，董事会决定关闭这项业务，8-K 给出的理由包括“房价的不可预测性”、产能限制和其他运营挑战，预计裁员约 25%。价格估计本来是一张有用的地图，问题在于公司用它下了规模很大的注：估价只是一个参考数字时，画偏一点代价有限；当它直接决定几十亿美元存货的买入价时，同样的偏差就变成了几亿美元的减值。按我们的理解，这里的教训是，地图的误差能承受多少，取决于你押在它上面的仓位有多大。这不是小团队案例。[5][6]
Aider 重画自己的评测：84.2% 之后，分数不再说明问题
Aider 是一个开源的终端 AI 编程助手，基本由保罗·高捷（Paul Gauthier）一人维护，按 GitHub 贡献者统计，他的提交数在一万两千次以上，第二名不到五十次。Aider 的排行榜原本用 133 道 Python 练习题测各家模型的代码编辑能力。2024 年 12 月 21 日他发文说，这套题正在“饱和”：最高分已经超过 80%，Sonnet 的 84.2% 是做对 112 道、只剩 21 道没解，新纪录往往只比旧纪录多做对一两道。分数还在涨，但它已经说不清模型之间到底差多少。他的做法是重画地图：从 Exercism 提供的 C++、Go、Java、JavaScript、Python、Rust 六种语言共 697 道题里，先让 7 个模型都做一遍，扔掉大家都能做对的，只留 3 个及以下模型能做对的 225 道作为新的“多语言”基准。新基准上，o1 的最高分是 62%，留下了 86 道题的余地。对小团队来说，这个案例的价值在于动作本身：评测是你自己画的地图，它失灵时没人会通知你，要靠你主动发现“分数在动，但判断不再改变”这个信号。[7][8]
自动解决率 80%，客户却在流失
假设一个 6 人团队给自己的 SaaS 产品上线了 AI 客服，看板上的“自动解决率”三个月从 55% 升到 80%，团队据此砍掉了一个兼职客服岗位。但这个指标的定义是“会话结束时没有转人工”，用户问不出结果、直接关掉窗口，也被算作解决。直到季度续费率下滑，创始人才去随机读了五十段对话，发现其中相当一部分是用户反复换说法、最后放弃。地图本身没有作假，它只是省略了团队最关心的那一块，而团队把它当成了疆域。补救的做法是：改指标定义，加上“会话后 7 天内是否再次来问同一问题”，并且每周固定人工抽读对话。
05误用与边界
因为地图不完美就不要地图
这个模型最常见的误用，是拿“地图不是疆域”来否定一切测量和模型，转而凭感觉做决定。科日布斯基那句话的后半句同样重要：画得对的地图和疆域结构相似，所以才有用。感觉也是一张地图，而且是更粗糙、更难校对的一张。正确的做法是知道地图的误差在哪里，而不是扔掉它。
把个别现场见闻当成新的疆域
回到现场抽样很重要，但读了三段愤怒的用户对话，就推翻一个基于几万次会话的指标，同样是把一张很小的地图当成了全部。抽样的作用是发现地图可能错在哪里，接下来要做的是去验证，而不是用新的偏见换掉旧的。
用“这只是模型”来逃避责任
当预测失败时，说一句“模型而已，本来就不是现实”很容易。但如果你按这张地图下了注，就要为地图的误差负责。真正该问的是：下注之前，我是否知道它可能错多少，仓位是否与这个误差相称。
06检查清单
下次做相关决策前逐条过一遍。勾选只保存在你的浏览器里。
08来源
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8