01原理
不用就忘倾向说的是一件人人都知道、却很少有人认真安排的事：技能和肌肉一样，停止使用就会萎缩。芒格的例子很朴素，他年轻时是微积分好手，二十岁之后再也不用，这门本事很快就没了。他还转述了钢琴家帕德雷夫斯基的说法：停练一天，自己能听出退步；停练一周，听众也能听出来。越精细的技能，衰退得越快。
这条倾向对小公司的意义，不在“人会忘事”这个常识，而在芒格指出的两个后果。第一，会的东西少了，人就会退回到自己仍然熟练的那一两种方法上，看什么问题都像钉子，这就是“铁锤人”倾向。第二，知识之间本来互相支撑，缺掉一块，新信息就没处挂，学习能力本身也会下降。所以他把定期练习那些有用但少用的技能，看作一种对“更好的自己”的义务，而且特别强调要练自己专业以外的东西。
芒格同时给了一个不那么残酷的补充：练到熟练和临时突击是两回事。真正熟练的技能衰退得慢，荒废后重新学，也比第一次快得多。这意味着取舍很清楚：少数关键技能要一次练透，然后用低频但规律的演练维持住；那些只为过一关而硬背下来的东西，本来就留不住，不必假装自己掌握了。
为什么成立
心理学里最早的量化证据来自艾宾浩斯 1880 年代的遗忘实验：他背下无意义音节表，隔一段时间再重学，用“重学比初学省了多少次重复”（节省法）来衡量还剩多少记忆。结果有两面：记忆随时间迅速流失，但哪怕已经想不起来，重学仍然比第一次省力，说明痕迹没有完全消失。这正对应芒格的两句话：不用就丢，练透的东西回来得快。
放到工作里，还有一层机制：自动化替人做了一件事，人就失去了练这件事的机会，衰退是悄悄发生的，平时完全看不出来，因为机器一直在兜底。问题只会在机器失灵、出错或需要人来判断的那一刻暴露，而那往往正是最需要这项技能的时刻。飞行业花了几十年才把这件事写进规章，AI 工具让同样的结构出现在了写代码、看片子、写文案的每一张办公桌上。
02芒格怎么说
芒格在 2005 年修订的《人类误判心理学》里把它列为第 19 种倾向。他拿自己举例：二十岁前微积分很好，之后完全不用，很快就忘光了。他给的解药是飞行员的模拟机，让人持续练那些平时很少用、但丢不起的技能；还把这条倾向和“铁锤人”、思维格栅、检查清单连在一起：练的技能越少，越容易拿一把锤子看所有问题，理解新经验的框架也会出现缺口。最后他补了一句宽慰话：真正练到熟练的技能，忘得更慢，重新捡起来也更快。
All skills attenuate with disuse.
所有技能都会因为不用而衰退。
The right antidote to such a loss is to make use of the functional equivalent of the aircraft simulator employed in pilot training.
对付这种流失，正确的解药是用上飞行员训练所用模拟机的功能等价物。
the skill (1) will be lost more slowly and (2) will come back faster when refreshed with new learning.
（练到熟练的）技能（1）会丢得更慢，（2）用新的学习去刷新时，会回来得更快。
03怎么用
- 01
列出“丢不起的少用技能”
每个团队都有一些一年用不了几次、但用的时候没人会就要出大事的技能：手动回滚线上版本、在不用智能体的情况下读懂并改一段核心代码、从零写一份融资材料、和大客户当面谈价格。先把它们写成一张短清单，标上现在谁能独立做、上次真正做是什么时候。清单本身就会暴露问题：很多项只有一个人会，或者上次做已经是一年前。
- 02
给团队造一台“模拟机”
芒格的解药是模拟机，小团队可以用很便宜的办法做到：每季度挑一个周五下午，关掉 AI 助手修一个真实的历史 bug；每月做一次故障演练，由不常做这件事的人按手册恢复服务；新人入职头两周，部分任务要求先手写、再对照 AI 的写法。目的不是排斥工具，而是保证工具不在时，人还接得住。
- 03
用 AI 时让它帮你学，而不是替你学
Anthropic 的实验显示，同样用 AI，问概念、要解释、生成后追问原理的人，测验分数明显高于直接让 AI 写完的人。团队可以把这写成规矩：碰到新库、新领域时，先问为什么，再要代码；代码评审时要求作者能讲清 AI 生成部分的关键逻辑。
- 04
关键技能一次练到熟练
按芒格的说法，熟练是对抗遗忘最划算的投资。对公司核心的两三项能力，比如你们产品所在领域的评测方法、核心数据管道，宁可让骨干花几周真正练透，也不要每个人都只会照着文档跑一遍。练透的人即使半年不碰，重新上手也只需要很短时间。
04案例
FAA 2013 年的安全通告：自动驾驶开太久，手动飞行会退化
2013 年 1 月 4 日，美国联邦航空管理局（FAA）发布编号 SAFO 13002 的运营者安全警示，标题就是“手动飞行操作”。通告说，最近对正常飞行、事件和事故数据的分析发现手动操纵失误在增加；现代飞机普遍用自动驾驶和自动油门，这些系统提高了安全性和精确度，但持续使用它们并不能强化飞行员的手动飞行知识和技能，还可能削弱他们把飞机从异常状态中快速改出的能力。FAA 的建议不是少用自动化，而是双管齐下：在训练和复训里加大手动飞行的分量，在航线运行中，在低负荷时段和合适的空域给飞行员留出手动飞的机会，同时讲清楚高负荷时什么时候该用自动系统。这几乎是芒格那段话的监管版本：平时可以把活交给机器，但丢不起的技能要刻意安排练习。[2]
艾宾浩斯的遗忘曲线：忘了，但重学更快
德国心理学家艾宾浩斯在 1880 年和 1885 年前后的实验里背诵无意义音节，隔一段时间再重学，用重学节省下来的工作量衡量遗忘。阿姆斯特丹大学的 Murre 和 Dros 在 2015 年按同样方法做了复现：一名被试花了约 70 小时，学习 70 张音节表，每张 104 个音节，分别在 20 分钟、1 小时、9 小时、1 天、2 天和 31 天后重学。结果和艾宾浩斯的原始数据相近，遗忘先快后慢，而且曲线大约在 24 小时处有一个向上的跳动。这个经典实验支撑了芒格那条倾向的两半：不用就流失；但流失并不等于归零，重学有“节省”，这也是为什么练透一次的东西值得以后反复刷新。[3]
波兰的结肠镜研究：用惯了 AI，医生自己看时漏得更多（学术研究，非小团队）
这不是创业团队的案例，而是一项多中心观察研究，但它是 AI 辅助造成技能退化的少见量化证据。波兰四家内镜中心在 2021 年底引入 AI 息肉检测工具，此后检查按日期随机分为用或不用 AI。研究者比较了引入前后各三个月里不用 AI 的标准结肠镜：共 1443 名患者，腺瘤检出率从引入前的 28.4%（795 例中 226 例）降到引入后的 22.4%（648 例中 145 例），绝对差 6 个百分点。作者在 2025 年 8 月发表于《柳叶刀·胃肠病学与肝病学》，结论措辞谨慎：持续接触 AI 可能降低医生自己做检查时的检出率。研究是回顾性的、只看了三个月，不能证明因果。对做 AI 产品的小团队来说，含义有两层：你的客户在用你的工具时，可能正在失去不用工具时的能力；如果你的产品会离线、会出错、会被换掉，这个风险最终也会落到你头上。[4]
Anthropic 的编程实验：用 AI 学新库，测验低了 17%（大公司研究）
这是大公司的研究，讲的是芒格那条倾向的另一面：不是学会了再忘，而是根本没练到熟练。Anthropic 在 2026 年 1 月 29 日发布了一项随机对照试验：招募 52 名（多为初级）软件工程师，学习他们不熟悉的 Python 异步库 Trio，完成两个功能，然后做测验。用 AI 助手的一组平均得分 50%，手写组 67%，作者换算为低了 17%，差距最大的是调试题；AI 组平均只快了约两分钟，且不显著。值得注意的是，用法决定结果：完全把代码交给 AI 的几组平均低于 40%，只问概念、或生成后追问原理的几组达到 65% 以上。作者也承认样本小、只测了做完任务后的即时理解。对小团队，这和芒格“练到熟练而不是临时塞进去”的说法完全对得上：靠 AI 一路过关的新人，可能根本没有形成那项技能，以后自然也谈不上“忘得慢、捡得快”。[5]
6 人团队，只有 CTO 会手动回滚
设想一个 6 人的 AI 应用团队，部署、回滚、数据库迁移全部由 CTO 早期写的脚本和 AI 智能体完成，一年多没人手动做过。某个周末模型供应商接口变更，自动回滚脚本因为同一个原因失败，CTO 恰好在飞机上。值班的工程师能看懂报错，却没亲手操作过生产数据库，只能等。按这个情景，损失不在于脚本坏了，而在于大家把“脚本一直能用”当成了“我们会这件事”。补救办法很朴素：把手动回滚写进季度演练，每次换一个人执行，CTO 只在旁边看。
05误用与边界
什么都想练，结果什么都没练透
芒格说要练“有用但少用”的技能，不是说所有被自动化掉的手艺都要保留。手写汇编、背 API 签名，多数团队丢了也无妨。判断标准是：工具失灵或出错时，这项技能是否决定你能不能接住局面。不是的，就放心交给机器。
把“排斥工具”当成“保持技能”
FAA 的通告并没有让飞行员少用自动驾驶，而是要求分场合使用，并另外安排手动练习。小团队如果为了“不退化”禁止用 AI，换来的多半是更慢的交付，而不是更强的能力。正确的做法是平时用工具，定期在受控条件下不用工具。
拿短期测验当长期结论
本章两个 AI 研究都有明显局限：一个是三个月的观察数据，一个是 52 人做完任务后的即时测验。它们说明风险存在，不说明退化有多大、会不会随着用法改进而消失。用它们来设计演练可以，用来给团队成员下结论不行。
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