给关键判断做版本控制：创始人如何用 AI 留住决策记录

在最大的一批美国上市公司里，约有 11% 仍由创办人本人掌舵。《金融与量化分析期刊》2009 年一项研究发现，创始人 CEO 主导的公司在研发上投入更多、资本开支更高、并购也更聚焦，1993 到 2002 年间，一个由这类公司组成的投资组合能跑出每年约 8.3% 的基准调整后超额收益，即便控制了公司规模、CEO 特征和行业等变量之后，异常回报仍有约 4.4%。创始人的稀缺价值，落在别人替代不了的判断上：他们记得当初为什么选了这条路，也记得在哪个岔口放弃过什么、又是基于什么理由。

问题出在这种判断如何随公司变大而被稀释。团队五个人时，定价、招人、产品取舍的上下文都装在创始人一个人脑子里，随口就能调用；到了五十人、五百人，决策变多、参与的人变多，同样的直觉被淹没在会议、消息和报表的噪音里。更麻烦的是记忆本身并不可靠。Farnam Street 长期倡导的决策日志方法点出一个机制：人脑会主动改写过去，让自己显得比当时更聪明、也更正确，于是同一个人会反复踩进同一个坑，却始终以为自己一直判断得对。真正的学习，卡在这段被悄悄修饰过的记忆里。

创始人真正缺的，不是更多灵感，而是让每一个关键判断的上下文长期可追问：当初基于什么信息、假设了什么、排除了哪些选项、对结果的信心有多高。把这件事做成系统，就是给关键判断做一次版本控制——每一个决定都带着上下文、带着版本号，事后原样追得回去。这件事此刻尤其紧迫：据资讯通信媒体发展局《新加坡数字经济报告 2025》，新加坡中小企业的 AI 采用率在一年内从 4.2% 跳到 14.5%，在生产力解决方案补助（PSG）下采用方案的中小企业 2024 年平均省下约 52% 的成本；工具正以罕见的速度铺开，可多数人拿它来起草和问答，很少有人用它留住判断。

组织记忆流失不是抽象担忧，它有实证研究支撑。《学习型组织》期刊 2023 年一篇文献综述，把「因人员流动导致的知识流失」定义为知识的非故意蒸发，并给出一个关键区分：难以形式化的隐性知识一旦随人离开，损失远比可编码的显性知识更严重。综述列出的代价并不轻——组织惯例被侵蚀、客户关系断裂、吸收新知识的能力和创新能力下降，最终削弱竞争优势；而且它明确指出，规模越小的公司受到的冲击越不成比例地大，因为关键判断往往集中在少数几个人身上。

对创始人和中小企业，这正是最痛的暴露点。当那个记得「为什么三年前把某类客户单独定价」的人离职，决定本身还留在系统里，背后的推理却蒸发了。留下的人只能重新猜测，或者干脆推翻重来，把公司当年交过的学费再交一遍——在一支只有几个人的团队里，这样的重来往往伤筋动骨。

解法并不是把笔记堆得更多。Tiago Forte 提出的「第二大脑」方法强调把认知外置：按捕捉、组织、提炼、表达四步，为未来的自己留存并萃取信息，让知识在需要判断时能被调出来使用；这套方法与具体软件无关，已经在 Genentech、丰田这类组织内部被采用。它对创始人的提醒很直接：真正要紧的是事后能不能把当时的推理原样调出来，而攒了多少条笔记本身说明不了这一点。

把「可追问」落成具体动作，就是一份决策记录。决策日志方法给出的模板很朴素：在做出重要决定之前，先写下当时的处境、对问题的框定、你预期的几种结果及各自的概率、你的信心程度，甚至当下的身心状态。等结果揭晓，再拿预期和现实对账——两者之间的差距，才是判断力真正生长的地方，也是把「以为自己当初就看对了」这种自我安慰挡在门外的唯一办法。

在决定之前逼自己把失败情形讲清楚，本身也能提升判断质量。心理学家 Gary Klein 提出、后经 Kahneman 推广的「事前验尸」，做法是假设项目已经彻底失败、再倒推可能的原因；据相关整理，这种「预期性后见之明」能把团队识别出的潜在失败理由提高约三成，而它对付的正是决策方向一旦定下就很难自我纠正的乐观偏差。

让这件事在今天变得可行的，是检索增强生成技术。Glean、Notion AI 这类企业级工具被称作「面向企业内部的搜索」，核心动作是先从公司内部上百个应用里的文件、消息、工单中检索出相关材料，再据此生成带出处的回答，并且保留基于权限的访问控制。于是那份决策记录变成一个可以随时追问的对象：某个判断当初依据哪份材料、假设了什么、是谁拍的板，都能被调出来对质。这一步，给判断补上了上下文、版本号和可追溯性。

新加坡的 AI 采用增长很快。据资讯通信媒体发展局《新加坡数字经济报告 2025》，中小企业的 AI 采用率在一年内从 4.2% 跳到 14.5%，大企业则从 44% 升到 62.5%；近四分之三（73.8%）的员工在工作中用上了 AI 工具，其中约八成五的使用者报告效率、时间和质量都有改善；在生产力解决方案补助（PSG）下采用方案的中小企业，2024 年平均省下约 52% 的成本。

但采用得快，不等于用得深。报告显示，约八成四的采用企业用的是现成的生成式 AI 工具，中小企业平均只把 AI 铺在约三项职能上，大企业是五项；员工端最常见的用法是头脑风暴（约 58%）、写作与编辑（约 54%）和行政事务（约 42%）。这些都指向同一件事：多数人把 AI 当成起草和问答的助手，还没有当成决策记忆来经营。

这层落差恰恰是机会。对成本高企的新加坡和资源有限的东南亚中小企业，小团队请不起庞大的中后台，也承受不起关键推理随人流失；每一次因为没人记得当初的假设而推倒重来，对它们都是负担不起的成本。一套可检索的决策资料库，能让创始人把每一次押注的原始假设长期存住、随时调出复核；而《学习型组织》那条「小公司受知识流失冲击更大」的结论反过来说明，正是在这种关键推理高度集中于少数人的团队里，把这些假设留存下来能拿到的回报也最高。

决定这套做法成败的，往往是一个很小的动作：事后有没有人回头去翻一个已经被结果推翻的旧决定。新加坡那条陡峭的采用曲线只证明工具已经到手，证明不了它替谁保存了判断。创始人相对于职业经理人的真正优势，不在于掌握更多信息，而在于记得每一个大赌注当初押在什么假设上。危险之处在于记忆会被悄悄修饰：等到要转向时，你以为在推翻当初的判断，实际上是在跟一段被美化过的回忆较劲——当年的乐观被记成审慎，侥幸被记成远见，这次转向于是绕开了真正该被质疑的那条原始论点。要守住的正是这一点：让原始推理原样可调，任何一次转向都能对着当时真实的假设重新开庭，而拦住那份被事后修饰过的版本。

判断这套做法有没有真的落地，有一个可以盯住的触发条件：当客户会议纪要、董事会材料、产品复盘和现金流假设被持续沉淀成一个可检索的决策资料库，你能挑出一个已经被结果推翻的旧决定，调出它当初的原始推理，逐条追问当时假设了什么、依据哪份材料、谁投过反对票，再拿今天的事实去对质那份未经改写的原始假设。能把旧赌注这样重新开庭，这套做法才算真正为关键判断做上了版本控制。到那一步，直觉就成了可以逐版复盘、逐步校准的东西：每一次押注都留下痕迹，供下一次转向对照。

同样要盯住一个反证信号：如果那些旧决定从来没有被人重新翻出来，笔记只是越存越多、仪表盘越做越满；或者更隐蔽地，被翻出来时对着的已是一段被美化过的经过——当年的犹豫被抹平，运气被说成判断——那么这套系统留下的只是一份让人安心的自我叙事，算不上可供质询的判断。捕捉如果不通向对旧假设的重新质询，积累就不产生更好的判断。分野只在关键那一刻：一个已经被现实否定的旧赌注，你能不能调出它未经修饰的原始推理，对着今天的选择重新校准——做不到，攒下再多材料，也换不来创始人真正倚仗的那点判断优势。