Factfulness 實戰

Lead： 把十種本能變成一套看新聞、投資與生活資訊的固定檢查流程。

不要背名詞，要改流程

知道『二分法本能、負面本能、規模本能』這些名稱，本身不會自動改善判斷。真正有用的是讓它們變成固定問題。每次看到一則重要資訊，先不要問『我同不同意』，先問『它用了什麼方式讓我快速形成故事』。這一步會把你從內容裡稍微拉開一點距離。

第一層：資訊結構

先看它有沒有把世界切成兩邊；有沒有只給單一事件卻暗示長期趨勢；有沒有用極端案例代表整群；有沒有只展示總量、百分比卻不給分母。這一層是在檢查資訊本身是否完整，不需要你先知道答案。

第二層：因果和預測

接著問：這個故事是不是只有一個原因？趨勢是不是被直線外推？是否把慢變化說成永遠不變？預測有沒有寫條件和不確定性？這一層可以防止我們從一張圖或一個故事直接跳到未來。

第三層：情緒與行動

最後檢查：我是不是因為很害怕就高估機率？是不是急著找一個人怪？是不是有人逼我立刻決定？如果情緒很高，先把不可逆行動延後，把問題拆成資料、機率、曝險和可逆步驟。

投資版流程

看到題材：先拆分類，不因名稱相同就視為同一種公司。看到高成長：先看基期和占比。看到利多：再問價格是否已經反映。看到風險：算持倉和永久損失，不只看波動。看到預測：做情境而不是單點。看到急迫：先檢查截止時間是不是真的。這些步驟不是保證賺錢，而是降低因資訊結構造成的低級錯誤。

最後形成五個萬用問題

如果不想記十種本能，可以只留五句：跟什麼比？分母是什麼？長期方向是什麼？還有別的解釋嗎？真的非現在決定不可嗎？這五句幾乎可以放到新聞、健康資訊、房地產、投資和日常消費。它們的價值不在於替你決定，而是逼你把缺少的資訊補回來。

完整示範：拆一則爆紅貼文

假設貼文寫「AI 產業今年裁員暴增 200%，證明 AI 泡沫即將破裂」。第一步，規模本能：200% 的基期是多少？第二步，概括本能：裁員集中在哪些公司、哪些職務，能否代表整個 AI 產業？第三步，負面本能：裁員上新聞，但同期間新增職缺和投資呢？第四步，直線本能：今年裁員是否必然延續？第五步，單一觀點：裁員可能來自重組、自動化、併購或景氣，不只泡沫。最後才回到投資：估值、營收、現金流和競爭格局是否支持泡沫論。

把 Factfulness 變成固定模板

你可以把每則重要資訊整理成六格：主張、數據、分母、時間範圍、替代解釋、行動。主張寫對方要你相信什麼；數據寫原始數字；分母補比例；時間範圍看趨勢；替代解釋列至少兩個；最後才寫你要不要做任何事。這比背十個本能更容易長期使用。

什麼時候可以停止查

Factfulness 不是要求每件小事都查到完美。資訊搜尋也有成本。低代價、可逆決策可以用簡單檢查；高代價、不可逆決策才值得深入。判斷何時停止的原則是：再多一點資料是否可能改變行動？如果不會，就不必為了完美繼續查。

延伸應用：把概念放進完整決策

最後可以把十種本能視為一套「資訊衛生」而不是十個偏誤名詞。它們分別在提醒：分類是否過粗、時間尺度是否太短、風險是否被情緒放大、數字是否缺上下文、因果是否太單一、行動是否被急迫感推動。每次不需要十項全查，先看最可能出錯的兩三項。重要的是建立可重複流程：高代價決策才做完整檢查，低代價決策快速處理。這樣 Factfulness 不會變成另一套讓人焦慮的規則，而會成為降低錯誤成本的工具。當你能清楚說出「我知道什麼、我不知道什麼、下一個最值得查的資料是什麼」，其實就已經把整本書用起來了。

讀完後的判斷清單

• 這則資訊最可能觸發哪兩種本能？
• 我是否補了分母和時間尺度？
• 是否找了至少一個替代解釋？
• 這個決策可逆嗎、代價高嗎？
• 再查一份資料是否可能改變我的行動？

把這五題拿去套一個你現在真的在做的決策，不需要每題都有完美答案。若其中兩三題完全答不出來，就表示你目前的信心可能高於資訊品質。先補最可能改變決策的資料，再決定是否行動；如果決策低代價且可逆，也可以小步嘗試，用結果繼續更新，而不是為了追求百分之百確定而無限拖延。

今天記住

把十種本能變成一套看新聞、投資與生活資訊的固定檢查流程。