Showing Posts From
Hbr
HBR 最新研究：你那套『限時優惠』『剩 3 個名額』在 AI 比價 Agent 面前全部失靈——只有兩個訊號還影響得了它
你做業務的這幾年——可能是十年、二十年——一定累積了一整套「對人類有效」的推銷話術：「這個方案這個月底前簽才有」、「公司給我的名額只剩 3 個」、「原本年繳 5 萬，今天簽下來只要 3.8 萬」、「我幫你加碼送一張長照附約」。這些話術不是憑空生出來的，是一代一代業務員在客戶身上做 A/B test 累積下來的，是業務這個職業的「集體無形資產」。 問題是——當你的客戶開始把保單丟給 ChatGPT 比、把預算丟給 Claude 排序、把問題丟給 Gemini 推薦的時候，你那套價值幾十年的話術，會被瞬間清零。 這不是我猜的。這是 Bayes 商學院的 Jafar Sabbah 跟 King's 商學院的 Oguz A. Acar 5 月 12 日剛在《Harvard Business Review》發表的研究結論。他們跑了數千次模擬購物實驗，把四個主流大語言模型放在四個產品類別前面，把行銷人最珍視的工具一個一個拆給你看。 Sabbah 與 Acar：他們發現的不是「AI 不買單」，是「AI 不吃你那一套說服戰術」 這篇研究最反直覺的點，是它沒有用「AI 比較理性」這種懶人結論收尾。研究團隊的設定方式很細：他們對同一個產品列表隨機微調價格、星級、評論數、再疊加上促銷標籤（稀缺性、倒數計時、劃線價、優惠券、綑綁），讓 GPT-4.1、Claude Sonnet 4、Gemini 2.5 Flash 等模型重複下「我會買哪一個」的決策。"Many classic e-commerce persuasion tactics built for human psychology—scarcity, countdown timers, strike-through pricing, vouchers, and bundles—do not reliably influence AI agents and can even reduce selection depending on the model and product category." （那些針對人類心理設計的經典電商說服戰術——稀缺性、倒數計時、劃線折扣、優惠券、綑綁銷售——對 AI Agent 不只是無法穩定產生影響，依據模型跟商品類別不同，有時候還會「降低」被選中的機率。）請注意「reduce selection（降低被選中的機率）」這幾個字——這不是「沒效果」，是「反效果」。你愈用力推，AI 愈把你往下踢。這是這篇研究真正讓人寒毛直豎的地方。 實驗設計：四個模型、四個產品類別、數千次模擬——他們把行銷人的工具箱一個一個拆開 Sabbah 跟 Acar 沒有只測一個 GPT 然後寫一篇結論。他們把當時最主流的四個模型都拉進來，包含 GPT-4.1、Claude Sonnet 4、Gemini 2.5 Flash——這三個是有點推理能力的「中段班」模型，也納入了更便宜更小的版本，刻意製造一個推理能力的光譜。 產品類別則涵蓋四個常見品類（從低涉入的日用品到高涉入的家電都有），確保結論不是只在「買洗髮精」這種低決策成本的情境成立。 他們發現的最關鍵規律：「能用穩定方向影響 AI 選擇」的訊號只有兩個——星級評價會穩定地讓被選中的機率上升，價格會穩定地讓被選中的機率下降。其他訊號（稀缺性、倒計時、優惠券、綑綁、促銷標籤等）的效果是「模型特定（model-specific）」，今天 GPT 吃這套、明天 Claude 完全不甩，每次升級模型還會再洗一次。 更殘酷的發現是這句："More advanced reasoning models often appearing skeptical of overt persuasion." （更高階的推理模型，對於明顯的說服戰術往往會起疑心。）意思是：你的推銷話術愈直白，模型的推理能力愈強，它就愈把你當「值得警覺的賣家」處理。這跟人類完全相反——人類愈成熟的買家未必愈警覺，但 AI 是「推理愈強愈不吃」。 三個對 AI Agent 完全失效（甚至反效果）的傳統推銷招式 把研究的發現翻譯成業務語言，會長這樣： 「稀缺性 + 倒數計時」（Scarcity + Countdown） 人類的腦補： 「再不簽就沒了！」啟動損失趨避，產生立即行動的衝動。 AI 的閱讀： 「這是一個帶有人為時間壓力的標籤。」推理強一點的模型會把它當作雜訊忽略，甚至當作「賣家在施壓我這個顧問」的負面訊號。 「劃線折扣 + 優惠券」（Strike-through pricing + Vouchers） 人類的腦補： 「原本 5 萬現在 3.8 萬，省了 1.2 萬！」錨點效應 + 得到的快感。 AI 的閱讀： AI 不在乎「原本多少」，它在乎「最終要付多少」。劃線價對它而言是 0 訊息量的視覺裝飾，優惠券是要它額外做一步運算的「摩擦」——有時候反而扣分。 「綑綁銷售」（Bundles） 人類的腦補： 「主約送附約，CP 值無敵。」感受到「多得到」。 AI 的閱讀： 它會把綑綁包拆解成「per-unit 單位成本 + 是否符合需求」。如果用戶 prompt 沒提到附約那個保障，那個附約對 AI 而言不是 plus，是「不想要的雜訊」。 這三類話術——是壽險業務員從業生涯前五年就被訓練到肌肉記憶的東西。研究告訴你：當客戶把決策權交給 AI Agent 那一刻，這幾招的效用會直接歸零，甚至倒扣。 兩個還救得了你的訊號：第三方信譽與真實價格 研究發現只有兩個訊號是「跨模型、跨品類都穩定」的： 1. 星級評價（Star Ratings）—— 穩定的正向影響 不是業務員自己寫的 sales pitch，不是公司的官方文案，是「外部公開的、可被第三方驗證的、有累積量的」評分與評論。對 AI 來說，這是它能依賴的少數「不會撒謊」的訊號。 2. 價格（Price）—— 穩定的負向影響 價格高，被選中的機率就低。沒有什麼「品牌溢價」、「服務附加值」可以在 AI 的第一輪篩選裡幫你抵銷這個負向係數——除非你的星級夠高、評論量夠多。 把這兩點放在一起看，Sabbah 跟 Acar 的核心建議就出現了："Treat AI models as distinct segments, prioritize fundamentals like competitive pricing and authentic reviews, and invest in a testing infrastructure that continuously measures how different agents respond as models and prompts evolve." （把每一個 AI 模型當成獨立的客戶分眾來對待，優先把「具競爭力的價格」與「真實的評價」這兩個基本盤做好，並且投資一套能持續測量不同 Agent 反應的測試基礎建設——因為模型跟 prompt 一直在變。）越聰明的模型，越會「看穿」你的推銷話術——這對誰最痛？ Sabbah & Acar 的這個發現，跟 Anthropic 4 月那份 Project Deal 實驗呼應得驚人地工整。Project Deal 發現：「弱模型的買家」會吃虧 12% 卻覺得「我得到了公平的交易」——也就是說，便宜的 AI 比較容易被推銷話術影響、會買到比較貴的東西。 從這兩個研究合起來看，這條趨勢線是無法逆轉的：2026 上半年：客戶的 AI 還在「便宜模型階段」，業務員的傳統話術還有殘餘效果。 2026 下半年到 2027：客戶用的 AI 開始升級到推理模型（GPT-5、Claude Opus 4.x、Gemini 3 等），傳統推銷話術不只失效，還會被當作「賣家施壓的負面訊號」處理。 長期：能存活的業務員，是那些把「資源」從「話術製造」轉到「信譽製造」的人。AI 時代要砍掉的 5 個推銷話術 vs 要新建的 2 個信任基建 把這篇研究最後可操作的結論濃縮成一張表： 要砍掉的（對 AI Agent 失效甚至反效果）：「這個月底前簽」的限時話術 「公司給我的名額只剩 X 個」的稀缺性話術 「原本 X 萬現在 Y 萬」的劃線折扣話術 「今天簽馬上加碼送 OO」的優惠券/綑綁話術 「我幫你跟公司爭取一個特別方案」的個別客製化話術——AI 不會懂這個故事，它只看到「不透明的價格」要新建的（對 AI Agent 仍然穩定有效）：可被第三方驗證的公開信譽系統：Google 評論、客戶授權的推薦案例庫、第三方平台的評分（保經評鑑、社群口碑）。重點是「公開」與「可驗證」——AI Agent 抓得到、信得過。 資訊透明的價格與條件架構：把「我能提供什麼、用什麼價格、規則是什麼」攤開來說清楚。AI 對「乾淨資料」有偏好，對「需要追問才知道」的賣家會降權。這兩件事的共同特徵是：它們都是「基建」，不是「話術」。基建需要時間累積，但一旦累積起來，它在 AI 比較的世界裡會發揮複利。話術需要的是現場演出能力，但 AI 不看現場演出。 Sabbah 跟 Acar 的研究最後一句話是這篇給業務員最殘酷也最誠實的告白：你不能再把 AI 當成「一群會自動買單的傻 buyer」。它是一個會升級、會起疑、會跨模型行為迥異的「新客戶種類」。你愈早把它當作真正的客戶來研究、來建立信譽系統去服務它，你就愈不會在 2027 年那一波清算裡被刷下去。📎 想看 Sabbah 與 Acar 完整的實驗設計、四個產品類別的細部數據、以及他們建議的「AI Agent 測試基礎建設」長什麼樣子，請去讀原文 Research: Traditional Marketing Doesn't Work on AI Shopping Agents。這篇研究還有一個我沒覆蓋的重點：他們示範了「同一個促銷標籤」在不同模型上的反應差距可以大到反向，這對行銷人意味著「跨模型測試」會變成新的必修課，而不是 nice-to-have。
HBR 5/6 最新研究：你以為客戶在跟你殺價，其實是你『自己先讓步』——Schulich 商學院 Tatiana Astray 拆穿業務員三個自我削弱的習慣
每次續約、加保、調費、請求退回退傭——你準備了一整套說詞、推算客戶會怎麼反彈，腦中已經演過三輪『他可能會不爽』的劇本。然後還沒開口，你就先說了一句：「不然這次先不調，我們明年再看？」 Tatiana Astray 在 2026 年 5 月 6 日 Harvard Business Review 的新文章想告訴你：你以為自己在跟『難搞的客戶』談判，其實對手是你自己的三個習慣。 她開場的個案，光看就讓人心驚：一家工業製造商有筆數百萬美元的案子，三年沒收到錢——服務照樣交付。三年。沒有一個人問過：「我們為什麼還在送服務？」 Tatiana Astray：負面資訊比正面資訊更能建立你的可信度 Tatiana Astray 是 York University Schulich School of Business 的講師，也是 Mastering Leadership Executive Education（前身為 Mastering Negotiations）的創辦人。她的學術背景是 Organization Studies 博士、Marketing & Consumer Studies 碩士、心理學學士——談判、銷售、說服、肢體語言，是她長年的研究主軸。 她跟其他談判學者的差別在於：別人多半研究『面對對手怎麼出招』，她長期研究的是『業務員如何自己擊敗自己』。HBR 5/6 這篇 How Sales Teams Undercut Themselves with Longtime Clients 是這個視角的最新總結。 她的核心發現很反直覺：研究顯示，業務員『系統性地高估了客戶反彈的風險』。也就是說——當你以為客戶會炸毛、會跑單、會翻臉，實際上炸毛的機率遠低於你的想像。但你的『預先讓步』，卻 100% 會發生。 三個自我削弱的習慣：你把『讓步』設成新的預設值 Astray 把業務員自我削弱的行為拆成三個具體模式。重點不是要你變強硬，而是要你看見：你以為自己在『維護關係』，實際上你正在『教育客戶用感情換條件』。 1. Premature concessions：客戶還沒開口，你就先軟化條件 做法： 在還沒被要求之前，主動把折扣、彈性、優惠端出去。"Sellers often make premature concessions—offering price reductions, flexible terms, or service expansions before the buyer has even raised an objection." （業務員經常做出『提前讓步』——在買方根本還沒提出異議之前，就主動丟出降價、彈性條件或服務延伸。）這句話放在保險業務員的世界，幾乎是一面鏡子。客戶今年要繳的保費比去年高，因為附加險自動續、年齡級距上調——你看到帳單就先反射性開口：「我幫你看看可不可以拿掉這個、或是改一個方案。」 問題不是你提供了選項，而是你在客戶還沒開口前就把選項變成『讓步』。客戶從『要不要續』的決策狀態，被你拉進『可以怎麼凹』的議價狀態。原本他只是要簽名，現在他學會了一件事：「跟你續約，先停三秒，看他會不會自己降。」 下一年，他會停得更久。 2. Fragmented account management：內部立場分裂，等於給客戶各別擊破的機會 做法： 同一個客戶，業務員、客服、主管、行政各自承諾，沒有一個共同立場。"When clients sense that internal stakeholders aren't aligned, they exploit the gaps—often without consciously meaning to." （當客戶察覺到內部利害關係人立場不一致，他們會利用這些縫隙——而且通常不是有意為之。）Astray 提醒一個被低估的細節：客戶『鑽縫隙』很多時候不是惡意，而是直覺。他們會自然地把『主管說可以調』『客服說那個其實有彈性』『業務員上次有給過』這些訊息拼起來，組成一個對自己最有利的版本。 對保險業來說，這個破綻常常出現在：你的助理、上級、公司客服、官方客戶服務專線，每一個窗口給出的『底線』都不一樣。客戶打過一輪電話，回頭跟你說：「我問過了，xxx 說可以這樣。」你瞬間進退兩難——拒絕，是跟自己公司打架；同意，是把好不容易守住的條件親手送出去。 不是客戶難搞，是你們內部沒有對齊。 3. Overreliance on long-standing relationships：用『我們認識十幾年』取代談錢 做法： 因為關係夠深，所以避開有壓力的對話，把『不談錢』當成『經營關係』。"Sales teams often treat long-standing relationships as a buffer against tough conversations—rather than recognizing that those relationships are the very foundation that makes tough conversations possible." （業務員常把長期關係當成是『避開困難對話』的緩衝墊——而沒有意識到，正是這些關係，才讓困難對話有可能發生。）這是三個習慣裡最致命的一個。因為它聽起來最像『美德』：我跟客戶認識十幾年了，不忍心開口。 但 Astray 的反駁很犀利：你以為『不開口』是在保護關係，其實你在『消耗關係』。你不開口，案子三年沒收錢；你不開口，續約自動降；你不開口，客戶開始把『不被收錢』當成『我們很熟』的證明。 那個工業製造商的個案就是寫照——服務交付了三年，三年沒人問為什麼還在交付。不是客戶賴帳，是業務團隊自己把『不問』當成了忠誠。 重新設定動態：把難談的對話當作『關係建立』而非『關係破壞』 Astray 在文章後段給出的解法，可以濃縮成一句心態翻譯："Difficult conversations are not a threat to the relationship—they are the relationship." （困難的對話不是對關係的威脅——它本身就是關係。）這句話如果你只看一次，會覺得是雞湯。但它的力道在於：它直接把『談錢 = 傷感情』的預設值，反轉成『不談錢 = 沒關係』。 她列出四個具體的反向動作： 第一，內部對齊。 在跟客戶對話之前，先讓所有內部關係人——你、助理、主管、客服——對價值、底線、可讓步區間有同一份共識。客戶察覺到一個團隊只用一個聲音說話，就不會去鑽縫隙。 第二，明確說出價值。 不要假設客戶『記得』你過去十年做了什麼。Astray 強調 value articulation——把你具體幫客戶處理過的理賠、理解過的家庭結構、調整過的保額，重新講一次。不是討功，是把『關係的具體內容』從『感覺』翻譯成『證據』。 第三，培養可信的替代方案（credible alternatives）。 這是談判學上的 BATNA 概念——當你心裡有別的客戶、別的渠道、別的選項，你開口時的眼神就不一樣。客戶不是看你說了什麼，而是看你『需不需要這一單』。 第四，把難談的對話當成關係建立而非破壞。 這個視角轉換才是真正的核心。如果你相信『談錢會傷感情』，你會迴避；如果你相信『敢談錢才有真感情』，你會開口。 最後 Astray 留了一句話，給所有覺得『我跟這個客戶很熟所以不能開口』的業務員："If your relationship can't survive a candid conversation about value, it isn't really a relationship—it's a hostage situation." （如果你的關係經不起一次坦誠的價值對話，那就不是真正的關係——那是一場人質情境。）回頭看那家三年沒收錢的工業製造商：客戶不是壞人，業務團隊也不是笨蛋。是他們之間長出了一種默契——『不問』就不會破，『不開口』就不會失去。但這種默契本身，就是業務員親手綁的那條繩子。📎 想看 Astray 完整的『六步重設客戶動態』流程，以及她提到的 internal alignment workshop 怎麼跑——例如業務團隊在進客戶會議前要先做哪些對齊動作、用什麼樣的語言把『提供折扣』翻譯成『提供條件交換』——可以讀 HBR 5/6 的全文：How Sales Teams Undercut Themselves with Longtime Clients。她在 Mastering Leadership Executive Education 的官網也有公開幾段她對『difficult conversations as relationship-building』的訪談影片，比文字版更直接，特別推薦給每次續約前都會先在心裡演十遍劇本的業務員看。
哈佛商業評論最新警告：你用 AI 省下的每一個小時，可能正在悄悄摧毀你最值錢的業務判斷力
2026 年 4 月，《哈佛商業評論》刊出了一篇我看完之後忍不住重讀好幾次的文章——《Don't Let AI Destroy the Skills That Make Your Company Competitive》。標題直白到刺耳：別讓 AI 摧毀你公司之所以有競爭力的那些技能。 這個訊號很值得停下來想一下。在所有人都在比誰用 AI 用得更兇、誰的工作流自動化得更徹底的此刻，HBR 卻把一個反方向的問題擺到桌面上：你以為自己在加速，其實可能正在掏空自己。 Kenny 和 Pogrebna：把 AI 風險講得最清楚的一組搭檔 兩位作者的組合很有意思。 Graham Kenny 是 Strategic Factors 的 CEO，也是澳洲唯一一位長期固定在 HBR 撰稿的策略管理顧問。他長期關注一個問題：為什麼企業的「新策略」總是長得跟舊策略一樣？ Ganna Pogrebna 則是雪梨大學商學院的行為商業分析教授，同時擔任英國 Alan Turing Institute 行為資料科學線的主導人。她的研究主題是「人在不確定性下的決策」——也就是 AI 永遠無法真正取代的那一塊。 一個從策略管理切入，一個從行為決策科學切入，兩個人在這篇文章裡合力指出一件事：AI 被包裝成「生產力加乘器」，但用錯了，會把公司的個性殺死。 「AI practice」的核心邏輯：你正在用「效率」交換你最值錢的東西 文章一開場就丟出一句很重的話："AI can kill the individual DNA of an organization by cleaving to the generic standard." （AI 會把一家組織的個性 DNA 殺死，因為它總是朝向通用標準靠攏。）接著作者用一組對比把整個論點壓到了一個句子裡："More automated, yet less adaptive; more data-driven, yet less wise; more efficient, yet less legitimate in the eyes of employees and customers." （更自動化，但更不靈活；更倚賴數據，但更不睿智；更有效率，但在員工和顧客眼中更沒有正當性。）這裡的關鍵詞是「正當性」。當員工和客戶都隱約知道「這個建議是 AI 跑出來的」，整個組織的權威感、可信度、與人味道，會以一種你看不到的速度蒸發。 Kenny 和 Pogrebna 的解方是建立一套刻意的「AI practice」——不是「AI 使用守則」這種公司公告等級的東西，而是每一個專業工作者要在自己腦中跑的一套日常規矩：哪些任務該繼續用自己的腦子處理，哪些才交給 AI。下面是他們列出的三個紅旗。 紅旗一：判斷力外包（Skill Atrophy）——你以為自己變強了，其實是 AI 變強 第一個風險最直觀，也最容易被輕忽：員工因為什麼都丟給 AI，反而沒有機會練到自己的判斷力。 這個現象 Pogrebna 在 2026 年 2 月 European Leadership Network 的一份報告中講得更狠。她的結論是「Decision independence is disappearing」——決策的獨立性正在消失。 聽起來很抽象。換成具體場景就是：以前一個業務員拿到客戶的資料，會花 20 分鐘把客戶的人生階段、現金流壓力、潛在保障缺口一點一點推一遍，然後形成一個「我覺得這個客戶適合 X 商品」的直覺。現在他把資料貼進去，AI 30 秒給他一份 80 分的提案，他改兩個字就拿去談。 問題是，那 20 分鐘的推導，本身就是在訓練「讀客戶」的肌肉。你少做一次，肌肉就少練一次。一年以後，你的「判斷力」很可能完全是 AI 的判斷力，而不是你的。當客戶丟出一個 AI 沒抓到的細節時，你會發現自己接不住。 HBR 2026 年 2 月一篇文章中，作者 David S. Duncan 也發現了類似的不對稱："It was helping me a lot more than it was helping my less-experienced colleagues." （AI 幫我幫得比幫我那些經驗較少的同事還多。）對資深的人，AI 是放大器；對新手，AI 是替代品。差別是——資深的人是先有判斷再來驗證，新手是直接拿 AI 答案當自己的判斷。 紅旗二：決策黑盒化（Decision-Making Opacity）——當你解釋不出為什麼，你就不再為它負責 第二個紅旗講的是一個更深的問題：當決策被埋在不透明的演算法裡，「責任」這件事會悄悄消失。 Kenny 在一場與 Pogrebna 的公開對談中說過一句很關鍵的話："AI assists decision-making, but accountability can't be automated." （AI 可以輔助決策，但問責不能自動化。）這句話放在業務工作裡的意義是這樣的：客戶問你「為什麼建議我選這個方案」，你的回答如果是「我跑了一個 AI 模型，它推薦這個」，那你已經輸了一半。客戶要的不是答案，是答案背後的人。 更危險的是內部審查。當一個提案出問題，你回頭去看當初為什麼這樣推，發現自己根本記不得——因為當初也不是你想出來的。你只是接收了一個輸出。Pogrebna 在訪談裡的另一句話把這層次講透了："Algorithms influence far more of our thinking than we realise." （演算法影響我們思考的程度，遠遠超過我們所意識到的。）她也補了一個很反直覺的觀察："Most strategic decisions are made intuitively. Data is often used to justify decisions already taken." （大多數的策略性決策其實是直覺做出來的。數據經常只是被拿來合理化早就做好的決定。）換句話說，問題從來不是「我們有沒有用 AI」，而是「我們有沒有意識到自己已經被 AI 帶著走」。當你開始用 AI 的輸出去合理化你原本沒有那麼確定的判斷，你的決策已經被外包了，你只是還沒發現而已。 紅旗三：信任真空（Collaborative Erosion）——當每場對話都靠 AI，你就失去了「讀人」的能力 第三個風險最隱形，但對業務工作者殺傷力最大：人與人之間建立信任的協作場景，正在因為 AI 而消失。 以前一個客戶對保單有疑慮，業務員的反應是約一杯咖啡、現場讀對方的眼神、邊聽邊調整話術。現在他的反應可能是：把客戶的訊息貼進 ChatGPT，問「這個客戶在抗拒什麼？我該怎麼回？」 兩件事的差別在哪？前者讓你練「臨場讀人」這個能力；後者讓你練「下 prompt」這個能力。前者是你帶得走的，後者是 AI 進化一次就會把你淘汰的。 Kenny 和 Pogrebna 的提醒是：那些「面對面建立的信任」「不靠演算法形成的共識」「在咖啡店裡才會冒出來的洞察」——這些是組織真正的競爭力來源，但因為很慢、很麻煩、看起來「不夠生產力」，經常第一個被 AI 取代。 文章裡那句話可以倒過來重讀一次：當組織變得更有效率、但在員工和顧客眼中更沒有正當性，那才是真正的危機。 一條實作規則：每天花十分鐘做這件事，把判斷力鎖在你身上 Kenny 和 Pogrebna 的解方不是「少用 AI」，而是建立一套刻意的個人 AI practice。我把他們散落在文章和訪談裡的建議整理成一條可執行的日常規則： 做法： 每天工作開始前，花十分鐘畫兩張清單。 清單 A——這件事我必須自己做（即使很慢）：任何需要「讀人」的判斷（客戶的猶豫、夫妻的拉扯、家族的張力） 任何你之後要為其負責的核心決策（為什麼這個方案？為什麼這個時機？） 任何能讓你長期累積「行業直覺」的小決定（這個保額合不合理？這個保費結構奇不奇怪？）清單 B——這件事 AI 比我快十倍（直接交給它）：純資料處理（彙整、比對、翻譯、格式化） 模板化的初稿（提案大綱、會議紀錄、追蹤訊息） 跨領域的快速查詢（稅法條文、商品結構、其他公司類似商品）關鍵是：**清單 A 永遠不能因為「AI 也能做」而被搬到清單 B。**因為一旦搬過去，那塊肌肉就會開始萎縮，而且你不會察覺。 這個邏輯背後其實有一句總結，我覺得是整篇 HBR 文章最值得記下來的一句："AI should augment organizational intelligence—not replace the human capabilities on which long-term performance depends." （AI 應該增強組織的智慧，而不是取代那些長期績效真正依賴的人類能力。）把「組織」換成「你自己」，這句話一樣成立。AI 應該是放大你的判斷力，而不是代替你判斷。當你發現自己已經分不清楚「這是我的想法」還是「這是 AI 的想法」的時候，那條線已經被你跨過去了。📎 完整的 HBR 原文 還有更多關於組織層級的對策——包括如何設計透明的決策流程、如何在董事會層面追蹤 AI 風險，以及作者給高階主管的具體治理檢查表。如果你管著一支團隊、而不只是管自己的工作流，那部分尤其值得花錢買來看。另外推薦搭配 Kenny 和 Pogrebna 的完整對談影片——他們在裡面講了一些文字版沒寫進去的具體案例，特別是「為什麼數據很多時候只是合理化既定決策的工具」這一段。
沒有 Plan B 怎麼辦？哈佛商業評論最新框架：五種在弱勢局面創造談判籌碼的方法
你只有這一個客戶。或者更精確地說——這個案子只有你能做，但對方知道你非接不可，所以開出了一個離譜的條件。 這是談判課本最不想面對的場景。因為課本的第一課就是：你要有一個強大的 BATNA（Best Alternative to a Negotiated Agreement，最佳替代方案）。沒有 BATNA，你就沒有籌碼。沒有籌碼，你只能任人宰割。 但現實是，你常常就是沒有 Plan B。 Jonathan Hughes 與 Saptak Ray：三十年高風險談判的方法論 Jonathan Hughes 在哈佛大學修過國際外交和賽局理論，畢業後加入了 Roger Fisher 和 Bruce Patton 創辦的 CMI（Conflict Management Inc.）——就是寫出經典談判著作《哈佛這樣教談判力》的那個哈佛談判研究中心團隊。CMI 解散後，他與幾位合夥人創立了 Vantage Partners，在那裡待了將近 25 年，專門處理企業間的高風險談判。現在他是 Pareto Frontier Strategies 的 CEO，與 COO Saptak Ray 一起專注在高風險商業談判的顧問與軟體服務。 2026 年 5 月，兩人在《Harvard Business Review》發表了這篇文章，開頭就丟出一個他們親手處理過的案例。 一家大型公用事業公司宣布要蓋新電廠，向市場做出了交付承諾，但工程進度落後。他們選定的工程承包商是唯一能在時限內完工的廠商——這家廠商也知道這一點，於是開出了一筆公用事業公司根本負擔不起的鉅額預付款。 經典的「沒有 Plan B」困局。 Hughes 和 Ray 的建議不是「接受」或「拒絕」這個最後通牒，而是先問一個不同的問題：對方為什麼會提出這個要求？ 當你把焦點從「要不要答應」轉移到「這個要求合不合理」，整個談判的動態就會開始改變。 他們在文章中寫道："Dealmakers are rarely as constrained as they may believe." （談判者很少像他們自以為的那樣受限。）這句話是整篇文章的核心主張。以下是他們從三十年實戰中提煉出來的五種策略。 策略一：找出「部分替代方案」（Partial Alternatives） 你可能找不到一個能完全取代對方的選項，但你幾乎總能找到「部分」的替代。 文章裡有一個案例：一家高科技電子元件公司只有一個主要供應商，看起來完全沒有替代方案。但當他們認真盤點市場後，發現有兩家小型供應商加起來可以覆蓋約 30% 的需求。 30% 聽起來不多，但它改變了整場談判的心理結構。因為現在你傳遞的訊息不再是「我離不開你」，而是「我正在建立備選方案，而且已經開始了」。 這家公司最終用「承諾增加 5% 的採購量」來交換更好的價格條件——一個雙方都能接受的結果。這種「用交換取代讓步」的邏輯，跟 Todd Caponi 的四槓桿談判法有異曲同工之妙——當你把談判從「能不能便宜一點」變成「我們能交換什麼」，雙方都更容易找到出路。 關鍵不在於你的替代方案有多完整，而在於它是否足以讓對方意識到：壟斷的舒適圈正在鬆動。 策略二：挖掘你手上的「隱藏優勢」（Hidden Strengths）"Dependence in negotiations is rarely one-sided." （談判中的依賴關係很少是單方面的。）這可能是整篇文章最重要的一句提醒。 當你覺得自己完全仰賴對方的時候，先停下來想一件事：對方有多依賴你？ 文章舉了一個塗料原料供應商的案例。這家供應商要求漲價 10%，而客戶想要降價 5%。表面上看，客戶的採購金額只佔供應商營收的 10% 左右——好像不痛不癢。 但 Hughes 和 Ray 要求客戶深入分析供應商的成本結構，結果發現：這家供應商的固定成本極高，而且產品高度專業化。失去這個客戶的影響遠比營收比例所暗示的嚴重——因為他們很難用其他客戶的訂單來填補產能空缺。 這種分析需要做功課，但它能徹底改變你走進談判室時的姿態。你不再是一個「求人的人」，而是一個「知道自己價值的人」。 策略三：爭取「默認同意」而非明確批准（Tacit Consent） 這是五個策略中最巧妙的一個。 有時候你不需要對方說「好」，你只需要對方不說「不好」。 文章裡的案例是一家全球微處理器公司，他們發現同一個供應商在不同地區的報價差異極大。與其正式提出要求統一價格（這會觸發對方的防禦機制），他們選擇了一個更聰明的做法：直接按照最低報價付款。 沒有談判，沒有要求，沒有最後通牒。就是安靜地按照最有利的條件執行，讓慣性（inertia）幫你完成剩下的事。 Hughes 和 Ray 在文章中特別區分了「主動同意」和「默認同意」："Distinguish between active and tacit consent." （區分主動同意和默認同意。）這個策略的精髓在於：人類對「阻止一件正在發生的事」的動力，遠低於「拒絕一個新的要求」。當你把球放到對方的場上，讓他們必須主動喊停才能改變現狀，你就把談判的預設值設定在了對你有利的位置。 策略四：把威脅重新包裝成「警告」（Warnings, Not Threats） 威脅會觸發對方的戰鬥本能。警告不會。 差別在哪裡？威脅是「如果你不降價，我就找別人」——這是一個你主動選擇的攻擊行為。警告是「如果價格維持在這個水準，我們的管理層可能會被迫去尋找替代方案」——這是一個你不得不面對的外在壓力。"Frame the possibility of alternatives as warnings, not threats." （把替代方案的可能性包裝成警告，而不是威脅。）同樣的訊息，不同的框架，截然不同的效果。威脅把你放在攻擊者的位置，對方的自然反應是反擊或封閉。警告把你放在「同樣受到壓力」的位置，對方更容易產生同理心，甚至想要一起解決問題。這跟一項分析 22,880 句談判對話的機器學習研究的發現不謀而合——在談判中適時示弱（例如道歉）反而能提高成交率，因為它降低了對方的防禦心態。 文章裡提到一個經銷商談判的案例。一家小客戶（年營收只佔經銷商總營收的極小比例）在談判中發現，對方的業務主管已經達成了當年的業績目標——換句話說，這位主管沒有動力為這筆小生意做任何讓步。"I already met my numbers for the year." （我今年的數字已經達標了。）客戶的應對不是威脅要離開，而是找到一家競爭對手經銷商簽了一份小型合約，發了一則新聞稿，同時請一位重要的終端客戶出面表達對現有安排的關切。這些動作加在一起，傳遞的訊息不是「我要懲罰你」，而是「市場正在發生變化，你可能需要注意」。 策略五：訴諸公平原則（Appeal to Fairness） 當你真的沒有任何替代方案、沒有隱藏優勢、也無法用默認同意或警告來改變局面的時候，還有最後一張牌：公平。 Hughes 和 Ray 描述了一筆年度價值超過一億美元的資料授權協議。在這個案例中，客戶幾乎沒有任何傳統意義上的「籌碼」。但他們沒有選擇硬碰硬，而是把談判的焦點轉移到一個簡單的問題上：「這樣公平嗎？」"People will sometimes make concessions when forced to acknowledge unfairness." （當人們被迫承認某件事不公平的時候，他們有時候會讓步。）這個策略之所以有效，是因為它繞過了權力博弈，直接觸及人類對公平的基本需求。即使是在商業談判中，大多數人也不願意被視為「佔便宜的那一方」。當你能清楚地展示現有條件的不合理之處——不是用情緒，而是用事實和邏輯——對方要維持原有立場的心理成本就會大幅上升。 這筆交易最終沒有走向對抗，而是轉變成了一場關於如何共同成長的對話。 五種策略的底層邏輯：籌碼不是找到的，是創造的 回到那家被工程承包商獅子大開口的公用事業公司。Hughes 和 Ray 沒有建議他們去找另一家承包商（因為根本沒有），也沒有建議他們接受對方的條件。他們建議的是：不要在「接受或拒絕」的框架裡做選擇，而是質疑這個框架本身。 「你為什麼要這筆預付款？」當公用事業公司把問題從「我們付不付得起」轉變成「這個要求有沒有道理」，承包商突然發現自己需要為自己的立場辯護——而他們無法。 這就是整篇文章的核心洞察：談判籌碼不只是「你有沒有替代方案」，而是「你能不能改變對話的結構」。 部分替代方案改變了依賴程度，隱藏優勢改變了權力認知，默認同意改變了預設值，警告改變了情緒框架，公平原則改變了合理性標準。 五種策略，五個不同的角度，但目標只有一個：讓對方意識到，這場談判不是「你要就要，不要拉倒」的局面。"We can't live without them, but it's getting harder and harder to live with them." （我們離不開他們，但跟他們相處越來越難。）Hughes 和 Ray 說，這是他們三十年來從客戶口中聽到最多的一句話。如果你也有過這種感覺，這篇文章的五個策略就是你的起點。📎 這篇文章的框架來自 Jonathan Hughes 和 Saptak Ray 在《Harvard Business Review》2026 年 5-6 月號發表的〈Negotiating When There Is No Plan B〉。原文裡每個策略都有更完整的案例細節，特別是那個微處理器公司如何一步步執行「默認同意」策略的過程，以及經銷商案例中如何動員終端客戶來改變談判動態，值得細讀。如果你對 Hughes 的談判方法論有興趣，他在同期刊 2020 年 7 月號與 Danny Ertel 合寫的〈What's Your Negotiation Strategy?〉也值得一看——那篇更偏向「談判前的戰略規劃」，跟這篇的「弱勢局面戰術」剛好互補。