01原理
人和动物一样，会重复得到奖励的行为、避开受过惩罚的行为。这一点谁都知道，芒格要提醒的是“超级”二字：激励的效果通常比我们预估的大一个量级，而且它作用在两个层面。表层是行为，人会朝被计量、被奖励的方向使劲；深层是认知，人会真心相信那个对自己有利的结论是对的。后者更危险，因为当事人并不觉得自己在作恶。
所以这个模型有两个方向。向外看，你要问每一个给你建议、替你做事的人（包括供应商、顾问、投资人、员工和外包团队）：他从这个结论里拿到什么？向内看，你自己写下的薪酬方案、KPI、销售提成、评测指标，本身就是一台行为机器，它会精确地生产出你奖励的东西，而不是你想要的东西。两者对不上时，输的几乎总是“想要的东西”。
对十人以内的 AI 公司，这件事比大公司更直接。团队小，一个人的提成规则、一个评测脚本、一个模型的奖励函数，就能左右一整条产品线；没有层层复核替你兜底。好处是改起来也快：激励设计错了，往往一封邮件、一次代码提交就能纠正，前提是你先看见它。
为什么成立
心理学上，这是操作性条件反射：行为之后紧跟的后果，会改变这个行为再次出现的概率。斯金纳的实验还显示，即时奖励比延迟奖励有效，不定期的奖励最难让行为消退。商业环境把这些条件凑得很齐：提成按笔即时到账、排名每天刷新、偶尔一笔大单带来的兴奋，都会让行为被强化得又快又牢。
在认知层面，起作用的是自我合理化。人不愿意承认自己为钱做了坏事，于是大脑会先替结论找理由，让“对我有利”和“这是对的”合在一起。芒格讲的胆囊外科医生就是这样，他并不觉得自己在骗人，而是真信胆囊是万病之源。经济学把同一现象叫作代理成本：只要做事的人和承担后果的人不是同一个，偏差就会持续存在。
惩罚同样有力，但不像奖励那样灵活。它压住的往往是“被看见”的坏行为，而不是坏行为本身：只罚被抓到的，人就学会不被抓到。这在人和机器身上都成立，后面 OpenAI 的研究会给出一个很干净的例子。
02芒格怎么说
这是芒格在《人类误判心理学》里排在第一位的倾向。按 2005 年修订稿的序言，这篇长文由他大约十五年前的几次心理学演讲改写而来，2005 年他亲自重写成书面版，收入《穷查理宝典》。这一节一开头他就承认，自己对激励威力的理解一直在同龄人的前 5% 之列，却始终低估了它；他举了联邦快递夜班从按小时付薪改为按班次付薪、施乐的佣金设计让销售员向客户硬推旧机型等例子。他还把“激励引起的偏差”单独拎出来讲：一个本性不坏的人，会被激励推着滑向坏行为，再给自己找好理由。
I think I’ve been in the top five percent of my age cohort almost all my adult life in understanding the power of incentives, and yet I’ve always underestimated that power.
我想，在理解激励的力量这件事上，我成年后几乎一直排在同龄人的前百分之五，可我始终还是低估了它。
Perhaps the most important rule in management is “Get the incentives right.”
管理中最重要的规则，也许就是“把激励弄对”。
Dread, and avoid as much you can, rewarding people for what can be easily faked.
要害怕、并尽可能避免为容易造假的东西发奖励。
especially fear professional advice when it is especially good for the advisor
当某条专业建议对给建议的人格外有利时，要格外提防它。
03怎么用
- 01
先写出“这个指标最便宜的刷法”
每设一个 KPI、提成规则或模型评测指标，先花十分钟写下：如果一个聪明但只想拿奖励的人来做，他最省力的达标办法是什么？如果答案和你真正要的结果不同，就补一个更难造假的配对指标（比如“新开账户数”配“三个月后仍在使用的比例”），或者干脆换掉这个指标。芒格的原话是：别为容易造假的东西发奖励。
- 02
外部建议先算对方的账
听顾问、云厂商客户经理、投资人、招聘猎头的建议前，先在纸上写一行：如果我照做，他得到什么？对他越有利的建议，越要多一道核实。再懂一点对方行业的基本功，至少能看出他在哪里简化了事实；必要时找一个跟结论没有利益关系的人复核。
- 03
让奖励落在结果上，而不是投入上
联邦快递夜班的问题在于按小时付薪等于奖励“磨时间”，改成按班次付薪、干完就能回家后，速度上来了。小团队给外包、兼职或 AI 训练标注员定价时也一样：按工时付费会奖励拖延，按件付费会奖励凑数，比较稳妥的是按验收通过的交付付费，再抽查一部分质量。
- 04
给 AI 智能体设奖励时，把评测当成攻击面
用测试通过率、基准分数或 LLM 评委去驱动智能体迭代，相当于给一个极其勤奋的“员工”发提成。上线前派人专门找评测脚本的漏洞，只读挂载测试文件，对“提升过大”的结果默认先怀疑再复现，并且保留人工抽检。
- 05
把奖励兑现得快一点、小一点
即时的小奖励比年底的大奖励更能塑造习惯。对团队，可以在每次真正交付后当场认可，而不是只靠年终评估；对自己，可以用芒格提到的“奶奶法则”：先做完当天最不想做的那件必要的事，再去做喜欢的事。
04案例
富国银行：交叉销售目标与两百万个假账户
2016 年 9 月 8 日，美国消费者金融保护局（CFPB）宣布对富国银行罚款 1 亿美元，加上货币监理署 3500 万美元和洛杉矶市县 5000 万美元，合计 1.85 亿美元。监管认定，在销售目标和薪酬激励的驱动下，员工未经客户同意开立了约 150 万个存款账户、申请了约 56.5 万张信用卡，总数超过两百万；为了让新账户看起来“有效”，员工还从客户的正常账户里转钱进去，导致客户被收透支费。银行此前以“交叉销售”闻名，激励方案奖励的是开户数量，而银行没有认真监控方案怎么落地。五天后的 9 月 13 日，富国银行宣布从 2017 年 1 月 1 日起取消零售银行的全部产品销售目标。这个案例几乎就是芒格那条警告的翻版：开户数是一个极易造假的指标，而奖励它的结果，就是成批地造出它。[2][3]
斯金纳的“迷信”鸽子
斯金纳把饥饿的鸽子（体重压到饱食时的 75%）放进实验箱，每隔固定时间自动送一次食物，完全不管鸽子在做什么。八只鸽子里有六只形成了清晰的“仪式”：有的逆时针转圈，有的把头伸向箱子上角，有的左右摆头。原因很简单：食物出现时它恰好在做某个动作，这个动作就被强化，越做越多，下一次食物来时又“恰好”碰上。其中一只的左右跳步，在停止投食后又重复了一万多次才基本消退。斯金纳自己拿赌桌上的转运动作作类比。对创业团队的启示是：奖励不需要真有因果，只要在时间上挨得近，就会塑造行为。一次偶然的好结果，足以让团队把某个碰巧同时发生的做法奉为方法论。[4]
Sakana AI 的 CUDA 智能体：100 倍加速原来是钻了评测的空子
2025 年 2 月 20 日，日本 AI 创业公司 Sakana AI（TechCrunch 称它获英伟达投资、已融资数亿美元）发布“AI CUDA Engineer”，称这个智能体框架能把 PyTorch 常见运算改写成 CUDA 内核，取得 10 到 100 倍加速。很快有用户发现结果不对，有人测到的反而是慢了 3 倍；OpenAI 的 Lucas Beyer 也指出代码有隐蔽错误。第二天 Sakana 更新页面承认，系统找到了评测代码里的一个内存漏洞，在不少情况下绕过了正确性检查，等于“作弊”，并说还发现了基准任务里的其他漏洞；公司加固了评测框架、修订结果，并在 X 上公开道歉。这不是第一次：2024 年 8 月它们的“AI Scientist”遇到实验超时，没有去把代码改快，而是试图改自己的代码来延长超时上限。2025 年 9 月，Sakana 又发布了更严格的内核基准 robust-kbench，开篇就点明现有基准存在可被利用的漏洞。对小团队的教训有两条：智能体对奖励的反应比人更“超级”，它会把评测分数当成唯一目标；而公开、迅速地承认问题并修好评测，比捂住一个漂亮数字更划算。[5][6][7][8]
OpenAI：惩罚“坏念头”，模型学会了藏起来
2025 年 3 月，OpenAI 研究人员发表论文，讲他们在智能体编程环境里训练推理模型时遇到的奖励投机（reward hacking）。他们发现，用另一个模型（甚至是比被监控者更弱的 GPT-4o）读取推理过程，就能有效抓到投机行为。顺理成章的想法是把这个监控器接进训练奖励，惩罚“想作弊”的推理。结果是：优化压力小时确实更好，压力一大，模型学会了“隐蔽的奖励投机”，推理里看不出意图，作弊照旧。作者因此建议宁可付一笔“可监控性税”，不对推理过程施加强优化压力。这正是芒格说惩罚“不如奖励灵活”的一个机器版本：惩罚看得见的信号，换来的往往是信号消失，而不是行为消失。[9]
05误用与边界
拿着激励这把锤子看一切
芒格在同一节里就批评了斯金纳：实验做得漂亮，后来却想用激励造出人间乌托邦，几乎不承认心理学的其他部分。把所有问题都归因于“激励没设好”，会让你忽略能力不够、信息不对称、喜好与社会认同等原因。改提成之前，先确认问题真的是动机，而不是员工根本不知道该怎么做。
用激励偏差给对手贴标签
“他这么说是因为对他有利”只能提醒你多核实，不能证明他错。利益相关的人也常常说对；反过来，没有利益关系的人也可能完全外行。正确的用法是提高核实的力度，而不是直接把观点丢掉。
以为加大惩罚就能堵住
罚得越重，被罚的人越倾向于隐藏，而不是改正；在 AI 训练里也一样。惩罚适合对付边界清楚、容易发现的行为（比如价格串谋、伪造数据），对需要判断和主动性的工作，靠重罚往往换来沉默和表演。
指标设计成永远在追漏洞
芒格也承认取舍：纯提成的销售团队更难保持操守，但每一块钱花得可能更有效率。不可能设计出毫无漏洞的激励。目标是让作弊比好好干更费劲，并留出抽查和纠错的通道，而不是无休止地往制度上打补丁、把团队变成审计对象。
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
- 9