上週，我在網路上與一位LinkedIn 上的年輕朋友展開對話。她非常有禮貌，顯然做足了功課，在我們正式對話前，先丟了五個問題給我：
- 您一路走來如何培養自己，透過產業調查去看出企業的成長動能？
- 在併購評估中，您如何跳脫冰冷的財務數字，看見背後的組織能力與無形商機？
- 回顧職涯，有哪些關鍵決定讓您走到現在的高度？
- 能否給我建議，如何培養像您一樣的專業眼光？
- 您現在對未來有哪些新的探索方向？
看著這些問題，我心裡其實是百感交集的。
一方面，我感謝她的信任，也佩服她的勇氣，我相信20年前的自己，是無法有跨出這一步的勇氣，向一個陌生人諮詢自己的疑惑；另一方面，我感到一絲警惕。或許，她想要問的問題是：『 我該如何複製一位前輩的可能成功路徑？』
但我很清楚，我不值得被複製。或是說，我在透過跟她對話的過程中，讓我更堅定了這個觀點：
任何「路徑」都很難被複製，因為時空背景、產業節奏、運氣與組織條件差異太大。
我給了她一些初步的回答，談到了閱讀習慣、談到了我的職涯背景。但在對話結束後，我認為有必要把這些對話整理出來，寫成一篇更完整的文章。因為，經過一周，我想：
如果年輕一代只是在複製上一代成功者的「行程表」，我覺得不僅沒必要，甚至有點危險。
對經理人或顧問來說，如果你只是在要求團隊「照著前輩當年的方式修煉」，其實也是一種溫和的誤導。
因為，「成功」不可能由別人的觀點來複製，頂多是可以移植一些別人的「視角」，讓自己更接近你想要的自己，並且獲得你想要的客觀收益。我的「路徑」是不值得複製的，但或許有一些體驗後的「訓練方法」值得參考。
我 2002 年開始從事市場調查（那是碩士班打工的年代），後來兼管財務顧問部門。那是一個資訊相對稀缺、網路剛剛普及、且沒有 AI 的年代。我在那樣的時空背景下所累積的「經驗」，用我自己領域的說法，這只是一種「倖存者偏差」。
在這個 AI 能夠在 30 秒內生成一份產業分析報告的時代，如果你還試圖用我 20 年前的方法來練功，那你註定會被淘汰。
所以，我的經驗只有一點點參考性，重點在於：
『 在AI時代，如果你只有 3-5 年的時間，你要如何用更聰明的方式，累積出足以獨立判斷的「專業」』？
我想這個命題，更適合總結我與這位年輕朋友的對話，自己也希望藉由這個思路的重新整理，避免曾經與我對話的人，不會誤解我的意思。
視角一：學習不是為了記憶，而是建立大腦的底層索引
在那次對話中，我提到了一個數字：「400 本書」。
我從進職場開始就有閱讀的習慣，目標是每月至少一本。後來有了電子書自炊的習慣，目前我的雲端硬碟裡躺著超過 400 本商業書籍，這個數字還不包含商業週刊等相關商業雜誌的掃描檔或截圖。
這位朋友問：『 如何從資訊中篩選出能真正反映企業價值的線索？』
我相信我第一次的訊息回答，可能讓她誤解了要「多唸書」。
但對話時，我承認我看過很多書，但我也忘記了很多內容。
如果閱讀是為了記憶資訊，那我絕對是失敗的（難怪，我只是想考博士班，但一直沒有付諸實現）。但在現實的職場中，閱讀或吸收新知的目的，從來都不是「記憶」，而是建構自己的「索引邏輯」，進而有助於在我們決策時，可以快速找到一個可以有清楚節點的心智圖。
（1）每一次閱讀與學習，都是為了建立你心中「片段的模式」
當我看書時，我不是在背誦作者的理論，我是在看他如何「拆解問題」。 每一本書、每一個商業案例，都是一種「模式」。
- 這家公司為什麼倒閉？因為現金流斷裂（模式 A）。
- 那家公司為什麼併購失敗？因為文化衝突（模式 B）。
- 這個產品為什麼爆紅？因為解決了剛需痛點（模式 C）。
當我看過 400 本書，加上我每年經手約 200 個案子，我的大腦裡其實累積了數千種「商業模式的切片」。
這就是所謂「直覺」的來源。當客戶丟出一個問題：『 Nickolas，你覺得這個電動車零件廠值得投嗎？』 我的大腦不是在重新運算，而是在進行極速的「索引比對」。我會瞬間聯想到 2010 年太陽能產業的某個崩盤案例，或是 2000 年網路泡沫時的某個場景。
這種「似曾相識」的感覺，是閱讀或吸收新知後，個人最有價值的資產。它能讓你一眼看出這家企業財報背後的隱憂，或是那個看似不起眼的技術背後的爆發力。或至少，讓你有一個聯想的參考，不至於手足無措。
（2）善用AI的博學及自己的思辯能力
在這場對話中，我建議她：『 不需要複製我閱讀的經驗，你現在只需要去問AI，但記得在問AI時，同時要請AI補充理論跟書籍資訊給你，有價值時，再去閱讀。』
因為，我自己認同：
如果今天我才剛入行，要靠「傳統的閱讀速度」來追趕世界，真的太慢。
我無意貶低閱讀的價值，也無意否定一本書籍作者的心血，尤其，到現在我還是會認為，只有書籍才可以將作者所有的邏輯與內容盡可能的完整呈現，而不會發生，許多似是而非的文字錯亂或理論混淆。
但很現實的，你快不過AI，對於吸收新知上，AI確實可以省去你許多心力，至少，你不用等博客來24小時的到家服務，你只要在公車上，你的手機24秒後，就可以告訴你基礎答案。
但AI容易以偏概全，就像我與這位朋友的對話。QA式的對話很容易出現誤導，我認為我有清楚的回答問題，但因為我的舉例、案例的簡化、形容詞的強化都會造成某些重點的誤解。
所以，我建議她，在與AI對答時，在得到初步答案時，請記得繼續問AI某些問題：
『 你（AI）持這樣觀點的主要原因是什麼？它涉及了什麼理論、概念或那些商業世界的真實案例？』
『 有什麼書，在描述你剛剛回答我的理論或觀念？』
『 在剛剛的討論中，有沒有什麼專有名詞在討論這個現象，它的內容是什麼？應用在什麼場景或領域？』
『 你認為我們剛剛的討論，如果用紅隊的立場，你會如何反駁它？』
是的。AI時代你不需要漫無目的去買書，你可以有方向的去選擇你需要的書籍。先針對與你有最大互動的知識點去閱讀與學習。這樣的差異，過去的經驗就可以告訴你差異了。
你可以只刷考古題（只問 AI），
也可以從頭把整本教科書啃完（傳統大量閱讀），
但在 AI 時代，更務實的做法是：先用 AI 找出你真正會用到的考點，再決定哪幾章值得你花週末去讀。
現在應該兩者並行，找出一個你自己最喜歡、最容易持續的習慣模式去成長。
視角二：跨領域不是為了成為全才，而是學會協作與翻譯
在談到跨領域時，年輕朋友往往會有種焦慮：『 我是不是要懂很多東西？我是不是要再去考個證照？』
我給她的建議非常直接：『 請不要努力錯方向。』
跨領域思維的重點，絕對不是要你去搶別人的飯碗。在老闆的心目中，你對業務的理解永遠不可能比業務副總更深，你對程式碼的理解也不可能贏過技術長。如果你試圖在別人的專業領域充當專家，那不僅是班門弄斧，更是資源錯置。甚至，你可能不是一個高明的辦公室社交人才，但請至少不要把自己淪落到組織中的政治白癡，以下駟對上駟去比拚你的能力。
你必須先有一個主修，再去談輔系或旁聽其他領域的課程；你要主修可以畢業，再去談要不要修雙學位。
在我的觀點，跨領域的重點在於協作與轉譯，讓團隊在決策過程中的每個關鍵點都可以清楚的被澄清，你的價值跟付出就容易被看到。
（1）看懂別人的關鍵指標，在組織中進行「協作」
如果你是一個財會人員，你不可能具有特定行業的專才，縱使你自己身處於這個行業。你仍然是一個不會寫程式語言的財會人員，你努力要斜槓，但你仍然很難跟一個入行十年的產業分析師，比拚你針對特定行業，撰寫SWOT分析的專業度。
因此，你可以基於興趣去學習，讓你更容易聽懂別人的意見。但最重要的是，你要詢問、聆聽跟查詢，有關於這個行業的一些基本重點。90％以上的機率，團隊中會有足夠的專業人士可以跟你分享，再不濟，AI也可以回答你這些問題。當你有複數的意見，你就會得到幾個肯定的關鍵字，接受這幾個關鍵字，就會是你踏出「協作」的關鍵步伐。
你不需要會寫程式，但你知道「人才」很重要；你沒有當過業務，但你知道「獲客成本」很重要。這是你斜槓跨領域後，需要判斷的事情。
（2）先練好主修，再學會「翻譯」別人的關鍵指標
在我們的對話中，她問了我一個問題。
『 我曾經評估一家軟體公司，財務報表看完後，發現營收平平，獲利也不突出。如果只用財務專業看，這就是一家平庸的公司，看不出好壞。但我們老闆很想買它，我不知道該如何回答？』
我的回答是，如果你嘗試協槓，這時候你可以做的就是把前面的「協作」成果，當作你的額外付出。我嘗試與她對答：
『 你對這個行業有了一些學習，你知道人才很重要。所以，這家公司的人力有沒有增加？薪資平均有沒有增加？薪資最高的前30％的薪資有沒有持續上升？同時，這家公司的營收跟獲利，是不是不太受影響？』
是的，我們可以嚐試用別人的關鍵指標當參考，分析在我們的專業中，能否「轉譯」出不同的結論或趨勢。
我們可能會得到：『 雖然財務面（我的專業）目前表現持平，但從知識密集產業特性，它的人力資本投資持續上升，但營收與獲利也同步成長來看，該公司具備強勁的潛在動能，建議溢價收購。』
這就是跨領域的威力。你沒有變成不同領域的專家，但你懂得拿別的領域的觀點，來佐證你專業上額外的判斷。除了提供你原有的價值，也提供你可以看見別人看不見的價值。
但是，這裡面有非常重要的基礎。請先打磨好你自己應該擁有的專業！
否則，你正往一個沒有特色的通才發展，你可以幫任何人的忙，但沒有任何一件事情適合由你主導。
視角三：現實不是考試，我們需要「技能」遠勝於「知識」
最後，關於我自己的「關鍵決定」與「未來」。我在對話中很坦白地告訴她：「現實世界沒有那麼多電影情節。」，有些問題我無法回答，包含：
『 回顧職涯，有哪些關鍵決定讓您走到現在的高度？』
『 您現在對未來有哪些新的探索方向？』
併購相關領域，很多人會有一種幻覺，看起來每天都在處理幾百億、幾十億的併購案，每個決定都驚濤駭浪。但那是電影描繪收購者、被收購者、資金方的內心糾葛。在現實生活中，並沒有這麼多起起伏伏。
我們的工作，90% 的時間都是在處理枯燥的數據、看無聊的財報、做重複的查核以及同仁間彼此的觀點爭辯。可以肯定的是，我們每天都沒有在做改變世界的決定。甚至，在這一行久了， 20-30 億，跟 15-25 億，這樣的數據差異，對我們來說，完全無感。我們花時間的不是那可能我一輩子都賺不到的 5 億價差，我們爭執到面紅耳赤的是整個公式中兩個參數跟某一個假設前提，那個參數可能只有 0.1 的差異。
所以，我們要如何訓練自己在不熟悉的領域能力？我的答案是：『 看歷史案例，但要有方法。』
1. 拒絕「事後諸葛亮」的報導
很多年輕人學習案例，是去看那種《 XX公司為什麼失敗 》的檢討文，或是《 XX公司成功的三個關鍵 》的爽文。老實說，這種文章一點用都沒有（當然，有時候是因為編輯要吸引目光，內容是很有參考性的）。
因為它是開啟「上帝視角」寫的。當你知道結局是失敗時，你怎麼看它的策略都是錯的。請記住，當年參與的所有人，都沒有這種特權。這樣的論述，邏輯跟觀點可能很清晰，但與場景脫鉤了，這無法訓練你的決策力。你生活中的每一個決定，一樣不會有「上帝視角」協助你。
2. 沉浸式模擬：看「當時」的新聞與數字
我建議的訓練方法是：回到過去。
如果你想研究 2000 年的網路泡沫，或者是某個大型併購案的成敗：
- 不要看事後的評論，但你可以存下來。
- 去把事件或案例的「那一年、那個月」的新聞找出來，你會得到一些關鍵字。
- 往前看半年到一年的時間，去找這些關鍵字的新聞
- 你可以廣泛的使用網路搜尋，但只能用時間點一年前的資訊
在我說的半年到一年的時間點，媒體可能是一片叫好，股價可能正在創新高，財報數字看起來完美無缺。 請把自己置身於那個「資訊迷霧」中，問自己： 「看著這些（當時的）資訊，我會投下贊成票，還是反對票？」
查完AI、讀完書、做完歷史案例，你都要寫出自己的決定，才會是屬於你的技能。
只有這樣，你才能真正體會，為什麼當時聰明絕頂的執行長會做出那個「錯誤決定」。你也才能學會，如何在全市場都陷入「集體亢奮」時，從那些微小的財務細節中，看出崩盤的徵兆。
這才是真正的活學活用。歷史事實（Fact）永遠是最好的老師，但前提是，你不能作弊偷看結局。
結語：在這個時代，保持清醒比什麼都重要
寫到這裡，我想再次稱讚那位年輕朋友。
我覺得你比我聰明且具有勇氣。我記得 20 年前我問這個問題時，我是直接問我老闆，在我有機會當總經理特助時，我問了我老闆這個蠢問題。
『 David，我要如何才能跟您一樣成功？』
是的，我一直到我做到我老闆身邊的職務時，我才有勇氣問他問題。
是的，我沒有準備太多的問題，我只是脫口而出，當時我最在意的，要怎麼樣可以領更多薪水，想找到一條捷徑。
然後，看著我老闆，等待他給我一個改變我人生的「標準答案」。
在這個 AI 時代，技術變革很快，資訊焦慮很強。大家都在尋找捷徑，尋找可以複製的成功方程式。但很遺憾，我的路徑無法複製，就像我無法複製我上一代前輩的路徑一樣。
但有些東西是可以穿越週期的：
- 建立你的思考索引： 讓 AI 幫你找資料，但用你的邏輯去串聯資料。
- 協槓領域學會轉譯： 不要試圖變成全才，而是學會連結別人的專業來為自己服務。
- 由歷史去磨練技能： 在雜訊中，學會回到歷史現場，用事實（Fact）來磨練你的直覺技能。
未來的專業，不需要是百科全書（那是 AI 的工作），也不需要是預言家。 我們只需要做一個「清醒的少數派」。在所有人都盯著 Tesla 或 ChatGPT 的最新估值發出讚嘆時，我們依然低著頭，在公司裡檢查每一個螺絲，確保這艘船真的能開向未來。
自己可以擁有的「專業視角」，才是在 AI 浪潮中，站穩腳步的一塊壓艙石。
