陈建平陈建平
← Research
Judgment Engineering#判断工程#经验沉淀#AI工具化

一个操盘手的判断,能拆到什么粒度

2026-10-29

判断可以被工程化,但不是无限可拆。拆到某一层就会卡住——那一层,正是真正值钱的地方。

《判断工程》那篇讲的是判断可以被显性化。这篇讲它拆不动的地方。

因为「判断可以被拆解」这句话,很容易被理解成「判断可以完全自动化」。不是的。

我做了十几年操盘,后来亲手把一部分判断拆成规则、写进系统。这个过程让我看清一件事:判断是分层的,每一层能拆到的程度不同。

第一层:能写成规则的

这是最容易拆的一层。

特征是:触发条件清楚,动作明确,结果可验证。

比如尾盘去化——剩余货值超过某个比例,同时当期回款有压力,那么优先调整付款方式(分期、首付比例),而不是直接降价。因为降价伤的是整个价格体系的信用,改动付款方式伤的是利润,两害相权。

这条能写成规则,因为它有明确的触发条件、明确的动作、事后能验证对错。

知一 AI 里这一类条目最好写,也最容易见效。写好之后,一线不用每次都来问。

这一层的边界:条件必须可测量。一旦触发条件里出现「市场情绪不好」「客户意向不强」这种无法量化的东西,它就掉到下一层了。

第二层:只能写成约束的

这一层拆不成完整规则,但能拆出边界。

特征是:知道什么绝对不能做,但不知道该做哪个。

还是拿定价举例。你能写清楚的是:「不得低于成本加合理利润的红线」「不得在竞品公开降价前主动破价」。这两条是约束,是硬边界。

但「这次该定多少」——拆不出来。因为它取决于对竞品意图的判断、对客户心理价位的判断、对公司现金流的判断,这些判断实时变化,写不成固定规则。

所以第二层的产物不是「该怎么做」,而是「不能怎么做」。

约束的价值被严重低估了。很多组织的失败不是因为没做对,是因为做了不该做的。 一条好的约束,能挡住 80% 的低级错误,而且它比规则稳定得多——市场怎么变,红线不太变。

第三层:只能留给人拍板的

到了这一层,我发现写不下去了。

特征是:写下来之后,你自己遇到同类情况还是会犹豫。

举个例子:一个市场看起来还有空间,但你已经连续三年在这个区域没有突破。要不要再投一个项目?

这个问题可以拆出很多输入:过去三年的数据、竞品的动作、团队的疲劳度、公司的战略重心。但把这些全写下来,摆在一个没做过这件事的人面前,他依然做不出和你一样的判断。

为什么?因为真正的判断里包含了一些写不出来的东西:对失败的记忆、对某个信号的本能警觉、对"这次不一样"的直觉。

这些不是玄学。它们是大量经验压缩之后形成的模式识别,只是压缩过程不可逆——你没法把它还原成一条一条的规则。

这一层的标志:写下来之后,发现它变成了正确的废话。比如"要综合考虑市场、竞品与自身能力"——这句话永远对,也永远没用。

拆不动的信号

判断一条东西是不是拆到了底,有个简单的测试:

把规则给一个没经验的人,他能照着做,并且做得不比有经验的人差太多吗?

  • 能 → 这条拆成功了
  • 不能,但他至少不会犯大错 → 拆到了约束层,也算成功
  • 不能,而且他完全不知道该怎么办 → 这条还在判断层,不该硬拆

第三种情况最容易被误判。很多人以为是自己规则写得不够细,于是继续加细节,结果写出来的东西越来越长、越来越像正确的废话。

不是拆得不够细,是这一层根本不属于可拆的部分。

三层的比例

以我自己的经验,一个成熟操盘手的判断,大致是:

  • 能写成规则的:不多,但高频、可复用,价值密度最高
  • 能写成约束的:数量中等,最能防错
  • 只能留给人拍板的:数量最少,但决定成败

最有意思的是比例关系——第三层越厚的人,前两层往往也越厚。 因为只有做过大量具体判断,才知道哪些能沉淀、哪些不能。

反过来,一个经验不足的人,会把所有东西都当成第三层:「这个只能靠感觉」。那不是判断深,是还没拆过。

对 AI 的意味

这三层直接决定了 AI 能接手多少:

  • 第一层,AI 可以做,人也乐意交
  • 第二层,AI 可以提醒,最终由人确认
  • 第三层,AI 最多提供输入,不能提供结论

很多「AI 替代人」的争论,其实是在争第三层。而第三层恰恰是拆不动的部分——不是技术不够,是它本来就不该被拆。

边界

以上是我从营销场景里得出的结论,能不能推广到别的行业,我不确定。

但有一个判断我比较有把握:凡是涉及责任归属的决策,都拆不动。 因为责任不能被写进规则,它只能落在具体的人身上。

拆解的价值不在于消灭判断,而在于把判断从无谓的琐事里解放出来——让人把有限的判断力,用在真正需要它的地方。