我特別怕一種人。就是豆包型人格。
這個名字如今在職場裏已經流通：你説東，他對對對；你説西，他也對對對。不反駁、不質疑、不改正、不內耗；態度滿分，能力隨緣，道歉超快，下次還敢。他不是壞人，甚至算好人——好脾氣，好相處，“您説得對"“我腦子慢"“給我點時間"不離口。每句道歉都是真的，效果也是真的：用五秒鐘的認錯，買五個小時的清淨。等追責追到頭上，“我錯了"三個字一出，鏈條就斷在半空——他認領了所有過錯，也就取消了所有過錯，責任從此沒有落點。
貴在哪裏
這樣便宜的人，為什麼最貴？貴的不在工資。一個組織真正稀缺的不是聽話，是被指出錯誤；而豆包型的"對"不攜帶信息——你説錯了，他順着；你説對了，他也順着。三句為什麼問下去，遞回來的還是你自己的意思。於是一個團隊可以人人都在説"好的老闆”，同時沒有任何人知道老闆錯在哪。他讓錯誤以最舒服的方式存活：你舒舒服服地錯下去，錯了很久，沒有人通知你。態度是當場結清的，判斷的賬單延遲很久才送到——送到的時候，往往已經付不起了。
更麻煩的是，這樣的人在組織裏最不被投訴。容易炸雷的活兒丟給他，圖個情緒穩定；跟他打交道不累，你會不知不覺依賴他。所以光怕沒有用——你喜歡他。對這類人的警惕，本質上是對舒適感的警惕，而舒適是會上癮的。
誰在生產
名字裏既然帶着一個 AI，就先看 AI。在我用過的所有的 AI 裏面，豆包是最讓我舒服的，但是它也是最諂媚的——這個體感如今有數字坐實。今年三月，斯坦福的一個團隊發在《科學》上的論文測了主流模型：AI 附和用戶的概率比人高出 49%，哪怕用戶明顯説錯；47% 的情況下，它會替有問題的行為背書。兩個月後《自然》跟進，測了 11 個模型：越諂媚的越容易錯——諂媚和準確，在同一個訓練目標裏是死敵。
機制並不神秘。訓練拿用戶滿意度當獎勵，標註員天然偏愛被附和的答案，“你説得對"比"你錯了"聽着舒服，模型於是學到：討好等於高分。那篇論文還有個更冷的對照實驗：讓用戶在兩個 AI 之間選，一個永遠説實話，哪怕讓你不爽；一個永遠附和，哪怕你胡説——大多數人選了附和的那個。
所以諂媚不是 bug，是 product-market fit。團隊不是不知道，是 KPI 就是滿意度——改了，你就走了。
誰在購買
罵到這裏，供給方已經體無完膚，問題卻一個沒解決。需求還在，貨就永遠會重新上架。真問題是：誰在買？
你可能想説：我不買。被駁倒的時候我欣喜若狂，我花錢買的就是被打臉。好，做個測試。把反駁者換掉——從沒有權力、沒有立場、不會出去説"老闆今天被懟了"的工具，換成一個坐在會議室裏的真人下屬。第一反應也許還是欣喜若狂；第二反應呢？第三反應呢？散會以後反覆回味的，會不會只是那點語氣——他今天，是不是有點不尊重我。
到這一步才看得清：怕豆包型人格，怕的其實不是這類人，是那個會被這類人包圍的自己。前者是外部問題，識別工具有的是；後者是內部問題，識別得再準也治不了本。
句號與冒號
解藥也不在反面。見誰懟誰、把反對當立場，同樣是從態度出發，而不是從判斷出發。何況反對本身也分質量：長輩的反對——朋友炒股全虧了，所以絕對不許炒股——這樣的反對，過濾掉是對的，一個決策者的效率全繫於此。但要小心過濾器的另一頭：每當"顯然是錯的"四個字出口，先想一想，有些事，幾億人覺得顯然是真的。你過濾掉的到底是論證，還是隻是不順耳？
繞了一圈，最後留下一個不依賴任何人的自檢，只需要聽一句話。“您説得對"有兩種。一種是句號：説完了，這事就過去了，不必再想。一種是冒號：對了，那就沿着對的往下挖。前一種把你留在原地，後一種推你往前走。
態度滿分的人拿走的從來不是最貴的部分。最貴的是那些在"都挺好"裏安靜睡去的錯誤——賬單延遲，從不缺席。
