小心坏东西的复利

本文来自微信公众号：孤独大脑，题图来自：AI生成

今天修理一台用了六七年的戴森吸尘器。马达依然很强，滤网要换，连接件松了。但真正让我折腾的，是集尘桶的盖子扣不上了。

拆开后发现，凶手居然是尘埃。几年下来，积累的灰尘一点点把密封圈垫高，令卡扣无法完全回到正确位置。

即使把灰清掉，密封圈已经变形，卡扣还是扣不回去。

这让我想起，塔勒布喜欢用石头解释风险的非线性：

几十公斤的石头一下砸在人头上，可能致命；如果把它变成很多极小的石子，一点点落下来，总重量虽然一样，人却可能毫发无损。

有些风险取决于峰值，关键在于某一次冲击有没有超过系统的承受极限。爆仓、重大事故、现金流断裂，都有这种性质。

对付这种风险的方法是：别让任何一次失败令你离开牌桌。

但“灰尘”是另一类风险。

没有任何一粒灰尘能够损坏吸尘器。它的危险来自积累。

写成公式就是：

累积损伤 = 对“新增损伤－修复损伤”随时间做积分。

所以风险至少有两种。

一种怕峰值，一种怕积分。

又想起墨菲定律：凡是可能出错的事情，迟早都会出错。

如果一个系统每次运行都有一个很小的失败概率，那么只要运行次数足够多，至少出错一次的概率会越来越高。

一个长期存在的薄弱点，会被时间反复攻击。

更麻烦的是，现实中许多系统的薄弱点还会积累。

塑料会疲劳，螺丝会松，灰尘会积，身体会衰老，流程会增生，关系里的误解会放大。

于是时间进行了“尘埃双击”：

它增加了你暴露于风险的次数；通过积累让系统本身越来越脆弱。

我喜欢修机器，既能感受产品之妙，又能体会工程之美。墨菲定律来自工程师，对付的办法也应该是“工程化”的。

对付上述“尘埃”累积风险，你可以参考如下模型：

1. 减少频率。多个香炉多个鬼。尽量简单点儿，少点儿。

2. 降低概率。让每一次更可靠。在高频系统里，小概率的改善非常值得。

3. 定期归零。成熟系统需要Reset。清理、复盘、删除、维护。

4. 限制损失。别将目标设为永不出错，而是“出错的时候不要致命”。

5. 留有冗余。假设有些东西一定会坏，所以不让任何单点故障能拖垮整个系统。

时间有一个公平的地方：好的东西要靠复利积累，坏的东西也会，而且更容易。

所以真正的长期主义，不只是让好东西复利。

还要做另外一件重要的事：

小心坏东西的复利。

每天拂去尘埃，比修复致命形变容易得多。