> ## Content Index
> Fetch the complete content index at: https://mr-6-1.ghost.io/llms.txt
> Use this file to discover other available public pages before exploring further.

# 人生找夥伴，請閉眼睛、順天意？（舊文分享）
- URL: https://mr-6-1.ghost.io/ren-sheng-zhao-huo-ban-qing-bi-yan-jing-shun-tian-yi-jiu-wen-fen-xiang/
- Published: 2012-10-30T00:44:18.000Z
- Updated: 2026-10-01T07:18:32.000Z
- Description: 每個人都需要夥伴，有可能是「貴人」，或是「貴左右手」，還是「貴朋友」，又或是「貴團隊」，還有別忘記了最重要的是「貴伴侶」（另一半），總之，所有的人都應該加個貴，就是很棒的意思，人靠自己是不可能成功的，天啊連生小孩都需要兩個人，嗯，我們需…
- Author: Mr. 6 - 人工智能。最新趨勢。不老不死。
- Tags: 產業策進, 未來趨勢, 人性, #wp-import

![](https://storage.ghost.io/c/95/b2/95b2af50-730a-4d4a-80ac-ae2f7a07dfc2/content/images/2026/10/3839e-a16.jpg)

每個人都需要夥伴，有可能是「貴人」，或是「貴左右手」，還是「貴朋友」，又或是「貴團隊」，還有別忘記了最重要的是「貴伴侶」（另一半），總之，所有的人都應該加個貴，就是很棒的意思，人靠自己是不可能成功的，天啊連生小孩都需要兩個人，嗯，**我們需要「一群人」**。

[最近有一篇文章](http://www.ribbonfarm.com/2009/12/13/random-promotions-and-the-gervais-principle/?ref=mr-6-1.ghost.io)讓我有感而寫，這「一群人」，怎麼過來？

首先我們都曾經試過的是，在業界問問、徵才找高手。文內這位作者引用一篇呆伯特Dilbert的對話，有天呆伯特和老闆開會，老闆說：「我們**只找這業界最棒的人**！我們找來的都是精英！」

呆伯特愣了半晌，想起什麼的問：「不過，我們公司的規定也是要以**業界平均薪資**聘用他們，不是嗎？」

老闆：「是啊，當然。」

呆伯特：「所以我們請來的這群人，都會是很聰明但是**搞不清楚（薪資）狀況的**，是吧？」

真諷刺呢。從前曾經碰到應徵者開價月薪15萬要來做一份原定五萬的工作，但對方實在太優秀、一人可當三人用，後來決定不聘用的原因竟是：高薪不見得買到真正的好，如果什麼都有隨機因素，那我們寧可將15萬分散三份來用，至少有三個機會，這是一般公司的想法，也是為什麼許多上班族的薪水增加很慢的原因之一。

但這篇文章**又提出了一個…更很特別的看法**！其實它是先[引用《紐約時報》之前一篇文章](http://www.nytimes.com/projects/magazine/ideas/2009/?ref=mr-6-1.ghost.io#business-2)，提到在1969年就有一位加拿大的心理學家Laurence J. Peter發明了一個「彼得定律」(Peter Principle)，這是一個很扯的定律，它以公司的「升遷」為例，如果你是一間公司的主管，手下有一群努力工作的員工，到了升遷的時候，你應該升哪一位呢？是最表現最強的那位？長相最帥的那位？最聽話的那位？最有人緣的那位？

「彼得定律」是說，歐不，不應該升那個最好的，而應該**升那位……最差的！**

什麼？

彼得解釋，大部份的老闆都認為一位表現甚強的人，在「上階」也能表現很強，結果他們往往只對了一半，甚至錯更多，以致於原本下面強的「少了一個」（因為被升走了），而上面弱的卻「多了一個」（多了一個自以為能繼續勝任的豬頭經理），如果發生一個這樣就算了，倘若五個原本表現良好的員工升為主管後，有2\~3個出現這樣的爛狀況，那這間公司就會從上階蔓延一種不積極的病毒，一路到下階去，最後這間公司是怎麼爛掉的，恐怕都不知道！

所以，就升那位…最差的吧！因為這樣有機會**讓弱的少一個**，或許**讓強的再多一個**，尤其假設一位主管可能只負責統合與管理這些較簡單的工作，既然之前怎麼升到是業績王變豬頭，乾脆就直接升升看豬頭看會不會因為工作改變而有奇蹟出現？這個點子至少說對了一點──我們常常以升遷為一種「鼓勵」的手段，但我們上班都知道，每天早上到公司讓我們很high的、每天下午很累卻讓我們還撐的，並不是那個虛無飄邈的升遷夢想，而是**工作本身的實實在在的「成就感」**。這樣來看，把人放在讓他真的有成就感的蘿蔔坑似乎比在公司裡營造一種虛無飄邈的升遷之夢還要實際。

然而，「彼得定律」本身也有很大的問題：第一，如果表現最差的反而被升了，還變成老闆了，其他人就算滿意現在的工作，難免也會心理不平衡，怎麼辦？第二、那個表現最差的，要何以判定他到了高一層的位子，表現就會變好？我們賭一個表現差的會變強，發生的機率難道會大過於一個表現強的會變差嗎？

於是，在「彼得定律」發明的40年後的今天，又出現了一個更新穎的想法──

如果升最好的有道理也有風險，升最差的也有道理但也有風險，那，**我們就「亂升」吧！**

也就是說，隨機升遷任何一個人！

這是今年義大利三位科學家聯手製造了一個160人公司的模擬情境，他們就以一般的做法，也就是將表現最好的那位升到主管，然後給他一個機率會表現得「不好」，親眼看到整間公司在這個模擬下一天一天的從上到下傳染了整個「差勁擺爛沒關係」的氣氛。然後，他們再試了「亂升」的做法。猜猜看，發生什麼事？

整體公司的效率，**竟然得到提升。**

這點，對很多聰明的我們來說，是「不可思議」的。這就好像你說其實眼盲者在馬路上亂走被撞到的機率大概只有0.05%，所以我們從此就閉著眼睛在馬路上亂逛亂走吧！這是聰明人無法接受的，但，如果人們就算再聰明也無法將正確率提高到某一程度，那，我們寧可放棄所有思考，直接讓「隨機」來帶著我們達到最佳化的結果吧！這就好像是說，我們想盡辦法增加擲銅幣面部朝上的機率，於是我們在上面黏了其他東西、我們改以其他手勢、我們甚至盡量作弊讓它背部朝下的掉落地面………最後，我們做了這件事反而不小心造成面部朝下機率大增，最後面部朝上的機率反而低於50%，與其這樣，**不如就讓它「隨便丟」**，那機率「至少會」有50%。

那邊文章還進一步的引用這個概念在「教育」上，我們經常發現有些成功的人表示，他們的「學歷」不佳、他們並不是從好學校畢業的？那有沒有人問過：如果當年他們被強迫「進了好學校」，那麼，他們會更成功，還是會更不成功？說不定會更成功，不是嗎？因此這位作者認為，大學教育系統應該只設一個「門檻」，譬如聯考400分，只要你考到400分以上，那麼可以唸什麼大學，**是以「隨機」來抽籤選的**。他以自己為例，當年在IIT（印度最棒的學校）他只是中下等的學生，但由於參加游泳隊表現優秀讓他申請到名校密西根大學，他認為這也是「隨機」的結果（畢竟他不是靠智慧與成績進入名校），讓他受到更好教育及釋放他的潛能。

這篇文章我想對許多現代人都很有意義，像這種「隨機選」的做法，不只可用在升遷、徵才，人生中找夥伴，**無論是哪種夥伴，或許都可以改採這樣的方法來找**！

這件事，要經歷過才體悟得到。自己從美國回來之後，我在這城市認識的人非常非常的少，最傷腦筋的就是「沒有人脈」。曾經我很羨慕學長學弟制，看到這一群學長帶著的，願意自願拒絕「外人」給的高薪，和「自己人」一起組隊打一場美好的仗，一種同學間的信任與情誼。但，我也漸漸發現，我們早點開始這樣的「沒團隊」的經歷也好，因為，這世界變大的速度比我們累積人脈的速度還快，我們如果跟得上世界的腳步，那麼我們很快就會發現，手邊….**沒有合適的人脈**。這時候考驗我們的，就是如何從**一大缸陌生人之中**，去尋求合作的對象──為何是他，為何不是他，為何是他，為何不是他……。

於是，我開始相信「天意」論！一個人會出現在我的面前，是因為**天意使然**；因此我們應該把握！而且我也突然想到，從前在國外的時候，相信在外面念書過的都有這個經驗：在美國，大家都是同樣故鄉去的，若找不到同個性的，同年紀的也行；沒有同年紀的，同科系的也行；沒有同科系的，同學校也行。沒有同學校的，那麼只要是同個城市來的，在路上碰到就通通都是一家人、過年來家裡包水餃吧。你會發現，這群人其實都是不一樣的人，但感情卻莫名其妙的特別緊密──因為……我們**已經被放在同一個籠子裡**。

想想，如果你堅持要親手去篩選，而對方也知道他們是被裡面的人（如你）給刻意篩選而來的，那這感覺，就不是「被放在同一個籠子裡」了！

當世界愈來愈大，而你又愈來愈渴望優質的夥伴，那重點不是在一開始要怎麼挑選，而是**接下來的相處要怎麼調適、怎麼長久**。再聰明的你，也一定要參考一下這無法改變的天意──你們今天之所以會見面講到話甚至還交換名片認識了，其實早就暗示，你們**已經**在同一個籠子裡了。

（[圖片來源](http://image44.webshots.com/44/6/60/93/378366093achJeO%5Ffs.jpg?ref=mr-6-1.ghost.io)）

舊留言*2 則*

1. 何  
何大呆2012.10.30  
我覺得這篇文章很棒，但是請問有三位義大利科學家實驗的原文文獻嗎？我想要仔細讀一讀\~\~
2. J  
JC2012.10.30  
我也想看看那篇文獻