第三章 · 一层层往下问

上一章留下一个悬念：手里只有一个模糊的烦恼——「团队效率低」「孩子学习跟不上」「产品没人用」——怎么把它挖成一个真实的问题？答案是追问。不是随便问，是按一个固定的顺序，一层比一层深地往下问。

四层追问

第一层：问题重要，还是目标重要？目标重要。问题永远是为目标服务的。同样是「服务器老宕机」，目标是「用户不再流失」和目标是「通过年底的安全审计」，要解决的问题完全不同。先问清目标，很多「问题」会自动变形或消失。

第二层：目标重要，还是目标背后的人重要？人重要。目标不会自己存在，它是某个人的目标。老板要的「效率」和员工要的「效率」可能根本不是一回事。不问清楚是谁的目标，你解决的只是你脑补的那个。

第三层：人有那么多，谁是关键的人？一件事往往牵涉一群人：拍板的、干活的、受益的、受损的。其中总有一两个关键人——大白话就是「他点头这事才算成」的那个人。找不到他，你的方案做得再好，也递不到能拍板的桌上。

第四层：关键人背后的组织长什么样？关键人不是孤立的，他站在一个组织里，带着自己的假设（他默认为真、从不怀疑的东西）、立场（他的位置决定的利益取向）、认知（他懂什么、不懂什么）和真实意图（他嘴上说的和心里要的，常常不一样）。把这些摸清，你才知道真正要解的题是什么。

一个走一遍的例子

假设你的烦恼是：「想用 AI 提升客服部门的效率。」

• 问目标：是真的要效率，还是要降本，还是要客户满意度？假设老板真正烦的是「投诉率太高」。
• 问背后的人：谁为投诉率睡不着？是客服总监，还是刚被用户骂过的 CEO？
• 问关键人：发现关键人是 CEO——他刚在全员会上被投诉数据打了脸。
• 问组织与意图：CEO 的真实意图不是「上 AI 系统」，而是「下个季度投诉率数字要好看，我要对董事会交代」。他的假设可能是「AI 客服能立刻见效」——这恰恰是需要被挑战的假设。

挖到这一层，真实的问题浮出水面：「下个季度，用什么办法把投诉率降到某个数，让 CEO 能对董事会交代？」这个问题里，AI 可能只是手段之一，甚至可能不是最快的那个。这和最初的「用 AI 提升客服效率」差了十万八千里——但前者是真问题，后者是伪问题。

AI 在这层能帮什么、不能帮什么

注意一个分工：四层追问本身是你的活儿，因为答案藏在你的现实处境里，AI 看不见。但 AI 可以当追问的「陪练」——你把处境讲给它听，让它扮演挑剔的旁观者，逐层反问你「这真的是目标吗」「还有谁会受益」。它不替你回答，但它能让你不容易漏掉某一层。

问题定义清楚了，接下来才轮到 AI 真正上场干活：为它制定一份解决问题的计划。这份计划要写清楚七件事，一件都不能少——下一章逐件说。