創新的支點：不是直覺靈感， 而是拆解出現實洞見
解決問題一直碰壁，要怎麼找出創新的解決問題方法呢？
這個時代因為科技的推陳出新，各個產業均開始創新當道，都希望知道如何透過創新來轉型。只是創新談何容易，過往看到很多企 業創新往往都是靠直覺，但是愈創新，離使用者越來越遠。
我們誤以為創新就是一種靈感，只是發生在腦袋裡直覺一閃的東西。但事實上，真正的創新並非如此。
真正的創新，建立在對使用者想要解決問題的基礎上，以及建立在對使用者的多面向情境（功能性 / 情緒性 / 社會性）的分析上， 由此出發去深度瞭解使用者，然後才產生洞見（Insights）。這並 非憑空想像或靈感一來，而是需要更多的心力不斷的拆解問題。
但因為大多數人不會如此做，以為創新是不需要分析，不需要大量資料整理的。這也很像大多數人解決問題時，都想要憑著直覺， 但往往跌得鼻青臉腫。
但事實上，透過深入拆解現實問題而來的創新，反而容易產生真正差異化的創新，而且這樣的創新不只有單點突破（單點突破常常 只有一點水花，就像水滴到水面上的漣漪，清清淡淡的，無法產生 太多效果），而是包含從思維開始的系統性轉變，這樣的創新更具 結構力、影響力與延續力。
早上的奶昔，下午的奶昔
在克里斯汀生博士最新力作《創新的用途理論：掌握消費者選 擇，創新不必碰運氣》中，我閱讀完正發覺這是第一性原理與拆解 問題，在創新的延伸應用。
在克里斯汀生博士書中有一個非常經典的案例，那就是如何增加奶昔的銷售量。
某連鎖店花了好長一段時間研究，希望透過焦點訪談，去找出 如何讓消費者多買一些奶昔的關鍵因素。依照顧客回饋，他們做 了很多嘗試，但是業績仍毫無起色，一點成長都沒有。
於是，克里斯汀生博士嘗試用他的創新方法來解構問題，回到最根本的「現實面」重新展開架構，他問：「顧客購買奶昔是為了解 決生活中什麼任務呢？」
從這個問題出發，重新研究後發現，大多數顧客白天喝奶昔是為了消磨時間，排解通勤開車的無趣，又能有飽足感。那麼有哪些產 品可以滿足同樣需求呢？能滿足這樣需求的競爭產品就是：香蕉、 貝果、甜甜圈、早餐棒、冰沙、咖啡等等，而不只是其他連鎖店的 奶昔或飲料。而下午跟晚上奶昔購買又是不同的用途。
另一方面，顧客如果下午想要喝奶昔，則通常是作為增進親子關係的媒介，許多家長都會拒絕孩子種種要求，但總還是會希望滿足 孩子的某些需求，奶昔就成了一個好的出口。供應小杯的奶昔，讓 人迅速吸完，又不會讓家長產生太大罪惡感。這時候，「下午的奶 昔」不像晨間時跟香蕉、巧克力或甜甜等食物競爭，而是跟逛玩具 店或是打球的時間競爭。
透過了解顧客在特定情境下想完成的任務而想出解決方案，這就是拆解與第一性原理的延伸應用方式。並且我們在這裡學會：要從分析現實作為支點， 來找出解決問題的創新出口。
創新不是天才之作，而是分析現實的結果
就像最近幾年非常火紅的共享經濟，也是一種創新洞見。在《經濟學人》的定義中，共享經濟就是「在網路中，任何資源都能出租」。
過往很多資源都是要用時很緊急，不用時卻很閒置的狀態，像是買車通勤就是如此，週一到週五可能只有上下班會用到車，其他時 間還要繳納停車費跟保養，閒置時間都是浪費的。
所以 Uber / Lyft 等共享汽車出爐，就讓很多閒置車輛得到了運用。Airbnb 也是一樣的道理，只是轉換成閒置房間共享。
我們看到的是這些企業的創新，覺得他們都很天才。但仔細分析背後的原因：其實無非都是在「解決現實問題」，並且在「現實情境」中找到洞見。
因為，現實才是創新最好的支點。
不創新，就等死
只是有時候我會思考，創新是好事嗎？
當你是受益者時，就會認為是好事。當你是受害者時，就會認為是壞事。因此當 Uber 服務推廣到每個國家時，總是會受到當地計程車業者大力反彈，因為當地計程車業者的生計受到影響了。
只是目前看起來這樣的浪潮是無法太長時間用法令保護的，因為交通工具本質上就是將人或物從甲地安全運送到乙地，所有權跟使 用權都是後來延伸的議題，Uber 取代計程車行的轎車模式，直接讓顧客透過平台簡化步驟地去中間化趨勢已經勢不可擋。
這其實也就是前面所說的「第一性原理」，其中有不可變之處， 但其他都是可變之處，立基於現實，我們可以找到自己創新的途徑。
在時代洪流裡，我們無法阻止現實的改變，那麼我們自己就必須立基現實問題，去找到自己的創新途徑。
而且現在許多國家切入發展的無人車自動駕駛，所影響的層面遠比 Uber 更大。像這幾年不斷推陳出新的機器人也是，波士頓動力公司 （Boston Dynamics） 機器人已經發展到可以翻跟斗跟跑步，亞馬遜 （Amazon） 倉儲與阿里巴巴 （Alibaba） 旗下的菜鳥網路倉儲都是運用大量機器人分揀物品，全天候科技報導，傳統倉內的揀貨員，工作七個半小 時，行走2萬7,924步，只能揀貨1,500件，就已達人工揀貨的極限； 而在菜鳥網路智慧倉內，配合機器人，揀貨員僅行走 2,563步，揀貨量可達 3,000 件。這都是科技帶來的便利，但也表示需要的人力也大幅度減少。
那目前為什麼還需要人工揀選？因為機器目前做不到揀選確認的動作，要規劃出來成本還太貴，目前人工比較便宜，只是當未來技 術突破後，機器人都做得到效率成本化來揀選時的話，那人在揀選 物品上就一定被機器人所取代。
或者才前幾年發生的事，2017年 Google的圍棋程式AlphaGo， 才打敗世界棋王柯潔震驚世界，大家都還在思考如何打敗AlphaGo的相關策略， 結果AlphaGo已經被打敗， 被自己的新版本AlphaGo Zero打敗。
AlphaGo的團隊於2017年10月19日在《自然》雜誌上發表了一篇文章，介紹了AlphaGo Zero，這是一個沒有用到人類資料的版本，比以前任何擊敗人類的版本都要強大，通過跟自己對戰， AlphaGo Zero經過3天的學習，以100:0的成績超越了AlphaGo Lee的實力，21 天後達到了AlphaGo Master 的水平，並在40天內超過了所有之前的版本。
當電腦程式已經會自主學習，人類的價值在哪？
因此，當整個時代的創新不可阻擋時，要思考如何讓自己從受害者變成受益者！可以從下面幾個角度來思考：
Step 1. 先釐清自己產業價值鏈的現實全貌，找出自己目前所在的位置。
可以多看很多單位做的產業價值鏈報告，因為知道自己在產業的 哪裡才能夠比較有整體觀的系統思考，然後才能夠掌握自己的所在 位置。不然一個人非常急切，因為焦慮而想要改變，但又橫衝直撞， 就很像摸黑開槍，卻希望命中目標一樣，根本是天方夜譚。
無論是面對自己的職涯選擇，還是面對自己的各種問題，都是如此。
AlphaGo，於2014年開始，由英國倫敦Google DeepMind開發的人工智慧圍棋程式，使用了蒙地卡羅樹搜尋與兩個深度神經網路相結合的方法， 其中一個是以估值網路來評估大量的選點，而以走棋網路來選擇落子。在這種設計下，電腦可以結合樹狀圖的長遠推斷， 又可像人類的大腦一樣自發學習進行直覺訓練，以提高下棋實力。
Step 2. 當去中間化趨勢不可擋，思考自己哪些工作會被機器人所取代而去除。
上網查詢，看看哪些工作已經逐漸被機器人取代，那就把那些領域圈起來，以及自己有哪些工作會被取代，如果被取代的機會比較 大，就表示要有危機意識，要開始思考之後的出路。
Step 3. 規畫往高附加價值的領域移動。
多數人不喜歡改變，所以常常會有溫水煮青蛙的慘劇發生，那時要改變已經來不及了。
根據前面步驟規劃，低附加價值的工作被機器人取代了，因此要讓自己往高附加價值區塊移動，看是否要同一產業，或是相關延伸 產業，甚至跨產業都可以，這時候就會發現自己可能不一定能夠轉 換過去，那就表示能力還不足夠，但是相對於其他人，因為我們已 經找出現實問題所在，所以仍有一些時間可以學習跟累積，來因應 未來可預期的變化。
或者，我們也可以從這些現實問題中，找到自己創新的機會，進而開發創新產品 / 服務，都是相當可行的解決方案。
關鍵就是，無論是工作、問題中的創新解決辦法，乃至於自己面對創新時代的自我革新，都一樣必須先透過分析現實，產生現實洞 見，而不是憑著直覺橫衝直撞。
本文摘錄自《拆解問題的技術：讓工作、學習、人生難事變簡單的30張思考圖表》一書，趙胤丞著，PCuSER電腦人文化出版。
延伸閱讀：
留言 0