意见越多,被修改的反而越少
梦想团队里有一个负责审稿的机器人。每当卡片新闻或文章初稿出炉,它就负责指出错误。最初的指令很简单:「把所有错误都找出来。」
十四条意见里,真正的问题只有一个
它平均每篇初稿提出 14 条意见。可是打开一看,多半是逗号位置、语气偏好之类的小事,真正关键的「日期写错了」被埋在清单中间。读的人也会疲劳,所以修改采纳率一直停在 40% 左右。
只改了一个数字
我们把指令换成这样:
只列出最致命的三个错误,每个用一行说明为什么致命。
用 20 篇初稿做了 5 天的对比。
• 意见数量:平均 14 条 → 3 条
• 修改采纳率:约 40% → 约 85%
• 漏掉日期或标记错误的初稿:4 篇 → 1 篇
为什么有效
有了上限,机器人就必须自己排出重要顺序。「全部」的指令会让清单变长,「三个」的指令则会逼出判断。人也一样,清单越短,越能看到最后。
实际用法
1. 同时要求数量上限和一行理由。
2. 改完这三个后,再用同样的指令跑一遍。
3. 琐碎的条目另外收进「偏好备忘」栏。
虽然只是小实验,但我们发现机器人需要的不是更多双眼睛,而是更窄的问题。