經濟學的課本裡，住著一種人。
他永遠冷靜，
永遠算得清清楚楚，
永遠做出對自己最有利的選擇。
你認識這種人嗎？
老實說，我一個也沒遇過。
連我自己都不是。
培祐老師這次介紹的《不當行為》，
作者是理查・塞勒，
被稱為行為經濟學之父。
書名聽起來像在講壞事，
其實整本書都在談同一件事：
人，沒有你以為的那麼理性。
在塞勒開始研究的那個年代，
課本裡那個永遠理性的人，
正是整個經濟學模型的基礎。
所以當塞勒說「人其實不是這樣」的時候，
當時的經濟學界並不買單。
他的研究被視為不科學的異端，
被當成一條沒什麼出息的路。
你可能會想，
那他後來是怎麼熬過來的？
他偶然讀到了丹尼爾・康納曼等人的研究，
深受啟發。
後來他們真的相遇了，
一起深入研究，
把心理學放進了經濟學裡。
幾十年後的今天，
已經很少有人再懷疑行為經濟學。
因為我們自己就是最好的證據。
每天自以為理性，
卻一直在超早鳥特價的時候，
瘋狂搶購不知道會不會看的線上課。
這段故事給我最大的啟發是：
就算你不被同行接受，
你還是有機會做你想做的事。
異業可以結盟。
這條路不通，
就換個場地拿門票。
塞勒第一篇行為經濟學論文，
曾經一次又一次遭到退稿。
最後，這篇論文刊登在一份創辦不久、
願意接受新研究方向的期刊上。
多年以後，
他甚至在頂尖期刊上開了一個有趣的小專欄，
專門討論那些「傳統經濟學解釋不了的怪現象」。
他沒有在原本的賽道上硬碰硬，
而是先想辦法，
拿到另一張進場的門票。
先進場，才看得到不一樣的世界，
才會有原本想像不到的相遇跟結果。
聽到這裡，
也讓我想到自己開始寫作的初衷。
我每天接觸的內容，
都是鋼筋混凝土、施工界面、
品質管理與施工風險。
這些專業知識看起來很硬，
距離一般人的生活也有點遠。
但當我試著重新轉譯，
才發現工程裡談的承載力、安全係數、結構補強，
同樣可以用來理解職場與人生。
工程知識沒有改變，
改變的是進入讀者心裡的方式。
現在推廣 AI 與工程應用，
其實也是相同的過程。
我要做的，
是把另一個領域的工具帶進工程，
再讓現場的人看見，
它可以怎麼解決眼前的問題。
只是，在推動的過程中，
我也經常聽見一些資深前輩的質疑。
「以前不用 AI，工作還不是照樣做完？」
「這些東西看起來很花俏，真的能用在工程上嗎？」
「傳統的方法比較可靠，何必再花時間學一套新的工具？」
老實說，
這些問題不能只用「AI 比較有效率」回答。
因為他們的懷疑，
可能來自擔心資料外洩、內容出錯、責任沒釐清，
也可能只是覺得，
自己原本熟悉的工作方式正在被否定。
如果我們只是不斷強調 AI 有多強，
對方聽見的可能不是效率提升的優點，
而是自己過去累積的經驗即將失去價值。
塞勒當年沒有為了說服整個經濟學界，
去撞得頭破血流，
而是繞過正面衝突、換條路走。
這也讓我重新思考，
或許推動 AI 時，
我們也不必一開始就要求所有人改變。
書中提到一個重要概念：預設值。
人們面對選項時，
經常會維持現狀，
或直接採用系統已經替他們安排好的方案。
因為每一次改變，
都需要額外的判斷與力氣。
如果你想讓人做某件事，
就要先讓這件事變得容易。
與其花時間說服前輩 AI 有多好用，
不如我先用 AI 把目前常用的那幾份文件直接產出來，
讓它變成擺在他們桌上的一個選項。
看過沒問題，
就可以直接送出。
對使用者來說，
AI 產生的內容省去從 0 到 1 的困難，
可以直接當作工作的預設起點。
他們不需要從空白頁開始，
也不用先學完所有指令，
才能感受到 AI 的幫助。
另一個經典的概念，
叫「明日存更多」（Save More Tomorrow）。
我們對「現在的損失」極度敏感，
天生厭惡損失。
但我們對「未來才發生的改變」，
通常沒有那麼抗拒。
因為改變還沒有真的發生，
眼前也不需要立刻付出代價。
換到 AI 導入上，
我們也可以利用類似的概念：
「目前進行中的專案，
先維持既有工作流程，
不增加大家現在的負擔。
但是下一個新專案，
我們預先選定一部分重複性工作，
讓 AI 協助處理。」
同一件事，
把時間往後挪一格，
抗拒的力道就小了很多。
塞勒當年找到了願意讓他進場的那扇門，
用不同的視角把心理學帶進了經濟學。
當年被當成不當行為的，
後來成了常識。
我沒有把握現在推的這些，
幾年後會不會也變成理所當然，
更做不到讓每個人一夕之間都認同 AI。
但我可以把那扇門，
做得再輕一點，
再好推一點。
也許很多改變，
不必急著先說服所有人。
只需要那件對的事，
剛好變成最容易做的那一件。
