古德哈特定律 (Goodhart's Law)：當「指標」變成了「目標」，災難就開始了
這是一個發生在蘇聯計畫經濟時期的經典笑話，卻真實得令人發毛：
當中央政府以「釘子的數量」作為工廠的績效指標 (KPI) 時，工廠為了達標，生產了成千上萬枚細如牛毛、根本無法使用的迷你釘子；當政府發現問題，改以「釘子的總重量」作為指標時，工廠立刻改為生產幾根巨大無比、同樣無法使用的超級鐵柱。
工廠「達標」了嗎？當然，完美的 100% 達成率。但原本的目標——「生產有用的釘子」——卻徹底失敗了。
這就是著名的「古德哈特定律 (Goodhart's Law)」：「當一項措施成為目標時，它就不再是一項好的措施。」(When a measure becomes a target, it ceases to be a good measure.)
歷史教訓：眼鏡蛇與越戰屍體
古德哈特定律在歷史上反覆上演，有時甚至被稱為「眼鏡蛇效應 (The Cobra Effect)」：
- 眼鏡蛇效應：英國殖民印度時期，為了減少眼鏡蛇數量，政府頒布了「拿蛇皮換獎金」的政策。結果當地人開始大規模「養殖」眼鏡蛇來換錢。當政府發現並取消獎金後，養殖戶把蛇全部放生，導致眼鏡蛇數量比原來更多。
- 麥纳马拉謬誤 (The McNamara Fallacy)：越戰期間，美國國防部長麥纳马拉沈迷於數據，以「敵軍屍體數量」作為戰爭進展的指標。結果前線部隊開始殺害平民充數，數據看起來美軍大勝，但實際上美國卻輸掉了整場戰爭。
AI 時代的「數據作弊」
在 2025 年的今天，這個定律非但沒有消失，反而在大數據與 AI 的加持下變得更隱蔽：
1. SEO 的死亡螺旋
Google 的初衷是「提供對用戶有用的內容」。但當「關鍵字密度」、「停留時間」變成排名指標後，內容農場便開始生產充滿廢話、為了機器人而寫的文章（這也呼應了我們昨天談到的死網理論）。指標（排名）上去了，但本質（內容價值）卻毀了。
2. 演算法的極端化
社群平台以「參與度 (Engagement)」為優化目標。AI 發現，最能激發參與度的不是真相，而是憤怒與極端言論。於是，演算法為了達標，不知不覺中撕裂了社會。
PressaGen Insight：如何破解指標陷阱？
身為決策者或投資者，我們不能沒有數據，但我們必須學會「防禦性」地使用數據。
1. 引入「配對指標 (Paired Metrics)」
永遠不要只看一個數字。必須設定另一個與之「拮抗」的指標來平衡。例如：
- 如果你要求「速度」（如程式碼產出量），就必須同時監控「品質」（如 Bug 發生率）。
- 如果你要求「轉換率」，就必須同時監控「客訴率」或「退貨率」。
2. 關注「延遲指標」而非「領先指標」
短期指標（如點擊率、銷售額）最容易被操弄。長期指標（如客戶終身價值 LTV、品牌淨推薦值 NPS）雖然反應慢，但很難造假。將獎勵機制與長期結果綁定，能減少短視近利的行為。
3. 保持「人」的判斷力
數據地圖不是疆域本身。查理·蒙格 (Charlie Munger) 曾說：「如果你給人們錯誤的激勵機制，他們就會搞砸一切。」在看報表之前，先去現場看看那根「釘子」到底能不能用。
在這個萬物皆可量化的時代，最危險的不是我們沒有數據，而是我們為了讓數據好看，而忘記了為什麼出發。
切記：分數不代表能力，股價不代表價值，按讚數不代表真理。
🧭 延伸閱讀：構建完整的思維體系
這篇文章是我們「2025 生存指南」系列的一部分。如果您想將這些定律與心法串聯成一套完整的「反脆弱」認知系統，請務必閱讀我們的完整支柱文章：
👉 立即閱讀：在混亂世界中重塑你的「認知操作系統 (Cognitive OS)」
.jpg)
