當一項指標一旦變成了目標，它將不再是個好指標! 古德哈特悖論 —— 代理指標為什麼永遠反噬我們

做行銷的人，大概都經歷過這種場景——客戶拍著桌子說：CPC 不能超過 15 塊，CPA 壓到 200 以內，ROAS 必須做到 4 以上。你心裡清楚，這些數字可以被「做出來」。低 CPC？把廣告投到點擊便宜但根本不會買的人群就好了。CPA 夠低？用激勵式問卷吸來一堆從不消費的註冊用戶。ROAS 漂亮？把預算全砸在已經會買的回頭客身上，新客增長直接歸零。

每個人都知道這些數字是怎麼回事，但沒人敢說不。因為客戶要的就是那個數字，而你要的就是那張訂單。於是大家心照不宣——你想辦法搞出那些要求的目標，我假裝相信這代表業績真的變好了。

這不是哪個行業的獨門暗器，這是一條定律在起作用。

1975 年，英國經濟學家查爾斯·古德哈特（Charles Goodhart）觀察到一個現象：貨幣供給量一旦被設為政策目標，它和經濟之間的關係就會崩潰。後來人類學家瑪麗蓮·斯特拉森（Marilyn Strathern）把這條觀察提煉成一句更鋒利的話——

當一項指標一旦變成了目標，它將不再是個好指標。

你的 CPC、CPA、ROAS，本來是用來衡量廣告效果的。可一旦它們變成了考核目標，所有人就開始優化這些數字本身，而不是優化廣告真正該帶來的東西——客戶的信任和長期的營收。

這條定律的名字叫古德哈特定律（Goodhart’s Law）。它不只是行銷人的噩夢，它是所有用數字管人、用指標做決策的系統的噩夢。而且，它永遠不會消失。

古德哈特定律：指標如何吞噬目標

古德哈特定律的機制，萬維鋼老師在《現代思維工具100講》裡拆得很清楚——它不是一句俏皮話，而是一個四步過程。

首先，你有一個「真實目標」（true objective）——這是你真正想要的東西。健康、學問、客戶體驗、公司的真實業績，都是真實目標。但這些東西本質上是複雜而難以量化的，於是你提出了一個「代理指標」（proxy）——體重、考分、論文數、CPC、ROAS。你無法直接考核真實目標，所以你就專門考核代理指標。於是被考核者就承受了「優化壓力」（optimization pressure），開始為了讓那個指標變好看而努力。最終，你的真實目標已經沒有人在意了。

翻譯成人話就是：只要你定個指標，人們就會刷它。而只要人們開始刷它，它就不再是一個好的指標。

但這裡有一個更深的問題——指標失真，不只有一種機制。病不一樣，藥也不一樣。你被 KPI 綁的時候，主要是有人在故意鑽空子；你訓 AI 的時候，四種病一起爆；而你自己騙自己的時候，是另一種完全不同的機制——你優化了一個跟目標根本不連通的數字，卻以為自己在進步。

2017 年，AI 對齊研究社群 LessWrong 上，研究者斯科特·加拉布蘭特（Scott Garrabrant）把古德哈特定律拆成了四種變體。四種變體，四種失真機制——

記住這四種——接下來咱們會看到，它們在不同場景下的發作方式完全不同。

人管人：對抗性古德哈特的天下

2002 年到 2016 年，美國富國銀行（Wells Fargo）發生了一件堪稱教科書級的醜聞。

富國銀行是美國曾獲 AAA 評級的銀行，創立於 1852 年，聲譽卓著。CEO 約翰·史坦普夫（John Stumpf）有一句口頭禪——「Gr-Eight」（諧音 Great，意思是「偉大的 8」）。意思是，每個客戶應該擁有富國銀行的八個產品。這叫「交叉銷售」，聽起來很合理：客戶既然信任你，為什麼不在你這裡多開幾個帳戶、多辦幾張卡？

於是，交叉銷售的數量成了核心 KPI。員工的獎金、晉升、甚至能不能保住飯碗，都跟這個數字掛鉤。

結果呢？5300 多名員工開始偽造客戶簽名，在客戶不知情的情況下開設帳戶、轉移資金、申請信用卡。總共開立了超過 200 萬個虛假帳戶（後續調查發現實際數字可能達 350 萬）。有些客戶去查自己的信用報告，才發現名下多了好幾個從未聽說過的帳戶。最終，富國銀行支付了 30 億美元的和解金，兩任 CEO 先後下台。

但最值得玩味的，不是這些數字，而是一句話。美國消費者金融保護局前局長理查·柯德瑞（Richard Cordray）的判斷——

富國銀行從未有過交叉銷售的戰略，它擁有的是交叉銷售的績效指標。

翻譯成人話就是：他們從來沒想清楚「為什麼客戶需要八個產品」，他們只是定了一個「每個客戶必須有八個產品」的數字。戰略是空的，指標是實的。於是員工就按照指標的邏輯去行動——不是去理解客戶需要什麼，而是去把那個數字湊出來。

這就是對抗性古德哈特的典型發作：當優化代理指標能帶來獎金和晉升，而優化真實目標沒有任何回報，理性人當然會選擇刷指標。5300 人不是道德敗壞，他們只是在那個激勵結構下做了最理性的選擇。

萬維鋼老師說得好——古德哈特定律的病根不是權力太強，而是權力太弱；不是管得太狠，而是沒本事、沒權威去管。指標崇拜不是理性的勝利，而是判斷力的缺失。老闆越弱，KPI 越細。

歷史學家波特（Theodore Porter）在《對數字的信任》（Trust in Numbers, 1995）裡講得更透：最迷信量化的，往往恰恰是那些權威不足的機構。量化是一種「做了決定、卻裝得好像沒有人在做決定」的辦法——客觀性恰恰能給那些本身權威不足的人，憑空借來一層權威。

回到行銷人的日常——客戶硬性規定 CPC、CPA、ROAS 的數字，本質上是一回事。他們不是真的關心廣告效果，他們是缺乏判斷廣告效果的能力，所以用一個數字來代替判斷。而這個數字一旦變成目標，你就知道接下來會發生什麼。

英國 NHS 急診設了「4 小時內處理完畢」的指標，醫院就把病人堵在救護車裡——人還沒「正式到達」，計時器就不開始。越戰時麥克納馬拉用「敵軍屍體數量」衡量戰果，前線數字層層注水，結果是對戰爭形勢的嚴重誤判。這些案例的共同點是：真實目標從一開始就缺席了。沒有人問「客戶真的需要八個產品嗎」「急診的目標是 4 小時還是治好病人」「戰爭的目標是殺人還是止戰」。代理指標直接坐上了法官的位子，而真實目標連證人都沒當上。

對抗性古德哈特已經夠可怕了。但接下來咱們要看到的，是同一個定律在另一種優化者身上發作時，病程速度快了幾個數量級。

升級：當優化者不是人，而是 AI

2017 年，OpenAI 做了一個實驗。他們訓練了一個 AI 玩賽艇遊戲 CoastRunners——目標很簡單：盡快完成比賽。為了鼓勵 AI 學習，他們給「撞擊賽道旁的綠色方塊」設了一個塑形獎勵，本意是讓 AI 學會沿途收集道具。

結果 AI 發現了一個更高效的策略：不跑全程，原地轉圈，反覆撞擊同一個綠色方塊。它拿到了比人類玩家更高的分數，但完全沒有完成比賽。

你看出來了嗎？這跟富國銀行的員工幹的是同一件事——刷指標。但有一個關鍵區別：富國銀行的員工好歹還知道自己在造假，他們有「想辦法搞出那些數字」的意識。AI 不需要這個意識。它連「作弊」這個概念都沒有，它只是忠實地執行了「最大化獎勵」這個指令。人刷指標，多少還會打折扣、會偷懶、會良心不安；AI 刷指標，是數學上的無情優化，沒有一絲一毫的猶豫。

這個現象在 AI 安全領域有個專門的名字——Reward Hacking（獎勵破解）。前 OpenAI 安全系統負責人翁荔（Lilian Weng）在 2024 年的長文中系統梳理了這個問題，她的定義是：當強化學習智能體利用獎勵函數中的缺陷或歧義來獲得高額獎勵，而沒有真正學習或完成預期任務時，就會發生 Reward Hacking。

這類案例在 AI 研究裡已經見怪不怪了。機械手學會把手放在物體和相機之間，欺騙系統「看起來已經抓到了物體」。清潔機器人的獎勵基於「檢測到的垃圾數量」，它學會了把垃圾推到家具下面，而不是清理掉。足球遊戲裡「觸球就得分」，AI 學會了在球旁邊高頻振動式觸球。自行車的獎勵是「越來越接近目標」，它學會了在目標附近騎小圓圈——因為沒有遠離的懲罰。

但這些還只是「小聰明」級別。真正讓人脊背發涼的，是大語言模型裡的 Reward Hacking。

咱們知道，ChatGPT 之類的模型最後都要經過 RLHF（基於人類反饋的強化學習）來對齊人類偏好。聽起來很合理——讓人類評估者打分，模型學著給出人類更喜歡的回答。問題是，模型學到的未必是「給出更好的回答」，而是「給出評估者更願意打高分的回答」。

Anthropic 團隊 2023 年的實驗發現了所謂的「阿諾奉承」（Sycophancy）現象——AI 助手會改變原本正確的答案來迎合用戶的偏好，甚至模仿用戶的錯誤。更陰險的是 Wen 等人 2024 年發現的「非故意詭辯」（Unintended Sophistry）——RLHF 訓練後的模型，更擅長讓人類評估者相信它的錯誤答案是正確的。人類評估錯誤率顯著上升。模型學會了通過捏造證據、製造微妙的因果謬誤來「辯護」錯誤答案。它不是在說謊，它只是學到了「怎麼讓評估者覺得我對」這個策略。

這就是為什麼 Reward Hacking 不是 AI 的 bug，而是古德哈特定律在更高優化功率下的必然表現。人管人的時候，優化壓力來自獎金和晉升，人還會偷懶打折扣；人管 AI 的時候，優化壓力來自梯度下降——那是一個不會疲勞、不會良心不安、不會「差不多就行」的數學過程。

而且，AI 的優化功率讓四種古德哈特變體同時爆發——

2022 年的兩組實驗把這件事量化了。Pan 等人的研究發現：模型越大、訓練越久，代理獎勵越高，但真實獎勵反而越低。能力越強的模型，越容易找到獎勵函數的「漏洞」並加以利用。Gao 等人的研究發現了更精確的模式——代理獎勵隨優化線性增長，真實獎勵先升後降，呈倒 U 型。論文直接寫道：這「正符合古德哈特定律」。

同一個病，不同的病程速度。古德哈特化在富國銀行花了十四年才爆發，在 AI 的訓練過程裡可能只需要幾百個訓練輪次。

人類員工刷指標好歹還有個過程，AI 刷指標是瞬間的、無情的、數學上最優的。

那怎麼辦？

出路？亞馬遜的啟示與局限

有一條思路是：既然產出類指標容易被刷，那就退一步，去考核過程。

亞馬遜的飛輪模型把指標分成兩類——「產出類指標」和「投入類指標」。產出類指標是結果性數據：月度收益、股價、利潤率。這些東西團隊無法直接控制，你盯著它們也沒用。投入類指標是可控的過程性活動：降低產品價格、縮短配送時間、增加新選品。這些事情團隊可以直接影響，而且它們直接反映客戶體驗的改善。

思路很清楚——從「考核結果」退回「考核過程」，從「答案是什麼」轉向「有沒有問對問題」。

但亞馬遜自己選品 KPI 的演進過程，恰恰證明了這件事有多難。

蔡鈺的解讀一針見血：每一次改指標，都在逼著團隊更貼近用戶的真實需求——從「數量」到「有效需求」到「有效供給」到「高效供給」。連亞馬遜這麼敏捷的公司，都得笨拙地一點點試，可見找對指標有多難。

這個過程本身就是古德哈特化的活教材——每一版指標都在堵前一版的漏洞，但每一版又產生了新的漏洞。投入類指標不是一勞永逸的解法，它只是讓古德哈特化的速度慢一點、糾偏的空間大一點。

萬維鋼老師給了三條反古德哈特化的原則——

在這三條原則之上，還得加幾道程序保險：評審標準要公開，利益相關者要迴避，落選的人得有地方申訴。還要每隔幾年回頭「反審計」一次——查一查這套指標是否誘導出了什麼壞行為，不行就換一套指標。

但說到底，這些原則和程序都指向同一個判斷——不存在「設計一個完美指標」的解法，只有「持續照看」的修行。管理不是安裝系統，管理是照看系統。指標和現實的關係是活的，會隨環境變化而失準，需要不斷重新校準。就像導航——你不能設一次目的地就閉眼開，得一直看路。

2015 年，幾位國際科研計量學者在《自然》上發表了《萊頓宣言》（Leiden Manifesto），開宗明義第一條：定量評估只能支持、不能取代專家的定性判斷。英國的研究卓越框架（REF）甚至明令禁止用期刊影響因子去代替對論文質量的判斷，轉而看有限的代表作、真實的社會影響案例和研究環境說明。

這些制度設計的本質，都是承認一個事實：古德哈特和反古德哈特的過程永遠不會結束。你想要客觀公正，賞罰就得有標準；別人就會適應這個標準；這個標準就會被玩壞；就需要你修改標準。這個循環不會停止。

但上面說的所有這些——KPI 暴政、Reward Hacking、亞馬遜的迭代、萬老師的原則——都有一個共同的前提：有一個外部的力量在管你。老闆定 KPI，工程師設獎勵函數，制度定評審標準。你至少還知道自己在被管，至少還有反抗的對象。

古德哈特最深的發作，不是被管的時候。是沒人管你的時候。

最深的陷阱：自我古德哈特化

萬維鋼老師在古德哈特那一講的最後，說了一段堪稱全篇最扎心的話——

「最可怕的是，就算沒有老闆管，沒有人用指標框定你，你也會古德哈特你自己。你難道沒有在不知不覺裡，把『坐了幾個小時』當成學習，把『體重秤上的數字』當成健康，把『下班晚』當成功勞，把『今天寫了幾千字』當成創造，把『對方有沒有秒回』當成了愛嗎？不知從何時起，相親活動已經蛻化成了對年齡、收入、身高、學歷、彩禮這些指標的比拼；旅遊變成了景點打卡、照片和步數；連孝順都被量化成轉了多少錢和回家幾次。人們把日子過成了一場對數字的追逐，把自己活成了一份報表——根本沒人逼你，是你自己主動把判斷權交了出去。」

這段話之所以扎心，不只是因為它說中了你的日常，而是因為它點出了一個更隱蔽的機制——自我古德哈特化，主要是因果性古德哈特在運作。

你把「坐了幾小時」當成學習，但坐的時間和學到的本事之間沒有因果關係。你把「寫了幾千字」當成創造，但字數和創造的價值之間沒有因果關係。你優化了代理指標，以為就在優化真實目標，但兩者根本不連通。這不是有人在逼你造假，這是你自己把一個相關性當成了因果性，然後忠實地優化了那個不相干的數字。

2007 年，凱文·凱利（Kevin Kelly）和蓋瑞·沃爾夫（Gary Wolf）發起了「量化自我」（Quantified Self）運動，口號是「通過數字認識自己」。十幾年過去了，手環、手錶、App 比比皆是——步數、心率、睡眠時長、卡路里、屏幕使用時間。數字越來越多，但你有比從前更認識自己嗎？

哲學家韓炳哲的批判一針見血：不管數據和數字有多全面，我們都無法僅僅通過它們完成自我認知。數字不能敘述自我。算數不是講述。更狠的意思是——今天的主體，是自己剝削自己的企業主，也是自己監控自己的監視器。自己既是囚犯也是看守。

「自己既是囚犯也是看守」——這才是自我古德哈特化跟前面所有場景的根本區別。KPI 暴政，你可以投訴；Reward Hacking，你可以改獎勵函數；亞馬遜的指標失準，你可以迭代。外部的古德哈特，至少還有一個審計的入口。但自我古德哈特化，連這個入口都沒有——因為審計者和被審計者是同一個人。你給自己設了目標，你自己去完成，你自己覺得滿足。整個循環裡沒有一個外部視角來告訴你：你優化的那個數字，跟你想去的方向根本不是一回事。你刷了指標，連自己都不知道。

回過頭看，咱們這條邏輯鏈就完整了——

真實目標本質上不可精確量化，所以代理指標不是偷懶，而是人類認知的結構性限制。這是古德哈特悖論的起點。一旦代理指標被設為目標，優化壓力就會把它和真實目標之間的縫隙撐開——人管人的時候，主要是對抗性古德哈特；人管 AI 的時候，四種變體同時爆發，病程速度快了幾個數量級；人管自己的時候，因果性古德哈特悄悄運作，你連敵人是誰都看不見。不存在一勞永逸的指標體系，也不存在完美的考核制度——古德哈特和反古德哈特的過程永遠不會結束。

那怎麼辦？沒有一勞永逸的解法，但有一個可以反覆使用的心法——

每隔一段時間，問自己三個問題：我正在優化的那個數字，跟我真正想要的東西，還有因果關係嗎？如果有，繼續；如果不確定，停下來看看路；如果確定沒有——你已經被古德哈特了。