它解决什么问题

• 一种理论、算法或方法被宣称适用于所有问题。
• 团队只问“这个模型好不好”，却不问它适合哪类问题。
• 在目标、需求和系统边界尚未验证时，直接进入优化。
• AI 可以快速套用模型，却把模型前提、遗漏变量和失效条件藏起来。
• 一个方法在过去有效，就被不加区分地复制到新行业、新阶段或新情境。
• TOC 已经找到约束，但目标是否正确、需求是否真实、边界是否合适仍是默认前提。

严格层与管理延伸层

交付物

• 当前决策与问题类定义。
• 模型假设与归纳偏置清单。
• 目标—需求—系统边界审计表。
• 模型照亮区 / 暗区图。
• 竞争模型与替代解释表。
• 反证、失效条件与模型切换规则。
• 最小现实验证设计。

第十八板块：AI 原生能力复利模型

它不解决什么问题

• 不自动告诉你哪个目标值得追求。
• 不自动证明客户需求真实。
• 不直接找到系统瓶颈，也不替代 S'FOCUS / TOC。
• 不直接判断问题属于清晰、繁杂、复杂还是混乱域，也不替代 Cynefin。
• 不等于“所有收益背后都有同等代价”。
• 不等于“所有模型都一样好”或“既然没有万能模型，就不必选择和行动”。
• 不把扩大系统边界当成免费的解决方案；边界越大，变量和验证难度也会增加。

适用问题对象

• 模型边界与假设审计。
• 战略模型、咨询框架和 AI 工作流选择。
• 跨行业、跨阶段迁移一套方法前的适用性检查。
• TOC、精益、Cynefin、增长模型等方法的前提审计。
• “一个理论能不能解释一切”的元认知问题。
• 目标、需求和系统边界尚未得到独立证据支持的优化问题。

诊断问题

• 我现在究竟要改变什么决策或结果？
• 这个模型原本为哪类问题、环境和反馈结构设计？
• 它表现更好依赖哪些目标、边界、数据和因果假设？
• 它照亮了什么，又暂时忽略了什么？
• 我是否把局部有效误写成普遍有效？
• 目标是否值得追求，还是只因为容易测量？
• 需求是否有行为、付费、采用或持续使用证据？
• 系统边界是否服务当前决策，还是过小漏掉外部约束、过大导致因果模糊？
• 什么反证出现后，我会更换模型、重画边界或停止？
• 如果关键假设不成立，哪个替代模型更合适？

易混淆模型

• Cynefin 肯尼芬矩阵：Cynefin 判断问题情境类型并选择行动逻辑；无免费午餐定理审计为什么不存在普遍最优方法，以及当前模型依赖什么假设。
• S'FOCUS 六步法 / TOC 瓶颈理论：S'FOCUS 在给定目标和系统边界内寻找约束；无免费午餐定理审计目标、边界、需求和模型适用性是否被默认。
• 情境适配原则：情境适配原则负责根据环境调整策略、人员和机制；无免费午餐定理先暴露“为什么这套方法不会处处最优”。
• 系统思考：系统思考扩大对反馈、延迟和副作用的观察；无免费午餐定理提醒扩大边界本身也增加复杂性，边界要服务决策。

可替代模型

• 事实和边界还不清：5W、MECE 原则。
• 需要按复杂度选择行动：Cynefin 肯尼芬矩阵。
• 需要看反馈、延迟和副作用：系统思考、系统回路图。
• 需要验证客户需求：JTBD、精益创业、盖瑞成交验证飞轮。
• 目标与底层假设需要重审：单环学习 / 双环学习、第一性原理与信息论重构。

正例问题

• “TOC 已经找到市场约束，但客户是否真的需要、目标是否值得追、系统边界是否画对了，应该怎样审计？”
• “某 AI 模型在我们的内部数据上最好，能否据此宣布它适用于所有部门和行业？”
• “一套增长打法在上一阶段有效，为什么迁移到新市场后失效？它原来依赖了哪些隐含假设？”

反例问题

• “请计算本季度毛利率。”这是明确计算任务，不需要调用无免费午餐定理。
• “已经确认需求和目标，交付被一个稳定工序卡住，怎样突破？”优先使用 S'FOCUS / TOC。
• “现场系统正在失控，应该怎么办？”先用 Cynefin 混乱域逻辑止血，不先做完整模型审计。

常见误用

• 把无免费午餐定理简化成“任何收益都有代价”。
• 把“没有普遍最优”误解为“所有算法或模型在具体问题上都一样”。
• 用模型有盲区否定一切理论，滑向相对主义和不行动。
• 把数学定理直接外推成管理结论，却不标注这是启发式延伸。
• 不设停止条件地扩大系统边界，最后变量过多、因果模糊、无法行动。
• 只列假设和盲区，不设计现实验证与模型切换条件。