别把善做成一项作业：激励设计的三级诊断与四条硬约束

01一、动手之前先过的那道分界线

所有操作从一个问题开始，这个问题能挡掉大半的坏设计：你要写的这条规定，是让想做的人更容易做，还是让不想做的人不得不做？前者叫降低成本，后者叫设置目标。这两件事在措辞上常常长得一模一样——都可以写成「鼓励某某行为」——但它们的结构完全不同，后果也完全不同。降低成本的干预，作用在障碍上。它搬开石头、消除风险、提供工具、保住结果。它不规定谁必须走这条路，也不记录谁走了几次。一个人走了这条路，仍然是他自己的事，他仍然可以用第一人称来讲述它。母文所诊断的那三级台阶，在这类干预下不会被启动，因为它从未试图去测量那个不可测的东西。设置目标的干预，作用在人身上。它要判断谁做了、做了几次、做得够不够好，因而必须先找一个可数的替身。从找替身的那一刻起，后面的事就注定了：替身会被钻空子，制度会加细，加细到某个程度，真心做事的人反而是最容易不合格的那个。实践中区分这两者有一个很好用的检验：如果撤掉这条规定，那些原本就想做的人还能不能做？能，说明你做的是降低成本；不能，或者要付出明显更大的代价，说明你原来做的确实是搬石头；而如果撤掉之后，那些原本在做的人立刻不做了，那说明你做的一直是设置目标，而且已经把原来的动力挤走了。再具体一点。为见义勇为者提供免责、医疗与法律援助，是搬石头；把见义勇为次数计入升学评价，是挂牌子。为志愿组织提供保险、培训与交通补贴，是搬石头；规定学生必须完成多少小时志愿服务才能毕业，是挂牌子。为献血者保障用血便利，是搬石头；把献血次数纳入单位考核排名，是挂牌子。每一对里的前一项都安全，后一项都进了那条路。

02二、三级诊断：一个已经在跑的制度，走到哪一级了

如果制度已经存在多年，问题就不是要不要做，而是它现在在哪一级、还剩多少可挽回的余地。母文给的三级模型可以直接转成诊断。第一级，行为指标替代。诊断的着眼点是行为的形状是否已经被指标塑形。可观察的迹象有三类：其一，做完动作后立刻确认有没有被记录，这个回头看的小动作是最灵的信号；其二，只做被计量的那一部分——扶了老人但不管他后来怎么样，捐了款但对同一件事的其他形式的帮助完全不动；其三，对不计分的同类事情零反应，也就是说，同样一件需要人帮忙的事，落在系统里就有人做，落在系统外就没人做。三类中出现两类，第一级成立。第二级，公共语法垄断。诊断的着眼点是描述这件事的语言。方法是采集一批公开表达——表彰通报、宣传稿、班会记录、内部通讯、家长群里的对话——统计其中形容一件好事的说法有多少比例使用了制度口径。制度口径包括分数、等级、称号、排名、以及「符合某某要求」这类表述。如果公开表达里几乎找不到一句不带制度口径的夸奖，第二级成立。这一级的另一个标志是：当有人试图用非制度的语言夸人时，会显得不自然，甚至会被追问「所以他得了什么」。第三级，道德主体失语。诊断的着眼点是私下场合的第一人称。做法见下一节。这一级最难判，也最重要，因为前两级可逆而它不可逆。诊断的输出只有四种，不允许第五种：未启动、第一级、第二级、第三级迹象。之所以第三级只说迹象而不下断言，是因为它涉及代际，任何一次调查都无法覆盖足够长的时间尺度，能给出的只是一个方向性的判断。

03三、人称测试怎么做

这是整篇里最具体的一件工具，也是最容易做坏的一件，所以单独讲。基本做法：找到一个刚刚做完一件小好事的人，在私下的、不带任何记录意味的场合，问一句「你当时是怎么想的」，然后听答案的主语。判读有三档。答案里出现「我」，且指向一个具体的感受或判断——我看他挺费劲的、我当时就是觉得那样不太对——记为第一人称在场。答案里全部是外部依据——应该的、要求这样、大家都这么做、这个有加分——记为第三人称。答案先是外部依据，追问一句「那你自己当时什么感觉」之后能说出感受的，记为第一人称尚在但已不是首选表达。三个必须注意的地方，否则结论全错。第一，谦辞不是失语。用「应该的」推掉道谢是相当普遍的语言习惯，尤其在长辈面前。判别的关键在追问：谦辞背后追一句仍然能说出感受，失语则是追问之后仍然只有制度用语，而且被问的人会觉得这个问题本身很奇怪。这个「觉得问题很奇怪」的反应，比答案本身更能说明问题。第二，场合决定答案。在有记录、有领导、有摄像机的场合，任何人都会自动切换到制度口径，这是社交常识，不是失语。这个测试只在完全私下的、随口的场合才有效，一旦它变成一项要采集的数据，它就当场失效。第三，不要对同一个人反复做。人会学习被期待的答案。这个测试是一次性的横切面观察，不能做成追踪指标——一旦被追踪，被测者就会开始生产第一人称的表达，而你就再也测不到任何东西了。样本上的建议：不求多，求分散。十个来自不同家庭、不同班级、不同岗位的人，价值远大于一个班的三十份问卷。

04四、代理自噬的止损点

母文说，制度为了堵漏会不断给替身加条件，而每加一轮，真心做事的人就更难合格一分。这个过程有没有止损点？有，而且可以事先写进制度里。止损点的判据是这样一个问题：现在这套判定标准，一个完全出于自发、不知道有这项制度的人，能不能自然地满足它？在制度刚设立时，答案通常是能——他做了那件事，被人看见，被记录下来，就这么简单。随着补丁增加，答案会逐渐变成不能：他没拍照，没找确认人，没在系统里预约，没有在规定的时段内提交。当答案第一次变成明确的不能时，止损点就到了。到了止损点之后，有且只有三个选项，没有第四个。其一，回退到上一版判据，接受一定比例的钻空子——这是多数情况下最优的选择，因为钻空子的损失通常远小于把真心做事的人排除出去的损失。其二，把制度的对象从「行为」改成「结果」——不再判断谁做了好事，而是去看那件需要被解决的事有没有被解决，谁解决的不重要。其三，撤掉这项制度，改做第一节说的降低成本类干预。最糟糕的选择是继续加补丁。它在每一步上都显得合理——因为每一步都是在回应一个真实的漏洞——而合起来就是母文所描述的那条路。所以这条纪律必须在制度设立时就写进去，不能等到发现问题时再讨论，因为到那时每一轮加细都会有充分的理由。

05五、四条硬约束

以下四条是从母文的判断里能直接推出的设计约束，建议写进任何一项激励制度的设立文件里。第一条，必须留出永不计分的地带。不要让每一件好事都能进入系统。恰恰相反，要明确宣布有一大类好事永远不会被计入任何评价——这不是遗漏，是保护。母文的整个论证指向一个结论：那套第一人称的语言只能在不被计分的地方存活。如果一个环境里的每一件好事都能被兑换成分数，那么这套语言就没有任何可以生长的地方。第二条，必须写明退出条件。任何激励制度在设立时都要回答：在什么情况下我们会撤掉它？可用的退出条件包括——当第一节那个检验的答案变成「撤掉后原本在做的人立刻不做了」时；当止损点到达且三个选项都不可行时；当人称测试连续两次显示第二级成立时。没有退出条件的制度只会一直加补丁。第三条，公开表达必须保留非制度口径。这是一条关于语言的纪律，落地方式很具体：在表彰、通报、宣传、班会里，要求至少保留当事人自己的一段话，用他自己的说法讲他当时怎么想的，并且不得改写成制度口径。这件事看起来是文风问题，实际上是母文所说的第二级的直接防线。第四条，不做代际累积的记录。凡是会跟随一个人从小到大的道德类档案，都要格外谨慎。母文最不可逆的那一级发生在成长过程中，而一份跟随终身的记录，恰恰会让一个人从很小就开始用第三人称理解自己的每一个善意冲动。

06六、两个完整的走查示例

方法要落到具体材料上才立得住。以下两例把前五节走了一遍，判断依据全部写出来。示例一：一所中学的德育积分制，运行第七年。设计前的分界线已经无法回溯，只能从现状入手。第一级诊断：随机观察三个班的一周，发现三类迹象中出现了两类——学生做完值日、帮同学、捡垃圾之后，普遍有一个回头确认是否被登记的动作；且楼道里没有摄像头也没有值周生的那一段，垃圾明显更多。第一级成立。第二级诊断：采集了近两年的班会记录、表彰通报与家长群消息共约四百条，其中形容一件好事时使用制度口径的比例超过九成，非制度口径的表达几乎只出现在低年级家长的私聊里。第二级成立。第三级：在一次校外活动中，对六名刚帮过同学的学生做了随口的人称测试，四人首答是外部依据，其中两人在追问后能说出感受，两人不能且表现出对问题本身的困惑。样本很小，只能记为第三级迹象。诊断出来之后的处置，按第四节的止损点判据：现在的登记标准要求当场找值周生签字并在当天录入系统，一个完全出于自发的学生显然无法自然满足——止损点早已越过。三个选项里，学校选了第二项与第一条硬约束的组合：把积分对象从个人行为改为班级共同完成的具体事项（这一片区域的卫生本周有没有保持住，不问是谁做的），同时明确宣布日常互助永不计入任何评价。第三条硬约束同步落地：此后所有表彰必须保留当事人自己的一段原话，不得改写成制度口径。示例二：一家公司的协作激励。设计阶段就用了第一节的分界线。原方案是把跨部门协助次数计入季度绩效，过检验时问了那句话：撤掉这条规定，原本愿意帮忙的人还能不能帮？答案是能，但会因为占用自己的工时而吃亏——这说明真正的障碍是工时归属，不是意愿不足。于是方案改为：协助他人的时间可计入正常工时，不额外计分、不排名、不通报。这是典型的从挂牌子改回搬石头。半年后的观察是，跨部门协助的总量增幅低于原方案的预估，但没有出现任何为凑次数而制造的协助请求，而这类请求在同行业采用计分方案的公司里是普遍现象。

07七、这套方法在家庭里的用法

最后一类应用最小，也最容易被忽略：一个家庭本身就是一套激励制度，而且是那种运行时间最长、影响最深的。先过分界线。给孩子设的每一条规矩，都可以问一句：这是在搬石头，还是在挂牌子？给他一个固定的、方便够到的玩具箱，是搬石头；给他一张贴纸表，是挂牌子。陪他一起读，是搬石头；规定每天读满二十分钟并打卡，是挂牌子。再看止损点。家庭里的止损点来得特别快，因为孩子学得比制度快。当你发现他开始为了贴纸而收拾、开始只收拾看得见的那一块、开始在你忘了贴时当场罢工——止损点就到了。这时最常见的做法是加规则：不许只收一半、忘了贴可以补、连续三天有额外奖励。每一条都合理，每一条都在往前走一步。按第四节，正确的做法是三选一。回退判据：不再规定收拾的标准，只要动了就算。改判结果：不看谁收拾的，只看晚上地上有没有东西。撤掉：把表撕了，改成陪他一起收，一边收一边说话。第三条硬约束在家庭里尤其有用，而且几乎零成本：多问一句「你当时是怎么想的」，少说一句「你真棒」。前者把他的动作交还给他自己，后者把评价权收到了你手里。这两句话在当下听起来差别很小，母文的整套论证说的是，几十年之后它们的差别可能非常大。

08八、七种典型的坏设计与替代方案

第一种，善行积分兑换实物。替代方案：把资源直接投给那件需要被解决的事，而不是投给做事的人。第二种，志愿时长与升学、评优挂钩。替代方案：为志愿活动提供保险、培训与交通补贴，并且不统计个人时长，只统计项目是否完成。第三种，把「主动帮助同事」写进绩效考核。替代方案：降低求助的成本——让求助不被视为能力不足，让协助的时间被计入正常工时而不是额外贡献。第四种，道德模范评选并层层推荐。替代方案：让被帮助的人自己讲述，且不评比、不排名、不设名额。第五种，把共情写成话术考核。替代方案：减少单位时间内必须处理的人数。绝大多数所谓的冷漠，其实是时间不够的结果。第六种，用打卡培养兴趣，无论是阅读、运动还是练习。替代方案：把选择权还回去——不规定读什么，不统计读多少，只保证书是可得的、时间是有的。第七种，把制度的语言写进日常沟通模板。替代方案：模板只规定必须传达的信息，不规定表达方式。

09九、一页纸操作卡

• 设计前：过分界线——这条规定是搬石头还是挂牌子？撤掉它，原本想做的人还能不能做？
• 已存在：跑三级诊断——行为形状（三类迹象取两类）、公开语言（制度口径占比）、私下人称（见下条）。
• 人称测试：私下、随口、一次性、追问一句、注意区分谦辞与失语。
• 查止损点：现在的判定标准，一个不知道有这项制度的人还能不能自然满足？不能，就到了。
• 三选一：回退判据／改判结果／撤掉改做降低成本。不要继续加补丁。
• 写进制度：不计分地带、退出条件、非制度口径的公开表达、不做代际累积记录。
• 自查：我有没有把这套诊断本身，做成了一项要定期填报的评估？有，就删掉——它会以完全相同的机制，杀死它想保护的东西。

10十、什么情况下这套方法不适用

其一，当被鼓励的行为本身完全是外在的、不涉及任何内在动机时。比如安全帽的佩戴率、报表的提交及时率——这些事没有需要保护的第一人称，用指标管理它们既高效又无害。判别方法是问：我们希望这件事被做，是因为结果，还是因为做它的那个人心里的状态？只在意结果的，尽管用指标。其二，当情况紧急、需要在短期内把某个行为的发生量拉起来，且我们接受长期代价时。母文的判断是关于代际尺度的，它不否认短期内激励有效。但这个选择必须被明确地做出并写下来，而不是在无意识中滑进去。其三，当没有条件做私下的、非记录性的观察时。第三级的诊断依赖一种几乎无法制度化的观察方式，如果只能做问卷、只能走流程，那么诚实的做法是承认这一级测不了，而不是用一份问卷去代替它。最后一条留给使用者自己：如果你读完之后最想做的事，是把这套三级诊断做成一张可以给各单位打分的表——请停下来。母文整篇文章讲的就是这件事会发生什么。

11十一、三个最常被问到的问题

问：我们已经跑了五年的积分制，现在撤掉会不会更糟？可能会有一段回落，而且回落到的水平通常低于制度设立之前——这正是母文所说的不可逆的一部分。但这不构成继续加码的理由。可行的做法是分两步：先把兑换与排名撤掉，保留登记但不再计入任何评价；观察一到两个学期，再决定是否整体撤销。一次性全撤会被理解成一次否定，而分步撤销给了那套第一人称语言重新出现的空隙。问：不评价的话，怎么知道我们做得好不好？这个问题本身值得停一下。它假设凡是重要的事都必须被度量，而母文整篇文章论证的就是这条假设在这一类事情上不成立。可用的替代不是指标，是描述：定期收集几个具体的故事，让当事人自己讲。它给不出趋势线，但它能告诉你那套语言还在不在。问：那对做了好事的人，一句表扬也不能说吗？能，而且应该说。区别在于说什么。「你这个月拿了第一」是评价；「你当时怎么想的」是邀请他用自己的话讲一遍——后者恰恰是在维护那套第一人称语言。表扬本身不是问题，把表扬换算成可比较的名次才是。