下载掌阅APP，畅读海量书库
立即打开
在很多情况下，仅仅通过尝试某项技能或清楚地表述自己所掌握的知识并不能减少过度自信。此时，我们就要考虑规划谬误了。
规划谬误： 人们常常会低估完成一项任务所需的时间和精力，这便是规划谬误。
人们常常会低估完成一项任务所需的时间和精力，导致错过交稿日期、超出预算或任务没结束就耗尽了精力。规划谬误最典型的例子就是悉尼歌剧院工程。最初该工程的预算是700万澳元，最终花费了1.02亿澳元，这还是削减后的支出；工程时间也比最初预计的多了10年。丹佛国际机场的建设超预算20亿美元，超时16个月。有些人认为，这引发了许多跟机场有关的阴谋论。其中一个说法是丹佛机场的建设时间之所以这么长，是因为建造了一个巨大的秘密地下掩体，亿万富翁和政治家在世界末日到来时可以在这里避难。当然，也有人说跟外星人有关。这些阴谋论传播甚广，丹佛机场甚至成了一座阴谋博物馆。新英格兰人都会想到的规划谬误是波士顿中心隧道工程，该工程超预算190亿美元，超工期10年。
除了工程项目，信息技术项目中也会出现规划谬误。斯坦迪什咨询集团（Standish Group）是全球知名的第三方信息技术咨询企业，每年都会发布各类信息技术项目的追踪报告。你可能会认为信息技术行业的人能够利用过去的数据对未来进行准确预测。然而，斯坦迪什的报告显示，2011-2015年，美国成功的信息技术项目占比仅为29%～31%，这里的成功是指在规定时间和预算内实现所需的所有功能。一半的项目或延迟交付，或超出预算，或漏掉需要的功能；17%～22%的项目则以失败告终。目前来看，这种情况并没有改善的迹象。
规划谬误源自两个因素。一是愿望思维，我们总是希望自己的项目尽快完成，花费不多，这样的愿望会反映在我们的规划和预算中。
二是流畅性效应。 规划谬误在很大程度上是一种由流畅性效应引发的过度自信。 我们在规划的时候往往只关注项目如何运行，注意力只放在那些能促成项目的事情上。我们在脑海中想象运行过程的时候，事情进展很顺利，过度自信由此产生。
一项针对规划谬误的研究 7 精准地揭示了这一过程，同时告诉我们不要做哪些事情才能避免这一谬误。在这项研究中，参与者要估计自己为家人朋友购买圣诞礼物所需的时间。平均来说，他们估计自己能在12月20日之前完成。这恰恰是规划谬误的例证，最终这些人直到22日或23日才完成购物计划。
若想避免规划谬误，制订步骤详尽的计划似乎是个不错的主意。因此，研究人员让另一组参与者详细写下他们的圣诞采购计划。比如，一位参与者列出家庭成员，并为每位成员选择合适的礼物。另一位参与者则计划哪天去哪个商场，在商场给每个人买什么。这样的计划看起来肯定能实现。那么，这些计划能否让他们准确预估购物时间呢？结果表明，这一组参与者的规划谬误更离谱：大部分人认为自己能在圣诞节前一周完成，比那些没有做详细计划的还早3天。最终，他们也在22日或23日完成。
步骤详尽的计划之所以会加剧规划谬误，是因为这样的计划让他们觉得自己的购物会轻松又顺利，就像电影《风月俏佳人》（ Pretty Woman ）里的朱莉娅·罗伯茨（Julia Roberts），在不到半天的购物狂欢中找到所有合身的衣服；或是像电影《独领风骚》（ Clueless ）里的艾丽西亚·希尔维斯通（Alicia Silverstone），轻轻松松地提着两个巨大的购物袋走在街上，脸上没有一丝倦容。
这并不是说我们不应该制定详细步骤。把一项任务细化为可操作的具体步骤，为每一步设定截止日期，这是规划的重要工作，当手头的任务比节日购物更复杂时更是如此。另有研究表明，把一项任务分成若干子任务，能在一定程度上减轻规划谬误。分解任务能让人们认识到事情不像想象的那么简单。不过，我们还要注意， 过于详尽的计划依然会引起流畅性效应，放大个体的控制感，加剧规划谬误。
那么如何对抗流畅性效应呢？我在前文说到，我们可以通过身体力行来减少流畅性带来的过度自信。克服规划谬误的矛盾之处在于，规划发生在实际执行之前。我们没法练习圣诞购物或者建造一座剧院。我们能做的是考虑潜在的阻碍，让大脑中的模拟变得不那么流畅。
我们能想到的阻碍有两种，大脑对其中一种更熟悉，那就是与任务直接相关的阻碍。节日购物的时候会堵车，尤其是圣诞节前的周末，或者你想给奶奶买的那件豹纹开司米开衫不巧卖完了。这些阻碍可能会被你纳入计划。
与任务无关的因素常常被忽略，比如你感冒了，猫走丢了，热水器漏水，你儿子扭了脚，等等。诸如此类的突发事件很难预料，可能性太多了。此外，即便你记得去年圣诞购物周的时候儿子崴了脚，一整天都待在急诊室，你也不会认为今年还会遇上这种事。
意料之外的事情其实是已知的未知数。在日常生活中，有一点是确定无疑的，那就是意外总会出现。我们只是不知道具体是什么。我采取的对策很简单： 在最初估计用时的基础上再留出一半时间。 比如，我觉得2天能看完一份稿子，我会跟合作者说，我需要3天。这不是基于科学数据，而是我个人经历了许多规划谬误后总结出的经验。我觉得这个方法很好用。
