深井龍之介講了一句話。
「我覺得討厭一個人最主要的原因就是因為不熟悉。」
老喬聽到的時候停了一下。
不是因為這句話多深奧。
而是因為它簡單到你會忽略，但仔細想，它戳中了一個很大的問題。
我們每天都在跟人互動、談合作、做判斷、下結論。
但這些判斷裡面，有多少是真正基於了解，又有多少只是因為「不熟」。
這一集《深井・けんすうのまぼろし会議》第 29 集，講的主題是「沒有前沿的時代，共識要怎麼取得」。
聽起來很抽象。
但老喬聽完之後覺得，它其實在講一件非常具體的事。
從你怎麼看一個人、到你怎麼理解歷史、到整個社會怎麼建立共識——背後都是同一個結構性的問題。
這篇文章會把那一集裡老喬覺得最重要的幾條線拉出來，重新接在一起。
━━━━━━━━━━━━━━━━━━
▍你討厭的那個人，搞不好只是你不熟
深井龍之介在節目裡提到，他跟日本 YouTuber コムドット的 ヤマト 聊過。
コムドット 是那種在年輕族群裡超紅、但你如果不在那個圈子裡，大概一輩子不會點進去看的 YouTuber。
深井是做歷史 Podcast 的人。
兩邊的受眾幾乎不重疊。
深井自己也承認，他原本覺得跟這類型的人不會有什麼交集。
但聊完之後他說了一句：「他真的很聰明。」
然後他的結論是什麼。
「不抱偏見真的超重要。」
這段對話接著推進到了一個更有力的判斷。
「我覺得討厭一個人最主要的原因就是因為不熟悉，對於不熟悉的東西其實不會討厭。」
等一下，這句話乍看之下是不是矛盾。
不是。
他的意思是。
你以為你「討厭」某個人或某類人。
但如果你仔細想，你跟那個人根本沒有接觸過。
你對他的印象，來自一段社群貼文、一則新聞、一個截圖、或者別人告訴你的二手資訊。
你沒有跟他聊過。
你沒有看過他在私底下怎麼思考。
你只是根據非常有限的資訊，就決定了你對這個人的態度。
這不是真正的「討厭」。
這是「不認識」。
心理學上有個被研究了幾十年的現象，叫做 mere exposure effect（單純曝光效應）。
簡單講就是：你接觸一個東西的次數越多，你對它的好感度就越高。
即使你對它什麼都不了解。
光是「看過」「見過」「聽過」，就會讓你的大腦覺得它比較安全、比較可以接受。
反過來也成立。
你完全沒接觸過的東西，你的大腦會自動標記為「未知＝潛在威脅」。
所以你不是真的討厭那個人。
你只是對他不熟。
而你的大腦把「不熟」翻譯成了「不喜歡」。
2009 年一項研究更直接。
研究者讓白人受試者快速看其他種族的面孔照片。
結果發現，光是多看幾次，受試者對那個種族的陌生人好感度就明顯提升。
他們沒有交流，沒有對話，只是多看了幾次。
節目裡還有一段讓老喬很有感的。
「年紀大了還是小孩都會被偏見決定，但年紀大了還用偏見來決定真的超可怕。」
小孩有偏見，某種程度上還能理解。
因為他的世界就那麼大。
他接觸過的人就那麼少。
但如果你活了四十年。
見過各種人。
去過各種地方。
結果你對「不認識的人」的態度，跟小時候一樣。
那就不是認知限制了。
那是你主動選擇不去更新自己的判斷系統。
━━━━━━━━━━━━━━━━━━
▍你可以不贊同一個人做的事，但不需要因此否定他整個人
偏見的問題講完之後，節目進到了另一個層次。
深井龍之介講了一段讓老喬印象很深的話。
「我對特朗普總統所做的事情完全不贊同，但也完全不討厭他。」
這句話乍看之下好像矛盾。
你不贊同他做的事。
但你不討厭他。
那到底是喜歡還是不喜歡。
但深井想講的不是喜不喜歡。
他想講的是：你不應該透過一個人的行為或言語，就去否定那個人的整個人格。
節目裡他講得更明確。
「透過行動或言語之類的，卻沒有想要表達那個人整個人格的心態。」
也就是說。
他有意識地在做一件事——把「這個人做了什麼」跟「這個人是什麼樣的人」拆開來看。
這跟上一段的偏見問題是連著的。
偏見是「因為不熟就討厭」。
而這裡講的是另一種偷懶——「因為看到一個行為就定義整個人」。
兩個都是大腦走捷徑的產物。
節目裡也提到一個職場的例子。
在公司的五位高層中，總有一個人得說出不好聽的話。
如果其他四個人都不說，那就輪到你。
這種時候，說出那句話的人，不一定代表他本人就是那個立場。
他只是在那個角色裡，做了那個角色該做的事。
如果你把這一次的發言，等同於他整個人的人格。
你就會做出錯誤的判斷。
老喬覺得，這件事之所以難。
不是因為道理不懂。
而是因為大腦天生就喜歡走捷徑。
你看到一個人做了某件事。
大腦的反應是：好，這個人就是這樣的人，歸檔，省力。
而不是：等一下，他為什麼做這件事，他在什麼情境下做的，他平常是不是也這樣。
後面這種思考方式需要更多精力。
所以大部分人不做。
但如果你是做決策的人——要判斷跟誰合作、要不要信任某個團隊成員、要不要繼續某段關係。
那你就必須練這個能力。
把行為跟人格拆開。
先看行為本身。
再看行為背後的脈絡。
最後才決定，這是不是這個人一貫的模式。
━━━━━━━━━━━━━━━━━━
▍歷史不是拿來背的，是拿來升級你判斷系統的
節目接著往一個意想不到的方向走。
けんすう說，他最近在做一件事。
把コテンラジオ（COTEN RADIO）所有的逐字稿拿去做數據分析。
一集一集拆、一個要素一個要素提取、然後做聚類分析。
目的是從這幾百集的龐大資料裡，找出コテンラジオ到底有什麼樣的「世界觀」。
他跑完之後，AI 提煉出三個信條。
第一，歷史不是記憶科目，而是認知的作業系統重寫。
第二，人類受到結構的限制，但有時會突破結構。
第三，正確性是時代的函數，持續提問本身就是倫理。
他把這三條拿去問深井龍之介——也就是コテンラジオ的主持人、COTEN 的創辦人。
深井的反應是什麼。
他說，嗯，這個方向是對的。
老喬覺得，這三條裡面最值得拿出來講的，是第一條。
因為它改變了「學歷史的目的」這件事的定義。
大部分人學歷史，想的是「知道發生了什麼事」。
也就是：輸入一堆事實，存進記憶體。
但如果歷史的真正價值是「認知 OS 重寫」。
那意思就不一樣了。
你學的不是「發生了什麼」。
你學的是「人在那個結構下為什麼會那樣想」。
然後你回頭看自己現在的想法，會發現你也被某種結構限制著。
只是你之前看不見。
節目裡也舉了一個例子。
學習納粹的宣傳手法，不是為了學怎麼操控人。
而是為了重建你的媒體素養。
當你理解了宣傳是怎麼運作的，你就不容易再被同樣的機制騙。
這不是在背歷史。
這是在升級你的判斷系統。
為什麼這段要放在「偏見」跟「行為≠人格」之後講。
因為三件事是連著的。
偏見的本質是認知系統太舊——你用過去有限的經驗在判斷新的東西。
把行為等同人格也是認知系統太舊——你用簡化的捷徑在處理複雜的人。
而歷史學習如果真的是「認知 OS 重寫」。
那它做的事就是把你那套太舊的判斷系統升級。
讓你看見自己被什麼結構限制，然後決定要不要突破它。
━━━━━━━━━━━━━━━━━━
▍用 AI 從 Podcast 裡提煉世界觀，這件事本身就值得注意
老喬對けんすう做的這件事，有兩層感覺。
第一層是內容層面。
コテンラジオ已經累積了幾百集的歷史對話，那些對話本身就是一個巨大的知識庫。
但平常你聽 Podcast，很難從幾百集裡面抽出一個統一的「世界觀」。
你聽的是散的。
而 AI 做的事就是幫你把散的東西收起來、找到模式。
第二層是方法論層面。
這可能是老喬目前看到，最優雅的「Podcast 知識化」做法。
不是把逐字稿整理成文章。
不是把重點摘要出來。
而是先把所有語料做結構化分析，然後讓 AI 從裡面提煉出信條級別的東西。
這跟只是「用 AI 幫你寫摘要」，層次完全不同。
節目裡也提到了另一個延伸。
當 Podcast 的內容被「明文化」——也就是有人把裡面的觀點整理出來、寫成文字、出版或做成其他形式的內容。
這時候看到的人，通常是出版社的人。
也就是說，明文化讓 Podcast 的內容從「只存在於聲波裡的東西」變成了「可以被產業看到、可以被商業化的素材」。
老喬覺得這個觀察很準。
因為 IP 的定義就是：一組可被辨識、可被重複使用、可被授權的知識資產。
如果你的觀點只存在對話裡，它不是 IP。
它只是一段好聽的內容。
要變成 IP，你需要把它提煉出來。
命名它。
寫清楚它。
讓別人即使沒聽過你的 Podcast，也能理解、引用、延伸你的觀點。
コテンラジオ自己就是一個例子。
它不只是一個 Podcast。
它背後有 COTEN 這家公司在做世界史資料庫。
Podcast 是入口，但真正的 IP 是那套歷史知識體系。
━━━━━━━━━━━━━━━━━━
▍近代 200 年靠數字讓大家達成共識，但那個時代結束了
講完個人層次的認知問題，節目後半段拉到了一個更大的尺度。
深井龍之介講了一個老喬覺得非常精準的觀察。
「我認為那種把一切都數字化的文化和信仰，就是近代的特徵。」
然後他接著說。
近代確實是那樣的時代——一個用數字來取得大眾共識的時代。
不過那個時代已經結束了。
先拆開來看。
數字最厲害的地方是什麼。
是抽象。
你說「一萬人死了」。
這句話把一萬個不同的人、不同的人生、不同的故事，壓縮成一個數字。
你不需要認識他們任何一個人，就能理解「一萬」是什麼量級。
這就是數字的威力。
它讓不同文化、不同宗教、不同階級的人，可以用同一套語言溝通。
GDP 是數字。
股價是數字。
選票是數字。
KPI 是數字。
營收目標是數字。
這些東西不需要你認同對方的價值觀，只需要你接受數字的邏輯。
節目裡的說法是：「即使是身分階級不同的人之間、文化不同的人之間、宗教不同的人之間，也能達成共識。」
靠什麼。
靠數字。
因為數字夠抽象。
抽象到可以把所有差異都壓平。
過去 200 年，要建立大規模共識的成本很高。
你得讓幾百萬人、幾千萬人同意同一件事。
數字很好用，因為它降低了共識成本。
你不需要說服每個人，你只要讓大家看同一組數字就好。
但數字也有代價。
「當說到一萬人的死者時，因為抽象度很高，所以不會去想每個人的人生或想法。」
IT 產業的 100 萬營收，跟護理產業的 100 萬營收。
數字一樣。
但背後的故事、付出的代價、面對的挑戰，完全不同。
數字不會告訴你這些。
━━━━━━━━━━━━━━━━━━
▍互聯網讓每個人都能發聲之後，數字共識就開始失靈了
這是老喬覺得這一集最有洞察力的一段。
深井的論述大概是這樣。
過去用數字建立共識很有效，因為大部分人沒有發聲的管道。
你只要讓掌握話語權的人對齊數字就好。
但互聯網出現之後。
每個人都變成了發聲者。
每個人都能表達自己的需求。
每個人都能說：「你那個數字代表不了我。」
結果就是。
意見完全無法收斂。
節目裡直接說：「完全無法收斂成一個意見。」
這不只是網路上的吵鬧。
這是一個結構性的變化。
當每個人都可以具體化自己的需求，數字的抽象性就不再有效了。
「個別化、個人化這些東西是所有服務和產品的基本。」
深井講的比較深的是。
這不只是行銷趨勢。
這是一個文明層級的轉向。
從用數字來壓平差異、建立共識。
到必須用質性資訊來理解差異、重新建立共識。
「公司的意義，全部都轉變成無法用數字這種抽象性來表達的具體性。」
━━━━━━━━━━━━━━━━━━
▍接下來的共識靠什麼：從數字走向質性
節目裡給了一個方向。
「數字是基礎，但為了進行封閉共識，我們必須創造一些質性資訊。」
也就是說。
數字不會消失。
你還是需要 KPI、還是需要營收目標、還是需要數據。
但光靠數字已經不夠了。
你需要在數字的底層，加上質性的東西。
故事。
脈絡。
意義。
為什麼這個數字重要。
這個數字背後代表的是什麼樣的人、什麼樣的需求、什麼樣的痛點。
節目裡也提醒。
「我覺得應該要停止馬上想把質性資訊轉換成數字。」
因為你一轉，那個質性的東西就被壓平了。
你得先讓它保持質性的樣子，理解它，然後才決定要不要量化。
━━━━━━━━━━━━━━━━━━
▍老喬認為
把這一集的幾條線接在一起看。
偏見來自不熟悉——你的大腦把「不知道」翻譯成了「不喜歡」。
行為不等於人格——你的大腦把「一個動作」翻譯成了「整個人」。
歷史是認知 OS 重寫——學歷史不是存資料，是升級你判斷事情的底層系統。
數字共識時代結束——過去靠數字壓平差異的方式，在每個人都能發聲的時代已經不夠用了。
這四件事的共同點是什麼。
都是在講同一個轉向。
從「用簡化的方式處理複雜的世界」。
到「你必須接受複雜，才能做出更好的判斷」。
偏見是簡化。
用一個行為定義一個人是簡化。
用數字壓平所有差異是簡化。
這些簡化在過去是有效的。
因為資訊量小、接觸面窄、你不需要處理那麼多複雜度。
但現在不是了。
你每天接觸的人、資訊、觀點，量級已經完全不同。
如果你還在用舊的判斷系統——不熟就排斥、看到一個行為就定性、只看數字不看背後——你的判斷品質會越來越差。
老喬聽完這一集最大的感覺是。
深井龍之介自己講的那句話其實就是整集的濃縮。
「不討厭這件事，是我 40 代的課題。」
到了四十歲，才更認真地在想：我到底有多少「討厭」是真正的判斷，又有多少只是因為不熟悉。
老喬覺得這不只是個人修養的問題。
這是做生意、帶團隊、做判斷的基本功。
在商場上。
你一定有過這種經驗。
某個潛在合作對象，你在見面之前就已經有了判斷。
可能是因為他的產業你不熟。
可能是因為他的風格跟你不一樣。
可能是因為某個共同朋友跟你說了一句什麼。
然後你帶著那個判斷去見面。
很多時候，你甚至不會發現自己帶著偏見。
因為偏見最麻煩的地方就在這裡。
它不會告訴你「嘿，我是偏見」。
它會偽裝成「直覺」。
偽裝成「經驗」。
偽裝成「我就是看人很準」。
如果你現在在公司裡靠 KPI 管人。
你可能已經感覺到了。
數字對齊了，但團隊的方向感反而越來越散。
因為數字告訴你「做到多少」。
但沒有告訴你「為什麼要做這件事」。
而人需要的不只是一個數字目標。
他需要知道這個數字背後的意義。
這就是為什麼越來越多公司開始講 purpose、講 narrative、講文化。
不是因為這些東西時髦。
而是因為純粹靠數字建立共識的時代，真的在結束。
接下來能凝聚人的。
不是更精準的 KPI。
不是更漂亮的數字。
是更清楚的「我們到底在做什麼，以及為什麼這件事重要」。
從個人的偏見升級，到組織的共識重建。
方向是一樣的。
接受複雜，放棄捷徑，用質性的理解去補數字做不到的事。
這是老喬聽完這集之後，覺得最值得記下來的一件事。
─────────────────
這篇是聽哪一集
- Podcast：深井・けんすうのまぼろし会議
- 集數 / 標題：#29 フロンティアがない時代におけるコンセンサスの取り方について
- 連結：https://open.spotify.com/show/24dWQdih85kk6TKa58VrGV
我聽完後的感覺
- 「討厭一個人最主要的原因是不熟悉」——這句話簡單到你會忽略它，但仔細想很有力。
- 偏見最危險的地方不是它存在，而是它會偽裝成直覺。
- 數字共識時代結束了，接下來的管理挑戰不是 KPI 不夠精準，是意義不夠清楚。
- 用 AI 從大量 Podcast 逐字稿裡提煉信條，這個做法比「用 AI 寫摘要」高一個層次。
- 年紀越大越需要主動去接觸不熟悉的人事物，否則你的世界只會越縮越小。
資料來源
- Podcast：深井・けんすうのまぼろし会議 #29
- Mere Exposure and Racial Prejudice 研究：https://pmc.ncbi.nlm.nih.gov/articles/PMC2705986/
- COTEN RADIO 官網：https://coten.co.jp/services/cotenradio/
提醒
- 這是個人整理與感受，不構成投資建議。
給資料庫的訊息
tracking_id: "maboroshi-kaigi_ep029_combined"
source_episode: "2026-03-19_29-フロンティアがない時代におけるコンセンサスの取り方について"
source_podcast: "maboroshi-kaigi"
source_url: "https://open.spotify.com/show/24dWQdih85kk6TKa58VrGV"
topic_title: "沒有前沿的時代，共識怎麼取——偏見、歷史、數字、與質性回歸"
article_type: "觀點文"
cognitive_mode: "M1_拆解者"
generated_date: "2026-03-20"
status: "draft"
tags: ["觀點輸出"]
published_url: null
supersedes:
- "maboroshi-kaigi_ep029_topic01-04"
- "maboroshi-kaigi_ep029_topic12"
- "maboroshi-kaigi_ep029_topic13"
- "maboroshi-kaigi_ep029_topic14"
- "maboroshi-kaigi_ep029_topic15-22"
facebook_playbook:
track: "A軌（章節小標體）"
path: "⑨ Podcast 二創觀點"
hook: "場景描寫 + 數字翻轉"
framework: "「A→B」趨勢重框架"
ending: "趨勢判斷收尾, 零 CTA"
target_words: "5,000-7,000"
emotion_trigger: "社交貨幣 + 實用價值"
research_sources: - url: "https://pmc.ncbi.nlm.nih.gov/articles/PMC2705986/"
accessed: "2026-03-20"
confidence: "✅" - url: "https://www.simplypsychology.org/mere-exposure-effect.html"
accessed: "2026-03-20"
confidence: "✅" - url: "https://coten.co.jp/services/cotenradio/"
accessed: "2026-03-20"
confidence: "✅" - url: "https://open.spotify.com/show/24dWQdih85kk6TKa58VrGV"
accessed: "2026-03-20"
confidence: "✅"