笔记 · 优先级
让一个小组列出哪里出了问题，再投票决定什么最重要，胜出的几乎总是人人都看得见的那件事。仓库说是拣货出错。急诊室说是等候时间。部委说是公众信任。这每一项都是真实的，也每一项都是结果：是更靠后的某样东西造成了它。
Kevin Dye 给这个现象起了名字：错误优先效应（erroneous priorities effect）。在复杂情境中，人们排得最高的问题，总是那些最靠下游的问题。最痛的就是最显眼的，而最显眼的很少是问题开始的地方。显眼程度与深度恰好相反。
John Warfield 补上了另一半，分散思维（spreadthink）：让十五位了解情况的人坐进一个房间，他们各自的优先事项几乎没有交集。这不是因为谁错了，而是因为复杂情境超出了一个人能把握的范围。在我们的运行中，所有提出的条目里有 61–89% 至少得到一票。分散是房间的常态，而不是房间的失败。
你无法给一个真实的房间打分，因为没有哪个真实的房间有标准答案。模拟却可以。我们构建了一个有二十个问题的组织，其中五个确实是深层原因，让十五个人在每种设置下把它走两百遍，并像 True Causes 那样判定每个卡片对：每人一票，以所投票数的 75% 为准。
当房间不被“什么最痛”误导时，止步于投票能找出 5 个真正原因中的 3.1 个，而建一张“什么影响什么”的地图能找出 3.9 个。即使是没有偏差的房间，绘制地图也做得更好，因为以 75% 为准的逐对问题是比排名更好的工具。
当房间完全按自己的感受来排序时，投票找出的真正原因是零个，在此基础上再建地图也只能挽回 0.2 个。在投票中被丢掉的原因之后无法找回：一个条目一旦在投票中落选，再细致的结构化也无法把它找回来。
投票适合在几个选项中做选择。它却是寻找原因的错误工具，因为它衡量的是显眼程度，却称之为优先级。解决办法不是更好的投票，而是问一个不同的问题：对每一对问题，一个是否显著影响另一个？最深层的原因是其他一切都能追溯到的那些，而它们往往是没人投票的卡片。