在《馬斯克傳》和《馬斯克寶典》裡，都提到過一個小故事，令人印象深刻，也發人深省。

伊隆・馬斯克（Elon Musk）說，生產特斯拉（Tesla）初期，有段時間，他幾乎住在電池組的生產線上，因為電池組上方的一個玻璃纖維墊，卡住了整台車的生產流程。

兩個部門互踢皮球的零件——馬斯克用「刪除」取代優化

在這個工作站，有一台造價昂貴的機器人，負責將玻璃纖維墊與電池組黏合。但是，機器人的吸盤經常吸不住玻璃纖維墊，也塗了太多黏膠，導致進度緩慢。

一開始，團隊找到的解決方案，是「修正自動化程序，讓機器人表現得更好、動作更快、路徑更短」，因為馬斯克一直要求許多流程都要自動化。

雖然修正過後的機器人，成功把速率提升 20%，後來又提升到 100%，接著又試著最佳化上膠量和乾燥速度，但是過程中還是不斷遭遇失敗，又要不斷微調。

這逼使馬斯克忍不住問：「這些該死的墊子，到底是拿來幹嘛的？」為什麼需要在電池與汽車底板之間，加裝玻璃纖維！

工程團隊告訴馬斯克，這是降噪團隊指定要求的，可以「減少震動噪音」。

打電話問降噪團隊，對方告訴馬斯克，這是工程團隊要求的，目的是「減少失火風險」。

一個導致生產大費周章、成本高昂的零件（玻璃纖維墊），功能何在，卻各說各話。

馬斯克讓團隊做了一個測試：兩輛車，一輛有裝玻璃纖維墊、另一輛沒有，車裡都放置了麥克風，比較兩輛車內的噪音，結果沒人聽得出差別。

這個可有可無的零件，當然被刪掉了，連帶也省掉一個需要耗費 200 萬美元機器人的步驟。

你可能想問，一個沒有意義或功能的零件，為什麼會存在？不但卡住流程，還讓團隊耗費心力去調整改善？

把「錯」的事情做得很「對」，無法從根本解決問題

如果馬斯克沒有因為再怎麼優化流程，也無法根絕問題，忍不住追問拖慢工程進度的零件到底功用何在，很可能那個零件還會存在一段時間或更久。

而這個例子，正好適合用來說明，特斯拉（或者說馬斯克）如何把類似這種「把事情做好，卻等於做白工」的經驗，化為有意義、有學習的失敗。也就是《演算法》的作者、曾經擔任特斯拉總裁的喬恩．麥克尼爾（Jon McNeill），在書裡仔細拆解的「演算法 5 步驟」。

馬斯克說，「在我的公司裡，我要求所有人都必須嚴格執行這 5 步驟工作流程，我把它稱為『5 步工作法』⋯⋯，請注意，這套流程的先後順序非常重要。」

這 5 個步驟分別是：

步驟 1：質疑每一項要求。在企業中，許多牢不可破的「鐵律」，其實只是前人留下的習慣。

步驟 2：刪掉流程中每一個可刪的步驟。

步驟 3：簡化與優化：把一個複雜的問題拆解成簡單的元素。

步驟 4：加速周期時間，周期時間愈短，代表在不增加固定資源的前提下，提高產出量與運作效率。

步驟 5：自動化放在最後一步。在還沒徹底了解並優化流程前，過早自動化只會放大問題。

因此，永遠從問為什麼開始，這種基於好奇和質疑的思考習慣，會引導你追問：為什麼要這樣做？為什麼不這樣做？

馬斯克一再強調：「第一步應該是質疑各式各樣要求，因為所有的要求，多多少少都會犯錯和犯蠢，那就直接刪除、刪除、刪除。」

而且，每一要求究竟是「誰提出來」的，也很重要。在組織裡，很容易有組織常規、部門慣例或上頭的交辦。為了避免前述這種「兩個部門都認為要求出自對方」的狀況，馬斯克指出，「任何需求或限制，都必須來自某一個人，而不是部門，你沒辦法去問一個部門，你必須能問到具體的人，而提出需求的那個人，必須為這個需求負責，否則，你遵守的，可能只是某個實習生兩年前隨口胡謅出來的東西，或者提出的人早就離職了。」

從質疑出發，到刪除不必要步驟，馬斯克的這套 5 步驟演算法，走的是「瘋狂刪除模式」：要減到「到最後必須把刪掉的東西，再加回至少 10%」的程度。

理由很簡單，砍得剛剛好，什麼步驟都不用再加，就是減太少了，也不要有「以防萬一會用到」的心態，因為「顧客不會為你的內部流程或審核付費。如果沒有刪除到，就代表你刪得還不夠。」

確定找出了愚蠢要求，也拿掉不必要的流程或零組件，接著才會進到其他步驟，也就是把「不蠢且關鍵的環節」，進行簡化、最佳化（步驟 3）、加速（步驟 4）和自動化（步驟 5）。

回到電池玻璃纖維墊的例子，這個零件最終被刪掉了，但是在問題發生最初，馬斯克說，「我犯過把順序搞反的錯誤，甚至 5 個步驟全都走反了。當初在特斯拉，很多東西是先自動化、加速、簡化，最後才發現該刪除。」

已經沒必要的工作，卻仍然存在的真相：「路徑依賴」

沒必要存在的人事物，因為習焉不察，就照表操課、甚至還持續優化改善，乍看很荒謬可笑，在很多組織裡卻很稀鬆平常。

在《人、機器與當代》（暫譯，原文為 Men, Machines, and Modern Times）這本科技社會學的經典著作中，提到過一個很有名的例子。

曾任職美國麻省理工學院（MIT）的作者埃爾廷·莫里森（Elting E. Morison，1909–1995）寫道：

一位研究人員在二戰期間，分析英國砲兵的射擊流程時，發現一組 5 人的砲兵團隊，每到射擊前一刻，就有 2 名士兵會停止一切動作，只是立正站好，導致整個射擊過程延長 3 秒。

當他詢問原因時，一位老砲兵上校剛開始也不知道答案，直到看了錄下來的影像，才恍然大悟：「他們是在拉著馬（They are holding the horses.）」。

原來，時間再往回推到二戰前很久，野戰砲是由馬匹運載移動，為避免馬匹在炮擊時受到驚嚇，需要有士兵負責「把馬穩住」。沒想到，30、40 年過去，當卡車已經取代了馬匹，卻忘了連帶取消「穩住馬匹」的這個職務。

莫里森教授寫道，「據我所知，這個故事真實發生過，無論真偽，它都表明人類是萬分不願地去適應不斷變化的環境。⋯⋯無論固有的習慣與當前環境多麼不協調，人類都會繼續保留舊習慣，以免遭受變化的衝擊，從而保護自己。」

這種傾向維持現狀、抗拒變革的現象，和經濟學者保羅・大衛（Paul David）提出的 「路徑依賴」（path dependence） 有關，亦即「一連串的經濟變化，其最終結果可能是受到很久以前發生的事件所影響。」問題是，人類緊守不放的某些路徑，其實「可能只是出於偶然或隨機因素，而非系統性的力量所造成」。

換句話說，路徑依賴是組織因為歷史決策、制度慣性、轉換成本過高，甚或隨機因素，而持續沿用既有做法的演化機制。然而，如果缺乏質疑現狀、持續改善的精神，就會像已經不需要穩住馬的士兵，即使已經沒有馬要拉了，還是行禮如儀地站在原地。

AI agent 可能讓「冗餘」變得更無感？

無論是察覺不出差異的零件，或是從事已經沒必要存在的工作，如果沒有被「揪」出來，都可能導致聰明人或機器人，反覆做蠢事的災難。

隨著代理式 AI（Agentic AI）蔚然成風，愈來愈多企業或個人嘗試建立 AI 代理，自動完成工作。很多人也都已經知道，教機器做事，要一步一步交代得很清楚，人把指令（prompt）定義得愈明確，機器就愈能精準執行任務。

然而，如果前述發生在特斯拉的情況：花人、花錢、花時間，讓機器人去把一個根本不需要存在的零件，處理得更快更好更自動化，意義何在？

而且會不會 AI 時代的自動化，會讓人更難察覺、甚至會持續複製、加速推升「冗餘」的存在。畢竟，產線上每多一道工序，就多一筆錢、多一台機器、多一個人，成本的「痛感」很明確，所以有質疑、刪除、簡化、優化的壓力。

反觀 AI agent 多跑一步或很多步，假設成本公司買單，反正不是人在做，人類自然不痛不癢（當然隨著 token 愈燒愈兇，或許痛感會日漸加劇），有沒有可能「抓蟲」、「除錯」的急迫感或警覺性就下降了。然後，自動化不只是把錯誤流程加速，還會讓你再也感覺不到那是錯的。

科技顧問機構顧能（Gartner）曾經預測，到了 2027 年，超過 40% 的 Agentic AI 專案，將在 2027 年底前被取消，主要原因包括成本持續攀升、商業價值不明確，以及風險控管不足。

顧能也提醒，許多企業只是將 Agentic AI 套用到不適合的情境，並建議應重新設計工作流程，而非直接將 AI 疊加在既有流程之上。否則，自動化可能只是讓低效率的流程執行得更快，而非真正創造價值。

在不斷追求代理式 AI 的自動化境界時，馬斯克的 5 步驟演算法似乎更加適用：先質疑不必要的存在、再刪除不必要環節，最後把不可或缺、非做不可的流程，簡化、加快。別急著自動化，最後再自動化。