Showing Posts From
增員
億萬富翁 Joe Liemandt 罕見受訪：說服力不是話術，是「把複雜壓成三行三個字」
有一種業務的痛，幾乎是金融與保險這行的原罪：你賣的東西太複雜。利變、分紅、IRR、稅務遞延、解約金的階梯、保額與保費的拉鋸——你越想講清楚，客戶的眼神越渙散。於是大多數人選擇了兩條路：要嘛背更多話術，要嘛把自己包裝得更熱情。 結果有個人告訴你，這兩條路都走錯了。 Joe Liemandt：20 年不受訪的軟體億萬富翁，把「說服力」拆成一塊你沒練過的肌肉 Joe Liemandt 這個名字你可能沒聽過，這正是重點——他刻意如此。1990 年他從史丹佛輟學創辦 Trilogy Software，靠著替企業處理「複雜報價組態」（configure-price-quote，正是把一堆複雜變數壓成一張乾淨報價單的生意）起家。1996 年，27 歲的他以 5 億美元身價，成為當年 Forbes 400 裡最年輕的白手起家者。如今他透過 ESW Capital 收購了一票軟體公司，身價估計超過 60 億美元。 而他有超過二十年幾乎不接受任何採訪。所以 2026 年 5 月底，當他坐進 Sam Parr 與 Shaan Puri 的 My First Million 第 828 集，整段對話本身就是稀缺品。更稀缺的是內容：這位把一輩子押在「把複雜變簡單」這門生意上的人，第一次公開拆解他對「說服力」的定義。而他的定義，跟你在任何一本業務書裡讀到的都不一樣。 「說服力不是你說出口的句子，是你對自己設的標準」：Liemandt 把「說服力」重新定義成「強度」 整集對話有兩個時間點值得你倒帶重聽。一個是 13:14 談「強度」（intensity），一個是 23:29 談「如何有說服力」（being persuasive）。多數人會把這兩段當成兩個主題，但 Liemandt 的厲害之處在於——對他來說這是同一件事。 他的核心反直覺點是：說服力不來自你說出口的那幾句話，而來自你對自己設定的強度與高標準。 換句話說，當你坐在客戶對面，真正在「說服」對方的，從來不是你那句準備好的開場白，而是客戶感受到的「你是誰、你對自己有多高的要求」。話術是表層，標準是底層。Liemandt 自己在 Trilogy 時代有一句廣為流傳的內部準則，把這種強度講得很赤裸："If GE doesn't get an ROI, the product sucks, I suck, Trilogy sucks." （如果奇異公司沒有從我們的產品拿到投資報酬，那就是產品爛、我爛、Trilogy 爛。）注意這句話的力道——它不是對外的銷售話術，是他對自己設的內部標準。但正是這種「我把成敗綁在你的結果上」的強度，會反過來變成最強的說服力。客戶不是被你的形容詞說服的，是被你願意承擔的那個標準說服的。 這對業務的啟示很直接：你花在打磨話術上的時間，可能放錯了地方。客戶在你開口之前，已經從你回信的速度、你做的功課、你對自己專業的要求裡，讀完了你是不是一個「有強度的人」。那塊肌肉不是嘴上的，是你對自己的。 做法一：把複雜壓成「三行、三個字」——簡化才是說服的底層紀律 第 828 集的 29:23，Liemandt 談「簡單」（simplicity）。這是整套心法裡最可操作的一塊，也是金融保險業最缺的一塊。 他講 Alpha School 的願景時，把一個極其龐大的命題——重建全球教育——壓成一句話：做一台一千美元以下的平板，讓孩子「每天兩小時學完所有東西」。一個要燒掉十億美金、牽涉無數變數的計畫，他用一行字就講完了，而且你秒懂。 這就是他的底層紀律：把任何複雜的想法，壓縮成三行、三個字能講完的版本。 不是因為他想得淺，恰恰相反——是因為他想得夠深，深到能把雜訊全部濾掉，只留下那個非說不可的核心。 這件事對業務的殺傷力在於：能不能簡化，其實是「你到底懂不懂」的測試。當你對著客戶把一張保單講得落落長、補充一堆「但是」「不過」「另外還要注意」，你以為你在展現專業，客戶聽到的卻是「這個人自己也沒搞清楚」。真正的高手是反過來的——他能在三句話內告訴你：「這張保單解決你一件事：六十歲以後，每個月有一筆錢自己進來，不靠小孩。其他的都是細節。」 Liemandt 把這當成一種訓練：你不是先想清楚再簡化，簡化的過程本身就是想清楚的過程。 一個你壓不進三行的提案，通常代表你自己還沒真的懂客戶要什麼。 做法二：選難不選易，讓高標準變成把人才與客戶吸過來的「磁鐵」 回到 13:14 的「強度」。Liemandt 對強度的定義不是「拚命」，而是一個選擇：在難與易之間，預設選難；把高標準當成不需要解釋的預設值。 Trilogy 早年最出名的，就是它近乎瘋狂的招募文化——他不在自己的郵遞區號裡找人，他到全美頂尖大學去搶最聰明的年輕人。一位前員工形容那段日子「我們感覺自己像名人」。為什麼一群二十出頭的工程師會有這種感覺？因為 Liemandt 給的不是高薪，是一個「這裡的標準高到不正常、所以待在這裡的人都很特別」的環境。"The best people in the world aren't in your zip code." （世界上最強的人，不在你家附近。）這句話翻成業務的語言就是：高標準不會把客戶嚇跑，它會把對的客戶吸過來。 那些追著每一個客戶跑、什麼單都接、什麼要求都答應的業務，看起來很勤奮，傳遞出的訊號卻是「我沒什麼好挑的」。而一個對自己服務品質、對合作對象有明確標準的業務——他會拒絕不適合的客戶、會直說某張保單你不該買——反而會變成磁鐵。 這正是 Liemandt 整套心法的精髓：你不是去說服客戶，你是把自己變成一個值得被靠近的標準，讓對的人自己走過來。 反推銷的姿態，底層是高標準在撐。 做法三：用「把十億押在最低 ROI 的事」當作示範——你的選擇本身就是說服 整集最違反商業直覺的，是 41:01。一個靠精算 ROI、專收「現金牛軟體」致富的人，公開說他把十億美金投進「報酬率最低的事」——教育。 從財務角度，這是一筆爛投資。但 Liemandt 不是在炫耀慈善，他是在示範前面那整套心法：一個人願意把資源押在哪裡，這個選擇本身，比他講的任何一句話都更有說服力。 他大可以用十億美金做更安全、回報更漂亮的事。但他選了最難、回報最不確定、卻最符合他高標準的那一個。這個選擇傳遞的訊號，正是他在 23:29 講的那件事——說服力不在句子裡，在你的強度與標準裡。他用自己的十億美金，把這套理論演了一遍給你看。 對業務來說，這是最後一塊拼圖，也是最容易被忽略的一塊：客戶其實一直在看你「把時間和力氣花在哪」。你願不願意為一個還沒成交的客戶多做一份功課、願不願意在沒佣金的環節也守住品質、願不願意在客戶該買別家時老實說——這些選擇，就是你的「最低 ROI 的事」。而它們，恰恰是客戶真正在拿來判斷你的那把尺。 把這三塊肌肉接起來看：強度是底層，簡化是表達，選擇是證明。 話術只是浮在最上面的那層油。Liemandt 用二十年的沉默，換來一集播客，講的其實只有一件事——別再練嘴了，去練那個對自己設標準的你。📎 這集 My First Million 第 828 集的價值，遠不只在「說服力」這一段。Liemandt 還拆了他怎麼用「機械師 vs. 工程師」的分工去經營幾百家收購來的軟體公司、為什麼他相信版本停更反而是好事，以及 Alpha School 那台「兩小時學完所有東西」的平板，背後對「人到底怎麼學東西」的整套假設——這部分對任何要「教育客戶」的業務都極有啟發。一個沉默二十年的人難得開口，值得你戴上耳機，把 13:14、23:29、29:23、41:01 這四個時間點，自己重聽一遍。
你在團隊裡用 AI 省下的那些『讓菜鳥做的雜事』，正在悄悄殺掉你 5 年後的接班人——Kitces 給的不是危言聳聽，是會計業 25 年前活生生的劇本
5 月 15 日 Michael Kitces 在 ThinkAdvisor 投書 一篇看似在唱反調的文章。整個產業正在歡呼「AI 終於可以讓一個顧問服務更多客戶」，他卻問了一個沒人想聽的問題："How are entry-level advisors supposed to become experienced if all entry-level tasks are eliminated?" （當所有入門工作都被消滅之後，新人到底要怎麼變成老手？）這個問題對台灣保險業團隊長尤其刺耳。多數團隊現在最頭痛的事情就是「增員難」、「年輕人留不下來」，多數人把它歸因於「世代差異」、「年輕人不能吃苦」。但 Kitces 給了一個更不舒服的框架：是你親手把新人的成長階梯拆掉了。 Kitces 的反直覺論點：AI 不是替代你，是先拆掉你的接班樓梯 Kitces 在那篇 5/15 投書裡描述了一個畫面，他說那是「weirdly dystopian」（怪異得近乎反烏托邦）：未來的顧問花 80% 時間都在跟客戶開會，剩下 20% 在「審視 AI 已經做好的決策」。聽起來很爽——終於不用做雜事了——但他立刻接著問：那新人在哪裡？ 傳統上，一個壽險業務員或顧問是這樣成長的：先做最簡單的「資料蒐集」（call 客戶問家庭狀況、整理保單）、然後「提案撰寫」（依照學長的範本改）、再來是「跟件」（送件、追件、處理體檢通知）、最後是「簡單的稅務或理賠協助」。這些工作枯燥、低利潤、沒有「sexy」可言——所以一旦 AI 能做，老闆們的第一反應就是「把這些通通自動化掉」。 問題是，Kitces 點出來：這些枯燥的工作，正是新人把「書本知識」變成「肌肉記憶」的唯一管道。 你不可能讓一個剛入行的人直接跟 HNW 客戶談退休現金流策略，他必須先做過 50 份提案、追過 30 件體檢、處理過 10 個複雜理賠，他才能在客戶面前說出有判斷力的話。 當你把這 50 份提案交給 AI 做完，恭喜你，你今年的人均產能上升了。但你也同時砍掉了下一代「判斷者」的養成路徑。 TurboTax 劇本：會計業 25 年前親手把自己的人才管線燒掉 Kitces 的論點之所以難以反駁，是因為他不是在預測未來，他是在指一個已經發生過的真實案例：美國會計業。 1990 年代末，Intuit 推出 TurboTax，把「簡單個人報稅」自動化了。當時 senior partner 的反應是什麼？跟現在保險業老闆對 AI 的反應一模一樣——「太好了，我們不用再讓菜鳥浪費時間做這些簡單的 1040 報稅了，可以把他們直接拉去做複雜的企業稅務」。 聽起來很合理。結果呢？根據 UCLA Anderson Review 的研究，2009 到 2019 這 10 年，美國「會計類軟體投資」越多的公司，雇用會計師的支出反而越少——軟體不是讓會計師更有產能，而是直接取代了他們的初階職缺。 25 年後的今天，美國發生了什麼事？比 5 年前少了 34 萬名會計師 全美只剩 160 萬名會計師 報考 CPA 的人數創 2006 年以來新低 多州被迫修法降低 CPA 的學歷門檻（從 150 學分降回 120 學分），因為再不降，整個產業要崩盤最諷刺的是，會計類學生人數的下滑速度，跟「會計軟體投資成長速度」幾乎完全反向。年輕人不是笨——他們看見學長學姐在做的工作正在被軟體取代，理性的選擇就是去學金融、去學資工、不要進這個被自動化掉的行業。 Kitces 的警告就是這句話：壽險與顧問業正在 25 年後的路徑上，走得比會計業還要快。 為什麼這次比 TurboTax 還要嚴重：6-12% 的時間節省 vs. 100,000 的人才缺口 很多人會說「但 AI 不一定會這麼快取代啊」。Kitces 引用的 McKinsey 報告給了一個冷酷的數字：他們估計就算 10 年後，gen-AI 工具給顧問業帶來的時間節省也只有 6% 到 12%——一點也不誇張，根本沒有「一人取代十人」這回事。 但同一份報告也指出：美國顧問業未來 10 年的人才缺口會達到 10 萬人。 把這兩個數字放在一起看，你就會看到 Kitces 真正擔心的東西：產業需要的新血是 10 萬人，AI 能補的產能缺口只有 10%。 你用 AI 自動化掉了 50% 的入門工作（因為這部分最簡單最容易被取代），但 AI 只還給你 10% 的整體產能。剩下 40% 的缺口，本來應該由新人來填，現在卻沒有人願意進來。 Kitces 在 Kitces.com 5 月 AdvisorTech 月報 裡也直接點名一個案例：Savant Wealth Management 宣稱他們的新 AI agent 會讓每個員工「產能翻倍」。Kitces 的評論很不留情面：「There's no evidence so far of AI generating anywhere near that kind of a productivity boost」（目前完全沒有任何證據顯示 AI 能帶來這種規模的產能提升）。 換句話說，老闆們正在用一個「翻倍」的幻覺，去合理化「砍掉新人成長階梯」這個決定。 團隊長現在能做的三件事：重新設計『AI 時代的新人成長階梯』 讀完 Kitces 的論點，你不應該得到的結論是「所以不要用 AI」。產業競爭壓力下，你不用，你的對手會用。真正的結論是：新人的成長階梯需要重新設計，因為舊的那條已經被 AI 拆掉了。 把「執行任務」換成「驗證任務」（Verify, Don't Execute） 做法： 過去新人做提案，學的是「怎麼把資料變成提案」。現在 AI 30 秒生成提案，新人要學的不是「重做一次 AI 已經做過的事」，而是「找出 AI 哪裡做錯了」。 具體情境：客戶資料丟給 AI，10 秒鐘吐出建議組合。團隊長交給新人的任務不是「你也做一份比較」，而是：「這份建議書裡有 3 個地方是錯的，你找出來。」 新人要學會什麼？他要看懂保單條款的細節、要記得這個客戶 3 個月前提過想要早期退休、要意識到 AI 沒考慮到他另一半剛換工作。這些「判斷力」過去是靠「自己做 50 份提案」累積出來的，現在必須換成「驗證 50 份 AI 提案」來練。 把「跟件流程」換成「異常處理」（Handle Exceptions, Not Norms） 做法： AI 處理 80% 的標準流程是好事，但 20% 的異常案例就是新人的訓練場。明確地把這 20% 留給新人，而不是讓資深業務「順手」處理掉。 舉例：體檢報告回來顯示客戶有 1 項以上的核保疑慮，AI 系統會自動把件擋下來。這個時候，不要讓資深的 case manager 直接打電話給客戶——把它交給新人，讓他們去處理那場尷尬的對話、去理解為什麼核保部門會質疑、去學怎麼跟客戶談「我們可能要重新設計這份保單」。 這 20% 的「不舒服場景」才是壽險業務真正值錢的肌肉。AI 處理掉的那 80%，本來就學不到什麼東西。 把「績效里程碑」換成「判斷力里程碑」 做法： 過去新人的成長路徑用「件數」、「FYC」量化。在 AI 時代，這些指標越來越容易被工具放大——一個會用 AI 的新人，產能可能瞬間追上資深業務，但他的判斷力其實還是新人。 重新設計里程碑：不是「累積到 50 件」才晉升，而是「獨立處理過 X 個複雜核保案件」、「拒絕過 Y 個不適合的客戶」、「在 AI 建議錯誤時做出 Z 次正確判斷」。 這個改動最痛苦，因為老的 KPI 是「結果可量化、容易管理」，新的 KPI 是「過程要評估、需要主管真的看每一個案例」。但這是唯一能在 AI 時代保住「判斷者」這個位置的方式。Kitces 這篇投書沒有給溫情的安慰。他真正想說的是：產業的下一個 10 年，不是缺 AI 工具，是缺人。而你今天每一個「讓 AI 做掉新人工作」的決定，都在加速這個缺口的擴大。 會計業已經修法降門檻了。壽險與顧問業還有時間，但前提是團隊長要意識到：你管的不是「今年的產能」，你管的是「5 年後還有沒有接班人」。📎 完整論點建議直接讀 ThinkAdvisor 5/15 原文，Kitces 在文章後半還討論了「為什麼大型 RIA 比獨立顧問風險更高」、以及他對 McKinsey 報告中「100,000 advisor shortage」數字的拆解——這篇沒有覆蓋到。會計業 25 年前的數據細節，可以看 UCLA Anderson Review 的研究報告，裡面有 2009-2019 軟體投資 vs. 會計師雇用的完整迴歸分析。如果你想追蹤 Kitces 對顧問業 AI 趨勢的持續觀察，他的 AdvisorTech 月報系列 是業內最完整的工具評析來源。