大型企业的秘密武器：TRIZ 是什么，它如何帮助找到更有力的解法

大公司始终在寻找改进产品、降低成本、更快找到解法的途径。技术或业务越复杂，就越容易遇到一种熟悉的局面：改善一个指标，却让另一个指标变差。

产品既要功能完善，又要简单易用。生产既要快，又要可靠。服务既要个性化，又要人人都能方便获得。管理者需要掌控全局，团队却也要保持自主。

这类任务并不只存在于 Samsung 或 Intel 的实验室里。创业者、管理者、开发者、设计师和普通人也在不断面对它们。

想赚得更多，又不想日夜不停地工作。想迅速做出决定，又不愿漏掉重要后果。想使用 AI，又不愿把思考也交给它。想改变局面，又不破坏已经奏效的部分。

TRIZ 帮助你看清究竟是什么挡住了想要的结果，找到矛盾，跳出习惯性的折中。

起步时，你不必先成为工程师，也不必花几年钻研理论。仅仅几件基础工具，就能改变处理任务的方式：准确表述、寻找矛盾、分析资源，以及想象真正值得追求的结果。

这套思路也是《对现实的渴望》一书的基础。书中把 TRIZ 工具与系统思维、认知行为方法、Jobs To Be Done 以及对想法的实践检验结合起来，形成一套连贯的流程，帮助读者从模糊的问题走向经得起现实检验的解法。

TRIZ 是发明问题解决理论。

根里奇·阿奇舒勒在 20 世纪中叶开始创立这套理论。他研究专利时发现，不同行业中的优秀发明，往往建立在相似的原理之上。

技术会变，任务的结构却会重复出现。

零件既要坚固，又要轻。系统既要运行得更快，又要消耗更少的能源。设备既要承担更多功能，又不能变得更复杂。

常规做法是选择一个可以接受的折中：把一边改善一点，再牺牲另一边一点。

TRIZ 则建议先把矛盾直接说清楚。

界面需要显示大量信息，让用户能够操作复杂的产品；同时又要少显示信息，避免让用户不堪重负。

这样表述之后，探索的方向就具体多了。

• 所有信息都需要同时出现吗？
• 能否根据情境显示不同的元素？
• 能否保持基础界面简洁，只在需要时展开额外功能？
• 能否把已知的用户行为当作信号？

这就是 TRIZ 的核心原则之一。它不让你在两个糟糕的选项中二选一，而是引导你寻找同时满足两项重要要求的方法。

另一个工具关注资源。在增加资金、人手、功能或管控之前，不妨先看看系统里已经有什么。

有时需要的资源已经存在，只是尚未被充分利用。它可能是信息、空闲时间、用户行为、副作用、积累的数据，也可能是产品中能够再承担一项功能的某个元素。

另一个重要工具叫作最终理想解。它帮助我们想象这样一种状态：用最少的成本和复杂性，获得所需的效果。

怎样让错误在造成伤害之前自己显现出来？

这样的提问不会直接给出答案，却能把探索引向更有力的方向。

TRIZ 不会取代知识、经验和实验。它帮助我们更准确地运用它们。

Samsung 是企业大规模应用 TRIZ 最知名的案例之一。

这家公司从 20 世纪 90 年代末开始接触这套方法。2001 年，Samsung 在内部设立了 TRIZ 专项，邀请专家加入，并在半导体和打印业务中启动了第一批项目。

成果引起了管理层的兴趣，TRIZ 计划也随之扩展。

根据参与实施的专家所做的报告，2002 年共开展了 23 个研究项目，获得 24 项专利，经济效益估计为 2,400 万美元。

报告作者称，2003 年 Samsung Group 旗下数家公司共开展约 50 个项目，获得 52 项专利，产生的效益为 1.5 亿美元。

2004 年 Samsung Electronics 的数据则是约 30 个项目、64 项专利和 6,500 万美元的效益。

TRIZ 并没有停留在一次性培训上。Samsung 建立内部团队、培训工程师、发展认证体系，还把 TRIZ 工具与质量改进计划结合起来。

应用本身的规模尤其值得关注。Samsung 不只用它来产生创意，也用它处理真实的工程限制、专利、生产流程和新产品。

当显而易见的解法已经为人所知，而继续前进需要换个角度看任务时，这套方法显示出了价值。

Intel 在 21 世纪初开始积极使用 TRIZ 工具。

2002 年，15 名工程师接受培训，并把这套方法用于 12 个生产和技术任务。第一阶段的效益估计为 220 万美元。

此后，Intel Systematic Innovation 计划应运而生。

Intel 没有要求工程师学习完整的经典 TRIZ 理论，而是挑选适合其真实生产任务的工具投入使用。

TRIZ 可以分阶段使用。

不必先掌握整套理论。可以从一个具体任务入手，找到矛盾、研究资源，再应用几条合适的原理。

在后来的一次演示中，项目负责人估计 21 个月的累计效益达到 2.125 亿美元，其中包括生产力提升和各项目的财务成果。

不过，比金额更有意思的是它的落地方式。

Intel 把系统寻找解法的过程嵌入工程师原有的工作。TRIZ 没有取代专业经验，而是帮助工程师把经验用在常规方法不再奏效的地方。

使用 TRIZ 的远不止 Samsung 和 Intel。

LG Electronics、Siemens、General Electric、Philips、Motorola、Boeing、Procter & Gamble 等大公司的项目也使用过 TRIZ 工具。

应用深度各不相同。有些公司建立了内部项目，培训了数百名员工；有些则只在个别项目中使用 TRIZ，或用它解决某个具体的技术问题。

但它受到关注的原因并不复杂。

大企业经常遇到常规优化已经无能为力的任务。主要改进已经完成，竞争对手紧随其后，而进一步增长必须解决矛盾。

• 提高性能，同时降低能耗。
• 降低成本，同时保持质量。
• 加快流程，同时减少错误。
• 增加功能，同时不让产品变复杂。

这样的结构并不只存在于工业领域。

开发者想更快发布改动，又要保持系统稳定。

创业者想提高销售额，又不想让获客成本膨胀。

管理者想得到可预测的结果，又不想让管理变成无休止的监控。

创作者想使用 AI，又要保住自己的思考，并对结果负责。

TRIZ 帮助我们不必选择一边、放弃另一边，而是去寻找更有力的解法结构。

正因如此，TRIZ 工具的价值远不止于工程领域。

TRIZ 是《对现实的渴望》一书的方法论基础之一。这本书讲的是：当不确定性、信息过载和自动生成的答案不断增多时，如何在商业、产品、销售和生活中看清真正的任务，做出更强的决策。

这是一本写给创业者、管理者、开发者、创作者，以及所有需要在不确定中做决定之人的实用书。

书中汇集了一套连贯的任务处理流程：

1. 用事实描述情境。
2. 把事实与解读分开。
3. 表述真正的任务。
4. 找到矛盾。
5. 确定可用的资源。
6. 看见系统与可能的后果。
7. 找出多个解法。
8. 评估解法让人付出的代价。
9. 开展一次小实验。
10. 获得反馈并调整行动。

TRIZ 用于寻找矛盾、资源和更有力的解法。

系统思维帮助我们把联系、延迟和副作用考虑在内。

认知行为方法帮助我们把事实与焦虑催生的解读分开。

Jobs To Be Done 帮助我们理解一个人或一款产品真正要完成的任务。

检验假设，让解法从推演回到现实。

AI 可以加快分析、提出选项、帮助发现联系。但最终的任务表述与选择，以及对结果的责任，仍然由人承担。