现状偏误
它是什么？
现状偏误（Status Quo Bias）是指人们倾向于偏好现有状态，将改变现状视为损失，从而在决策中给予维持现状不成比例的权重，即使客观的成本-收益分析表明改变更有利。
这一偏见由萨缪尔森（William Samuelson）和泽克豪瑟（Richard Zeckhauser）于1988年在实验中系统证明：参与者在多种场景下都显示出对「继续现状」的系统性偏好，超过了理性预期。
现状偏误不只是习惯或惰性，它有更深的心理根源——改变被大脑编码为风险（可能带来损失），而维持现状被视为安全（损失厌恶的延伸）。
「Opt-out」vs「Opt-in」
现状偏误最有力的政策应用是「默认选项设计」。器官捐献研究显示，采用默认捐献（需主动退出）的国家，捐献率超过90%；而需要主动加入的国家，捐献率仅约15%——相同的选项，不同的默认，截然不同的结果。
这说明「什么是现状」不是固定的——它可以通过设计来改变。退休金自动加入、健康选择默认优先等「助推」（Nudge）政策，都是这一原理的应用。
为什么「不改变」感觉更安全？
现状偏误将「不作为」错误地视为中性或安全的选项，而实际上它有真实的机会成本。
改变的风险显著化
改变的潜在负面后果是具体的、可想象的，而维持现状的机会成本（错过更好的选项）是抽象的、不可见的，大脑对前者更敏感。
「不作为」的道德赋权
「我什么都没做」在道德上往往比「我做了但做错了」感觉更好——不作为错误（Omission Error）比作为错误（Commission Error）受到更少批评。
现状作为参照点
根据展望理论，任何选项都以现状为参照点被评估，偏离现状的方向（包括正向改变）都被评估为「变化」，而变化带来不确定性。
锚定效应的协同
当前状态作为一个强大的锚点，使得对任何替代选项的评估都以现状为基准，偏离现状需要更多的正当理由。
现状偏误如何影响重大决策？
现状偏误在技术采纳、政策改革和个人职业转型中有广泛且代价高昂的体现。
拒绝数字化转型
传统企业明知数字化对竞争力的重要性，却因为「现有系统还能用」和对转型风险的过度估计，推迟必要的技术升级，直到竞争劣势难以弥补。
困在不适合的工作中
尽管清楚地知道当前工作不适合自己，仍然因为「稳定」、「已经熟悉了」和「跳槽的风险」而选择留在原处，将机会成本排在视野之外。
次优政策的锁定
一项次优的政策一旦成为现状，改变它需要面对来自既得利益者和改变厌恶者的强大阻力，即使替代方案明显更优，「现行方案」也获得了大量惰性支持。
现状偏误驱动 vs. 机会成本意识的对比
同一个场景下，偏见驱动与理性判断的差别，往往就体现在信息是如何被筛选和解释的。
「什么都不做」不是一个免费的选项。它有它自己的成本，只是这个成本更难被看见。
如何识别现状偏误？
这些信号往往不是错误本身，而是偏见已经开始主导判断的迹象。
- 以「已经习惯了」为据维持现状的主要理由是已经习惯和熟悉，而非对维持现状的净收益的独立分析。「我们一直是这样做的」「已经用了这么久了」
- 模糊的改变恐惧对改变的抵触来自「万一出什么问题」的泛化恐惧，而非对具体风险的评估，且没有考察维持现状的具体机会成本。「换了不知道会怎样」「稳定最重要」
- 不对等的举证要求改变需要提供大量证明才能被接受，而维持现状则不需要任何理由——两种选项适用了完全不对等的论证标准。「你得证明改变是值得的」（而现状无需证明）
如何克服现状偏误？
抵抗偏见的关键，不是追求绝对中立，而是建立能校正自身判断的步骤。
- 明确计算机会成本将「维持现状」和「改变」都视为需要评估的选项，明确计算维持现状的机会成本，使其可见而非抽象。「如果我们什么都不做，一年后我们的状况会是怎样？我们在错过什么？」
- 对两种选项使用相同的标准要求改变提供证明的同时，也要求维持现状提供同等严格的证明，确保评估标准的一致性。「我们用来评估改变的标准，同样适用于维持现状。维持现状能通过同样的测试吗？」
- 「重新开始」假设问自己：如果从头开始，我会主动选择当前的状态吗？如果答案是否，那维持现状可能只是惰性而非真正的最优。「如果今天是第一天，没有任何历史包袱，我会选择建立/进入当前这个状态吗？」