開會。跟一家上市公司談合作案，對方排排坐來了十二個人。名片收了一桌，每個人自我介紹的時候都很客氣，頭銜從經理到副總都有。

會後我問同事：「所以，今天誰是可以做決定的人？」

同事看了我一眼：「應該⋯⋯都不是。」

這不是偶發事件。在台灣做 B2B，這種場景每個月至少遇到一次。對方很重視你的提案——所以派了很多人來。但很多人來，不代表事情會往前走。更常見的結果是：每個部門都帶著自己的顧慮離開，回去之後在各自的穀倉裡消化，然後下次開會又換了三分之一的人，話題再從頭來過。

三個月後，除了消化掉幾十張名片和好幾壺咖啡，什麼進展都沒有。

分工不是問題，斷裂才是

《穀倉效應》的作者 Gillian Tett 用「穀倉」來比喻組織內部的資訊隔離。每個部門就像一座獨立的穀倉，裡面的穀物（資訊）進不來也出不去。

但我想把她的觀點推進一步：問題不是分工本身。分工是文明的基礎——你不可能要一個人同時懂財務、法務、技術、行銷。問題在於分工之後，資訊流通的通道被切斷了。

用比較技術的語言來說：組織的問題不是模組化，而是模組之間的介面（interface）設計得太爛。

每個部門有自己的語言、自己的 KPI、自己的優先順序。財務部看的是現金流和風險，業務部看的是營收和成長，法務部看的是合規和責任。他們可能在談同一個專案，但「這個案子好不好」在每個部門的翻譯完全不同。

當這些不同的翻譯無法被整合成一個共同的判斷，組織就癱瘓了。不是因為沒有人想做事，而是因為沒有人有能力把所有部門的語言翻譯成同一個故事。

我是怎麼學會辨識穀倉的

做了十幾年的業務開發，我發展出一套快速辨識穀倉的方法。不是什麼理論，就是被踩過太多坑之後長出來的直覺。

情境一：排排坐的大場面。 開會來了十幾個人，各部門代表都有。名片上的頭銜越多樣，代表穀倉越深。因為如果組織內部溝通順暢，根本不需要每個部門都派人來——一兩個有全局觀的人就能代表。排排坐的意思是：他們自己內部也搞不定，所以讓你來當那個整合的催化劑。

問題是，你不是他們的員工，你沒有權力在他們的組織裡推動任何事。

情境二：窗口不斷換人。 企劃、採購、合約，每個階段對口不同人。你以為在跟一家公司談合作，實際上是在跟三個互不溝通的部門各談一段。最崩潰的是，你跟 A 部門談好的條件，B 部門完全不知道，C 部門直接否決。

碰到這兩種狀況，我的建議是：極度小心管控你投入的時間和資源。因為這代表對方的內部溝通成本比你想像的高十倍，而這個成本最終會轉嫁到你身上。

翻譯者的價值

那怎麼辦？放棄嗎？有時候是的，放棄是最理性的選擇。但如果這個機會真的值得追，你需要做的事情不是「更努力推銷」，而是變成一個翻譯者。

什麼意思？

就是你要搞清楚對方每個部門在意什麼，然後用他們各自的語言，把同一個方案說成不同的故事。跟財務談的時候強調 ROI 和風險控制，跟技術談的時候強調架構相容和維護成本，跟業務談的時候強調市場機會和競爭優勢。

然後——這是最關鍵的——你要幫他們把這些故事整合成一個。因為他們自己做不到。

這聽起來不像業務開發的工作。沒錯，它更像是顧問的工作，甚至像是對方公司內部的專案經理在做的事。但這就是 B2B 業務開發的現實：你在賣東西之前，得先幫對方的組織跑通一個決策流程。

我在自己的公司裡訓練業務團隊的時候，最強調的不是話術和簡報技巧，而是「你有沒有能力畫出對方公司的決策地圖？」誰影響誰？誰有否決權？誰的 KPI 跟你的方案有關？這張地圖畫不出來，再好的產品都推不進去。

超越組織才能破解組織

這裡有一個弔詭的地方：你要破解別人的穀倉，自己不能也是一座穀倉。

什麼意思？如果你只懂技術、只懂銷售、或只懂財務，你就只能跟對方的一座穀倉對話。你需要的是能夠在不同維度之間自由切換的能力——今天跟 CTO 談技術架構，明天跟 CFO 談投資回報，後天跟一線員工了解他們真正的痛點。

這種跨維度的能力，本質上就是我一直在說的跨域連結。不是什麼都懂，而是懂得夠多，可以在不同專業語言之間做翻譯。

我自己的跨域背景——神學、循環經濟、AI、創業——在做業務開發的時候反而變成巨大的優勢。因為我可以跟工程師聊技術、跟老闆聊策略、跟人資聊組織文化，而且不是裝懂，是真的能在他們的語境裡對話。

AI 時代的穀倉效應

有趣的是，AI 的出現讓穀倉效應變得更值得討論。

一方面，AI 可以加速穀倉的形成。每個部門都導入自己的 AI 工具、建立自己的數據管線、發展自己的自動化流程。如果沒有統一的架構，這些 AI 系統之間的資訊斷裂可能比人與人之間的斷裂更嚴重。至少人開會的時候還能聽到弦外之音，AI 只認得它被餵的數據格式。

另一方面，AI 也可以成為破解穀倉的工具。當組織有了統一的數據平台和 AI 代理，不同部門的資訊可以被即時彙整、交叉分析、形成全局視圖。以前需要開三次會才能拼湊出來的全貌，現在一個 dashboard 就能呈現。

但工具只是工具。穀倉效應的根源是人的問題——是本位主義、是不信任、是不願意花時間理解別人的語言。這些問題不會因為有了 AI 就自動消失。

要嘛翻譯，要嘛離開

回到最實際的層面。如果你正在做業務開發，面對一個穀倉深重的組織，你有兩個選擇。

第一，成為翻譯者。了解每個穀倉的邏輯，找到它們之間的共同利益，幫它們建立對話的橋樑。然後反過來「領導」合作夥伴的團隊——不是用權力，而是用全局觀和資訊優勢——帶領他們走完決策流程。

第二，立馬結束晤談，不浪費時間瞎耗。把精力留給下一個組織更健康、決策流程更清晰的機會。

沒有第三個選項。

在穀倉面前硬推，你只會成為他們內部政治的消耗品。在穀倉面前退縮，你就失去了業務開發存在的意義。

業務開發的最高境界，不是把東西賣出去。是讓資訊在該流動的地方流動，讓本來做不了決定的人，因為你的存在而有了做決定的能力。