Elon 給的目標永遠是 10X、20X、100X：前 Tesla 總裁 Jon McNeill 拆解 Musk 的 Algorithm

TL;DR

Elon 的面試法不太看履歷，他會挑一個自己很懂的問題往下挖，看你能撐幾層才被問倒
接 Tesla 之前 Jon McNeill 跑去當 mystery shopper，發現過去三十天有九千個試駕客戶從來沒被回電過
Elon 給的目標永遠是 10X、20X、100X，逼你不能只靠微調達成，必須砍掉舊商業模式重做（Tesla 從 36 萬種配置砍到兩種就是這樣來的）
他要求公司用三句話 email 溝通：問題是什麼、根本原因是什麼、你的解法是什麼
Falcon wing 門裝不準？兩個人到產線旁邊站一小時，比看任何 dashboard 都快找到答案
對 AI 取代工作這件事，他用 1-800 免付費電話的歷史比喻：人類短暫看到工作消失，看不到 call center 產業在下一波被創造出來

這集在 2026 年 4 月 10 日上線的《My First Million》由 Shaan Puri 主持。MFM 是 HubSpot 旗下的創業 podcast，主持人 Shaan 是當年被 Twitch 用兩千五百萬美金收購的 Bebo 創辦人，另一位主持人 Sam Parr 則是把 The Hustle 賣給 HubSpot 的人，節目走 brainstorm 商業點子的路線，每週固定產出。

這集的來賓 Jon McNeill 是前 Tesla President（任內 Tesla 營收從二十億美金做到兩百億美金）、前 Lyft COO（帶公司上市），現在是創投孵化器 DVx Ventures 的共同創辦人兼 CEO，董事身份涵蓋 GM、Lululemon、Asurion。2026 年他出了一本書叫《The Algorithm》，把當年在 Tesla 跟 Elon 一起打磨出來的那套運作方法寫成書，登上 USA Today 暢銷榜。這集基本上是這本書的精華 audio 版。

面試的時候，Elon 不太管你的履歷

McNeill 第一次見 Elon 的場景挺戲劇化：朋友介紹、寒暄兩句之後，Elon 直接丟出一個製造業的問題，兩個人就這樣聊了兩小時，越挖越深，最後 Elon 跑去產線執行剛才聊出來的東西。

這不是運氣。McNeill 後來才知道，這就是 Elon 的標準面試流程：挑一個你自己很懂的問題，往下挖到對方被問倒為止。像打電動一樣看這個人能撐幾關。履歷再漂亮也沒用，問題挖三層你就現形了。

延伸出來兩個常見的陷阱：

第一個是「把團隊的功勞當成自己的」。一個人說「我把營收從 100 萬做到 9300 萬」聽起來很強，但他真的是推動成長的人嗎？還是只是剛好在那家公司、在某個跟核心成長無關的角落？McNeill 點名 Nike 這種 matrix 組織特別容易出這種人：每個 marketer 都很厲害，但你抽出來一個，他沒做過 P&L、沒做過 distribution、沒做過 creative，他只負責某個小切片。

第二個是「賣熱門商品的業務不算會賣」。McNeill 引用 Ben Horowitz 的一句話：要請業務，請去找賣爛產品還能達標的人。爛產品還能 hit quota 的業務，才是真的會賣；如果魚自己跳進船裡，那只是時機好，不是能力強。

Shaan 補了一個延伸：找零售人才不要去 Apple Store 挖，那邊的人是 order taker，要去 Microsoft Store 挖，因為他們得在離 MacBook Air 兩扇門遠的地方賣 Surface，這種人才是真的會做銷售。

還沒入職就先當 Mystery Shopper

McNeill 接 Tesla 之前，Elon 把問題攤給他看：「我們跟華爾街承諾這一季要賣一萬兩千台車，現在已經一個半月過去，只賣了三台。」McNeill 沒有立刻召集會議或看 dashboard，他飛去八間 Tesla store，用不同 email 註冊試駕。

結果：八間都沒回電。

他打去問 sales ops 主管，請對方查過去三十天有多少個試駕客戶完全沒被聯絡。答案是九千個。

「你光把這些人打一遍，這一季就達標了。」

他當下做的決定很狠：要求系統直接把新 lead 切掉，業務必須先把舊試駕都回完才能拿新名單。兩小時內全球生效。

問題不只是業務懶，是 incentive 結構壞掉再加上招到不會主動 ask for the sale 的人。隔天亞洲跟歐洲的數字就飛起來，這一季 Tesla 也真的達標了。

這故事真正值錢的點不是那九千通電話，是 McNeill 還沒入職就用 CEO 的腦袋執行了一個全球性決策。當他打電話跟 Elon 報告「對不起我擅自做了這個決定」的時候，Elon 沉默了大概一分鐘（McNeill 後來才知道這是 Elon 的「思考模式」），然後說：「I think you're going to fit in here just fine.」

20X 目標跟那 36 萬種配置

Elon 給目標的方式是這集裡最值錢的概念之一。他不會給你「成長百分之五到七」的目標，那種目標的結果通常會掉到百分之三到五。他給的永遠是 10X、20X、100X。

為什麼？因為微調的腦袋產不出 10X 的結果。一旦你看到一個 20X 的目標，你不可能靠優化按鈕顏色達成，你必須重新質疑整個商業模式。

線上賣車這件事就是經典案例。當時買一台 Tesla 從點進網站到結帳要點六十四次，Elon 直接拋出一個問題：「在 Domino's 訂一個 pizza 要點幾下？」答案是十下。「我們改成十下。」

要把六十四次點擊壓到十次，得先砍掉一個 Tesla 當年的信仰：build-to-order，每台車完全客製化。McNeill 的團隊跑數據之後發現一個讓人尷尬的事實：理論上有 36 萬種組合，實際上客戶只買兩種，一種要長續航、一種要高性能。

於是 Tesla 把客製化砍到只剩兩三種配置。製造端高興到不行（產線簡化、供應鏈簡化、產能大幅提升），工程端也高興（不用設計、測試、維護那麼多零件）。當年內部反對的人說「這是 Tesla 的信仰，會變成 Honda」，結果是消費者根本沒在意，因為 Tesla 賣的是「裝在輪子上的軟體」，不是配色選項。

這個 trade-off 跟 Snap CEO Evan Spiegel 講「distribution 才是真正的護城河」那一集講的邏輯有點像：你以為的差異化，常常不是顧客在意的差異化。

三句話 email 跟「公司可以這樣跑」

Tesla 內部有一段時間流行三句話 email：

問題是什麼
根本原因是什麼
你的解法是什麼

Elon 曾經半開玩笑說：「我們應該能用三句話 email 跑完整家公司。」聽起來很狂，但這個格式真正的力道是它逼你想清楚再寄。

CEO 最稀缺的資源是時間，是吸收資訊的時間、是做決策的時間。你能把資訊壓到三句話，就是在幫 CEO 省這三種時間，然後你自己會變成那個團隊裡很值錢的人。

Shaan 提到他自己跟 Twitch 創辦人 Emmett Shear 的版本：What / Why / So What。發生了什麼、為什麼會發生、那我們要怎麼做。本質上是同一件事。

Harvey CEO Winston Weinberg 在 Knowledge Project 講的「stress maxing」跟用一段話測試會議該不該開也是這種思維延伸，30 歲的 CEO 能撐起 110 億美金公司，靠的就是這種把決策成本壓到最低的紀律。

你的兩隻眼睛比任何 dashboard 都強

Tesla 早期 Model X 的 Falcon wing 門裝不準，產線上一堆門卡住沒裝。Elon 拉著 McNeill 走到產線堆積最高的那個點站著，兩個人就站一小時看技師操作。

十分鐘他們就看出來了：技師看不到螺絲要鎖進去的位置（blind angle，看不到的角度），結果用瞎猜的方式鎖上去，門當然歪掉。需要的東西叫一個 jig（夾治具，固定零件確保鎖的位置正確），讓技師知道正確角度。請 maintenance 的人打一個，下午就能驗證。

這個觀念叫 go and see，不要等 data 跑出來、不要相信誰的意見、不要開會討論，自己去看。

McNeill 後來把這套方法用在自己的 e-commerce 公司上：你以為網站很好用，請一個真的客戶在你面前操作一次給你看，你會被產品的爛羞愧到想立刻改掉。他點名美國的銀行 app：「我跟一群銀行高層開會，問他們上週有沒有用過自家的 app，沒有一個人舉手。」

每次看到這種故事我都會回頭想想自己手上的產品。當你自己都不用，怎麼可能做得好？

AI：免付費電話那段歷史可能會重演

McNeill 講 AI 的角度跟一般創投不太一樣，他從歷史拉視角。

1970 年代以前，美國打長途電話要先撥 0，然後接線生（通常是社區裡的某個阿姨）幫你把線插上長途網路。70 年代 Bell Labs 發明電子交換機，到 80 年代有 80 萬個接線生工作消失。

但 80 萬個工作消失只是 first order effect。second order effect 是長途電話變便宜了，創業家開始做 1-800 免付費電話業務（1-800-flowers、1-800-junk⋯⋯），免付費電話催生了 call center 產業，call center 又養出了一堆軟體公司，McNeill 第一份創業就是寫 call center 軟體的。最後幾百萬人在新產業裡工作。

他的論點是：人類擅長看到 first order effect（工作會消失），不擅長看到 second order effect（哪些新工作會被創造）。AI 現在的恐慌跟當年是同一個劇本。

這套說法跟 Tobi Lütke 上 20VC 講「AI 是大裁員的代罪羔羊」互相呼應，但 McNeill 的版本多了一層歷史佐證。

他也提醒：現在的 AI 公司（OpenAI、Anthropic、Google、xAI）其實是在做 tooling layer，就像 90 年代的 Netscape。Netscape 沒贏，但在 browser 上面長出來的 Facebook、Airbnb、E-Trade 那一層才是真正的 GDP。AI 應用層還沒長出來，這才是最值得期待的部分。