我認識一個聰明的年輕孩子，一年前從大學畢業，現在在一家大型投資銀行工作。他開始發現他討厭待在華爾街，他想在一家科技創業公司工作。他最近向他的老闆們提出了辭職，而老闆們的反應是上演了一場說服他留下來的“盛大演出”。老闆們告訴他，如果他留在銀行，他們會給他加薪和並給安排給他更重要的工作，而加入科技行業，他就會從頭開始。現在他覺得自己會留下來，儘管他“非常自信”地表示他對金融業並沒有那種勃勃野心。

多年來，我遇到過許多有這種潛在趨勢的員工。當我問他們一個非常明顯的問題。"10年後你想做什麼？"答案無一例外都是"在科技創業公司工作或創辦公司"——然而他們中的大多數人只是繼續維持現狀，也沒有加入創業公司。幾年後，他們終於辭去了工作，但也只是在他們不喜歡的行業中呆了幾年，而且沒有真正實現他們雄心壯志。

聰明的、有雄心壯志的人怎麼能在一個他們沒有長期抱負的領域繼續工作呢？我認為他們所犯的錯誤可以在計算機科學中找到一個很好的比喻。

計算機科學中的一個經典問題是爬坡。想像一下，你被丟在一個丘陵地帶的一個隨機地點，在那裡你只能看到每個方向的幾英尺（假設有霧或其他東西）。我們的目標是到達最高的山頭。

考慮一下最簡單的算法。在任何給定的時刻，朝著比當前更高的地方前行。這種方法的潛在風險是，如果你碰巧在一座較低的山丘附近，那麼你最終會在較低的山丘的頂部，而不是最高的山丘的頂部。

這種算法的一個改進版本是在你的行走中加入了一些隨機性。你開始時進行隨機行走，隨著時間的推移減少隨機性。這使你在開始集中的、非隨機的攀登之前，有更好的機會在較大的山丘附近徘徊。

另一種通常更好的算法是讓你反复把自己丟在地形的隨機部分，做簡單的爬山，然後在多次這樣的嘗試之後，再回頭判斷哪座山是最高的。

回到求職者身上，他們的優勢在於對自己的“地形“”不那麼迷惑。 他知道（或至少相信）他想在一個不同於他現在所爬的山頂上結束。 他可以從他站的地方看到那個更高的山頭。

但目前的山丘的誘惑力很強。人類有一種本能的傾向，下一步一定要更好。於是最終容易落入行為經濟學家強調的一個常見陷阱：人們傾向於系統地高估近期的回報，而不是長期的回報。這種影響似乎在更有野心的人身上更加強烈。他們的野心似乎使他們很難放棄附近的上升階梯。

處於職業生涯早期的人應該從這個“爬坡理論”中明白一個道理：可以讓你行走的道路曲折一些（尤其是早期），要隨機地把自己丟到新的地形，當你找到最高的山丘時，不要在當前的山丘上浪費更多的時間，不管你面臨著多大的誘惑。