贝佐斯认为，公司基本上可以分为两种：
第一天公司和第二天公司
。
在 2016 年亚马逊致股东信中，他写道：“在最近召开的一次全员大会上，有人向我提出了这个问题。几十年来，我一直提醒人们现在仍是创业第一天。”
第二天意味着停滞，然后事情变得无关紧要，之后就是走上令人备受折磨和深感痛苦的衰退之路，直至倒闭
。
这就是我们要时刻停留在创业第一天的原因。当然，这个衰退过程是极其缓慢的。对一家成立已久的公司来说，落入第二天的窠臼可能需要几十年，但无论如何，最终命运还是会到来。
曾任亚马逊高管、商业顾问公司——Rossman Partners的负责人
约翰·罗斯曼
就在新书
《像亚马逊一样思考》
中，从企业文化、企业战略、商业和技术、方法和执行4个维度归纳了如何像贝索斯一样思考，并从“第二天公司”的窘境脱身而出。
如果你的企业已经开始陷入增长停滞、面临同质化风险或裹足不前，那么就要承认现状，改变提问方式，并在沟通中展示决心。
下定决心，尽早选择一条路径，然后发起革新行动。这或许
意味着你要出售某项业务、更换领导者或承认业务渠道受到侵蚀的现实。
坏消息不会随着时间的推移而转变成好消息。通常而言，增长趋于放缓，服务和产品日渐同质化，错失新机遇的概率上升，客户的抱怨增多，等等。你不仅要承认现状，还要担起责任。
问那些带有限制条件的问题，比如：怎么才能让我们的产品、服务或功能实现完全“自助”。问那些可以引发客户同理心的问题，比如：对我们的客户来说，最糟糕的一天是怎样的。问那些可以展现另外一种现实的问题，比如：怎样才能让我们的产品或服务实现全面“软件定义化”。
作为领导者，当你与你的团队、投资者、董事会或客户沟通时，要做出承诺，有的放矢。
亚马逊高管团队在业务方面最担心什么？竞争对手？网络安全？政府的监管或干预？在
《
像亚马逊一样思考
》
看来，高管团队最担心的是
官僚主义
，因为一旦陷入官僚主义的泥潭，驱动亚马逊前进的创新机器就会出故障。
组织结构图、头衔和职位描述都有着各自重要的服务目的。利用它们去做正确的事情，而不是让它们成为绊脚石。制定相应策略，确保组织结构平衡。
如何让你的团队达成共识？寻找解决方案的过程并非总是障碍重重。一般来说，你要对情况、问题或需求做到真正了解。
由于你的团队是你个人职权范围内最重要的依赖之一，所以你对周围人的指导能力，将成为公司年度考核的关键指标。这也就意味着，你个人的成功与他们在亚马逊的职业生涯的成功有着内在联系。
如果你想要做出承诺并致力于重大改变，那么你就可能需要对薪酬结构做出相应调整。
要清楚地表明，我们会实现共赢，但只有实现企业目标，我们才能取得最终胜利。如果这会导致部分人员流失，那么你就要提前做好准备，尽早在人事方面采取行动。
众所周知，在发布新产品、开展任何转型或进入新市场之前，杰夫·贝佐斯都会要求撰写
未来新闻稿
。撰写简洁但又具体的产品公告的过程，有助于进一步厘清最初的愿景。
作为一项强制功能，它可以让你全面检视产品的关键性能、产品的采用状况以及产品走向成功的可能路径。未来新闻稿尽管是推测性的，但仍能帮助领导层向重要的利益相关方清楚阐述通往成功的路线图。
作为一个重要方法，未来新闻稿可以用来定义明确而宏大的目标、各项要求及宗旨，也有助于在项目启动或企业变革之初就建立广泛的理解基础。以下几项规则可以提升该方法的效力：
规则 1：目标必须站在未来的某个时间点上阐明，即项目或产品已经取得成功的时间点。
规则 2：从客户着手。利用新闻稿解释为什么新产品或新服务对客户（或其他关键利益相关方）很重要。
一旦拟定了未来新闻稿，项目负责人就需要获得授权，以推动目标的实现。
然而，按照埃隆·马斯克的说法，人工智能和机器学习正以指数级的速度加快发展。姑且不论其进化速度，有一点是不可否认的，那就是人工智能和机器学习所能处理的任务越来越广泛，包括那些通常由土耳其机器人执行的任务。
人工智能和机器学习的潜力和影响如此之大，以至于杰夫·贝佐斯在 2017 年的致股东信中给出了特别警示（或许也能称为鼓励），建议受众“拥抱外部趋势”。“
以审慎和精确的方式定义流程，弄清楚如何把这些流程变成服务，并通过数学运算为你的工作和决策创建规则和公式，是非常重要的基础。
了解你的原则、做决策的方式和逻辑模式是极端重要的。亚马逊早已打好基础，做好了利用这些功能的充分准备。而且，它意识到了这种需求，并开始学习和尝试。
在机器学习方面，高管或董事会至少应该做什么？主动学习、访谈，并关注机器学习对所属行业及公司的影响。你要持续探索在何时以何种方式开展小规模试点。
作为组织，需要积累
机器学习的经验和能力，唯有如此，将来才能够依赖这些创新功能。
“如果你不愿意或无法快速拥抱强大趋势，那么外部世界就会把你推入第二天公司的境地，”贝佐斯在 2016 年的致股东信中写道：
如果你对抗趋势，那么你很可能是在对抗未来。
拥抱它们，你就会顺风顺水。
各种大趋势并不难发现（它们经常会被谈起，也经常见诸文章），但大型组织很难接受它们。我们现在就处于一个显而易见的趋势中：机器学习和人工智能。
