疫情预警并未明确说明其致命性有多高、传播性有多强，也未说明大致会在何时发生。
要让读者真正理解威胁，就需要尽可能详细地将其具象化。
在发出预警的同时，应当提出解决方案。
2020年3月对部分专家而言是一场惨胜：他们多年来一直警告疫情可能暴发，但决策者并未采取必要的预防措施。大量文章涌现，各种心理机制被找出，用以解释政治人物为何难以倾听并采纳令人不适的真相，而责任则几乎全部归咎于预警的接收者。
人们却大多忽视了一个事实：发出预警的一方同样是问题的一部分。问题在于，大多数专家在发出预警时效果不佳，主要原因在于：无论是内容还是表达方式，都不够具体。
例如，疫情预警并未说明疫情的大致轮廓、致命性有多高、传播性有多强，也未说明大致会在何时发生。对于应当采取何种行动，这些预警几乎没有提出建议，只是强调应当认真对待。
更令人困惑的是，对于一位希望具体了解威胁的读者而言，这些预警通常使用模糊的语言，以涵盖所有可能的情况。它们的语言带来了一个不幸的副作用，即在读者心中淡化了威胁：使用“可能”和“或许”等词语；将动词变为名词；使用相对而非具体的风险量化或时间范围（如“增加”和“不久”）；以及使用被动语态（“如果什么都不做”）。
如果将这些预警与我所从事的领域——安全政策——相比较，这就好比预警一场战争，却不知道它将在何处爆发、大致何时开始、将使用何种武器交战、可能有多少人死亡，或者可以采取哪些措施加以阻止。
需要明确的是，并非只有疫情预警存在这种缺乏精确性的问题：无论是机器人技术和人工智能将如何改变劳动力市场、气候变化将如何改变冲突格局，还是人口老龄化将如何改变社会，预警行业中普遍缺乏精确性。这也是此类预警未能被听取的原因之一。
原因在于，要让读者真正理解威胁，就需要尽可能详细地将其具象化。丹尼尔·卡尼曼（Daniel Kahneman）开展的一项研究发现，受访者认为加利福尼亚发生地震的可能性高于北美发生洪水的可能性，原因仅仅是“加利福尼亚”比“北美”更具体。这种被称为“合取谬误”的现象，源于人类大脑对未来的建模方式。我们掌握的关于某一未来的信息越多，大脑就越专注于它（这也是为什么可视化方法和“吸引力法则”实际上并非毫无根据的伪科学）。
希望自己的预警获得认真对待的专家，别无选择，只能尽可能使其预警具体化。但考虑到未来始终未知、因而难以把握，这又如何实现呢？
有一些可行的方法。
尽可能精确地量化风险。这包括其影响的细节，无论是财务、经济和环境成本，人员和动物伤亡，还是破坏的实例。同时，还必须包括可能的时间范围、精确的地点（越具体越好），以及在可能的情况下，受影响人员的姓名。解释风险时，细节永远不嫌多。避免笼统概括。
如果风险规模非常庞大（例如气候变化），则应将其分解为较小的组成部分，使其规模更易于理解。虽然这看似违反直觉，但这种做法不会降低，反而会提高人们对风险的感知程度。
在可能的情况下，应使用感官工具，而不仅仅依赖文字。战略前瞻公司Superflux曾开发出一种未来阿联酋的气味，用以呈现若不采取任何污染防治措施将会出现的情景。AR智能眼镜的应用同样前景广阔，可以360度全方位地呈现未来。即使是视觉材料，效果也优于纯文字。
即使只能使用文字，也应将其编写为情景叙述。相比无法引发情感的事实性文本，故事在传达威胁方面要有效得多。此外，情景叙述还为具体思考应对风险的不同方案提供了机会。
为风险赋予概率。正如GoodJudgmentProject等机构所证明的，为风险赋予一个数字有助于人们思考其发生的可能性，从而规避合取谬误。尽管人类并不擅长处理数字，但概率使风险更易于量化。但切勿止步于此：随着新信息的出现，概率需要不断更新，并且必须与未经缓解的风险所产生的影响直接成比例地设定。
使用事实性语言，而非可能性语言。预警专家的词汇中应当摒弃“可能”“或许”“也许”“或者”等词语，以及所有其他模糊语言。不要害怕运用自己的判断：应借助语言表明立场，但不要陷入灾难化叙述，因为那几乎会立即导致认知上的封闭。
如果您持续就同一风险发出预警，应改变叙事角度，以避免所谓的“灰犀牛效应”，即人们逐渐习以为常、对威胁麻木。应寻找新的切入点来阐述问题。
要认识到决策者所面临的风险过载。风险往往具有自我中心性，忽视了还有许多其他风险同样在争夺决策者的注意力。
最重要的是：在提出问题的同时提出解决方案。如果您能为决策者提供具体可行的思路，他们乐于采取行动。在这方面，同样是小而具体的想法，会比宏大的构想更易取得成功。
