團隊里最牛的那個人，怎么就成了組織最大的障礙？

2012年，微軟被曝因“強制排名”制度導致人才內耗。最新研究揭示了背后的機制：問題不在于員工不夠優秀，而在于所有人都盯著同一個“第一名”模仿，導致多元化的知識無法碰撞重組。而實時更新績效信息、讓后來者成為新的效仿對象，則可以有效促進知識重組。

2012年，記者庫爾特·艾興瓦爾德在《名利場》雜志上發表了一篇極具沖擊力的深度報道。據他披露，微軟已變成一個內部人才相互爭斗，而非齊心應對外部競爭的地方。罪魁禍首是強制排名。每個考核周期，管理者都會按照固定比例，將員工劃分為優勝者和落敗者。排名每年更新一次。在兩次考核之間，每個人都知道上一周期的優勝者是誰，然后紛紛效仿他們。

這就產生了一個矛盾點。微軟并不缺乏多樣化的人才。來自數十個國家、擁有迥異技術背景的世界級工程師充實著它的團隊。認知多樣性已經存在于團隊之中。然而，這個組織卻在趨向平庸，因為員工都在追逐同樣的榜樣。

這就是我們從最新研究中得出的結論。我們開發了一個計算模型，用于研究像微軟這樣的強制排名制度對績效的影響。我們的研究結果表明，問題可能不在于公司雇傭了誰。我們發現，更大的問題在于每個人都在效仿誰，以及這些效仿對象的信息被固化了多長時間。我們的模型捕捉了許多組織中存在的年度強制排名制度的邏輯：確定一名表現最佳的員工，其他人效仿此人，排名直到下一個周期才會刷新。

在這樣的體系中，可能出現兩種弊端。其一是“過度模仿”：員工在吸收了明星員工有用的經驗后，仍長時間繼續效仿，在此過程中覆蓋了他們自身獨特的做法——這是一種學習上的凈損失。其二，“目標固化”：指定的明星員工在周期開始時被選定，此后便不再更新。等到周期結束時，其他員工已經通過不同的路徑取得了進步，但沒有人注意到這一點，因為排名沒有被刷新。組織持續從昨天的佼佼者那里學習。其多元化的知識從未被重新組合成更優的解決方案。這才是真正的代價。

我們的研究發現

知識重組——即將不同人所持有的正確做法組合成更優的解決方案——是組織學習、創新和戰略制定面臨的核心挑戰。1991年，詹姆斯·馬奇發表了后來成為管理學研究中被引用最多的論文之一，深刻影響了組織理論、文化演進和復雜性科學的思考。通過使用計算模型，他證明了當人們彼此學習的速度較慢時，組織的表現會更好。自此之后的主流觀點是：緩慢的學習能夠保護多元化的實踐，防止過早趨同。

我們即將發表在《戰略管理期刊》上的研究，采用同樣的方法重新審視了這一結論。在這個背景下，計算模型模擬了一個由學習者組成的組織，他們相互觀察并效仿表現最佳者的做法。每個模擬員工都掌握著一個復雜問題的部分（可能是正確的）答案，而沒有人知道完整的解決方案。在數千次模擬運行中，我們改變了兩件事：人們效仿他人的速度，以及系統刷新關于誰實際表現良好這一信息的頻率。

我們的發現令人驚訝：緩慢學習確實有效，但純屬偶然。

馬奇的模型，如同大多數年度績效體系一樣，只在考核周期結束時才刷新關于誰表現最佳的信息。當學習速度緩慢時，在下一次更新之前只發生少量的效仿行為，因此系統在兩次更新之間幾乎沒有什么變化。我們模型中識別出的兩種失敗模式——過度模仿和目標固化——很少出現，僅僅因為在下一個更新周期之前變化很小。看起來好像是緩慢學習帶來的“摩擦”在幫組織。其實，只是因為信息碰巧還保持著新鮮（未刷新），過早趨同才沒發生。

從固定目標到實時目標

一旦你明白了這一點，一個更好的方法就變得顯而易見了：有意識地保持信息的新鮮度。

大多數組織運行的是固定目標體系：他們在考核周期開始時識別出最佳表現者，并讓這個信息保持不變。而我們提出的則是實時目標體系，其中最佳表現者的身份會持續更新。想象一個實時更新的排行榜，而不是一個固定不變的排名。

在我們的模擬中，當績效信息在每次學習事件后都進行刷新時，快速學習不再導致過早趨同。

有兩個機制可以解釋這一點。首先，一旦人們發現自己已經趕上，就會停止模仿。有了實時績效信息，一個已經與當前最佳表現者持平的員工會立即知道并停止；不再有過度模仿，也不再覆蓋已經正確的做法。其次，更重要的是，那些通過不同路徑達到前沿水平的后來居上者，會立即被大家看到。其他人現在可以向他們學習了。由不同人持有的、不同的正確做法，得以組合成更優的解決方案。

我們將由此產生的機制稱為“目標多樣性”：一組輪換的最佳表現者，他們各自獨特的知識被重新組合。

“關注差距法則”

我們最具可操作性的發現，是我們稱之為“關注差距法則”的規律。當遠離前沿水平的人快速學習，而接近前沿水平的人有選擇地學習時，模擬組織在復雜任務上能達到近乎最優的表現。相較于統一的緩慢學習，這種優勢會隨著問題復雜性的增加而增大。當問題有許多方面需要正確處理時，緩慢學習會停滯不前，因為后來者需要太長時間才能趕上，他們獨特的知識從未進入重組過程。而在 “關注差距原則” 下，這些落后者通過不同路徑迅速達到前沿水平，并立即成為新的模仿對象。

要觀察這種動態的實際運作，可以考慮一個銷售團隊。離前沿水平還很遠的初級員工，最快的學習方式就是照搬當前最佳表現者的做法，這樣能更快地追上來。等他們的業績快要摸到前沿水平的時候，系統就換了：他們開始減速，守住那些讓他們殺出重圍的非常規打法，然后變成團隊里其他人爭相模仿的新目標。前沿水平得以拓展，而不是圍繞單一風格而固化。

人口多樣性不等于目標多樣性

斯科特·佩奇關于多樣性紅利的重要研究表明，由多樣化的問題解決者組成的群體可以勝過由能力最強的個體組成的群體。但要獲得這種紅利，需要多樣化的知識真正傳播開來。而傳播又需要目標多樣性：一組輪換的榜樣，他們獨特的做法被效仿和組合。

大多數組織通過招聘在人口多樣性上進行大量投資，卻通過其績效體系破壞了目標多樣性。當每個人都效仿同一位既定的明星員工時，組織會趨同于一種做法的組合。其他員工持有明星員工所缺乏的不同正確做法。但因為這些員工從未成為模仿目標，他們的知識從未進入重組過程。

后來者溢價

最反直覺的建議是：剛剛趕上來的后來者，比既定的明星員工更值得效仿。明星員工的做法已經被廣泛效仿，因此幾乎沒有新信息可以提取。后來者是通過一種尚未傳播開來的獨特做法組合達到現有位置的。這個人正是知識重組的關鍵，恰恰因為他們缺乏長期的亮眼履歷。

這與管理者的直覺相悖。我們相信履歷。我們提拔有成功經歷的人。我們圍繞既定的贏家建立最佳實踐庫。但履歷反映的是知識已經趨同的地方。真正的收益在于尚未傳播開來的知識，而這些知識往往掌握在那些剛剛通過意想不到的路徑達到頂峰的人手中。

同樣的邏輯也重新定義了人才發展。大多數組織將其視為單向的：把人招進來，培訓他們，讓他們與既定的最佳實踐對齊。這種方法抹殺了當初聘用他們時所看重的獨特知識。更好的設計是雙向的。新員工向當前的最佳表現者學習以加速追趕。同時，他們嶄露頭角的優勢在過早趨同于組織規范之前就被盡早地展現出來。其效果是雙重的：既加速了新員工的成長，也為現有員工提高了標準，因為他們現在面對的是一個不斷變化的前沿水平，而非固定不變的標準。

邊界條件與局限性

這一建議并非普遍適用。對于最佳實踐已經確立的常規任務，快速趨同是可取的：快速效仿已知答案，然后繼續前進。“關注差距法則”的邏輯在以下情況下最能發揮作用：問題復雜、存在多條正確路徑、并且人們效仿的是高績效者而非遵從多數人的做法。

我們的證據來自一個計算模型。它揭示了組織學習領域最具影響力的結果之一背后的機制，并提供了一個具體的設計原則。我們的建議已在模擬中得到測試，但尚未在現場環境中得到驗證。因此，直接在各類公司、研究團隊或在線平臺上測試“關注差距法則”，是自然而然的下一步。

再看微軟

回到微軟。當薩提亞·納德拉在2014年成為CEO時，他最重要的內部舉措就是改變效仿對象以及關于他們的信息傳播速度。他取消了強制排名，取而代之的是通過一個名為“視角”（Perspectives）的系統進行持續反饋，同事可以在其中標注某人應該“繼續保持”什么、“重新思考”什么。績效信號變為實時更新，而非每年更新一次。全公司的黑客馬拉松——后來發展到超過18000人參與——使得任何人的突破性成果都能立即被看到，無論其職位高低。后來者可以達到前沿水平，并在一天之內成為榜樣。

從“無所不知”的組織向“無所不學”的組織的文化轉變，其核心就是從固定目標向實時目標的轉變。

在隨后的十年里，微軟的市值從大約3000億美元增長到超過3萬億美元。我們不將此歸因于學習系統的重新設計這一單一因素。Azure、與OpenAI的合作以及一系列收購都是這個故事的一部分。我們可以說的是，這里所描述的文化和運營變革，是那些重大舉措所需的創造性重組的先決條件之一。

下一步：AI與知識重組

知識重組不僅是組織學習的核心問題，也是創新、科學和戰略制定的核心問題。AI現在使得“關注差距法則”能夠大規模付諸實踐。持續追蹤貢獻的系統可以衡量每位員工與當前前沿水平之間的差距，并調整每個人從他人那里學習的程度。

當差距很大時，AI可以通過呈現來自最佳表現者的相關實踐來加速學習。當差距很小時，AI可以做更重要的事情：幫助前沿表現者進行選擇性探索，保護那些使他們作為未來模仿目標而有價值的獨特知識。

風險在于，企業以錯誤的方式部署AI，用去年的最佳實踐訓練一個單一的企業模型，然后讓所有人都效仿它。那將是以機器速度進行的過早趨同。而機遇則恰恰相反：利用AI讓目標集合不斷輪換。

實施這一點的最困難部分不是技術問題，而是文化問題。那些圍繞既定明星員工建立了地位等級的組織，會抵制讓后來者走上前臺。問題不再是你的組織是否足夠多元化，而是你的系統能否發現誰剛剛趕上前沿水平，并在他們的知識被磨滅之前將其展現出來。

知識重組不會自動發生。它需要通過精心設計來實現。

關鍵詞：

劉承偉（Chengwei Liu）、托比約恩·克努森（Thorbj?rn Knudsen）、邁克爾·克里斯滕森（Michael Christensen）、杰克爾·登雷爾（Jerker Denrell）| 文

劉承偉現任倫敦帝國理工學院商學院戰略與行為科學教授。托比約恩·克努森是德國法蘭克福金融管理學院戰略組織學教授。邁克爾·克里斯滕森是丹麥南丹麥大學戰略組織設計學教授。杰克爾·登雷爾是英國華威商學院行為科學教授。

周強 | 編校

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org