【精選書摘】部屬不說、但你非懂不可的管理祕技
【精選書摘】部屬不說、但你非懂不可的管理祕技
2011.02.25 | 行銷

好老闆知道該為什麼目標努力,以及這過程該有的感覺,儘管這歷程並不容易;然而,爛老闆從來搞不清楚這些。我曾經和一家很糟糕的法律事務所合作,這家事務所的例子充分說明了老闆的目標為什麼那麼重要。這家公司的合夥人平均年薪近百萬美元,但是他們在爭取業績的過程中,卻喪失了靈魂。和我交談過的每位律師幾乎都充滿敵意、魯莽無禮。我很快就發現他們對彼此也是如此失禮,很多人抱怨那裡變成壓迫、無情的地方。有幾位合夥人對此特別不滿,因為事務所的董事長(姑且稱之為亨利)要求每位律師提高鐘點費和獲利,貶抑、壓榨、逼走了很多大家讚賞的優秀律師。

這也是我對目標的第一個啟示:對於老闆的評斷,以他們和屬下所達成的目標為依據,還必須將屬下在過程中的感覺列入考量。所以亨利稱不上是我所謂的好老闆,好老闆會平衡績效和人性,他們是以提升尊嚴而非破壞自尊的方式完成事情。我的論點與心理學家范瓦格特(Mark Van Vugt)、霍根、凱瑟(Robert Kaiser)的看法相似,他們研究狩獵採集者的部落和現代族群後,得出以下的結論:賢明的領導者「能幹且仁慈」。逼屬下賺很多錢,做很多工作,但過程中破壞人性的老闆都是爛老闆。

第二個啟示:如果有人宣稱他有一套一體適用的方法,可以衡量所有的「老闆賢能度」,那一定是騙人的。律師事務所使用的衡量標準(例如每位合夥人的獲利與計時收費)可能對律師來說很合理,但是對籃球教練、衛理公會的牧師、便利超商的店長、特警隊的隊長或沃爾瑪(Wal-Mart)的執行長來說並不合適。我們頂多只能找出好老闆追求的總體目標,例如「績效」和「人性」,但是反映這些大目標的特定標準則必須依各種情況設計。

第三個啟示:老闆和其他人一樣,對自己的行動與成就難以採取客觀判斷。和亨利交談時,我可以看出,即使他討人厭的行徑在公司內外眾所皆知,但是他對於事務所抹滅人性以及他武斷的行事作風卻毫無警惕。如果你是老闆,你覺得屬下和其他人會怎麼說你?屬下、同儕、上司、顧客對老闆的優缺點和怪癖的了解,比老闆自己還清楚。很多人都有「自我膨脹偏誤」(self-enhancement bias)的問題,覺得自己比其他人好,他們很難接受或記住相反的事實。例如,一項研究顯示,有九成的駕駛人覺得自己的開車技術有中上的水準。

另一個個案更是明顯,美國大學委員會(College Board)調查近一百萬名美國的高三學生,結果發現七成學生覺得自己的領導技巧優於平均,只有2%的學生覺得自己的領導技巧不如一般人。

老闆也有這種自欺欺人的問題,一項對海軍軍官所做的研究顯示,同儕的評鑑可以預測哪位軍官升等較快,但自我評鑑比較難以準確預測。這種普遍的自我膨脹偏誤可以解釋,為什麼你會認識一些(或許多)自我膨脹的老闆。多年來,我碰過十幾位號稱「第五級領導」(level 5 leader)、無私、努力不懈的老闆,他們(正如吉姆‧柯林斯在《從A到A+》裡說的)領導最卓越的公司。但是在我能取得紮實資訊的個案中,員工都覺得這幾位老闆自私自利,無法把公司的需求擺在個人需求之前。你要注意你對自己的看法是否和其他人對你的看法一樣,很可能你是在自欺欺人,多數人都覺得自己本身的自我評估比其他同儕的自我評估精準,可惜,那樣的自信往往只是另一種形式的自我膨脹。我們的自我評估大多像大部分同事的自我評估一樣扭曲。更糟的是,最無能的人對個人能力和績效的評估膨脹得最嚴重。

結論:好老闆努力不懈地朝兩大目標邁進,不過別人對他們的判斷最能預測他們能否持續達成目標:

  1. 績效。老闆是否竭盡所能地幫員工把工作做好?對工作質與量的最終裁定,局外人比局內人的判斷較為精準。這裡借用一下海克曼(J. Richard Hackman)長年來研究團隊績效的一個主題:好老闆和屬下完成的東西,總是可以一再達到或超越使用者與評估者的預期。不管是用什麼術語和衡量標準來看,關鍵其實就像湯森(Robert Townsend)在《提升組織力》(Up the Organization)裡強調的:老闆的任務就是「消除大家失敗的藉口」。

  2. 人性。老闆是否竭盡所能地讓下屬保有自尊、感到自豪?公司裡的人通常最能判斷老闆的人性,尤其是下屬。霍德森(Randy Hodson)徹底研究一百位員工職場生活的細節後,他的結論是:有尊嚴的工作意指「採取的行動值得受你自己和他人的尊重」。自尊讓人整天感到樂觀,覺得自己受到尊重。

    有時老闆可以同時兼顧績效和人性。可惜,同時兼顧績效和人性並非隨時都能做到,但是老闆只要謹記「時間是找出來的,你不必馬上做每件事」,他們還是可以維持良好的績效和人性。知名創新公司IDEO的董事長兼創辦人凱利(David Kelley)簡單地表達了這個概念。

    大衛覺得自己的任務,或任何老闆的任務,就是讓人在上班時保有尊嚴,感到愉悅(我稱之為「人性」),但也必須讓事業持續運作,提供員工合理的薪資、保健和其他必需品(亦即「錢」的部分)。大衛說,有時你可以同時兼顧兩者,但是總有些時候我們必須為了賺錢而做不喜歡的事。大衛認為,好老闆會努力在人性與績效之間拿捏平衡,例如當設計師接下沉悶、令人沮喪、但利潤豐厚的專案時,下次可以讓他接比較有趣但或許利潤沒那麼高的專案。

    IDEO管理者拿捏平衡的方法,不單是靠分配專案這類大行動而已,他們也會從小處著手。設計師辛苦工作,感到疲累、暴躁,開始鬥嘴時,管理者會想一些小方法放慢工作速度,讓大家放鬆一下,倡導禮貌和相互尊重。管理者可以讓努力設計醫療設備的設計師參加腦力激盪會議(例如談如何改善機場安檢的研討會、讓醫生更常洗手、為大富翁遊戲設計新款式等等),暫時離開專案休息一下。IDEO的管理者也讓設計師在休息時玩Nerf泡棉彈氣槍,或是對員工發射「手指炮」塑膠飛鏢,最後常演變成全公司大戰十五分鐘。這種青少年的玩意兒不適合所有工作場所,但是當績效壓力開始變大,情況可能惡化時,英明的老闆會想辦法讓員工休息一下,說說笑話,或給予窩心的關懷,多強調「人性」面。就像大衛說的:「塑膠飛鏢不適合每個人,但每個文化裡,一定有某種形式的玩樂可以幫大家抒壓。」

 

書名:好老闆,壞老闆

出版社:天下文化

作者:羅伯‧蘇頓博士是史丹佛大學管理科學系教授,被美國雜誌《商業2.0》評選為「當代頂尖商業大師」。以敢於「打破常規」而聞名,時常提出「離 經叛道」的觀點,引起學術界及管理人士的激辯。獲獎作品包括《11 1/2逆向管理》(Weird Ideas that Work,入選《哈佛商業評論》年度十大好書),以及《拒絕混蛋守則》(The No Asshole Rule,榮獲《哈佛商業評論》的年度「突破性觀念大獎」、鵝毛筆獎的年度最佳商業書)。

買書去

 

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓