「為什麼專案進度又落後了？」這5種提問，小心傷了團隊士氣！|數位時代 BusinessNext

圖說明

「為什麼專案進度又落後了？」「為什麼本季表現下滑？」在檢討會議上，主管企圖運用提問，釐清團隊未達標的原因。可惜這種問話方式聽在部屬耳裡，就像是興師問罪！這不僅讓團隊心情大受影響，還營造出一種「誰回答就要誰來承擔」的氣氛，當然沒有人願意深入思考，提出解決方案。

美國著名的溝通大師卡內基早在八十年前，就曾在《如何贏得友誼及影響他人》中寫道：「高效率的領導者懂得如何問問題，而不是忙著下指令。」

他所謂的「問問題」，是指懂得提出「具有啟發性的問題（empowering question）」，幫助部屬整理思緒、激發創意，指引出工作的新方向。當團隊成員循著問題，逐一爬梳可行的做法，自行推導出一套改善之道，就會基於「這是我想出來的！」而更有動機和意願去執行。

但究竟主管應該「怎麼問」？商管暢銷書作家 Bernard Marr 在 Linkedin 分享的作法可供參考：

第一招：別怕太囉唆，就是要問出細節

（X）「這個做法可行嗎？」
（O）「可以詳細解釋一遍你的做法嗎？」

所謂有啟發性的問題，就是讓答案不要只有 Yes 或是 No，而是讓回答者有更多的發揮空間。與其只關心最終的結果，不如換一種問法，讓員工覺得被重視、被關心，也能夠更具體的瞭解過程。

第二招：別怕太濫情，力搏感情就對了

（X）「這個月的目標金額達成了沒？」
（O）「這個月的工作狀況一切都還好嗎？」

這樣的問題方式會大大改變員工對主管的看法。大部份的人都吃軟不吃硬，因此略施一點溫情攻勢，總比一開始就負面指責來得好。這種有助於改善互動關係的問題，能夠讓你換一種方式監督進度，而且不會聽起來過於冷漠、頤指氣使。

第三招：別怕太犀利，你需要懂得思考的人才

（X）「要繼續採用這個策略嗎？」
（O）「繼續採用這個策略的話，你預測本季的結果大概會如何？」

想要讓員工更有想法、更勇於走出創新的道路？這一招最適合！批判性思考往往是最需要被激發的。今日不經意的一個小問題，說不定能夠成為明日偉大想法背後的推手。

第四招：別怕太挑剔，多拋假設問題沒壞處

（X）「這一次要採用A方案還是B方案好？」
（O）「為什麼我們總是採用A方案或是B方案？這真的已經是最好的方法了嗎？」

在拋出問題前，不要太過於劃地自限。很多時候，只差再往前那麼一步，就能藉助眾人的腦力激盪，殺出從未想過的第三條路。

第五招：別怕太巴結，借重他人經驗是上策

（X）「在這件事上，你有什麼看法？」
（O）「根據你過去在這方面的經驗，你認為怎麼做比較好？」

不必多慮對方會覺得這是奉承話、場面話！人人都有好為人師的特質，當領導者展現出對經驗的看重，自然會讓回答者能夠更有把握地分享所知所見。

bonus：別怕太費工，多想一下失敗原因為未來做準備

（O）「你們覺得為什麼這個方案會成功／失敗？關鍵點何在？」

在一次巨大的成功／失敗後，不要忙著狂歡／傷心，先提出一個能夠讓大家重新思考的問題，讓員工有時間靜下心來找出癥結點吧！透過詳細的辯證找出成功或者失敗的理由，能夠幫助團隊催生出新一波成功浪潮，也會更謹慎避免重蹈覆轍。

期待員工擁有解決問題的能力？那就做個狂問問題的領導者吧！當你勇於對員工拋出一個又一個的問題時，促使大家天天思考，就能逐漸培養出「擁抱問題、解決問題」的良性職場文化。

原文出處 / Linkedin
圖片來源 / ShutterStock

本文授權轉載自：經理人

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。