萬惡的KPI
萬惡的KPI
2016.05.23 | 創業

本文作者曹政,原文刊載於微信公眾號:caoz的夢囈,《數位時代》獲授權轉載。

##1、KPI的緣起

用最簡單的描述就是,KPI來源於工業化的年代,車間工人,業務代表,你很容易設計一套數據指標,來考核他們的工作績效和工作質量。而傳統的管理學又將這裡的指標更加地細化,分出不同的條目、類別,以實現更精確的管理和考核,這一切的基礎是,你的工作目標,是完全確定的,而你的工作成果,是完全可以量化的。

##2、新時代的問題

在網路時代,或者說更早一點,在IT崛起的時代,我們應該意識到一個巨大的變革來臨了,工作的價值往往不在於工作量和勤奮程度,而在於員工的創造力以及一些方法論的東西。而工作目標也會隨著市場的變化快速的調整和迭代,人與人在才能和表現上的差距也會無比放大,在這種情況下,**繼續去苛求量化方法,或者強求去制定一些標準,往往產生南轅北轍,與目標相反的結果。**而這些,其實不斷的扼殺一些企業的創新能力,並持續低估一些傑出員工的價值體現。

前天的文章,談談激勵的原則。有些人表示看不太懂,但也有一些作為企業管理者表示非常需要,昨天文章剛發出去不久,就有極為優秀的遊戲製作人來詢問我關於激勵體系的問題,實話說,我並沒有太好的方案提供,但所遇到的激勵體系的問題,確實是很多企業共有的。

下面,我們說一下典型的KPI問題,先從技術領域說起。

####1、以工作量為考核目標。

圖說明
圖片來源:Streetwill

據說某公司用程式碼行數作為考核目標。

這個策略實際上是激勵大量的垃圾程式碼,優秀的程式碼都是簡潔優雅的。參見雲風老師的 skynet開源程式碼。如果考核員工的程式碼行數,菜鳥工程師絕對開心,你不需要考慮架構,不需要考慮複用,大量的copy & paste很容易堆砌大量程式碼,我在最初編程的時候,也會有這樣的習慣,把以前的程式碼直接貼過來改寫,而這實際上是複用性很差的表現。

####2、以解決問題為考核目標,比如處理實際問題數,修補bug數。

這個聽上去合理一些,但我以前舉過這樣的例子,兩個專案組,第一個組長水平很高,寫出來的專案程式碼非常穩定可靠,上線後啥問題都不出,專案團隊變得無所事事。第二個組長,稍遜一些,寫出來的專案程式碼上線後,經常出一些奇怪的問題,結果疲於奔命,各種加班,各種救火,結果第一個小組團隊全部被調往第二個小組支援,第二個小組組長因卓越的工作積極性,大量的問題處理表現,和持續性的加班奮鬥而被領導賞識,升職,第一個組長只能作為其下屬。

很多企業都會犯這樣的錯誤,這樣的案例其實也有不少。

####3、以專家小組的考核為準。

技術的事情,讓技術專家去評定,有些大公司有非常優秀的技術專家,就組成評委會,技術工程師需要申請升級的時候,去報告自己的工作表現,所使用的技術,所完成的工作量,所達到的目標,技術專家根據其表現決定是否升職加薪。聽上去很合理對不對?

然而並不是,十年前,我遇到過這樣的問題,我需要處理一個線上的問題,這個處理方案不複雜,按照我的方案做很快就能完成,和我搭配的工程師人蠻好的,水平也很高,但是就跟我抱怨了,「對不起啊,我上次評高階工程師沒過呢,說我工作技術價值太低,這個方案我工作考核肯定上不去啊,我有個什麼什麼算法,你看行不行。」咳咳,都是打工族,你好意思難為人家嗎?本來一兩天的事情,做一兩週,說實話,這還是非常照顧產品需求,很容易溝通的工程師,如果有那種非常自我為中心的,出個一兩月的技術方案你也沒轍啊。

今天我說一句可能有些人不服氣的話,很多大公司,存在大量技術過剩的情況,就是因為這種技術考核體系,小題大做,沒必要的技術方案,沒必要的過度架構,很多是為了滿足技術評級和升職的需要,而這一切,除了人力和資源的浪費外,更導致了產品迭代緩慢,市場應對能力緩慢。

其實我們看很多新創小公司,乃至個人,可以很短時間內發布很有意思的產品,包括一些hackathon的活動,36-48小時做出來的產品也都有模有樣,但是大公司做一些同類產品動輒幾百人團隊,半年以上時間,有人會說,大公司性能要求高複雜度高,懂不懂?呵呵,這個我還真的略懂。

而更可怕的是,某些管理職能的人為了能升職,一些本來不需要很多人的崗位,也要硬掰出一堆工作任務來,招一堆人來滿足一些根本沒太大實際意義的事情,手下人多了,自然職位也就上去了。

####4、基於犯錯率考核

這種思路是,考核你工作中出現的問題數,bug數和相關故障數。
嗯,其作用大家都知道,多做多錯,少做少錯,不做不錯。
吶,工程師都已經習慣背黑鍋了。

####5、基於團隊目標

恩,單獨的技術實在難以考核,只好基於團隊目標,和你的專案團隊共進退,雖然存在不公平,比如優秀的技術如果配到了一個不靠譜的產品經理手裡,可能就被拖累了,但是好歹也是一種弊端較少的方案了吧。

然而,我們知道,大公司最怕的是什麼,部門藩籬,有些熱心的技術強者,願意和更多人分享,願意幫助其他人分析問題,解決問題,願意輔導更多年輕人,然而,這一切,都沒有任何激勵。很多大公司在KPI的導向下,部門利益高於公司利益,甚至不同部門明爭暗鬥,搶專案,搶資源,搶話語權。如果有個人才,是以公司利益為重,甚至願意為了公司利益犧牲團隊利益(有些情況下是需要的,比如,公司有個特別重要的專案,比這個部門當前的專案價值大很多,一個優秀的技術,在與本部門管理者溝通確認後,去緊急支援人家的專案,就比按時完成本部門專案,對公司價值更大,我個人是非常鼓勵這種行為的),那在這種考核目標下,簡直就是要被淘汰的典型了。

可怕吧。

技術職位不好評定,那麼其他職位呢,設計師類似技術人員,做的多不如做得好,一個好的設計,勝過1000個平庸的設計,然而好這個評定,如何定量?

在產品和設計領域,KPI的問題在於,只能考核已知的東西,如何評估未知的東西,而網路產業,IT產業,要經常面對未知的場景,提出新的觀點,新的構思,和新的產品特性,那麼,在這些東西提出來之前,我們的KPI原則是什麼,每個月遞交幾份ppt報告嗎?

所以,在西方有個說法,KPI= kill people idea,你照上司吩咐的做就是了,KPI沒有任何關於想法和創造力的評估手段。

我另一篇 狼,兔子,激勵 也提到一個話題,

前端時間有個老闆最喜歡的大毒草雞湯,叫做寫給加西亞的信。別管我的要求多麼過份,別管我的方向多不靠譜,別管我到底想明白了沒有,你們做到了就是狼,做不到就是兔子,就算我是智障,你們也要把公司帶得轟轟烈烈,幫我賺錢,這就是各個老闆熱衷的狼性文化。

圖說明
圖說:Streetwill

今天重講一下這個話題,在完全以目標為導向的體系裡,就會出現一個嚴重的問題,就是為了目標不擇手段,而這種不擇手段,很可能是犧牲企業長期的信用,或者犧牲的是產品的可持續發展能力達到的,而這一點,也是非常多網路巨頭一直在犯的錯誤。

案例說話:
當年,易趣和淘寶打架的時候,易趣買了百度的「易趣」關鍵詞,淘寶沒有買「淘寶」的關鍵詞,這事我就很好奇,我覺得這個詞易趣不買也是他們的啊,自然結果本來就是他們自己的,為什麼要花這個冤枉錢,後來別人給我一解釋才明白,我有多幼稚。廣告購買是市場部門的行為,廣告轉化率是市場部門的KPI,大家都知道品牌詞的用戶銷售轉化率是最好的,購買這個詞,所帶來的客戶轉化都能提高他們市場部門的KPI表現,如果是自然搜索流量,對不起,和市場部門業績毫無關係。那麼淘寶的人說,我們不要這種KPI。

再說遊戲產業,那麼遊戲營運團隊,製作團隊,以遊戲收入為指標分紅,聽上去是一個相當靠譜和準確的指標了,但是這裡就沒問題了嗎?

有,而且很嚴重,實際上,大部分打工者,都比較看重短期的回報和效果,這很正常,誰也不確定自己能否在一個公司待多久,此外,誰都希望短期業績好看一點讓老闆賞識,也許就此升職加薪呢,長期的事情誰知道。所以就會存在一個問題,以犧牲產品的生命週期來刷收入,中國的遊戲產業,這個特徵冠絕全球。從業遊到手遊,中國的遊戲收入高峰能堅持六個月的都寥寥無幾,很多月流量過億的產品三個月後就剩下兩千萬不到了。 coc一款產品的生命週期,我們這邊對應的可能換了七八代主打產品了,問題是人家還在繼續稱霸排行榜呢。

我最近也有這個煩惱,給團隊按業績分紅是公司的原則,但又不能鼓勵那種衝流量的活動。這就不是規則所能控制的了,必須靠人的判斷力。

昨天那個朋友跟我分享的案例是,某個優秀公司的原則是,用業績分紅的方式沒問題,但是所有遊戲內活動安排都必須CEO親自審核,以免有過度的充值活動犧牲產品生命週期,問題是,這個CEO必須很懂業務啊,而且必須熟悉所有產品才行。所以,想要複製,還是很難。

那麼,問題這麼多,公司是否說,就不需要KPI了呢?或者說,有什麼更好的方法嗎?

其實,IT產業優秀的新創公司,初期都是沒有KPI的,我們看一些成功企業的發展史,在最早期的時候,都是靠一些天才的產品和技術,快速發展壯大,在網路產業,沒有哪個成功的企業創業初期是靠管理優勢的。直到人員膨脹,老闆已經無法直接面對所有員工的時候,管理的意義和重要性才凸顯了出來。而此時,引入職業經理人,引入績效考核制度,才被提入日程,這時候,你要說完全杜絕KPI,自由發揮,可能也不現實,畢竟缺乏自制力和目標感的人在職場佔據多數。

KPI的意義在於,約束平庸的員工,以提升他們的執行力,而不能用於去規範優秀的人才,如上的案例,很多時候,KPI的激勵,對於優秀的人才而言,反而是負面的。

往下滑看下一篇文章
一文看懂 AI 電視可以幹嘛?不只有 AI 演算法,頂級硬體帶來高畫質表現
一文看懂 AI 電視可以幹嘛?不只有 AI 演算法,頂級硬體帶來高畫質表現

火熱的 AI 風潮掀起客廳革命,到底 AI 電視可以幹嘛?簡單來說,AI 電視透過 AI 處理器與演算法,即時進行 AI 畫質優化、音效調整、智慧語音搜尋和極致的個人化推薦,全面顛覆傳統智慧電視。在 AI 電視功能中,最讓消費者有感的是 AI 畫質優化,但許多人往往忽略了,畫質提升不只關乎演算法,更取決於底層的背光、色彩與控光技術。Sony BRAVIA True RGB LED 電視,正是將軟體思維與硬體工藝深度結合的最好示範。透過創新的 XR 認知智慧處理器搭配 True RGB 技術,精準呈現 AI 電視的畫質優化能力。

AI 電視是什麼?不只是能上網看串流的智慧電視

要理解 AI 電視可以幹嘛,首先必須釐清 AI 電視與一般智慧電視的差異。傳統智慧電視是為電視接上網路,讓使用者單向觀看連網影音。AI 電視則是在智慧電視的基礎上,導入了 AI 處理器與先進演算法,讓智慧電視具備「主動分析與學習」的能力,可即時判斷每一幀影像的畫質特徵、聲音頻率、觀看環境(如白天強光或夜晚暗光),甚至是家庭成員的使用習慣,進而動態調整視聽呈現。簡單來說,傳統智慧電視解決的是「能不能連網看內容」的問題,而 AI 電視解決的是「如何讓內容呈現得最好」的體驗問題。

但當 AI 演算法分析出最佳的畫面設定後,如果硬體無法精準跟上,優化效果就會大打折扣。這也是為什麼高階顯示技術 True RGB 開始受到市場矚目,確保 AI 算出的極致色彩與對比,能精準落地在觀眾眼前。

傳統電視容易出現暗部發灰或亮處過曝。Sony BRAVIA 9 II 透過 True RGB 三色獨立背光,能將 AI 算出的極致對比與飽和色彩精準落地。
傳統電視容易出現暗部發灰或亮處過曝。Sony BRAVIA 9 II 透過 True RGB 三色獨立背光,能將 AI 算出的極致對比與飽和色彩精準落地。
圖/ 數位時代

AI 電視可以幹嘛?從畫質、場景、音效到個人化推薦的四大核心進化

面對消費者的核心疑問「AI 電視可以幹嘛?」,可從四大 AI 電視功能深入拆解。

AI 畫質升頻與降噪:讓低解析度內容更清晰

透過 AI 升頻與降噪技術,可分析解析度較低或經過壓縮的影音內容,改善線條、紋理與雜訊,使畫面在 4K 螢幕上呈現得更清晰。True RGB 則能協助 AI 優化後的畫面亮度、色彩與對比度精準呈現。不過實際效果仍會受到原始片源解析度與壓縮品質影響。

智慧場景辨識:依電影、球賽、遊戲自動調整畫面

AI 電視能即時辨識播放內容,自動調整畫面呈現,比如看電影時調整為劇院感色溫、看球賽即時插幀消除動態殘影、玩遊戲時自動切換至低延遲模式。在不同場景轉換時,True RGB 讓亮度與色彩對比表現依然精準自然。

左圖為電影模式,右圖為遊戲模式。智慧場景辨識功能會根據電影、球賽或遊戲自動切換最佳模式。搭配 True RGB 技術,即使在動態或暗部場景下,色彩依然自然不失真。
左圖為電影模式,右圖為遊戲模式。智慧場景辨識功能會根據電影、球賽或遊戲自動切換最佳模式。搭配 True RGB 技術,即使在動態或暗部場景下,色彩依然自然不失真。
圖/ 數位時代

AI 音效優化:讓人聲與環境音更清楚

AI 音效演算法能分離出人聲對白與背景音效。看動作大片時,能放大環繞立體感;看新聞時,則優化人聲頻率,甚至能根據客廳結構進行空間音效校正。

除了頂級畫質,Sony 將 AI 音效演算法與機身背部揚聲器深度結合,能根據客廳結構進行空間校正,分離出清晰人聲與震撼環繞音效。
除了頂級畫質,Sony 將 AI 音效演算法與機身背部揚聲器深度結合,能根據客廳結構進行空間校正,分離出清晰人聲與震撼環繞音效。
圖/ 數位時代

語音互動與個人化推薦:減少尋找內容時間

AI 語音互動更能理解複雜語意,當你說出「我想看適合週末晚上的搞笑電影」時,AI 便會結合使用者的觀看偏好推薦清單,真正做到懂你所想。

整體而言,在眾多 AI 電視功能中,消費者最能直觀感受到的是 AI 畫質升頻與場景優化。但不論軟體演算法如何強大,都需要有對應的硬體執行力,而 True RGB 正是讓這些高階 AI 畫質能精準落地的關鍵技術。

AI 畫質優化的關鍵:不只靠演算法,硬體也是決勝點

在討論 AI 電視時,大眾常有一種迷思,認為只要電視內建強大的 AI 處理器和演算法就行,事實上,AI 電視的畫質優化不是靠單一演算法完成,而是包含「AI 判斷」與「硬體呈現」兩大層次:

首先由 AI 負責辨識畫面中的主體物件、人眼焦點、光影分佈及動態物體的移動軌跡等。根據 AI 判斷結果,演算法在底層即時計算出一套優化藍圖,決定哪些區域需要進行 AI 升頻、降噪、提高畫質、調整亮度、對比或色彩飽和度等。而硬體則負責最終畫面呈現,包含電視的背光、面板、控光技術與色彩控制技術,才是真正決定這張優化藍圖能被實現到什麼程度的關鍵。

而 Sony BRAVIA True RGB LED 電視便精準示範,硬體如何賦予 AI 電視極致表現。傳統 LED 電視使用單一藍色 LED,再搭配濾光片混色的方式,容易產生色彩混濁或亮度減損,True RGB 技術則以獨立驅動紅(Red)、綠(Green)、藍(Blue)三原色 LED 作為背光源,當 XR 認知智慧處理器分析影像內容,發出畫面調整指令後,True RGB 能精準響應,讓紅、綠、藍三色背光以極高精度進行獨立控光,將 AI 畫面調整的判斷精準呈現。

一般智慧電視、AI 電視、搭載 True RGB 的 AI 電視差在哪?

跳脫複雜的規格參數,一次搞懂三代智慧電視有何不同。簡單來說,一般 AI 電視可以做到升頻、降噪與場景辨識;搭載 True RGB 的 AI 電視則進一步把 AI 判斷延伸到背光與色彩控制,真實還原亮度、色彩與對比。

一般智慧電視 AI電視 搭載 True RGB 的 AI 電視
核心定位 解決「連網與內容獲取」 解決「基礎畫面自動優化」 解決「極致高階畫質精準執行」
畫質處理能力 支援基本的數位降噪,無法因應訊號源差而改善 具備 AI 升頻技術,能動態辨識場景並優化低解析度影片 結合 XR 認知智慧處理器與硬體優勢,進行深度的 AI 畫面優化
背光技術 傳統常亮背光,容易產生漏光與局部發灰現象 具備區域控光,但演算法與硬體匹配度較為普遍 採用 True RGB 三色獨立背光,控光精準度極高,無溢光與色偏
色彩與亮度表現 色彩表現較為平淡,高亮處易過曝,暗部細節容易丟失 色彩飽和度高,但有時因演算法過度補償而顯得不夠自然 實現豐富飽和的色彩表現層次,精準還原真實色彩
主要適合情境 看第四台、日常追劇 看 4K 串流,希望電視能自動適應不同影音內容 追求劇院級體驗,喜歡高畫質影音、球賽、遊戲的用戶
跳脫傳統電視容易漏光與發灰的痛點,Sony BRAVIA 9 II 結合旗艦級 XR 認知智慧處理器與 True RGB 背光技術,從底座美學到內在核心,皆為追求劇院級體驗的頂級用戶而生。
跳脫傳統電視容易漏光與發灰的痛點,Sony BRAVIA 9 II 結合旗艦級 XR 認知智慧處理器與 True RGB 背光技術,從底座美學到內在核心,皆為追求劇院級體驗的頂級用戶而生。
圖/ 數位時代

買 AI 電視時,真正該看哪些規格?

當你準備為家裡添購 AI 電視時,除了關心它是否支援智慧語音、刷新率有多高、個人化推薦好不好用之外,以下四個核心 AI 電視功能才是決定長期觀看品質的關鍵指標:

AI 處理器

大腦優劣決定電視表現,挑選時認準旗艦級的 AI 處理器,如 Sony 的 XR 認知智慧處理器,不只單純堆疊算力,而能模擬人類大腦的認知方式,打造身歷其境的畫面真實感。

AI 升頻能力

優秀的 AI 升頻能力應能精準區分「影像噪訊」與「畫面原生紋理」,在去除雜訊的同時保留皮膚毛孔、衣服編織等細節,而非一味抹平。

背光與控光技術

若重視高階畫質,True RGB 可作為判斷 AI 畫質能否精準呈現的重要顯示技術,徹底告別傳統畫面暗部發灰、亮部慘白的通病。

色彩與亮度表現

不能只看標榜的 HDR 規格,更要檢視硬體能否真實呈現。True RGB 能賦予 AI 電視更強悍的畫面執行力,銳利呈現 AI 算出的明暗對比與色彩飽和度。

關於 AI 電視與 True RGB 的常見問答

Q1:AI 電視適合哪些人?
AI 電視適合所有對影音品質有追求的人。不論你是愛看高畫質影音的追劇族、追求畫面流暢不殘影的運動迷、重視高刷新率與低延遲的遊戲玩家,AI 電視都能大幅提升觀影體驗。

Q2:AI 升頻會把影片變成 4K 嗎?
無法完全等同原生 4K,但能讓畫面更接近高解析度的觀看效果。AI 升頻利用比對與像素補插,將原本模糊線條變得銳利清晰,結合 True RGB 的高精細控光後,視覺表現會非常接近 4K 原生畫質。

Q3:買 AI 電視時,只看 AI 處理器夠嗎?
絕對不夠。演算法算出的完美畫面需要顯示硬體來執行,電視的背光技術、控光與色彩管理能力(如 True RGB)同樣重要。軟硬完美結合,才是高畫質的保障。

Q4:AI 電視對看球賽或玩遊戲有什麼差別?
AI 電視能根據不同場景優化畫面表現,觀看球賽時,能動態識別高速移動對象,即時插幀消除動態殘影;玩遊戲時,能自動切換至低延遲模式和強化暗部細節。

Q5:白天和晚上看電視,AI 電視會自動切換不同的畫質設定嗎?
Sony 搭載 True RGB 的 AI 電視內建環境光感測器,能根據環境光線變化動態調節畫面呈現,在白天明亮時自動增亮、晚上變暗時調降亮度並柔化對比,省去手動切換的麻煩。

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
台達電全解讀
© 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