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
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?

曾是台灣製造業重要根基的塑膠射出產業,如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者,老師傅退休、新人才接不上的現況,更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具,許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出,全球塑膠射出市場規模超過 3000 億美元,每年仍以約 3% 至 4% 的幅度成長。需求並未消失,只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉,老師傅數十年累積的經驗卻很難複製。

這道人才缺口,正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發,歷經近十年研究與工廠驗證,嘗試把老師傅腦中的射出經驗,轉化成可以計算、保存與持續學習的 AI 模型,解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI,射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備,不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後,生產現場仍得依產品、材料與機台特性,調整溫度、速度、壓力、位置等條件;即使使用同一種塑料,不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處,不只是記住參數,而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的,就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後,第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統,工廠只要輸入材料、機台規格、產品尺寸等資訊,sMolding 便能計算第一組成型參數;若試模後出現產品缺陷,再由 sTroubleshooting 提供修正建議。

用手機即可查看系統狀況
圖/ 智穎智能提供

「它就像導航。我今天告訴你要從 A 點到 B 點,但不知道路怎麼走,導航會把路徑算給你。」張詠翔說。對射出成型而言,這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例,傳統方式需 7.5 小時,導入系統後縮短至 2 小時,材料使用量從 23 公斤降至 8.7 公斤,整體試模成本降低 64%。

但找到正確參數只是第一步,真正進入量產後,工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損,都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組,透過射出壓力數據持續監控品質,並依生產狀態自動補償關鍵參數。換言之,AI 不只在試模階段提供一條正確的「導航路徑」,進入量產後還能因應製程變化持續修正,進一步朝「自駕」邁進。

從產線驗證到海外布局,桃園如何助攻智穎智能跨過0到1?

但要讓 AI 真正走進工廠,智穎智能採取 SaaS 訂閱模式,將核心運算留在雲端持續學習與更新,降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備,因此智穎智能的方案既能導入既有設備,也能與射出機、控制器業者合作,在新機出廠時直接整合。「一個工廠不會只有一個廠牌,就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言,AI 真正走進製造現場的關鍵,在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言,降低導入門檻還不夠,更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言,桃園不只是公司所在地,也提供了技術走向市場的第一塊試驗場。「對新創來說,第一個就是要經費、要人才、要場域,再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期,團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源,降低早期研發與營運負擔。更重要的是,桃園密集的製造業聚落,本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業,智穎智能在創業初期接觸到位於桃園的「良器」,成為公司第一個客戶。從概念驗證、產品調整到實際導入,合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言,第一個願意開放場域的客戶,意義遠超過第一筆營收。

如今,從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次,完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示,透過市府帶領團隊前往日本神戶,智穎智能接觸當地官方與企業資源。在市府引薦下,團隊成功對接了神戶知名加速器,更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局,為下一階段海外市場拓展做準備。

智穎智能在 TaipeiPLAS 2026 台北國際塑橡膠工業展,展示 AI 智慧製造成果,現場商洽氣氛熱烈,成功吸引產業關注。
圖/ 智穎智能提供

AI 解決「怎麼生產」後,下一步是「替誰生產」

當 AI 開始解決「怎麼生產」,張詠翔看到的下一個問題,是「替誰生產」。部分製造商提高生產效率後反過來問他,如果我的產能多了 20%,但沒有多 20% 的訂單,我何必要做那麼快?

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家,品牌要在海外重新尋找符合特定規範與製程能力的供應商,也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商,讓品牌端能依條件尋找供應商,也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務,初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究,到桃園工廠提供第一個實際驗證場域;從把老師傅經驗變成 AI「導航」,再走向能自行修正製程的「自駕」,智穎智能試圖數位化的,是製造業最難被保存的資產:人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散,這套從桃園工廠磨出的 AI,下一步不只要替老師傅找到數位接班人,也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源,將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去,讓外界看見桃園豐沛且具實戰力的創新動能。

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