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
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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