員工為何不愛薪資保密?重點不是賺多少,而是我不能「比你少」
員工為何不愛薪資保密?重點不是賺多少,而是我不能「比你少」

本文摘自《破梯效應》,大是文化出版

薪資不平等的本意是激勵員工,如果員工生產力提高,就會得到更多酬勞。既然如此,照理說為了拿到更多薪水,人人都會努力工作才對。這種用酬勞激勵績效的做法,在經濟上完全說得通,可惜人們不太會遵守經濟法則;薪資不平等也許可以激勵員工,卻也可能激發憎惡感。

當某人沒辦法保守祕密時,薪資保密就會引發麻煩。在一項關於薪資不平等如何影響員工的研究中,促狹的研究人員就故意把祕密洩漏出去。2008年,《沙加緬度蜜蜂報》(Sacramento Bee)推出一個網站,公開列出加州每一位州政府員工的薪水,包括整個加州大學體系的教職員在內。經濟學家大衛.卡爾德(David Card)所率領的研究團隊想出一個點子,故意把該網站的消息,透露給大學的某些教職員,看是否影響對方的工作滿意度。

薪水低可以,但不接受比隔座同事少

研究人員寄一封電子郵件給第一組受試者,提醒有這麼一個網站,並且提供聯結,使對方能輕易的查詢薪資。另一組受試者是對照組,他們沒有收到這封郵件。幾天之後,兩組都收到一份工作滿意度調查表,內容也問到未來一年有沒有換工作的打算。

不出所料,薪資網站的點閱率暴增。得知同仁的薪水多寡,大幅影響員工對自己工作的滿意程度,不過也要看他們賺多少錢而定。薪水低於自己部門平均薪資的人,得知這項資訊之後,不但工作滿意度降低,也較容易產生另謀高就的興趣。反觀薪水高於平均值者,知道自己收入比同儕高,並沒有讓他們感到更滿足,事實上這件事對他們完全沒有影響。

這項調查過了3年之後,研究人員追蹤當初造訪過薪資網站的受試者,看看誰當真離職了。結果他們發現薪資低於平均值的員工,如今受雇於該大學的人數減少了。其實促使他們離職的原因,不單純只是低薪,因為對照組中(沒收到洩密郵件的人)薪資比他們更低的人,離職率並沒有他們那麼高。反之,知曉自己比同儕賺的少這件事,才是萌生去意的主要因素。

高薪球員所在隊,贏球次數不一定多

經濟學家麥特.布倫姆(Matt Bloom)有一項為期8年的研究,記錄期間每支大聯盟棒球隊的勝負。按照薪資不平等更能激勵良好績效的理論,我們會預測薪資差異越大的球隊,贏球的次數也越多。棒球和美國經濟一樣,收入會極度不平等,幾乎完全來自明星球員高得離譜的薪水。這麼說來,給明星球員高昂的薪水,有沒有增加球隊獲勝的機會?

布倫姆發現恰恰相反。薪資最不平等的球隊,表現遜於不平等程度較低的球隊。針對國家足球聯盟所做的研究,也發現同樣的效果:不平等程度越高的球隊,贏球的次數越少。這份研究還透露,薪資不平等程度高的球隊,盈餘也比較高,對此最可能的解釋是,球隊斥鉅資吸引明星球員,會增加球迷買比賽門票和買媒體觀看的意願,因此就算知道給這些球員昂貴的合約,會破壞球隊的整體績效,球隊老闆也在所不惜。

研究人員最愛棒球,因為幾乎每場比賽都有紀錄球員的表現數據。布倫姆在最初研究期間,檢視了大聯盟全部1644個球員的統計資料。果然如他所料,高薪球員的表現,確實比低薪隊友傑出,不過最引人側目的發現卻是,待在薪資高度不平等的球隊中的超級明星,其成績不如那些待在薪資低度不平等的球隊的超級明星。

如果說薪資不平等的目的,是為了激勵表現,那麼這項預期剛好與現實相反。因為高度不平等會減損明星球員的績效;如果你相信薪資不平等的主要效果,是減低團隊合作與向心力,那就對了。前面提過加州大學的研究也已證明,薪資不平等對士氣和團隊造成的傷害,早就抵銷它刺激績效的正面效果。

團隊運動(如棒球或足球)的績效和單人運動(如高爾夫與賽車)有個關鍵不同處:如果有更高獎金等在前方,單人運動的選手可以更專注,也可改變自己的策略。反觀團隊運動裡,隊員合作的能力勝於任何個別成員的才華,因此薪資不公對團隊合作產生的破壞,效果大於高薪對個別球員的激勵作用。

美國執行長年薪,是一般員工的350倍

有項研究調查世界40個國家的公民,請受訪者估計自己國家中,一般非技術員工每年賺多少錢,一般大公司執行長又賺多少錢。然後再問受訪者,他們覺得一般員工和一般大公司執行長,理想上應該賺多少錢。接下來研究人員再計算兩者的比率。

不論哪一個國家,受訪者心目中理想的(可接受的)不平等程度,都低於他們所估計的實際不平等程度。平均來說,受訪者認為執行長的薪資是普通員工的10倍,至於理想比率則是4至6倍,而且受訪者的共識程度相似的驚人。

形容自己的政治立場屬於中間偏左的人,認為理想比率應該是4倍,而自認是中間偏右的受訪者,則認為理想比率應為5倍。所得落在最低20%的受訪者,認為執行長的薪資應該是普通員工的3至4倍;所得屬於最高20%的受訪者,則認為應該是5倍。受訪者不分年齡、教育程度,也不論研究人員拿任何變項去分析,他們心目中的理想數字統一得驚人。

這項資料除了令人吃驚的全球性共識外,更讓人咋舌的是,全球各地的人們根本不知道,企業界實際存在的不平等程度有多麼嚴重。研究人員調查的每一個國家,受訪者都嚴重低估實際薪資不平等的嚴重程度。舉例來說,美國的受訪者估計執行長比平均員工多賺30倍,但研究人員指出,實際上2012年美國的執行長,平均年薪高達1230萬美元,是一般員工年薪3萬5千美元的350倍左右。

員工不指望總裁只賺3萬5千美元,同樣的,他們也不指望自己能賺1200萬美元,然而350:1這個比數,對大部分員工來說,已經足以羞辱公平這個概念。最高主管固然對公司來說更有價值,可是他們的價值,真的比一般員工多350倍嗎?

我們很難量化企業執行長的確切價值,不過研究人員檢視多年來許多公司的績效,就能確定企業負責人和公司的興衰有多大關聯。假設某些執行長優於其他執行長,而最優秀的執行長,所治理的企業應該多賺一點錢,這似乎是合理的假設。不過還有許多其他因素是執行長無法控制的,也影響著公司的利潤多寡。這麼說來,最高主管對於公司的成敗,究竟有多少影響力?

往下滑看下一篇文章
決策桌上的虛擬團員:臺大 EiMBA 如何將 AI 從「工具」升級為「共創夥伴」?
決策桌上的虛擬團員:臺大 EiMBA 如何將 AI 從「工具」升級為「共創夥伴」?
2025.12.09 | 創新創業

「過去我們教育教導學生如何從數據中找出標準答案,但在生成式AI的時代,標準答案往往是最廉價的。」臺大EiMBA執行長李家岩一語道破了這波商業典範轉移的核心。他認為,當資訊獲取邊際成本趨近於零,企業的競爭優勢已不再是單純的「掌握資訊」,而是「如何設計讓 AI 與人共同創造價值的流程」。這不只是一句口號,而是一場正在被驅動的轉型。從課程設計的邏輯重組,到學生創業專題的實戰演練,臺大EiMBA正將校園打造成一個允許失敗、快速驗證的「人機共創實驗場」。

告別標準答案,當教授變成「學習架構師」

「我們不再只是教導知識,而是設計學習。」李家岩指出,臺大EiMBA的課程正在經歷結構性的轉變。現在的教授角色更像是一位「學習架構師(Learning Architect)」,他們的任務不是單向輸出,而是設計出高強度的挑戰與情境,讓學生在解決問題的過程中,自然地將 AI 納入決策迴路 。

以今年新開設的「雙軸轉型與人工智慧」課程為例,這並非傳統的技術概論課,而是場關於商業邏輯的壓力測試。學生不再只是繳交一份靜態的商業計畫書,反而被要求運用生成式 AI 輔助設計商業模式畫布(Business Model Canvas),甚至利用Vibe Coding技術讓不懂程式語言的商管學生,也能透過自然語言與提示工程,快速生成互動式的原型與操作介面來模擬市場反應 。這項技術打破了傳統「文組企劃、理組執行」的藩籬,讓創意能即時轉化為可執行的程式碼。在這個過程中,AI 扮演的角色並非代筆的秘書,而是將概念具現化的加速器,以及最嚴厲的邏輯質疑者。

bn圖說女生.jpg
寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕
圖/ 數位時代

「這是我在課程中學到最深刻的一課,」臺大EiMBA二年級生、寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕分享道。身處近200人新創組織的高階主管,她坦言最初員工對 AI 充滿敬畏,甚至恐懼被取代。但在 EiMBA 的課堂上,她發現 AI 真正的價值在於「攻防」與「鏡像」。「老師設計了一種『沙漏式』的提問邏輯,迫使我們把策略餵給AI後,必須面對它無情的反問。」鐘紫瀕回憶,「這個市場假設有數據支持嗎?」、「你的競爭壁壘在哪裡?」這種高強度的追問,都是AI在對學員提出的挑戰,迫使她必須思考得比AI更深、更遠。「以前我們忙著找答案,現在我們學會如何設計出『連 AI 都沒想過的好問題』。AI就像一面鏡子,映照出我們思考邏輯上的盲點。」

數位孿生實戰,將「感覺」轉化為「數據決策」

除了策略層面的思維激盪,AI 在營運端的落地應用,更是讓許多直覺型創業者經歷了一場痛苦卻必要的轉型。臺大EiMBA一年級生、赤赤子設計師林宏諭對此感觸良多。

身處傳統服裝產業,過去他的經營模式多仰賴美感與經驗,「以前做決策就是憑感覺,甚至忙不過來時,連縫扣子這種小事我都自己跳下去做。」但在李家岩講授的「雙軸轉型與人工智慧」課堂上,他被迫面對冰冷的數據與流程,而這正是李家岩強調的「數位孿生(Digital Twin)」素養 。

台大EiMBA圖說一
赤赤子設計師林宏諭
圖/ 數位時代

在虛擬世界中建立一個與真實工廠或商業流程一模一樣的模型,利用AI進行模擬與預測,是現代智慧製造的核心。對林宏諭而言這意味著必須將腦中抽象的「職人經驗」轉化為AI讀得懂的 SOP。「那段過程就像是被老師架著刀子往前走,非常痛苦,」林宏諭形容,為了讓 AI 能協助優化流程,他必須把每一個步驟定義清楚,無法再用「大概」、「憑感覺」含糊帶過 。

雖然煎熬但成果是豐碩的。當感性的創意被裝進理性的數據框架後,林宏諭發現自己的決策不再是賭博,而是可被驗證的科學。「現在AI不僅幫我理清思緒,更像是團隊的外掛大腦。我開始能鼓勵員工使用AI釋放重複性勞動,讓大家能準時下班,去做更有價值的事。」這正是課程希望帶給學員的轉變,從「事必躬親的管理者」進化為「善用工具的跨域系統設計者」。

bn圖說二.jpg
臺大EiMBA執行長李家岩
圖/ 數位時代

跨域共創,打破同溫層的「破壁效應」

如果說AI是另一位虛擬組團員那麼課堂上原本的同學們,就是來自多重宇宙的戰友。這裡匯聚了醫師、網紅、工程師、律師與傳產二代,如此多元的背景在AI的催化下,產生奇妙的化學反應。

李家岩特別提到了榮獲霍特獎(Hult Prize)肯定的「RiiVERSE」團隊。這個由臺大管院 EiMBA 與 GMBA 學生組成的團隊,成員涵蓋了時尚、行銷與創新創業等不同領域。他們利用舊衣回收再製技術,打造出循環經濟的生態圈。「這就是我們強調的跨域共創。」李家岩解釋,在過去,不同領域的專業人士溝通成本極高,但現在,AI成為了通用的翻譯機與黏著劑。

「AI不僅降低了技術門檻,讓文組生也能做Prototype,更讓理組生也能懂得商業敘事。」在這樣的環境下,創新不再是單打獨鬥,而是像RiiVERSE團隊一樣,結合理性與感性,共同回應全球永續(ESG)的艱鉅挑戰。

為了內心的狂熱,動手去做

然而,隨著AI涉入決策越來越深,一個核心問題浮現:在演算法能預測趨勢、生成文案甚至編寫程式的時代,人類領導者的價值還剩下什麼?「我們教的不是被AI取代,而是擴增智慧。」李家岩眼神堅定地說。他強調,未來的領導者必須具備三項關鍵特質:AI素養、跨域系統設計能力,以及科技人文的反思力 。

其中最關鍵的,是懂得界定「自主邊界(Autonomous Boundary)」。領導者必須清楚判斷:哪些決策該放手讓 AI 自動化?哪些時刻必須保留人類的溫度與價值判斷?「例如在智慧工廠中,AI 可以預測機台何時需要維修保養,但『什麼樣的風險可以接受』、『我們要解決什麼社會問題』,這些涉及價值觀的決策,永遠需要人類來定奪。」李家岩補充道 。

bn圖說三.jpg
寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕(左)/臺大EiMBA執行長李家岩(右)
圖/ 數位時代

在李家岩眼中,真正的創新往往不是來自同類型人才的討論,而是從不同背景、不同世界觀的碰撞中誕生。「一個人能看到的只是片段,跨域合作才能讓問題完整。」他再次提到。對他而言,EiMBA 想培養的不是知道最多的人,而是能讓「各種智慧」一起工作的人。在AI與人類智慧並存的年代,領導者最重要的能力,不是掌握所有答案,而是打造一個能讓答案自然生成的組織環境。「未來需要的領導者是能整合技術與人、懂得跨域系統思考、也能『擇人(含機器人)而任勢』的人。」李家岩說,而這群充滿創業創新的管理者也將在未來商業戰場上奏出人機協作的新樂章。

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
進擊的機器人
© 2025 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