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
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 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