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
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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