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
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦

ChatGPT、Gemini、Claude 等 AI 通用工具問世後,「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用,多數卻仍停留在文書輔助、單一聊天機器人(Chatbot)運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻,企業需要的不再只是一個會回答問題的對話框,而是具備「自主決策與行動執行」能力的「代理式 AI」(Agentic AI)。

Going Cloud 和 IDC 合作發布的《多代理系統崛起 打造敏捷韌性企業》報告便指出,如今「AI First」時代來臨,企業的 AI 應用正從輔助性質走向自主營運,有 80% 的企業期望藉此提升生產力,70% 的企業希望能更輕鬆處理複雜任務,還有 66% 的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多,必須納入組織管理

但究竟什麼是「代理式 AI」?

「過去人們使用生成式 AI 時,需要一步步下達明確指令,但現在使用者只要賦予代理式 AI(Agentic AI)明確目標,它就能自己理解前因後果、進行推演,甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加,比方說,人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI,跨部門協作的複雜度也隨之飆升,「如果你是管理者,你就會意識到,必須把 AI 當成一個人,納入組織裡來管理。」黃柏淞強調,能統籌、指揮多個 AI 代理協作的「多代理系統」(Multi-Agent System, MAS),正是為了解決這個痛點而生。

簡單來說,MAS 就像虛擬的企業總部,負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時,各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性,企業可以依照業務需求,隨時新增、更改 AI 代理,能大幅提升營運韌性。

雖然企業普遍意識到,代理式 AI 已經蔚為風潮,但實際部署時,仍面臨諸多挑戰。《多代理系統崛起 打造敏捷韌性企業》報告便顯示,資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題,「企業最擔心串聯多個 AI 代理時,要是權限沒控管好,很容易有機敏資料外洩的風險。」黃柏淞提到,在此情形下,Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」(Supervisor Agent)作為主要決策層,底層則串聯了各個負責單一任務的「任務代理」(Task Agents)。

以 Going Cloud 服務的大型金融企業為例,假設一位 VIP 客戶登入銀行 APP,詢問 AI 客服:「我想申請房貸,請問現在利率多少?另外,請幫我評估把我目前的科技股基金贖回當作頭期款適不適合?」如果是傳統的聊天機器人,可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡,「主管代理」接收到任務後,會先拆解再指派負責「房貸利率」的「任務代理」,去後台抓取客戶的信用評分和最新房貸專案。同時,這位虛擬主管還會指派「理財分析」的「任務代理」,去檢視客戶最近科技股基金的績效並預測市場。最後,再由「主管代理」統整資訊,一併給出一份完整且客製的財務建議,「分層式 MAS 能確保整個過程的指令被清楚傳遞,而且因為權限分層管理,房貸 Agent 不會碰到不該碰的理財資料,符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看,多代理客服平台能降低 50% 以上的人工客服工作負擔,並讓回覆使用者問題的平均時間減少 60% 以上;FAQ 知識導向與 API 資料調用的正確率,在調用得當的情況下,也都達到9成以上的成功率。黃柏淞指出,金融、製造、顧問等有複雜跨部門協作需求的大型企業,都是亟需採用代理式 AI 的產業。

#0 AI同事愈來愈多怎麼管?Going Cloud用「多代理系統」,助企業打造最強營運大腦
提到目前與台灣領先金融集團的合作進程,黃柏淞表示因為金融機構的特殊性,需要縝密的全方位服務,從前期討論到技術導入,大約需要半年到九個月的時間。
圖/ 數位時代

懂雲也懂企業痛點,助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構?一方面,Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技(KKCompany Technologies),奠定具備理解和服務大型企業的經驗,且自 2022 年創立起,就鎖定服務架構最複雜的大型企業市場。同時,Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家,此成就彰顯 Going Cloud 在堅實的資訊安全基礎上,深化了對個人資料保護的承諾,為客戶提供符合國際標準的資料保障,強化雲端服務領導地位。另外,Going Cloud 還能為企業量身打造底層 AI 平台,提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業,黃柏淞建議,釐清應用場景,比追求最新技術更重要,「唯有清晰定義痛點,才能讓強大的 MAS 平台真正落地。」
他特別提到,導入 MAS 系統不只是 IT 部門的責任,其實更像企業的升級轉型,「未來的知識工作者,不能只是單純『接球就打』,每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表,應該要學著指派手下的「數位同事」去執行。員工的核心價值,將從過去繁瑣、重複性任務的執行,轉移到前期的目標定義、流程規劃,以及後期的決策判斷和審核把關。

AI 技術飛速推進,企業間的競爭已從「要不要用 AI?」,升級成「如何管理與協作多個 AI?」。透過建構靈活、安全且具高擴展性的多代理系統,企業不僅能解放員工的生產力,更能在瞬息萬變的市場中,打造敏捷、韌性兼具的營運大腦。

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
AI全球100+台灣20
© 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