微軟員工揭：曾怕輸給同事改考核表 25 次！新的績效評估法如何消除惡性競爭？|數位時代 BusinessNext

怕輸給同事熬夜改考核表 25 次！微軟的績效評估新法，如何消除惡性競爭？

微軟廢除分級制度，靠3象限績效評估法，消除惡性競爭、成為全球市值最高的公司

組織打掉重練，靠的是CEO直面員工的決心

陳慧蓉指出，第一，組織改造。微軟不再固守原本的系統霸業，下定決心擁抱雲端和智慧裝置。因此，和他人的合作顯得更重要，「以前我們會把所有人都當競爭對手，大家也知道賈伯斯和蓋茲有瑜亮情結。」

納德拉破天荒和蘋果（Apple）合作，甚至在蘋果的發表大會上站台，並將微軟的服務導入iPhone。納德拉重新定義微軟是一個平台，共好才能創造雙贏。

想要從根本改變組織的慣性，高階經理人的督促及以身作則是關鍵，納德拉自 2014 年上任以來，每個月都會固定和一級主管、全球員工進行「CEO connection」的活動，透過影片回答18萬員工的疑惑，至今從未停斷。此外，每3個月也會做小型的調查，確認員工對公司的滿意度，時刻改進。

第二，顧客導向。相較過往的目標是賣多少產品給客戶，如今成立顧客成功（customer success）部門，確保他們真的有使用產品，協助客戶解決問題。當以客戶為主，各種決策也會跟著對焦。

陳慧蓉舉例，自己曾帶領亞太大中華區的技術支援團隊約 140 多人，當時正經歷組織改革，管理範圍從按區域改為按產品線劃分，換句話說，團隊要面臨和不同時區客戶溝通的問題。

起初因為時差，對於歐洲客戶的狀況，同事反映沒辦法及時處理，除非台灣員工晚上加班，後來陳慧蓉提醒，「客戶的成功才是我們的成功，」同事遂決定全力支援。同仁一開始會覺得辛苦，但客戶和公司的激勵會使他們信心增加，這對組織來說也是很好的流程改善機會。

強化團隊意識，合作、學習得納入績效評估

陳慧蓉表示，推動組織轉型，部門、架構確立之後，員工的行為也要跟進，得從績效考核下手，因為這是主管和團隊直接溝通的機會。

過去，微軟採用的是分級制度，也就是強制為每位員工分級，再依照排名發放績效獎金，不僅激化員工的鬥爭心態，也等於變相鼓勵個人的英雄主義。現在，微軟的績效考核改以 3 個象限評估：

你自己的工作表現如何：工作範疇內的任務是否達標，甚至超標；為公司帶來什麼樣的效益或成就。

你有沒有幫助他人成功：是否主動協助解決同事的問題，或是幫助新進人員適應新工作。

你是否槓桿他人的想法：假設做一個市場規畫，有沒有能力汲取，並優化其他團隊或國家的成功案例。

陳慧蓉解釋，主管一年會有3次和員工討論的機會，將互相學習、願意嘗試的意識納入績效考核，放大團隊合作、減少單打獨鬥的心態，循序漸進促進文化轉型。「微軟成為全球市值最高的公司，不只是我們自己覺得轉型成功，華爾街也看好微軟的前景，」這場耗時7年的變革，微軟學會面對失敗，以此為養分迎接下一次挑戰，而這正是所有工作者應具備的成長心態（growth mindset）。

本文授權轉載自：經理人月刊

責任編輯：傅珮晴、錢玉紘

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。」

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。