主管沒弄懂這8件事，小心逼走一流人才：「減少工作量」其實是一種地雷|數位時代 BusinessNext

失去員工不只打擊團隊士氣，還會增加企業成本。

《哈佛商業評論》整理出8個領導地雷，會讓企業與主管在不知不覺中逼走員工。

企業與主管無法留下每一個人才，但永遠可以精進自己的管理技巧。

失去員工，不只會對團隊士氣造成巨大的影響——同時代價也很昂貴！

據職場調查網站Glassdoor 2019年的調查，美國雇主每次招募成本高達4000美元（約合新台幣12萬元）。該如何留下好不容易召募到的人才？

《哈佛商業評論》整理了8個領導地雷，是身為主管或人資的你，不要犯下的錯誤。

錯誤1. 設定不一致的目標或期望

例如在客戶關係崗位中，部門經理明確表示「服務慢，就是服務差」。然而組織卻要求業務同仁在為下一位客戶服務前，須將上一位客戶資料完整登錄。這兩項看似合理卻矛盾的要求，卻讓員工壓力山大，甚至討厭工作。

你應該設計一份優先順序清單，讓員工在棘手、忙碌的情境下，不會對公司的管理方針感到困惑。

錯誤2. 太多流程約束

許多公司會通過流程設計，讓工作任務能井然有序的進行。但僵化的流程，也可能變成抑制績效的雙面刃，讓員工覺得自己沒做錯，卻被懲罰。這種無能為力與沮喪，會反映在工作品質與情緒上。

避免這種情況的方法是，在評估員工表現時，考慮到他們對結果的控制權。同時，與員工進行開放的對話，詢問他們的擔憂。

錯誤3. 資源浪費

假想你是一位週五需推出新廣告的行銷經理，雖然理應有足夠時間，但這三天，卻得花15小時參加會議和團隊訓練。員工在這樣緊湊的行程中該何時工作？經常性的緊張時間表，往往會員工更快地筋疲力盡。請記住，如果你沒有給團隊他們成功所需的資源，你就是在讓他們失敗。

你可以建立一份清單，管理員工任務的重要性，同時在指派新任務時，要考慮他們當前的工作負擔和合理性。

錯誤4. 把人放在錯誤的角色上

知識和技能浪費，會讓未發揮所長的員工感到被低估，最終導致離職的結果。因此，請在招聘的職位介紹與面試過程中保持透明，若不小心已經發生了上述情況，解決之道，是先盤點員工能力與職位角色的差距有多大，一起制定一個計畫，協助他們承擔更有意義的責任。

錯誤5. 給員工無聊或太簡單的任務

即使工作量減少，也不見得「更容易」，當員工沒有足夠的事忙時，可能會失去動力並經歷負面情緒。如果員工一向績效穩定，他可能會願意擴展自己的能力，並承擔更具挑戰性的工作。試著在分配任務之前，問問員工的興趣與熱情之所在，據此給予提高知識、技能進步的成長藍圖。

錯誤6. 未能創造心理安全的文化

員工在會議上太過和藹可親或安靜並不是好跡象，這代表他們擔心，自己想法會影響自己的飯碗。心理上沒有安全感的員工更容易犯錯，也不太可能冒險或在參與健康的衝突中成長，因而阻礙創新和效率。

想打造令人安心的職場，主管能在做會議總結時，感謝所有貢獻者的意見，確保團隊知道沒有所謂的「錯誤答案」，同時也要適時承認自己的錯誤，與坦承自己也有不知道的事。

錯誤7. 給了過於安全的工作環境

「適度」的壓力和摩擦有益成長。完全沒壓力的員工，會沒有意義感、失去忠誠度；而壓力過大的員工會忽略重要的工作準則，甚至用不道德的手段來脫穎而出。你可以通過定期向團隊成員提供正面與負面的反饋，來製造健康的摩擦。

錯誤8. 以偏見領導

不公平、帶偏見的領導，會讓主管的信用分數大打打折，如果你的員工不相信你能帶他們走上正確的道路，他們該如何團結？

想避免這種情況，可以從認知到自己的隱性偏見開始，在你做出重要決定之前，想想你的選擇是基於證據，還是偏好？有沒有考慮過其他觀點？你的知識庫是否有任何有需要先填補的空白？並定期徵求團隊的反饋意見。

主管可能無法留下每一個人才，但你可以控制自己的行為、精進自己的管理技巧。

本文獲《商業周刊》授權轉載，原文標題為：逼走一流人才的8件事
延伸閱讀：
被穿著耽誤多年的人才！他直到穿對顏色，才開始受重用
 徵人前主管最該想清楚的問題：這個職缺要人力還人才

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。