团队里最牛的那个人，怎么就成了组织最大的障碍？|科学

2012年，微软被曝因“强制排名”制度导致人才内耗。最新研究揭示了背后的机制：问题不在于员工不够优秀，而在于所有人都盯着同一个“第一名”模仿，导致多元化的知识无法碰撞重组。而实时更新绩效信息、让后来者成为新的效仿对象，则可以有效促进知识重组。

2012年，记者库尔特·艾兴瓦尔德在《名利场》杂志上发表了一篇极具冲击力的深度报道。据他披露，微软已变成一个内部人才相互争斗，而非齐心应对外部竞争的地方。罪魁祸首是强制排名。每个考核周期，管理者都会按照固定比例，将员工划分为优胜者和落败者。排名每年更新一次。在两次考核之间，每个人都知道上一周期的优胜者是谁，然后纷纷效仿他们。

这就产生了一个矛盾点。微软并不缺乏多样化的人才。来自数十个国家、拥有迥异技术背景的世界级工程师充实着它的团队。认知多样性已经存在于团队之中。然而，这个组织却在趋向平庸，因为员工都在追逐同样的榜样。

这就是我们从最新研究中得出的结论。我们开发了一个计算模型，用于研究像微软这样的强制排名制度对绩效的影响。我们的研究结果表明，问题可能不在于公司雇佣了谁。我们发现，更大的问题在于每个人都在效仿谁，以及这些效仿对象的信息被固化了多长时间。我们的模型捕捉了许多组织中存在的年度强制排名制度的逻辑：确定一名表现最佳的员工，其他人效仿此人，排名直到下一个周期才会刷新。

在这样的体系中，可能出现两种弊端。其一是“过度模仿”：员工在吸收了明星员工有用的经验后，仍长时间继续效仿，在此过程中覆盖了他们自身独特的做法——这是一种学习上的净损失。其二，“目标固化”：指定的明星员工在周期开始时被选定，此后便不再更新。等到周期结束时，其他员工已经通过不同的路径取得了进步，但没有人注意到这一点，因为排名没有被刷新。组织持续从昨天的佼佼者那里学习。其多元化的知识从未被重新组合成更优的解决方案。这才是真正的代价。

我们的研究发现

知识重组——即将不同人所持有的正确做法组合成更优的解决方案——是组织学习、创新和战略制定面临的核心挑战。1991年，詹姆斯·马奇发表了后来成为管理学研究中被引用最多的论文之一，深刻影响了组织理论、文化演进和复杂性科学的思考。通过使用计算模型，他证明了当人们彼此学习的速度较慢时，组织的表现会更好。自此之后的主流观点是：缓慢的学习能够保护多元化的实践，防止过早趋同。

我们即将发表在《战略管理期刊》上的研究，采用同样的方法重新审视了这一结论。在这个背景下，计算模型模拟了一个由学习者组成的组织，他们相互观察并效仿表现最佳者的做法。每个模拟员工都掌握着一个复杂问题的部分（可能是正确的）答案，而没有人知道完整的解决方案。在数千次模拟运行中，我们改变了两件事：人们效仿他人的速度，以及系统刷新关于谁实际表现良好这一信息的频率。

我们的发现令人惊讶：缓慢学习确实有效，但纯属偶然。

马奇的模型，如同大多数年度绩效体系一样，只在考核周期结束时才刷新关于谁表现最佳的信息。当学习速度缓慢时，在下一次更新之前只发生少量的效仿行为，因此系统在两次更新之间几乎没有什么变化。我们模型中识别出的两种失败模式——过度模仿和目标固化——很少出现，仅仅因为在下一个更新周期之前变化很小。看起来好像是缓慢学习带来的“摩擦”在帮组织。其实，只是因为信息碰巧还保持着新鲜（未刷新），过早趋同才没发生。

从固定目标到实时目标

一旦你明白了这一点，一个更好的方法就变得显而易见了：有意识地保持信息的新鲜度。

大多数组织运行的是固定目标体系：他们在考核周期开始时识别出最佳表现者，并让这个信息保持不变。而我们提出的则是实时目标体系，其中最佳表现者的身份会持续更新。想象一个实时更新的排行榜，而不是一个固定不变的排名。

在我们的模拟中，当绩效信息在每次学习事件后都进行刷新时，快速学习不再导致过早趋同。

有两个机制可以解释这一点。首先，一旦人们发现自己已经赶上，就会停止模仿。有了实时绩效信息，一个已经与当前最佳表现者持平的员工会立即知道并停止；不再有过度模仿，也不再覆盖已经正确的做法。其次，更重要的是，那些通过不同路径达到前沿水平的后来居上者，会立即被大家看到。其他人现在可以向他们学习了。由不同人持有的、不同的正确做法，得以组合成更优的解决方案。

我们将由此产生的机制称为“目标多样性”：一组轮换的最佳表现者，他们各自独特的知识被重新组合。

“关注差距法则”

我们最具可操作性的发现，是我们称之为“关注差距法则”的规律。当远离前沿水平的人快速学习，而接近前沿水平的人有选择地学习时，模拟组织在复杂任务上能达到近乎最优的表现。相较于统一的缓慢学习，这种优势会随着问题复杂性的增加而增大。当问题有许多方面需要正确处理时，缓慢学习会停滞不前，因为后来者需要太长时间才能赶上，他们独特的知识从未进入重组过程。而在 “关注差距原则” 下，这些落后者通过不同路径迅速达到前沿水平，并立即成为新的模仿对象。

要观察这种动态的实际运作，可以考虑一个销售团队。离前沿水平还很远的初级员工，最快的学习方式就是照搬当前最佳表现者的做法，这样能更快地追上来。等他们的业绩快要摸到前沿水平的时候，系统就换了：他们开始减速，守住那些让他们杀出重围的非常规打法，然后变成团队里其他人争相模仿的新目标。前沿水平得以拓展，而不是围绕单一风格而固化。

人口多样性不等于目标多样性

斯科特·佩奇关于多样性红利的重要研究表明，由多样化的问题解决者组成的群体可以胜过由能力最强的个体组成的群体。但要获得这种红利，需要多样化的知识真正传播开来。而传播又需要目标多样性：一组轮换的榜样，他们独特的做法被效仿和组合。

大多数组织通过招聘在人口多样性上进行大量投资，却通过其绩效体系破坏了目标多样性。当每个人都效仿同一位既定的明星员工时，组织会趋同于一种做法的组合。其他员工持有明星员工所缺乏的不同正确做法。但因为这些员工从未成为模仿目标，他们的知识从未进入重组过程。

后来者溢价

最反直觉的建议是：刚刚赶上来的后来者，比既定的明星员工更值得效仿。明星员工的做法已经被广泛效仿，因此几乎没有新信息可以提取。后来者是通过一种尚未传播开来的独特做法组合达到现有位置的。这个人正是知识重组的关键，恰恰因为他们缺乏长期的亮眼履历。

这与管理者的直觉相悖。我们相信履历。我们提拔有成功经历的人。我们围绕既定的赢家建立最佳实践库。但履历反映的是知识已经趋同的地方。真正的收益在于尚未传播开来的知识，而这些知识往往掌握在那些刚刚通过意想不到的路径达到顶峰的人手中。

同样的逻辑也重新定义了人才发展。大多数组织将其视为单向的：把人招进来，培训他们，让他们与既定的最佳实践对齐。这种方法抹杀了当初聘用他们时所看重的独特知识。更好的设计是双向的。新员工向当前的最佳表现者学习以加速追赶。同时，他们崭露头角的优势在过早趋同于组织规范之前就被尽早地展现出来。其效果是双重的：既加速了新员工的成长，也为现有员工提高了标准，因为他们现在面对的是一个不断变化的前沿水平，而非固定不变的标准。

边界条件与局限性

这一建议并非普遍适用。对于最佳实践已经确立的常规任务，快速趋同是可取的：快速效仿已知答案，然后继续前进。“关注差距法则”的逻辑在以下情况下最能发挥作用：问题复杂、存在多条正确路径、并且人们效仿的是高绩效者而非遵从多数人的做法。

我们的证据来自一个计算模型。它揭示了组织学习领域最具影响力的结果之一背后的机制，并提供了一个具体的设计原则。我们的建议已在模拟中得到测试，但尚未在现场环境中得到验证。因此，直接在各类公司、研究团队或在线平台上测试“关注差距法则”，是自然而然的下一步。

再看微软

回到微软。当萨提亚·纳德拉在2014年成为CEO时，他最重要的内部举措就是改变效仿对象以及关于他们的信息传播速度。他取消了强制排名，取而代之的是通过一个名为“视角”（Perspectives）的系统进行持续反馈，同事可以在其中标注某人应该“继续保持”什么、“重新思考”什么。绩效信号变为实时更新，而非每年更新一次。全公司的黑客马拉松——后来发展到超过18000人参与——使得任何人的突破性成果都能立即被看到，无论其职位高低。后来者可以达到前沿水平，并在一天之内成为榜样。

从“无所不知”的组织向“无所不学”的组织的文化转变，其核心就是从固定目标向实时目标的转变。

在随后的十年里，微软的市值从大约3000亿美元增长到超过3万亿美元。我们不将此归因于学习系统的重新设计这一单一因素。Azure、与OpenAI的合作以及一系列收购都是这个故事的一部分。我们可以说的是，这里所描述的文化和运营变革，是那些重大举措所需的创造性重组的先决条件之一。

下一步：AI与知识重组

知识重组不仅是组织学习的核心问题，也是创新、科学和战略制定的核心问题。AI现在使得“关注差距法则”能够大规模付诸实践。持续追踪贡献的系统可以衡量每位员工与当前前沿水平之间的差距，并调整每个人从他人那里学习的程度。

当差距很大时，AI可以通过呈现来自最佳表现者的相关实践来加速学习。当差距很小时，AI可以做更重要的事情：帮助前沿表现者进行选择性探索，保护那些使他们作为未来模仿目标而有价值的独特知识。

风险在于，企业以错误的方式部署AI，用去年的最佳实践训练一个单一的企业模型，然后让所有人都效仿它。那将是以机器速度进行的过早趋同。而机遇则恰恰相反：利用AI让目标集合不断轮换。

实施这一点的最困难部分不是技术问题，而是文化问题。那些围绕既定明星员工建立了地位等级的组织，会抵制让后来者走上前台。问题不再是你的组织是否足够多元化，而是你的系统能否发现谁刚刚赶上前沿水平，并在他们的知识被磨灭之前将其展现出来。

知识重组不会自动发生。它需要通过精心设计来实现。

关键词：

刘承伟（Chengwei Liu）、托比约恩·克努森（Thorbjørn Knudsen）、迈克尔·克里斯滕森（Michael Christensen）、杰克尔·登雷尔（Jerker Denrell）| 文

刘承伟现任伦敦帝国理工学院商学院战略与行为科学教授。托比约恩·克努森是德国法兰克福金融管理学院战略组织学教授。迈克尔·克里斯滕森是丹麦南丹麦大学战略组织设计学教授。杰克尔·登雷尔是英国华威商学院行为科学教授。

周强 | 编校