收集生產力資訊,工作才可能成功

If You’re Not Collecting Productivity Data, You’ll Never Succeed at Work
麥克.許瑞吉 Michael Schrage
瀏覽人數:2261

想改善個人健康,計算卡路里和每日步數是不錯的辦法。但如果是想在專業上更成功,又該計算什麼呢?企業網路想讓員工以更好、更快、更便宜的方法來管理自身的優缺點,就必須像個人一樣「量化自我」。

對個人來說,未來生產力的關鍵十分清楚:任何人想在21世紀的企業裡飛黃騰達,就必須加緊自我監控、自我監測、自我量化,程度要讓歐威爾的《1984》讀來如同兒戲。原因並不是什麼後工業時期的侵擾或侵襲,而是 出於專業的自我保護和自我改進。

別覺得這是《1984》的老大哥,而該覺得這是一位大數據導向的教練。

知識工作者想打敗那些更省成本、(更)具智慧的機器,最好的辦法就是擁抱科技,讓自己也變得更聰明、更具影響力。據稱,美國辦公室員工平均每天得處理超過5,000MB的資料,而且數字還在上升。如果無法將這股資料狂潮 轉化成個人上升的生產力,等於就是等著失業。不管是印度、中國、甚至是經濟合作暨發展組織(OECD)的知識工作者,都會面臨一樣的情境。這是個全球化的趨勢。

換句話說,就算現在還不能以具備成本效益的方式來使用資料、強化人類的表現,遲早也得面對自動化做到這點的一天。對於世界級的企業來說,明日的「量化自我」(quantified self)將不再只是持續的自我評估,而是轉變為不斷的自我改進。如果企業無法以可量化的方式取得實際改善,終會遭到淘汰。

目前的自我追蹤/監控工具就像是放大鏡,主要功能是讓人能用新的觀點、把自己看得更清楚;但這些科技也能針對提升績效表現,提出最佳、最實際的選項。

這可以說是把「量化自我」給「亞馬遜化」或是「Netflix化」。就像是亞馬遜建議購買書籍、或是Netflix建議觀賞影集的方式,由資訊驅動的數位公司也能夠收集分類、綜合並客製化各種明確的建議,讓人更有生產力、更有效率。另外還有更精細的「建議系統」,提出的建議更能刺激各種創意和合作。創新的領導者就會靠著演算法,投資提升人類表現及流程效率。

舉例來說,只要被動監控員工的聊天、電子郵件、備忘錄及簡報,企業的建議系統就能「知道」每個人的溝通模式及風格。這樣一來,在主管撰寫重要的專案評論時,這種軟體就能提供像是「情緒的自動校正」,能夠建議正確的用字,好讓這些評論更有效發揮影響力。當然,面對這些由資料所驅動的編輯建議,主管可以選擇是否要接受;但同樣當然,建議系統也同樣會監控他們的選擇及後續的結果,讓建議系統從中學習。

根據個人化的程度,建議系統能夠建議內向的員工多多使用公司的社群媒體,也建議太過外向的員工溝通時稍做克制。像這樣由資料所驅動的演算法諮詢,提出的建議可能包括閱讀某幾份明確的備忘錄、指出該邀請的特定同事、或是有哪幾場會議無須參加。

到頭來,要踏上(或是維持在)職場的康莊大道,會需要有足夠的謙遜及自我紀律,能夠聽從手中最聰明的機器所提出最佳的建議。想在專業上成功,可能靠的就是要對這些機器有如同對同事一般的信任、甚至是更多。

當然,這對管理及企業上的意義更是重大。目前企業及管理者已經預測「人類分析」將日益蓬勃,讓各種層級的領導者都需要積極定義(及測量)所謂的卓越該是如何。目前清楚正在浮現的關鍵差別在於,能提出最佳忠告及諮詢的對象可能不再是表面上的人類領導,而是機器本身。

確實,這種下一代企業建議系統的真正風險(及契機)就在於,高階管理者會愈來愈依賴這些科技來認識自己手下的人類同事。「信賴」與「依賴」兩者的差別正變得小到難以察覺。這樣一來,如果建議系統的成效已經確實比自己的人類直覺及見解來得更好,主管又該如何應對?

這將會是高階管理者在未來數位企業中必須面對的挑戰。有些時候,重要的還不只是你做了什麼,還要看看你怎麼去測量成效才行。(林俊宏譯)



麥克.許瑞吉

麥克.許瑞吉 Michael Schrage

麻省理工史隆管理學院數位商業中心研究員,著有《認真玩創新》(Serious Play)和新書《你想要顧客成為什麼樣的人?》(Who Do You Want Your Customers to Become?


本篇文章主題自我管理