本文出自

員工管理哪裡出了錯

員工管理哪裡出了錯

2020年9月號

別讓AI接管你的員工

Stop Overengineering People Management
彼得.卡裴利 Peter Cappelli
瀏覽人數:2963
  • "別讓AI接管你的員工"

  • 字放大
  • 授課文章購買
    購買〈別讓AI接管你的員工〉文章
  • 個人收藏購買
    購買〈別讓AI接管你的員工〉PDF檔
    下載點數 10
追求勞動力最佳化,是把員工視為一般化商品,利用自動化和人工智慧,把勞動力減少到最低限度,嚴格管控員工的工作方式,並用約聘人員取代正職員工,此舉不僅可能無法改善營運成果,還會使員工沒有責任感,進而減損生產力和創新。儘管許多流程可最佳化,但不能用最佳化來代替員工賦權,該如何找到適當組合?

邁向開明管理(enlightened management)的漫長路途,一般認為是從1930年代啟程的。在那個時候,研究人員和企業領導人(後者尤其重要)開始放棄以下這個假設:應該把工作者視為機器,要求工作者按照以工程化方式精確設計的規範,來執行工作任務。

他們開始相信,如果員工實際參與工作決策,經營績效將會改善。數十年來,贊成賦權(empower)給員工的陣營不斷壯大。但如今,有強烈跡象顯示,人們的觀點正朝著另一個方向擺動:昔日那種詳細規定的工程化模式(engineering model)正在捲土重來。這引發了深切的關注。

雖然許多組織(尤其是比較扁平或採取敏捷法的組織),仍聲稱他們認為認真投入工作的員工很重要,但有不少組織,而且是愈來愈多組織,似乎正在採取一種最佳化方法(optimization),把決策權和控制權再度交給專家和演算法。勞工被視為一種一般化商品(commodity),目標是削減正職員工人數,盡量減至最低,做法是以約聘人員和兼職人員取代正職員工,並使用自動化和軟體來降低人類判斷的必要性。對於留下來的員工,公司指定他們必須展現哪些理想的行為,並嚴格監督員工是否遵守規定。到目前為止,尚無證據顯示這種改變是一種改善。

勞工被視為一般化商品,目標是削減正職員工人數,盡量減至最低限度,做法是以約聘人員和兼職人員以及軟體來取代正職員工。

最佳化對大多數高階主管很有吸引力,因為他們一直被教導要如何進行並了解最佳化。但過往的情況顯示,僅將工作者的生產力視為工程挑戰,會衍生出一些持續存在的嚴重問題。因此,這次我們應該要聰明一些。關於員工賦權的好處,以及取消員工賦權的代價,已累積了好幾個世代的證據,但這些證據都被忽略了。要在這兩個模式之間取得平衡,並從中受益,是做得到的,但這需要放棄以下這個觀念:工作者的績效,基本上是工程化的問題。

在經濟低迷時期,工作者即使討厭被當成機器對待,也不會辭職,這時,工程化方法的普及程度升高;在經濟回升時期,工作者會跳槽或抗議,這時,工程化方法的普及程度就會下降。新冠病毒造成的經濟衰退,極可能進一步鞏固工程化方法的地位。如果勞動市場沒有抗拒,而且企業也沒有在內部仔細衡量那些效應,最佳化就能輕易獲勝。這將是可怕的錯誤。

本文觀念精粹

趨勢

過去四十年來,員工賦權的信念愈來愈普及。但近幾年來,有一項勞動力最佳化運動開始盛行。它把員工視為一般化商品,而且使用自動化和軟體,來嚴格管控人們的工作方式,努力將員工減少到最低限度,並以約聘和兼職人員取代正職員工。

關切的原因

沒有證據顯示,這種新形式的「科學管理」帶來了改善。企業若不再讓員工負有責任,會使他們變得消極,削弱他們的生產力和創新貢獻。

更好的選擇

不要選擇最佳化而放棄賦權員工。相反地,要像非常成功的「精實生產」做法那樣,努力找出這兩種做法的適當組合。「可以把員工當成機器來對待」這個觀念,是危險的。

反泰勒化做法興起

「科學管理」和它的「有效率地運作組織」的目標,最初是由菲德烈.泰勒(Frederick Taylor)在1900年代初期開始推動的。他認為,執行工作任務有一個最佳方法,而工程師可以想出那個方法,工作者的角色就只是去執行那個方法。這些論點,很快就從生產工作擴展到白領工作,塑造和影響了從薪資系統到辦公室與建築物設計的每一件事。

在1930年代,西方電氣公司(Western Electric)等雇主看出這個做法的問題,尤其是看到員工不願努力以赴的證據,於是開始實驗進行一些計畫,讓員工有較多發言權。個別員工按件計酬的工資和績效目標都放寬了。這些改變帶來可觀的改善成果。哈佛商學院的艾爾頓.梅育(Elton Mayo)和一些同事記錄了這些成果,並彙總了如何達到這些成果的心得,然後發起人際關係運動(human relations movement)。這個運動的重點是要關注員工的心理與社會需求:他們希望和其他員工建立關係,感覺自己的工作很重要,並參與決策。當這些條件得到滿足,工作者的績效一飛沖天;得不到滿足時,績效就直線下降。

1957年,著名管理學者道格拉斯.麥葛瑞格(Douglas McGregor)在《哈佛商業評論》撰文指出,對於如何讓工作者創造最大成果,主管的觀點有很大分歧:一個陣營贊成的觀點是,必須讓工作者受到嚴格管控和指導;另一陣營認為,工作者若能自由表達想法和採取主動,貢獻會更大得多。麥葛瑞格在1960年出版的開創性著作《企業的人性面》(The Human Side of Enterprise)中,把第一個做法稱為X理論,第二個做法稱為Y理論。

過去四十年來,Y理論模式愈來愈受歡迎。勞資健康與安全聯合委員會、品質圈和獲得賦權的工廠團隊,都不斷增加。1970年代後期,Y理論開始受到大力推動,當時有大量證據顯示,在泰勒的構想已廣為傳播的美國製造業和世界其餘地區,工作的品質不良。這個問題至少有一部分在於,自動化使工作變得很無聊,以致工作者對工作漠不關心。如果管理階層以更嚴密的監控和更嚴厲的懲罰,來因應工作者不夠努力的現象,工作績效和品質就進一步下降。修正之道是,改為讓實際執行工作的員工來發現問題,並負責解決那些問題,而不是由在生產線末端的品管人員來做。日本公司早早就採用這個做法。例如,豐田的精實生產(lean production)方法有幾個要素,但核心理念就是賦予第一線員工權力,去改善品質和生產力,他們甚至有權力停止生產線。在這種工廠生產的汽車和其他產品,明顯擁有優良品質,因此很快就引起主管的注意。

2000年代,精實生產方法(也稱為「豐田生產系統」)已從汽車擴展到健康照護,再到政府,以及介於其間的每個產業。品質、生產力和對工作者造成的結果,例如流動率降低,全都有改善。但是,引進精實生產通常是很艱辛的,最著名的就是,在有工會組織的美國汽車工廠裡,工作規則包羅廣泛,主管和工作者之間的不信任感很深,而且普遍有「非自家發明」(not-invented-here)的態度。但近年來,敏捷專案管理的趨勢,協助推動Y理論的理念進一步擴展。

趨勢反轉

我們可以說,隨著經濟大衰退(Great Recession)來臨,原本盛行的Y理論行為模式開始走弱;它的影響持續了很長時間,以至於許多較年輕的主管成年後,不知道還有其他行為模式。但其他因素也正在起作用。

流動的勞動力。一直以來,企業的一大憂慮就是:雖然市場的需求波動很大,但企業的員工總數相當固定。在生意低迷時,公司很難裁員,而如果景氣突然好轉,也很難迅速把人員補齊。零工經濟提供另一種做法。

優步(Uber)司機只有在有事可做時,才能獲得報酬,這類公司飛速成長的故事,給其他雇主留下深刻印象,他們選擇裁減全職員工,然後增加約聘人員;在生意衰退時,約聘人員得不到福利,也拿不到薪資。公司轉而採用一種像水龍頭一樣的人力運作,在需要時打開,一旦不需要就關閉,並在這個過程中,緊縮固定成本,這已成為企業的一個明確目標。獵才公司和招募流程外包(recruitment process outsourcing,RPO)公司介入,推動這個轉變。他們引進「流動的勞動力」(liquid workforce)和「人才隨選」(talent on demand)之類的術語,而這些術語描述的體系,是按照任務付費給約聘人員,並由仲介公司及時提供人員配置。現今,RPO公司提供「完整週期」的雇用服務,為雇主管理員工的雇用、裁員和約聘,並讓這三者保持平衡,以確保維持每日工作所需的最低人員配置。

如今,人才隨選模式已經很普遍。研究顯示,在美國公司工作的人員中,約有三分之一不是那些公司的正職員工。Google的約聘和派遣人員比正職員工還要多,〔根據《紐約時報》若林大輔(Wakabayashi Daisuke)2020年的一項報導,Google有超過13萬名約聘與派遣人員,正職員工則是12萬3,000人〕,這種現象在科技公司中並不罕見。約聘工作是幾乎所有汽車服務公司和快遞公司的核心,後者包括亞馬遜彈性快遞服務(Amazon Flex)和戶戶送外送平台(Deliveroo)等。他們突破正職員工與約聘人員之間的法律界限,因為他們能有效監督約聘人員的大部分工作,也就是精確監控司機所在的位置,並為他們規畫每一趟快遞服務的路線。根據派翠西亞.卡拉漢(Patricia Callahan)在《紐約時報》的一篇報導,亞馬遜彈性快遞服務甚至對準時送達所要求的標準很驚人:在一千次快遞中,必須有999次做到按時送達。〔亞馬遜公司(Amazon)並未應要求而對相關做法發表評論。〕

沒有證據顯示,縮減人力真的可以改善營運成果。平均來說,在經濟衰退初期就大幅裁員,與更好的財務績效之間並沒有關聯,而且根據一些研究,包括韋恩.卡席歐(Wayne Cascio)、阿爾瓊.查崔斯(Arjun Chatrath)和羅韓.克里斯提–大衛(Rohan Christie-David)的研究,延遲裁員的公司績效較好。此外,每個合約都需要有人管理,這並不利於節省成本,這是《華爾街日報》羅倫.韋伯(Lauren Weber)在電動遊戲產業中發現的情況。

當我們拿走員工所有的決定權,他們就不再覺得自己負有責任。一切都由以人工智慧為基礎的演算法來發號施令,我們甚至不清楚演算法是如何提供協助的。

此外,我和其他人的研究顯示,同步雇用派遣人員和正職員工,會對正式員工產生負面影響、削弱員工忠誠度和同事之間的關係,並降低營運績效。我們還不是很了解,個別約聘人員和正職員工的生產力相較起來如何,但我們確實知道,約聘人員與正職員工不同,他們沒有法律或心理上的義務,要維護公司的利益。因此,雖然一定有許多投入程度高的約聘人員,但公司不該期望他們自行額外付出努力,因為他們若開始做公司沒有要求他們做的事情,可能會違反合約。而當他們擁有好構想時,也不能期望他們會提交給他們任職的客戶公司(就像正職員工常做的那樣),而可能會出售給客戶公司或競爭對手。

流動勞動力背後的假設並不成立,最後一個原因就是當生意走下坡時,約聘人員其實並沒有離職。(一個明顯的例外是,與疫情相關的停工,導致正職員工和約聘人員都遭受經濟大衰退程度的失業。)研究顯示,約聘人員通常會繼續為客戶工作,任職期間與正職員工一樣長,因為他們開始擔當更重要的角色。如果他們離開,他們的知識和資訊就會隨他們而去。例如,顧問工程師提姆.尼爾(Tim Near)發現自己很有價值,因為他是唯一知道某個飛機零件原始規格與設計的人,這個零件是15年前他作為約聘人員時開始製造的,現在它的需求回升了。

談判薪資。「價格差異化」是來自最佳化理論的一個簡單但重要的實務,現在被應用於起薪。我們很容易忘記雇主過去曾採取固定起薪,尤其是入門級的工作;如今,談判薪資是很流行的做法。凱業必達公司(Career-Builder)在2017年進行一項問卷調查,參與的雇主當中有52%表示,他們提供給可能雇用人員的薪資,低於他們願意支付的薪資,這無疑是希望有些人不會嘗試談判爭取更高的薪資,或者沒有能力這麼做。那些雇主是對的,大多數員工沒有這麼做。

職場專家知道,從長遠來看,給予技能類似人員同工不同酬的待遇,會招致許多難題,很少有議題(包括法律問題)造成的難題比同工不同酬還多。但是,把起薪盡量壓低而得以在前期節省的金錢(我們可以輕易計算這個金額),似乎已吸引許多公司去冒這個險。

人工智慧和最佳化。將企業推向X理論的最強大力量,是人工智慧(AI)。目前,人工智慧的工具,幾乎都是從機器學習程式產生出來的演算法:一組方程式,可用來讓人員配置的要求條件、求職者的適配程度、行銷行動等等都最佳化。演算法讓員工不必作決策,交由專家來作,而專家就是建立演算法的數據科學家。這正是泰勒倡導的轉變:找出運用工程原理的一套最佳做法。

例如一個曾是個人主義與自主權堡壘的工作:長途貨運。從前,只要準時抵達目的地,卡車司機可以隨心所欲決定路線與駕駛時程。如今,演算法決定路線與時間表、駕駛方式,以及其他一切事情。卡車司機室配有監視司機和收集資訊的設備,兩者都是為確保司機執行公司要求的做法,並改進演算法。攝影機錄下司機是否將手放開方向盤,如果那樣做就會被公司扣薪;速度和行駛時間每分鐘都受到監視;每一趟任務,司機都得到包含每個轉彎的行車路線指示(例如減少左轉,因為左轉會造成較多車禍並耗費較多時間)。

這麼做可能導致什麼結果,亞馬遜超過12萬5,000名倉庫員工提供一個好例子。演算法為那些員工訂定目標:一張訂單中,每個品項的揀貨作業應該花多少時間。根據《紐約時報》史考特.夏恩(Scott Shane)在2019年的一篇報導,未能達到一個目標,會被記一個警告,警告也是由演算法發出的,而三個警告就構成解雇的理由。主管仍有解雇員工的最後決定權,但尚不清楚他們能保有這個權力多久。

當我們拿走員工所有的決定權,他們就不再覺得自己負有責任,對作出額外貢獻的興趣也隨之降低。一切都由以人工智慧為基礎的演算法來發號施令,我們甚至不清楚演算法是如何提供協助的。假設一名卡車司機發現一個進出裝卸區的更好做法,這個司機要告訴誰?沒錯,平均來說,這些演算法可節省汽油和金錢,但如果我們不再賦權給員工,並制定與最佳化相關的計畫和控制措施,員工就不會再提出創新。

把決策權從部門經理和工作人員手中,轉交給專家和軟體,得付出重大代價,而且很難追蹤這些代價。其一,它削弱了主管和部門經理,因為雇用、排班、評估績效等方面的責任,是他們的權力來源。如果一名員工被排班軟體安排連續三個週六都得上班,因而感到生氣,主管能對他說什麼?如果這個主管完全無法為他做什麼,以後要如何要求他提供額外協助?在這種環境下,不會有彼此互惠,但彼此互惠才能建立關係,並讓員工感受到組織有提供支持。

接下來,我們來談對白領工作的監視。以往這極難做到,因此無法在這個領域執行最佳化。但現在情況已經不同。新的績效管理軟體,可以統計擊鍵次數,取得並分析螢幕截圖,以追蹤偷懶的人,而這只是資料收集的冰山一角。Teramind和InterGuard等供應商銷售現成的系統,可提供所有這些功能,另外還有更多功能。Microsoft Outlook Calendar和Slack之類很普遍的軟體,已可辨識我們遇到的人,以及我們與他們相處的時間。然後,這些資訊會被用來建立模式,決定員工應該花多少時間完成被指派的專案。

感測器監視你工作的一切

軟體只需要測量動作偵測器(motion-detector)的指示燈亮了多久,就可以告訴我們,員工在辦公室待了多少時間。打卡鐘再度回歸,只是形式變成了識別證,讓我們刷卡進出建築物,追蹤我們何時到達和離開,以及我們進入哪些區域和其他人見面。室內測繪軟體更進一步,可即時辨識各個員工在建築物中的位置。目前供應商提供的一種軟體,據稱可以在無法看到員工面孔時,透過他們走路的方式來辨識他們。感測器可以偵測誰正在和誰會面,以及我們在辦公桌前坐了多久等等。正如《華爾街日報》莎拉.克勞斯(Sarah Krause)發現的,雇主監聽會議室的談話,然後分析那些對話,以便用更好的方式來組織和管理各個團隊。例如,健身公司Life Time讓新任經理分析團隊會議中的對話,作為培育他們的練習。

隨著新冠肺炎導致經濟活動停擺,許多組織讓員工在家工作,於是實情曝光的時刻到來了。企業是否相信員工在家工作會有生產力?還是試圖監控員工?答案似乎是後者:《華盛頓郵報》(Washington Post)的德魯.哈威爾(Drew Harwell)報導,「報告網路使用狀況」軟體(tattleware)的使用增加,這種軟體可以監測員工在家工作時,在電腦上做的一切事情。哈威爾的報導引述一家供應商說,它的客戶自認「完全有權知道員工在家中做什麼」。

《華爾街日報》的康拉德.普濟爾(Konrad Putzier)和齊普.卡特(Chip Cutter)報導,許多企業在政府要求各界停止多項活動之後,正在為員工重返工作場所而做準備,有些公司正在安裝室內測繪軟體,以監控員工是否遵守保持社交距離的新要求。觀察家指出,在疫情過後,沒有充分理由要拆除這個軟體。

所有這些資訊,都可以用於建設性目的,例如,設計更好的辦公室格局。但它也可以找出哪些員工溜出建築物,在外面待得太久,還有誰在開「3月瘋狂」(March Madness)等球賽小賭盤。伊森.伯恩斯坦(Ethan Bernstein)和班.魏柏(Ben Waber)指出,由上級主導工作場所設計,想產生理想的效果,但這麼做往往適得其反,例如,協同合作減少了,而不是增加。他們建議企業進行實驗,以了解哪些實務可獲得重要的成果(見《開放式辦公室讓人封閉?》(“The Truth About Open Offices,” HBR, November–December 2019;全球繁體中文版刊登於2019年11月號)。

員工從來就不喜歡受到監控。罷工浪潮在1930年代建立產業工會,一個動機是對薪資不滿,同樣重要的另一個動機,就是要抵制管理階層的控制,以及泰勒式的工作要求,例如,計算員工上廁所時間的羞辱人做法。此外,監控很少能產生想要的效果,因為員工會找到迴避方法。求職網站SimplyHired的一項調查顯示,超過四分之一的員工承認,會蓋住工作電腦的網路攝影機;有近三分之一的員工,和同事通電話時,把公司電話切換到個人手機,以防被雇主監聽。

改採以人工智慧為基礎的最佳化,也不是免費的。泰勒的科學管理,要求企業聘用當時新興的工業工程領域的眾多專家,同樣的,今日的最佳化做法,促成了對數據科學家的需求。根據美國求職求才資訊網站Glassdoor,建立演算法的職務迅速增加,平均基本薪資為11萬3,309美元。

取得平衡

人們可能會主張,情勢對Y理論不利。根據一些估計,所有大型公司執行長中,有三分之一擁有工程和電腦科學學位。47%的執行長有財務背景,在這個領域中,占據主導地位的是成本最小化、公式和數字目標,而不是賦權員工。和Y理論相關的行為方式,在商學院課程中占的分量不多,而且被夾在各種依賴最佳化流程的課程之間,像是個體經濟學、會計學、金融學和營運課程。同時,傳授行為觀念的企業主管培訓課程,大致上已經消失。

最後,Y理論的做法,需要領導人和主管付出大量的時間和精力,而且沒有明確的定義。相反的,最佳化做法可明文規定在各項規則中、委派他人執行,也符合明確的優先要務,例如,效率最大化和降低成本,這兩者都能取悅財務長和華爾街。

《紐約客》(New Yorker)的艾立克.麥吉利斯(Alec MacGillis),報導Y理論管理普遍遭到長字輩主管蔑視的一個糟糕案例。這篇文章的主題是波音公司(Boeing)的組織重整,以及這如何成為波音737 Max噴射客機情況悲慘的原因之一。波音公司裡類似精實生產的計畫,是由工程師設法改善流程,這項計畫曾是優良品質和成本效益的標誌。當一位高階主管宣布,波音要削減這項計畫的經費時,一名參與計畫的工程師,在勞資雙方早餐會上提出反對意見,指出這項計畫已為波音節省多少錢。那位高階主管回答:「我作的決定,比你作的所有決定,對結果的影響更大。」

對主管的重大挑戰,不是決定要選擇X理論還是Y理論,而是要找出實際上、而非理論上有效的實務組合。科學管理首次被引進時,它比先前製造業的混亂做法有效得多,而且是協助美國企業稱霸全球市場的一個關鍵因素。許多經營實務仍做得不好,如果進行最佳化,可大大提升成效,甚至變得更公平。雇用就是一個例子:在大多數公司,有些主管很少接受、甚至完全沒有接受過如何雇用員工的訓練,但仍依據自己的直覺和偏見作出選擇。

讓第一線成為精實生產要角

不過,把最佳化和員工賦權結合起來的效果,要好得多。精實生產的優點之一,是兼具最佳化和員工賦權,做法是把改善生產力與品質的任務,移交給第一線工作人員,並教導他們如何把工作設計得更好。因此,看到企業用軟體代替這種做法,令人沮喪氣餒。排班調度與彈性工時也出現類似現象。從前,一組工作人員想出既能做好工作,又能滿足員工需求的最佳做法。如今,已可取得的一些軟體,號稱能依照營運需求,把工作排班表「最佳化」。隨著各公司忙著兼顧各個員工的排班表,以保持辦公室中的社交距離,觀察他們是使用員工驅動的做法,或是採用演算法,就能了解真相了。

其中的最大限制,似乎一直是同一個:最佳化的知性吸引力,以及它承諾會有一種簡單的最佳管理方法,只要採用這種方法,後續就不用再處理了。之後,主管就可避開讓員工參與解決工作場所問題的辛苦工作,轉而去執行有趣得多的策略任務。正如柯特.馮內果(Kurt Vonnegut)在他的小說《自動演奏鋼琴》(Player Piano)中說的:「如果沒有那些人,總是被機器纏住的那些該死的人……,這個世界會是工程師的天堂。」忽略人可能更容易做到,但我們仍在這裡。考慮我們的需求和利益非常重要,高效能領導人必須考慮到這一點。

(侯秀琴譯自“Stop Overengineering People Management,” HBR, September-October 2020)



彼得.卡裴利 Peter Cappelli

華頓商學院(Wharton School)管理學講座教授,以及該學院人力資源中心主任。他有數本著作,包括《大學教育值得投資嗎?》(Will College Pay Off? A Guide to the Most Important Financial Decision You'll Ever Make, Public Affairs, 2015)。