組織內真有不可替代的人嗎?

組織內真有不可替代的人嗎?

關於組織管理,我說能力要留在組織上,而非個人身上,這不是難不難的問題,而是做不做的問題。

舉幾個例子,很多人相信有些程式只有老員工改得動,有些事只有某個人做得來,但一直以來我對這件事抱持的態度就是「這種只有某人才能處理的議題是個問題,遲早得解決,而且早解決比晚解決好」

多數狀況下,公司內只有少部分工作具備超高度專業性,且他人難以替代的。即便是這類狀況,通常我只要強制把這個工作的負責人換掉,讓新人接手,然後要求本來的負責人協助指導,大概一個月內都可以順利接手。

如果擔心這樣的調整會讓原負責人心生不滿,那是說服跟協調的問題,並不影響這件事要不要往下做,如果協調失敗,原負責人要離職,其實也不用擔心,真的發生,大概也是一個月的亂流,接手的人不太差的話應該都能順利接上。

有時,甚至可以做的比前人更好,過往因為這個工作被特定人壟斷,資訊不透明,很多事情其實都在錯誤的基礎上疊床架屋修改,當換一個人來做時,沒有過往的思維包袱與能力限制,反而做的更快更好了。

少數狀況下,該工作的原先負責人真的具有飛天遁地的能力,其他人真的很難單換他,留住這種人才固然重要,但與此同時你也該思考如何降低對他的依賴性,萬一他發生什麼意外,或者臨時無法配合,又或者他挾著這種依賴性而來威脅談判時怎麼辦?這件事從好的與壞的層面看,對他不是好事,對公司也不是好事。

與其抱持著這種高度不確定性,積極的做法就是認定它是一個一定會發生的問題,提早處理,單換他困難,初期就讓多個人來做,在這過程中除了降低依賴性外,也會同步提升其他人的能力,這是一舉雙得的做法。

過往當我每次要做這種決策時,總會有人告訴我動不得,但當我問對方「那如果這個人突然離職或有什麼意外怎麼辦?」面對這類事情的態度,避免它發生可能是個解法,但我更傾向假定事情一定會發生,然後直接面對它,並在這過程中強化組織管理能力。

面對組織管理的脆弱點,不斷防堵問題發生,讓組織能力夠堅強不是唯一解,應該進一步思考如何根本解決問題,讓問題發生並解決它,讓組織能力在這過程中升級,這是反脆弱的重要思維

Netflix 在維運機制中有一個混亂猴子 (Chaos Monkey),這隻猴子會在整個系統中隨機中斷某項服務,關閉某台伺服器,切斷某個網路連線,更新錯誤的程式版本等,無所不用其極地去搞掛系統,而 Netflix 對維運的要求是在這種狀況下,系統應該都還要能維持正常的運作。

過往我們處理系統問題是在防止這些問題發生,或者思考在發生時我們會怎麼處理,而 Netflix 則是進一步做到主動讓這些事情發生,因為他們具有足夠強健的機制來處理這些問題,這是維運機制的反脆弱性

讓組織具備有處理意外的能力,那就是所謂的組織強健性(robustness)。

這中間涉及了三個很重要的管理觀念:這短短的一段話當中,涉及了三個很重要的管理觀念:

  1. 一定得培養接班的梯隊與人才。
  2. 讓工作角色與人才的流動成為一種組織內的常態。
  3. 愈是困難處理的問題,愈是要建立成管理制度。

經營公司或團隊,一定要能分得清楚留住人才跟被人綁架的差異。許多主管因為怕人走,所以會妥協許多事,甚至對這個人的行為睜一隻眼閉一隻眼,而這樣的人,最後往往都成了管理上的漏洞。

就像技術債一樣,它明明就存在問題,但你擔心動了它會影響到一堆事,所以選擇不碰它,總是繞路(workaround)處理。直到這個技術債再帶來的影響實在太大時,你才痛下決心處理。

一個重要崗位人才的異動,對團隊一定會有些影響,可這也是個讓其他人成長的好機會。

以前大家沒機會碰到某些技術,現在能碰的,這是個學習機會,

以前大家遭遇問題時會過度仰賴這個資深同事,現在他們得自己面對了,

以前這個同事佔著一個重要的職務,現在空出來了,大家都有機會爭取了,

以前這個同事請假,問題就沒人處理了,面對客戶或業務部門的同人只能急得跳腳,現在大家都能解決了,這類問題自然也就消失了。

如果你想留住人才,你可以參考我這篇文章:關於「留才」的三個思考與五個關鍵做法

人才管理是重要的,但不要忘了,組織的強健性也一樣重要,讓人適才適所,發揮他最大的價值,而不是讓他佔著一個重要的位置不放,這其實也是變相的官僚。

如果你覺得我內容寫得還不錯,歡迎訂閱我的電子報,我每雙週會發送一封電子報到你的信箱。訂閱連結在這,過往的電子報也在這:Gipi電子報

也鼓勵你可以將我的電子報分享給你認為有需要的朋友們,也許你的舉手之勞,將會改變另一個人的思維與習慣。

Read more

大語言模型對軟體開發的影響

大語言模型對軟體開發的影響

近期閱讀了一份文件,內容是關於大語言模型對軟體開發工作的影響,文件的連結在這:Assessing and Advancing Benchmarks for Evaluating Large Language Models in Software Engineering Tasks 這份文件聚焦於大型語言模型(LLMs)應用於軟體工程(SE)領域的效能評估。這是個有趣的題目,所謂的效能,簡單的說就是能直接在該工作任務中大幅增進效能的比例。 大家都知道現在的 AI 寫 code 已經不是什麼大不了的事,但透過 vibe coding 寫出來的 code 真的可以用嗎?符合需求嗎?品質可以嗎?能被維護嗎? 關於這些問題,我們要如何衡量 AI 的有效性呢?目前的答案是透過 Benchmark(基準)。 舉例來說,之前有的 benchmark 叫 SWE-bench,

By gipi
溝通,不是把能說服自己的話拿來說服他人

溝通,不是把能說服自己的話拿來說服他人

還記得幾年前有個朋友私訊給我說了一段趣事。 他說公司有個同事援引了我在演講中提到的一句話:「敏捷走不出研發,就不能真正敏捷。」 他試圖用這句話來告訴業務團隊們「業務必須要參與到敏捷中,開發團隊必須要更了解業務狀態,我們才能真正發揮敏捷的效益。」 我那句話的本質跟他說出來的話,在意義上其實毫無分歧。 但他獲得的結果卻是被業務部門修理了一頓。業務部門告訴他:「這不是你該管的範圍,你應該專注把你的任務搞定。」 這邊姑且不論誰的想法才是對的,但我想跟大家分享一個我在溝通過程很重要的體悟。 「所謂的溝通,不是把能說服自己的話拿來說服他人。」 「所謂的溝通,不是把能說服自己的話拿來說服他人。」 「所謂的溝通,不是把能說服自己的話拿來說服他人。」 很重要,所以得說三遍。 我們讀書總會讀到很多很有道理的話,並且被這句話說服了。但千萬要記得,這句話能說服自己,不意味著能說服他人。因為我們的立場不同,遭遇的挑戰不同,先備知識也不同。所以一段自己覺得非常有道理的話,我們必須加以轉換後,才有可能說服他人。 舉個例子來說,做研發的會希望根本的理解一個需求背後的商務價值,因為這

By gipi
Meta 高薪挖來的 AI 人才,一個月後紛紛離職 - 論薪資公平性

Meta 高薪挖來的 AI 人才,一個月後紛紛離職 - 論薪資公平性

最近兩天看到好幾個談論 Meta 人才跳槽的消息,甚至連七月份從 OpenAI 高薪挖角的高手,也在入職一個月後決定離開 Meta 重回 OpenAI。當時的高薪挖角引起了眾多同業 CEO 的抨擊,覺得這種以錢為誘因的做法對 AI 的推進沒有幫助,終將會失敗。 Sam Altman:「用金錢驅動招聘,這會破壞以使命為中心的工作文化,真正的長期回報在於共同願景而非一次性高額薪資。」Dario Amodei:「極高的薪資策略可能破壞組織文化,雖然能吸引人才,但未必能吸引與其價值觀一致、長期投入願景工作的員工。」我相 信願景真的很重要,那是凝聚一群優秀人才的關鍵因素之一。但高額薪資背後的問題是什麼? 除了 Dario Amodei 提到的,會破壞組織文化外,我覺得 Michael Dell 的詮釋更直接。 Michael Dell:「這種高額薪資極有可能引發內部員工的不滿與文化上的緊張感。」 一樣從事 AI 研發工作,我在公司內已經是頂天的存在,但我的年薪不過就 1,

By gipi
對情緒控管能力的反思

對情緒控管能力的反思

前陣子跟大家分享了我自己對「情緒管理」與「承壓能力」的反思。 假設我們試著量化一個人的情緒承載能力,如果這個數值是 100,只要超過這個數字時,人的情緒就會崩潰。 而多數時候,我們會將自己的情緒壓力控制在 100 分以下,如果要自在一點的話,可能在 60 分以下是比較輕鬆自在的狀態。而那些工作壓力較大,或者內耗特別嚴重的人,很可能長期處在 80-90 分的狀態。 如果一個人的情緒壓力愈接近 100,那情緒就愈難自控,很容易沒耐性、暴躁、坐立難安。 過往我總認為自己是將情緒壓力控制在 80 分以下,所以自己在高壓工作下其實有許多的餘裕。 但最近發現,我可能只是為自己上了 buff。 所謂的 buff 是個遊戲用語,在遊戲中,有時我們可能會拿到道具,或者被施了魔法,讓我們的能力項注射了腎上腺素一般有個很明確的提升。 例如提升力量 5 點,增加 30% 血量,實體攻擊無效等等。

By gipi