未來組織發展的兩種趨勢

未來組織發展的兩種趨勢

昨天早上在台北跟 Happy 聊天,其中我們也聊到未來企業發展跟管理的可能趨勢,以下兩點的內容我覺得交流的很愉快,也跟大家分享。

反組織規模化

過去幾十年,擴大規模往往是企業步入成長期後,最重要的發展策略,可以說沒有之一。

擴大規模為什麼有效?

因為當一家企業的商業模式跟產品都經過市場驗證,進入成長期的企業,不論是自身策略的期待,或者是資本市場的要求,最高指導原則就是「成長」。不論是營收成長或者客戶數成長,都將是企業最重要的指標。

而成長的公式:

營業額 = 訂單數 X 客單價 = (流量 X 轉化率) X (商品數 X 平均商品單價)

然後找到 Product Market Fit 的企業,最常見的成長方式就是複製既有的模式。簡單的說,如果開發 10 家客戶,需要 3 個業務,現在要開發 50 家,那就請 15 個業務,而為了讓 15 個業務有效開發,那也需要 5 倍的商機數,這等同於要擴增通路或透過廣告投放等各種手法,想辦法拿到 5 倍商機。

同樣的狀況,在生產單位與交付單位也雷同,為了供應 5 倍訂單的產品,那就要多拉 4 條生產線,或者多蓋 4 座工廠,請多 4 倍的人。

這種人力與生產力一比一交換的概念,就是所謂的複製。

但其實進入知識經濟時代,大家早就發現這種複製根本不是一比一交換,更常發生的狀況是 1:0.9、1:0.8,有著邊際效益遞減的狀況存在。

原因無他,就是溝通的效率會降低,管理的成本則會隨著規模長大而愈來愈高,放愈大問題愈顯著,利潤也會愈來愈薄

工業時代,企業經營很喜歡用 headcount 這個詞,意味著增加人就會增加生產力,因為生產線是通過標準作業流程做管理,工作是高度重複性,一比一的交換是很有可能的

資訊時代,工作的多元性愈來愈高,以軟體工作來說,大家都知道一個好的工程師的生產力,很可能是一般工程師的 10 倍甚至更多。這代表 headcount 其實已經不容易被當成一個衡量總體生產力的要素,更重要的是素質與團隊合作能力

人工智慧時代,高度重複性,可以透過人力成長直接等比換生產力的工作,將被自動化機器人大量取代,企業生產力的翻倍,不需要仰賴員工數的翻倍。而具備創意型的工作,AI 還可能處理的比多數人更快更正確,企業要提升生產力,也不必然要招聘更多員工。

所以我們討論後認為,未來還是會有超大型企業,但企業看待規模化的態度會有蠻大的改變,甚至會逐步做人事精簡,讓自己從「人力兌換生產力」的巢臼中跳脫。

企業成長過程,重要的不是 R&R,而是 ownership

因為近期我都在跟成長期企業聊,所以我也跟 Happy 請教了類似問題:「成長期的企業,CXO 的 one-down 要怎麼培養?」

Happy 提出了一個很精闢的想法,他說:「重點不是 R&R,而是敢去碰灰色地帶,目的是解決問題,達成任務的 ownership。

這一點,我萬分同意,不是說 R&R 不重要,畢竟今天如果要能做到有效分工,並未每個人設定合理的目標跟考核指標,我們還是要明訂每個部門與每個人的權責。不然在用人時,打考核時,都沒辦法有個相對客觀的依據。

我提到:「組織設計的目的是為了更好的解決問題,達成企業目標,分工的目的也是,定義 R&R 也是,不應該反過來了。」

當主管們發現 R&R 阻礙了他解決問題時,他會採取什麼樣的行動才是關鍵。

他可以堅持 R&R,但不解決問題,也可以遵守 R&R,但盡力協調把問題解決,甚至可以不管 R&R,優先解決問題。

我們交流時的想法是,組織發展過程,本來就很難每件事都被清楚定義,R&R 更不可能定義的鉅細靡遺,肯定有很多沒被清楚定義的灰色地帶,而主管在遭遇這些灰色地帶時,本來就應該去解決它,而非堅持 R&R。

待問題被解決,回過頭來討論這個灰色地帶未來歸誰,又或者該如何處理,這才是一個管理者必須要有個 ownership。

在收斂這個話題時,我提到,不論是 R&R 或者主管對自己 ownership 的想法,其實更接近梯形,部門與部門間,主管與主管間都有一些 overlap。

不要怕踩線,把解決問題放在 R&R 之前,多多培養自己看問題與解決問題的廣度,你會變成企業更看重的人才。

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