当算法决定一切，最终受困的其实是企业

编者按：本文来自微信公众号“哈佛商业评论”（ID:hbrchinese），36氪经授权发布。

刷爆朋友圈的《外卖骑手，困在系统里》一文将算法霸权暴露在人们面前。在平台算法的支配下，外卖骑手对自己的境遇显得无能为力。企业使用AI算法来管理员工固然可以极大地提高运行效率，但却忽视了最基本的人的需求和利益。在由软件控制的环境里，员工处在密切监视下，必须按照规定行事，互相帮助、建立关系并让员工感到组织支持自己的氛围彻底消失了。

近年来，互联网界一直提倡“科技向善”，认为任何一项新技术的发明诞生，根本目标是更好地服务人。算法系统的初衷也是服务于人，但如今却成了压迫人的工具。由此企业需要反思：算法之外，是不是该增加一些人性的温度？

几十年来，支持赋权员工的声浪渐长。企业领导者也开始逐渐接受新观念：如果员工真正参与决策，公司整体业绩就会有所提升。不过现在，有明显的迹象表明，趋势正在转向另一个方向——陈旧的精确工程模式卷土重来。这种势头令人甚为担忧。

许多组织采取将决策和控制权交还给专业人士和算法的优化法，劳动力被当作商品，而企业的目标是将其成本降到最低，为此让合同工和零工取代全职员工，用软件和机器减少对人工判断的需求。员工处在密切监视下，必须按照规定行事。

历史表明，将员工的生产力视为一个工程学问题割裂地看待，会带来许多影响深远的连锁问题。赋权和优化这两种模式也许能够取得平衡，同时获取两方面的益处，但这需要先抛开“员工表现从根本上讲是一个工程问题”的观点。

截然相反的两种方法

20世纪初，弗雷德里克·泰勒（Frederick Taylor）提出以高效运营为目标的“科学管理”。他认为，执行工作任务有最佳方式。工程师可以找出这种最佳方式，工人只需执行即可。这样的论点迅速从制造业扩展到白领工作，对薪酬制度和办公室及办公楼设计布局等各方面都产生了重大的影响。后来西电（Western Electric）等一些公司发现这种方法存在问题——有证据证明员工不再努力——并开始尝试给员工更大的话语权，放宽了计件薪酬（按工作量向员工支付报酬）和绩效目标。

1957年，管理学学者道格拉斯·麦格雷戈（Douglas McGregor）在《哈佛商业评论》发表文章，总结了关于如何最大限度地激发员工潜力的两种截然不同的观点：一派认为员工必须严格控制、给予指示，另一派则认为员工在能够自由表达观点、采取行动时对公司贡献最大。麦格雷戈在1960年出版的开创性著作《企业的人性层面》（The Human Side of Enterprise）中将这两种方法分别标记为X理论和Y理论。

过去40年里，Y理论模型的地位一直在上升。日本企业率先采用这种方法。例如，丰田的精益生产方法有若干组成部分，但核心思想是授权一线员工改进质量和效率——让他们有权叫停某一产品线。这样的工厂生产出的汽车及其他产品质量明显更优，很快引起了管理者的注意。

至21世纪，精益生产（又名丰田生产方式）从汽车行业推广到医疗乃至政府等各个领域，质量、效率和员工保留率等人事相关绩效都出现提升。但精益生产方法往往很难引入，尤其是在工会化的美国汽车工厂，工作规范非常繁杂，管理者与工人之间的不信任根深蒂固，“不创新”的态度是主流。不过近些年来，敏捷项目管理的潮流使得Y理论得到了进一步推广。

反弹

有人说，这种行为模式会随着大萧条的影响减退一同式微。大萧条影响深远，许多年轻管理者完全不知道别的方法。不过除了大萧条，还有其他因素的影响。

流动的工作团队。公司担忧的一大问题是，市场需求大幅度波动，本公司劳动力却是固定不变的，基本不可能在业务减少时裁员、好转时再让员工回来。零工经济提供了一种不同的方式。

优步的司机只在有活干的时候领取薪酬，让优步公司获得迅猛发展。这样的成功案例令其他企业蠢蠢欲动，也跟着解雇全职员工，用合同工取而代之：业务减少时不必向合同工支付薪酬，也不用提供福利。

人才按需供应模式现在已经普及。研究表明，美国企业中约1/3的员工不是全职。谷歌的合同工和临时员工数量多于全职员工（根据2020年若林大辅发表于《纽约时报》的一篇文章，前者13万以上，后者12.3万），这种现象在科技公司中并不少见。合同工几乎是所有汽车服务公司和亚马逊Flex、Deliveroo等快递企业的核心。这些企业模糊了全职员工与合同工之间的法律边界，有效地监督合同工的大部分工作：监控司机所在位置，为司机提供路线智能规划。帕特里夏·卡拉汉（Patricia Callahan）发表在《纽约时报》的一篇文章称，亚马逊Flex甚至要求准时配送率达到令人吃惊的999/1000（亚马逊并未回应对这一标准发表评论的请求）。

并没有证据表明减少全职员工的确令业务成果得到了改进。我的研究和其他一些研究都表明，同时采用派遣员工和全职员工，会对全职员工产生负面影响，降低其忠诚度，影响全职员工与同事之间的关系，并降低运营绩效。

薪酬谈判。优化理论中一个简单而重要的方法——价格差异化，现在用于确定起薪。我们很容易忘记，过去企业的起薪一律平等，初级工作尤其如此，现在则可以谈起薪。职场专家知道，就长期而言，向具有相似技能、承担相同工作的人提供不同的薪酬，会带来许多麻烦，负面影响甚于法律问题。然而，降低员工起薪可以立竿见影地节约成本，这个显而易见的诱惑让许多企业趋之若鹜。

AI与优化。促使企业选用X理论的一大驱动力就是人工智能（AI）。目前的AI工具几乎都是自机器学习程序衍生而来的算法：优化用人需求的方程组、职位候选人匹配、市场营销活动等等。算法将员工的决策权转移给专家，即编写算法的数据分析师。这就是泰勒提倡的转变：运用工程原则找到唯一的最佳方式。

例如，长途货运这份工作曾经高度自主。以前的货运司机只要能按时到达目的地，途中完全可以自由支配。现在算法规定了路线、日程和驾驶方面的一切。货车驾驶室配置了监视司机、收集信息的设备，用来督促司机遵守规定，并且改进算法。摄像头会记录司机是否在驾驶，让电脑按照驾驶时间为他们计费；车速和驾驶时间一直在被记录；司机每到达一个目的地，就会收到下一步指示（比方说，因为左转弯时发生事故的几率较高、耗时较多，所以要他们减少左转弯）。

这种做法效果如何，亚马逊及其12.5万仓库员工给出了一个好例子。2019年斯科特·沙恩（Scott Shane）发表于《纽约时报》的文章中说，亚马逊仓库员工要遵守算法给出的目标，准备一个订单里的每件商品都有规定时长。若未达成目标，就会收到算法给出的警告，收到三次警告就可能会被解雇。是否解雇员工，目前主管尚有最终决定权，但这种情况不知道还能持续多久。

如果剥夺员工所有的自主权，员工就不再觉得自己身负责任，做出额外贡献的意愿也会下降。AI算法决定一切，员工不知道自己还有什么用了。想想看，一位货车司机发现了更好的装卸货物的方式，他能告诉谁？的确，平均而言算法节省了燃料和成本，但如果我们剥夺员工的自主权，采用优化法进行规划和控制，员工就不会再努力创新。

将一线管理者和员工的决策权转移给专家和软件，会产生更加难以追踪的成本。一是会逐渐削弱主管和一线管理者，他们的权威正是来自聘用人员、制定日程、衡量绩效等职责。如果一名员工由于被软件安排连续三个星期六来加班而感到不满，主管该怎么办？倘若无法提供帮助，那么之后主管要如何请这位员工额外帮忙？在由软件控制的环境里，互相帮助、建立关系，并让员工感到组织支持自己的氛围消失了。

取得平衡

据估计，所有大型企业CEO里拥有工程学和计算机科学学位的人占到了1/3。47%的CEO有金融学背景，这个领域重视的是成本最小化、公式和量化目标，而不是赋权。与Y理论相关的行为理论只在商学院课程中低调出现，被微观经济、会计、金融和运营实务课程挡得严严实实——这些东西全都依赖于优化。而且，教授行为理念的企业管理培训项目已经有大部分消失了。

最后一点，Y理论要求领导者和管理者投入大量时间和精力，但相关规定却模糊不清。与之相比，优化法则有明确的规定，有硬性的重点需求，如效率最大化、成本最小化，CFO和华尔街都喜欢这样的东西。

管理者面临的重大挑战，并不是在X理论和Y理论之间做选择，而是找到真正有用（而非理论上有用）的组合方法。综合优化法和员工赋权结合起来，效果会好得多。精益生产的一大优点就是结合了两者，将改善效率和质量的任务交给一线员工，指导员工如何更好地设计工作。因此，现在看到公司以软件取代精益方法，着实令人气馁。

忽略人可能会更简单，但人是不会消失的。人的需求和利益非常重要，有才能的领导者必须加以考虑。

彼得·卡佩利(Peter Cappelli) | 文

彼得·卡佩利是沃顿商学院管理学乔治·泰勒（George W. Taylor）教席教授，沃顿商学院人力资源中心负责人，出版了《上大学值得吗？你最重要的财务决策指南》（Will College Pay Off? A Guide to the Most Important Financial Decision You’ll Ever Make，Public Affairs出版社，2015年出版）等多部著作。

蒋荟蓉 | 译 

时青靖 | 校 

钮键军 | 编辑

本文有删节，原文参见《哈佛商业评论》中文版2020年9月刊。