我在观察人们分析数据时，最常见的一个错误就是过度使用过于简化的模型。其中一种具体表现，已经让我看过的大部分工作路线图偏离了正轨——那就是把人当作可互换的零件，仿佛谁做什么并不重要，仿佛个体无关紧要。
个体很重要。
在路线图制定和评审过程中，我反复看到一种模式：人们会规划未来几个季度的工作，然后分配一定数量的人手——一个人做一个季度的一个项目，两个人做三个季度的另一个项目，诸如此类。名义上，这个过程能让团队了解其他团队在做什么，并做出相应的规划。但我从未在任何组织中见过这种做法真正奏效，从未见过它能让团队在依赖其他团队时有效执行。
实际情况是，当项目开始后，人们会问谁在做这个项目，然后根据最终参与项目的人来猜测项目能否按时完成、能否高效完成，甚至能否完成。“哦，乔负责功能X？他从来就没交付过像样的东西。看来我们不能指望它了，因为那根本行不通。我们还是做Y而不是Z吧，因为这样就不需要X真的能用了。“路线图制定和评审过程维持着一种礼貌的假象，认为人是可互换的，但每个人都知道这不是真的。那些高效且希望按时交付的团队，在关键时刻无法配合这种假象，即使他们在表面上配合那些制定路线图的管理者、总监和副总裁——这些人制定路线图时仿佛人可以被抽象地泛化。
人的不可互换性导致可预见问题的另一个地方，是管理者如何运营团队。想要打造高效团队的管理者最终不得不与系统对抗才能做到这一点。非工程组织大多把人视为可互换的，而我在多家公司工作过的财务部门，会通过要求工程组织以人头数来预算，迫使他们把人当作可互换的。公司当然花的是钱，而不是“人头”，但内部记账是以“人头”来进行的，所以对于某个团队来说，X美元的预算会被转化为“三个高级员工级别的人头”。这无法转化为“两个更高效、薪酬更高的高级员工级别的人头”。如果你只雇了两个高级工程师而不是三个，那么那个“人头”以及相关的预算最终会被挪到别处。
我反复观察到的一个现象是，招聘经理想招一个他们认为高效能的人，或者哪怕只是拥有专业技能的人，却往往招不到，因为公司把预算换算成“人头”的比率，根本不允许招这类人才。HR里会有“薪酬团队”或其他部门提出反对，因为薪酬团队根本不理解“高效能工程师”或“难以招聘的专业技能”；对他们而言，一个人由职位、职级、地点定义，如果某人的薪酬超出其职位和职级的标准，那就是一个糟糕的招聘。如果任何一个理性的人能在流程中拥有并愿意行使权力，这种事就不会发生，但官僚体系的设计恰恰是让少数人拥有权力3。
类似的情况也发生在留人上。我认识一位非常优秀的工程师，他每年能为公司创造数千万美元的额外利润，他想搬回葡萄牙老家，结果公司把他的现金薪酬削减了四分之三。公司还提出，如果他搬到西班牙而不是葡萄牙，只削减一半现金薪酬。他最终跳槽到了一家不按地点定薪的公司。这件事层层上报到了总监级别，但依然无法推翻HR的决定，于是他离开了。HR根本不在乎这个人给公司带来的利润，比HR对所有国际员工进行地点薪酬调整所节省的成本总和还要多，因为公司HR眼中只有成本、头衔、职级和地点，完全没有员工价值的概念5。
与此相关，我还见过两次“操作”，一次是远观，一次是近观，都是HR认为离职率太低。一次是HR负责人觉得公司约5%的离职率“不健康”，因为太低了；另一次是HR认为公司略低于10%的离职率也过低。两次公司都采取了一些措施，最终将离职率推高到HR认为“健康”的水平。在远观的那次，我在那家公司的朋友都认同，公司最优秀的工程师在接下来一年里走了大半，很多人只待了几个月。在近观的那次，我列了一份我所知的最高效能工程师名单（比如前面提到那位，休陪产假期间还让公司收入增长了0.7%），当公司成功将整体离职率推高到10%以上时，这些最优秀工程师的离职率是整体水平的两倍多——这还低估了影响，因为他们通常是资深且任职时间长的工程师，正常情况下预期离职率应该不到公司平均水平的一半。
有些人似乎把公司当成《模拟城市》来玩——想要更多钱，就拧个旋钮、提高税率，钱就来了，整个城市均匀受影响。但公司不是《模拟城市》。如果你想要更高的人员流失率，拧个旋钮提高它，你并不会得到均匀随机抽样的额外流失率。人作为一个整体，不能被当作抽象概念，认为公司领导层的行动会以相同方式影响每个人。如果你拧动导致人员流失增加的旋钮，那些最有效率的人，其离职的可能性会不成比例地增大。
到目前为止，我们讨论了将个体视为可互换的棋子对公司行不通，但当然，这在一般情况下也行不通。例如，我一位在非洲做过大量“实地”开发工作的朋友抱怨说，很多想要捐款的人希望有清晰简单的标准来指导捐款（比如，随机对照试验显示该干预措施非常有效）。但许多有效的干预措施无法在事前以任何简单方式证明其影响，原因之一在于实施干预的团队构成至关重要，导致随机试验或其他实验的结果无法适用于除试验团队之外的其他团队，也无法适用于试验团队在试验期间所处的环境之外的场景。
一个例子是他们参与的一项干预措施，该措施帮助一个国家根除了麦地那龙线虫病。事后我们可以说这是一项非常有效的干预措施——因为一个三人团队在相对较短的时间内，以每人每天12美元的预算运作6，使其成为一项高投资回报率的干预措施——但事前却无法用定量方式证明其有效性，而且似乎也不可能有一系列随机试验或实验能证明这项干预措施的合理性。
他们的干预措施并非旨在根除麦地那龙线虫病，那只是附带效果。实际上，这项干预的核心是：走遍全国，深入地方政府部门，了解他们的问题，然后提供建议或协助优化决策。在与当地人交流并提出改进建议的过程中，他们发现麦地那龙线虫病可以通过改善清洁水源的分配来解决（该病源于饮用未过滤的水；提供清洁水源即可解决问题）。同时，流入该国用于水利项目（如打井）的援助资金，如果能够分配到因水源污染而麦地那龙线虫病高发的地区，而非原本流向的地方（这些地方因靠近当地慈善机构办公室等原因，已获得大量援助资金），那么现有资金其实已经足够。这个团队为帮助根除麦地那龙线虫病所做的具体工作，是向政府官员做PPT演示，说明政府如何指导接受援助资金的组织更高效地选址打井。从边际效益看，在一个国家根除麦地那龙线虫病或许足以证明这项干预的高投资回报率，但这仅占这个三人团队所创造“回报”的极小部分。我之所以提及这一点，是因为这是一个独立且易于量化的改变。而“提升”地方政府决策水平的大部分价值极难量化（即便能量化，误差范围也会非常大）。
许多在事前看似相同的干预措施，很可能大多数都收效甚微。我的朋友对许多派遣大量人员从事类似工作却价值不大的组织颇有微词，例如和平队。
我朋友所在的团队与大多数团队的一个显著区别在于，她的团队由一群在多种情境下都有高效表现记录的人组成。在之前的一份工作中，她入职了一家规模较大（年收入50亿美元）的国有公用事业公司，并立即被分配了一个问题——她后来才知道，这个问题多年来一直被视为无解的难题。没人愿意碰这个烫手山芋，所以他们雇佣她，其实是想要一个替罪羊，等事情爆发时好把责任推给她并解雇她。结果，她不仅解决了被分配的问题，还解决了一系列同样被认为无解的其他难题。由三个这样的人组成的团队，能够从潜在高回报的干预措施中获取巨大收益，而大多数团队无法成功做到这一点——例如，前往一个外国，改善该国各地地区办事处的政府决策能力，最终让政府能够解决困扰该国数十年的严重开放性问题。
许多最高回报的干预措施同样需要极高的技能，无法通过简单的粗略估算来评估。但我在线上和线下看到的大多数相关讨论，都严重依赖那些简单却无关紧要的粗略计算。这不仅仅是鸡尾酒会上的闲聊问题。我朋友的干预措施差点被她所在的组织扼杀，因为该组织充斥着被她称为“过于简化的有效利他主义思维”，导致组织领导层试图将资源重新分配到那些预期回报计算更简单的项目上，认为这些项目影响力更大——尽管事后证明它们的影响力更低。当然，我们不应根据事后表现来评判干预措施，因为那会过度偏向高方差的项目。但我认为，任何愿意运用判断力而非将其外包给简单指标的人，经过深思熟虑后，都能且应该认为，该干预措施在事前是一个明智的选择。
这种更可读的项目获得更多资金的问题，不仅存在于组织内部，也存在于组织之间。例如，我朋友说，当年GiveWell主要或只推荐那些回报可简单量化的慈善机构时，她几乎无法让在其他领域工作的朋友将资源投入到未经GiveWell认可的项目中。不了解她援助背景的人，当她建议将资源投向某个特定事业、项目或组织时，会说“你没听说过GiveWell吗？”之类的话。
我和一位曾在GiveWell工作过的朋友聊过此事。据他所说，GiveWell最初关注那些价值易于量化的慈善机构，并非因为他们认为这些机构影响力最大，而是因为作为一个年轻组织，他们需要建立可信度，而价值易于量化的慈善机构更容易做出可信的论证。他本人以及他认为GiveWell都不会支持捐赠者将所有资源都投入GiveWell认可的慈善机构，而忽视其他改善世界的方式。但许多人希望世界简单化，并套用“GiveWell名单上的慈善机构=好；不在名单上=坏”的算法，因为这让他们觉得世界简单了。
不幸的是，对这些人以及世界而言，世界并不简单。
回到科技公司的例子，Laurence Tratt指出了一些我也观察到的现象：
我在大型组织中注意到一件非常有趣的事：当它们意识到需要做出改变时（即它们正在缓慢失败，想要扭转局面），最明显的做法是让一个小团队承担风险，以期获得巨大成功。但它们反而倾向于组建无数委员会，这只会加剧最初导致委员会成立的漂移！我认为这是因为它们很难将人视为非可互换的个体，即使它们真心想这样做：它们几乎无法突破自身的组织模式，即使这预示着长期的衰败。
我们可以用可读性这个视角来审视这种现象。当你面对一个复杂系统时，无论是拥有数千名工程师的公司，还是涉及数十亿美元援助工作的世界，这个系统都过于复杂，任何决策者——无论是公司高管还是试图决定资金去向的潜在捐赠者——都无法真正理解。解决这个问题的一种方法是通过想象个体是可互换的来降低问题的感知复杂度，使系统更具可读性。这会产生相对低效的结果，但与试图理解问题本质不同，这种方法高度可扩展，而科技公司最喜欢的就是可扩展的事情。将复杂系统当作《模拟城市》或《文明》来对待，正是高度可扩展的做法。当回报分布相对均匀时，为了可读性而牺牲潜在的异常回报是一个不错的权衡。但当投资回报率呈重尾分布时，当合适的人能在陪产假期间将一家大型科技公司的收入提高0.7%，并在全职投入后带来更大增长时，为了提升可读性而严重压制曲线的右端，代价将极其高昂，甚至可能让你失去大部分潜在回报。
感谢Laurence Tratt、Pam Wolf、Ben Kuhn、Peter Bhat Harkins、John Hergenroeder、Andrey Mishchenko、Joseph Kaptur和Sophia Wisdom提供的评论/修正/讨论。
附录：团队重组
最近有位朋友跟我讲了一家潮流科技公司的故事：他们试图将六个人调到另一个项目，但这些人既不想参与那个项目，也认为该项目毫无意义。结果两名资深开发人员辞职，工程经理退休，一名产品经理被解雇（说来话长），还有三人离开了团队。最终，新旧两个项目的团队都不得不从零开始重建。
情况本可能更糟。至少那次还有人没离开公司。我曾问过某人，为什么公开承诺的功能X迟迟未实现，整个子产品也处于瘫痪状态。答案是：经过近一年的开发，当功能交付被认为仅差几周时，领导层决定放弃这个曾被列为最高优先级的项目。团队据理力争，表示功能已接近完成，只差最后冲刺。当请求被拒绝后，整个团队集体辞职，子产品自此逐渐衰败。多年后曾有一次重启尝试，但出于与本故事无关的原因，最终由新经理带领应届毕业生接手，始终未能重现原团队的战斗力。
正如我们之前所见，高效团队因机构知识的存在而难以建立，团队文化同样如此，但摧毁一个团队却轻而易举。
有趣的是，当我与资深独立贡献者交流时，他们能准确预测这类调动何时会失败，但许多高级管理人员却仍固执地认为，他们可以像在《文明》游戏中打开城市视图、指派工人切换任务一样轻松地调配人员。
附录：相关文章
- 另一方面，有些管理者追求个人职业回报最大化。在我工作过的非初创公司中，这通常意味着向上爬，而最便捷的方式就是尽可能多地收编人员。我曾任职的一家公司，其明确的晋升标准基本就是“此人名下有多少直接汇报的下属”。
如果将人员视为可互换的标准化资源，那么将晋升和薪酬与管辖人数挂钩或许说得通，但除此之外，这显然是个荒谬的主意。
[return] 2. 考虑到留任预算（从专项池中拨出的资金，不占用组织常规预算，通常用于匹配离职人员收到的外部录用条件）等因素后，情况并非如此简单，但加入这一细节并不会改变核心观点。[return] 3. 让人员不掌握权力有其优势，例如能减少权力滥用、各种偏见、裙带关系等问题。有人可能主张，通过剥夺权力来降低结果差异是更优选择，但在赢家通吃的市场（许多科技市场正是如此）中，迫使所有人采用最低标准效率，只会沦为陪跑者。
一个具体的小规模例证是，那些没有官僚化沟通/公关审批流程的公司，在技术博客发布方面拥有巨大优势。大多数公司设置繁琐流程的理论依据是，这能保护公司免受劣质博客带来的负面影响，但实际因繁琐流程而避免的糟糕工程博客案例少之又少，而那些拥有良好公开写作流程的公司却能轻松获得显著价值。
更大规模的例证是，如今市值超过5000亿美元的大型公司，都曾做出过其官僚化竞争对手无法实现的激进举措，从而彻底击败对手。当然，许多选择大胆押注而非求稳的公司，比那些试图求稳的公司倒闭得更快，但至少它们曾有机会，而求稳的公司连机会都没有。
[return] 4. 我通常对此类说法持怀疑态度。在我任职过的多家公司，如果将声称的收入或用户增长成果加总，再与实际数据对比，就会发现存在猫腻——因为宣称的总成果远大于实际观察到的总量。
仅仅因为我对测量结果普遍感到好奇，我有时会自己分析别人声称的成果，而我几乎总是得出一个比原始估算低得多的估计值。当然，我通常不会在内部发布这些结果，因为一般来说，这样做只会树敌无数，却不会带来任何改变。在一个极端案例中，我发现某个整个组织使用的实验方法存在缺陷，导致他们在A/B测试中得出虚假的正面结果。我悄悄告知了他们，但他们对此毫无作为，这对他们来说是唯一合理的举动——因为拥有一个系统性地显示改进（而实际上并无改进）的实验，是该组织以低成本、高效率的方式获取更多权力的途径：通过让员工获得晋升、争取更多人员编制。如果官僚体系中有任何掌权者在意结果的准确性，那么声称的成果与实际结果之间如此巨大的差距从一开始就不可能存在。
总之，尽管我普遍对声称的成果持怀疑态度，但在亲自核实后，我发现这个人的成果非常可信。他的一项项目是在陪产假期间完成的（之所以在休假期间做，是因为他的经理、实际上整个组织乃至公司都不支持他从事这类工作），该项目使公司收入增长了0.7%，这一增长稳健且通过长期回溯测试验证了其价值持续提升。而他能取得如此规模的成果，是在领导层因尴尬而被迫允许他从事有价值的工作之后。
附言：如果你想在家自己玩，另一个有趣的游戏是找出哪些团队和组织实现了他们的路线图目标。额外加分项：绘制团队达成路线图目标的百分比与其人员增长之间的关系图，以及跨团队分析上一季度目标的达成情况对下一季度目标达成情况的预测能力。
[返回] 5. 我见过不少人在疫情期间因地域薪资调整而离职。在一个案例中，人力资源部门坚称该员工实际上薪酬很高，因为尽管从表面上看该员工薪资不高（其收入远低于许多级别低于他的人），但根据人力资源的公式（其中包含基于地域的薪资调整），按标准化薪酬计算，该员工是整个公司同级别中薪酬最高的人之一。抛开公平性的抽象考量不谈，对员工而言，人力资源告诉他们“根据你的地域，你的薪资很高”，就像人力资源根据身高制定薪资公式，然后告诉员工“根据你的身高，你的薪资很高”一样。根据人力资源的任何公式，这可能是真的，但实际而言，这对员工毫无意义——他们可以去一个身高薪资调整幅度更小的地方工作。
在疫情之前，企业能够在不承担任何成本的情况下，实施严重的地域性薪资调整。但自疫情以来，许多公司加大了远程招聘的力度，其中一些公司对地域性薪资调整的幅度相对较小，这使得它们能够从那些仍维持严重地域性薪资调整的公司中，不成比例地挖走他们想要的人才。
[返回] 6. 严格来说，他们的预算最终高于这个数字，因为一名团队成员感染了伤寒，并从个人预算而非组织预算中支付了部分医疗费用。但12美元/（人·天）的组织资金，已经是一个相当不错的近似值。[返回]