通常,重组会引起恐惧、紧张和疑惑,从而导致企业生产力的下降。对此,本文将提出相关建议。
如果你在一家公司待过半年以上,很可能会对架构调整习以为常。无论发展期或是下滑通道中,企业的重组都是一种常态。你可能认为对于重组已经形成了一种普适的流程或方法,很不幸,情况恰恰相反。
就我个人经历而言,很多企业的重组都推进的极不顺利,只有一家除外。
导致这家企业重组成功的原因,在于其管理者遵循了三个简要的原则。如果你萧规曹随,取得成功的可能性也会极大提升。
不过,需要声明的是,这三个原则看似简单实则不易。
三个原则分别是:
1.透明度
2.速度
3.参与度
透明度
我之前工作的一家企业,通常在每年第一季度进行架构调整。每次重组时,员工都不知道自己的新上级是谁,重组的动机是什么,以及自己将会被调整到什么位置。由于对前途不明朗,也没人再安心工作,导致很多项目停滞。久而久之,大家都默认每年的1月和2月处于惶惶度日的状态。
对此,应该主动公开关于重组的一切信息,形成一种信任透明度。
对于管理者而言,信息共享并非易事。他们将不得不暴露自己的弱点,比如“我们不知道XXX”之类。
信息公开,也许很难,也许感觉别扭,也许和传统的管理信条所矛盾。但是,别多想,放手去做。
流言蜚语始于信息的不透明。如果人们有信息盲区,各类小道消息就会不胫而走。反之,如果能够做到尽量信息透明,流言就会逐渐消失,员工的压力会减小,从而能更专注于工作本身。如果开始重组,你应该告知所有人,记住,是所有人。告诉他们调整的原因、相关规划以及今后的工作重点。
在架构调整初期,你无法预知重组后的具体情况。没关系,让员工也明白这一点。如果表现得遮遮掩掩,员工就会对你失去信任,而你将不得不通过点点滴滴去重建这种信任感。
面对可能的问题,做好心理准备,勇于说“我不知道”。不用很久,你就会知道这种坦率和透明所带来的健康氛围。这样做不但不会损害你的声誉,还能带来相反的效果,员工会对你更加尊敬。
下一步,就是快速执行。
速度
对每个员工来说,有两位领导是极其重要的:首席执行官和主管经理。其中,主管经理在企业重组中更为重要,因为这往往意味着其职位的变动。
一句话说,重组就是一种“意外”,导致员工都担心新来的领导会怎么对待自己。如果对相关人事变动秘而不宣,员工就会在茶水间和Facebook上议论纷纷,焦虑情绪蔓延,进而导致日常的工作受到影响。
透明度能够在一定程度上降低对日常工作的干扰,但是毕竟员工还是受到了影响。因此,行动必须快速。重组越早完成,企业就能越早恢复常态。
再次强调,知易行难。
就我的经历来说,绝大多数的重组都需要数月时间。其实,这并不是必然的。重组行为会对很多人造成深远的影响,因此普遍会被认为需要谨慎行事。
对此,我表示认同。但是,重大决策就必然意味着较长的耗时吗?
对于这个问题,答案就是我们要提到的第三点:参与感。
参与度
导致重组进程延缓的一个因素在于,决策都是由一小部分人做出的 ——一向被认为是形成重大决策的唯一有效方法。的确,与重组相关的很多决策确实需要企业高层做出,比如:
重组的原因?新的整体架构应该是什么?所带来的优化和提升是什么?哪些方面不需要在这次重组中涉及?重组成功的标志是?如何对重组的效果进行评估?新架构中高层职位的变化情况?
但是,除了这些重要决策之外,还有其他大量的决策不一定非要高层参与——反而导致高层时间的浪费和进程的延缓。比如:
谁向高层汇报工作?谁向上面问题中的人进行汇报?这些人所扮演的角色是?如何实现技术的集成?需要设置什么样的监管实体?该实体会对监管行为产生什么样的影响?重组对整体预算的影响是什么?
此外,还有大量的事情无需高层亲自介入。需要声明的是,我并不是说要高层放弃对于所有决策的责任。但是,确实很多决策应该逐级下移,交由中下层员工来制定。比如,高层决定了谁向其进行汇报,而后者应该决定同样的事情,以此类推。至于其他决策,则应该交由员工们来自愿完成。
也许,你会认为这种志愿机制会耽误员工的正常工作。对此,你只需明白,员工本身已经被重组搞得心神不宁,还不如直接让他们参与进来。这样做,将带来三个好处。首先,员工能够参与到已经思考很多的事情上来;其次,减轻了部分高层管理人员的负担;第三,可能也是最重要的一点,让决策靠近掌握相关信息的层级,从而提升决策质量。
参与度的提升不但能加快进程,还能提升员工对于重组的信任度。亲身参与其中,使员工具有了内在的正面推动力。因此,参与度并不仅仅是一个加分项,而是事关重组成败的核心所在。
无论企业的增长、下滑、合并或联盟合作,都会涉及到企业的重组。但是,重组毕竟是把员工的注意力从日常工作上吸引开。必须把所有相关事宜公开,让所有人亲身参与到其中,快速达成架构的调整。如果能够谨记并遵循透明度、速度和参与度这几个原则,重组成功的可能性就会得到极大提升。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。