尽管企业高管纷纷承诺人工智能将带来效率飞跃,但投资者对由此产生的巨额支出仍存疑虑。亚马逊首席执行官安迪·贾西在2025年曾向员工表示,预计人工智能将缩减公司的人力规模。对于管理者而言,最大化利用率的诱惑巨大:不留空闲人手、不空日历时段、不浪费任何一分钟。

然而,极致效率的背面可能是协作的断裂。去年11月,当微软Outlook和Teams出现故障时,温哥华一间办公室出现了罕见一幕:员工们离开屏幕,办公室变得热闹起来。一名受训工程师透露,同事们甚至戏谑地让手忙脚乱的微软团队“慢慢来”。这个笑话之所以引起共鸣,是因为免受新需求打扰的一小时宛如一场胜利,但这更应给管理者敲响警钟。

效率悖论:饱和运转的隐形成本

现代管理存在一个悖论:榨取团队的每一分钟反而可能使其变慢。根据排队论模型,在任务变异性和平均持续时间不变的情况下,将利用率从80%提升至90%,预期等待时间将翻倍以上。当员工日程绝对饱和,便没有余地吸收提问、突发状况或紧急修复。

这种“未曾发生的对话”代价高昂且隐形:新员工可能耗时三天解决资深同事早已掌握的问题;两个部门因无法抽出十分钟通话,转而花费一周进行防御性邮件往来。公司斥巨资获取专业知识,但对极致效率的执念却可能导致员工无暇分享这些知识。

数据佐证:邻近协作的双刃剑

经济学家Natalia Emanuel、Emma Harrington和Amanda Pallais针对财富500强软件工程师的研究揭示了这一权衡。研究发现,与团队成员邻近就座能使代码反馈增加18.3%,并提升整体代码质量,年轻和资历较浅的员工受益最大。

然而陷阱在于:经验丰富的工程师在与队友相邻时,编写的代码量会减少。若公司仅以代码量评估绩效,资深员工用于协助他人的时间便被视为生产力下降。在KPI压力下,他们可能戴上降噪耳机,让初级员工独自摸索。当每个人都看似忙碌,即使是优质问题也会被视作干扰。

解决方案:构建“结构化偶然性”

团队需为意外需求和常规知识交流保留备用容量,即“结构化偶然性”(structured serendipity)。作者在夏威夷大学马诺阿分校的教学实践中验证了这一模式:在两半小时课程中预留五到八分钟“休息闲聊时间”,通过投影话题提示或轮换搭档,促进学生自由交流。这种看似休息的机制实则是高效的信息交换,帮助学生打破项目僵局,使寻求帮助成为常态。

雇主可借鉴此模式:从常规会议中抽出十分钟,将平时少交集的人员配对,要求每人携带一个未解难题;同时预留未分配时间以应对突发问题。Jason Sandvik及其同事在一项呼叫中心的实地实验中发现,为期四周的结构化建议交流使每通电话收入比对照组高出约24%,且在干预结束后的20周跟踪期内益处依然显著。

若期望资深员工帮助新人,企业必须给予时间并在评估中予以奖励,调整工作量以涵盖这一责任。随着企业追求AI驱动的效益提升,领导者需认识到:社会资本——知道向谁求助、信任对方以及拥有喘息空间——是维持长期产出的关键。在填满日程表前,管理者应自问:谁正花一天时间解决一个同事能在十分钟内帮忙解决的问题?