这篇文章讨论的是基于量化指标来考核的管理方式。观点来自我与 AI 的多轮辩论，最终由 AI 整理成文。
一、量化对被考核者做了什么
考核经常面对一堆说不清道不明的事。谁在拼命，谁在划水，哪个架构重构是真的非做不可------在没有一套硬性标准之前，最后全看谁跟主管关系好、谁嘴皮子利索，或者看主管今天心情怎么样。
有一种管理方案是：纯拿数字和指标说话，规则摆在桌面上，尽可能把所有工作都量化成一个带有分数的任务单。难的活、时间长的活分数高，出了 Bug 就扣分。
1.1 最浅显的好处和坏处
你能清清楚楚地数出来，一个人这个月提了几个需求、改了几个 Bug、每个单子多少分。这些 Jira 上的数字跟代码提交记录对得上，谁也赖不掉。但把这些数字加起来，真的就是这个人的全部贡献吗？
并不是。它们只是评分系统刚好能数得清的那一小块。剩下的------
- 顺手帮旁边写前端的兄弟排查了一个卡了两天的死锁问题
- 在设计评审时提了一个质疑，帮团队挡掉了未来的线上事故
- 硬气地拒绝把一个本该整体交付的重构任务拆成三个小单子来凑分
这些在系统里全部归零。不是分低，是根本没有分。
量化一无是处吗？并不是。那些数不清的东西里，也混着大量的浑水摸鱼。 天天扯宏大架构、实际连行代码都写不明白的人；打着"技术探索"旗号混了半年什么也交不出来的方向------量化系统虽然误伤了那些默默排雷的人，但它也一刀切地把混子给清洗掉了。在没有量化标尺的组织里，这类混子可以活很久，因为他们的（无）价值同样"能被感知但不能被证明"。
量化这件事的矛盾就在这里：它无差别地消灭了隐性的好贡献和隐性的骗局，信号和噪音一起扔掉。 留下来的那一小部分，不是最完美的，但至少是所有人都能共同确认的底线。
量化不是不公正。它是用一种系统性的、透明的、规则明确的偏见，替代了你用私人直觉碰运气时那种随机的、不可追溯的偏见。前者的受害者至少知道自己被什么伤害了，可以讨论和改进。后者的受害者连被什么伤害了都无法指认。
1.2 当指标绑定奖惩，优化行为就开始了
经济学里有个古德哈特定律：
"当一个度量指标成为政策制定的目标或依据时，它便不再是一个好的度量指标，因为人们会通过操纵或优化该指标来达到目标，导致其失去原有的真实性和准确性。"
在研发团队里尤其快，因为程序员是全公司最擅长分析系统规则和寻找最优路径的人。整个过程分三步：
| 阶段 | 状态 | 现象 |
|---|---|---|
| 一 | 指标还算靠谱 | 分高的人确实做得多，产出扎实 |
| 二 | 大家摸透规则，定向优化 | 交付率涨、人均产出飙，但业务价值没同比例增长 |
| 三 | 纯粹的刷分游戏 | 没人记得这些指标最初是为了回答什么问题 |
第二阶段最难识别。 因为一切数字都在变好------交付曲线漂亮，Bug 漏出率降低。这不是事故，这是增长。你很难在一条上升曲线上让任何人停下来想一想：我们升上去的，到底是什么。
1.3 分数自带万有引力
大家总觉得刷指标是故意的，但其实很多时候根本不需要有人使坏。考核表自己就带了偏向。
每个人干活都会算性价比：
- 去改老系统里乱成一团的底层兼容方案 → 掉一层皮，花三天，拿 3 分
- 顺手写一个简单的业务 CRUD 接口 → 半小时搞定，也拿 3 分
还需要选吗？这不是道德问题，是规则把大家往低风险、快出分的活儿上赶。那些真正难啃、对架构有长远好处的硬骨头，就这么被系统性地晾在那里。而主管在报表上根本看不出问题------你看到的只是大家在热火朝天地领单子、拿分。每个单子都拿到了该拿的分。
更要命的是，评分表的更新永远比战略慢半拍。公司今年说要往组件化、平台化转，但评分表上这类长线重构任务要么分值偏低，要么根本没有对应的分值------只能套用历史老标准。这个重力场就这么安静地运行了好几个季度，高价值的重构一直没人碰，主管还纳闷大家怎么突然就没自驱力了。
二、量化系统的维护成本
第一章讲的是量化系统运转起来之后，被考核的人会怎么反应。这一章换一个角度：维护这套系统本身的成本。
2.1 系统会膨胀
每发现一个博弈漏洞就加一个新的制衡维度，几轮下来，指标库自己变成了一个复杂的系统。今天堵一个漏洞加个指标，明天发现个新花招又加一个，最后维护它的成本可能已经超过了它省下的管理带宽。
2.2 AI 扩展了可量化的边界，但尺子自己在老化
有人可能会觉得，AI 会让维护成本大幅降低。
传统量化只能捕获产出。AI 把可量化的对象从"结果"推进到了"过程"------AI 代码审查可以评估 PR 的逻辑连贯性和架构一致性。过去"提了预防性质疑但无法被证明"的困境，在技术上正在被逼近，虽然永远不可能完全覆盖，但边界在移动。
积极的一面： 一部分之前归零的隐性贡献，现在可以被部分捕获了。
需要警惕的一面： 量化工具的精度上升，会制造一种"一切皆可量化"的幻觉。AI 评分不是客观真理------它和传统指标一样反映了设计者的偏好和训练数据的偏差，而且因为模型本身是黑盒，偏差比显式规则更难审计。
AI 量化工具还面临三重退化：
- 隐性漂移。 Prompt 模板会过时，评估模型会跟最新的架构实践脱节。Lint 规则报错会吵到你，你会修；AI 评分模型的偏离，在有人发现之前可能已经安静地偏了好几个月。
- 输出优化。 当 AI 评分与绩效绑定，工程师的目标会从"写出好代码"滑向"写出 AI 会给高分的代码"。基于深层领域知识的简洁反常规代码被系统性低估，冗长样板化的代码反而稳定拿高分。
- 诚实双输。 没有人使坏------工程师在诚实优化 AI 会奖励的东西，AI 在诚实地按训练分布打分。两个诚实行为叠加，结果却是全局荒谬：代码库在指标上从未如此健康，在可维护性上从未如此平庸。
AI 扩张了可量化的疆域，但没有改变量化的底层交易：任何量化系统始终是设计者当前判断的瞬时快照，而世界会继续移动。精度不等于真相。更精确的不完整，依然是不完整。
2.3 让分值追着业务跑，是永远做不完的事
给每类任务定分，本质上是管理者对"这类工作在现阶段值多少钱"的判断。但这个判断需要随业务阶段、技术栈、团队能力的变化而更新------
- 要持续关注一线工作的实际内容变化
- 要跟组织里沉淀下来的惯性分值作斗争（"设计任务从来就是 5 分，为什么现在要调"）
- 要在打分公平和战略导向之间反复权衡
这是一件越做越累、而且永远不会"做完"的事。分值永远在后面追着业务跑。好不容易把去年技术债的权重掰正了，今年的 AI 原生开发又带来了新的失衡。你修正了一个历史遗漏，新的遗漏已经在别处产生了。
三、量化如何反噬使用它的人
前面两章讨论的是量化系统本身------它怎么影响被考核者，维护它需要付出什么。这一章换到第三个角度：使用量化工具的管理者自己，会发生什么变化。
3.1 解放还是替代
团队大到一定规模之后，单体变微服务，几百个 API 天天在跑。不用工具盯着进度和质量，谁的脑子都不够用。
工具同时做两件性质完全不同的事：
| 解放 | 替代 | |
|---|---|---|
| 你在做什么 | 有意识地把低价值判断卸载给工具 | 无意识中把判断行为本身交了出去 |
| 效果 | 省下脑力，琢磨架构方向、跟骨干聊天、识别结构性风险 | 你不再靠近那些只有身在其中才能捕捉的信号 |
| 后果 | 判断力不退化 | 判断力退化 |
分界线不在工具本身。在于你有没有问过自己：这个判断还需要我来做吗。当你不问了------替代已经发生了。
一个有判断力的主管，工具让他更强------低维重复判断卸载后，释放的带宽流向更高维的事。一个没有判断力的主管，工具给了他一个完美的藏身之所------看仪表盘、按指标打分、根据排名做决定，每条决策可追溯可辩护，上级看到全绿指标，谁也质疑不了他。
工具让有判断力的人升维，让没有判断力的人永远不必发展出判断力。 在同一个工具系统下，两种人走向完全相反的方向。但组织的困境是：当工具系统足够成熟，这两种管理者在仪表盘上的表现可能完全相同------甚至后者更稳定，因为他不冒险、不挑战规则、不做长线投入。在一个只奖励仪表盘好看的系统里，没有判断力的人反而升得更快。
3.2 指标反向塑造使用指标的人
还有一个更隐蔽的效应。指标不仅是被考核者博弈的对象，它也在反向塑造使用它的管理者。
一个长期只看某几项指标做决策的人，认知框架会慢慢跟指标对齐------他关心的方向收敛到指标能测量的方向，提出的问题局限于指标能回答的问题。他会觉得指标之外的东西不重要，不是因为它真的不重要，是因为他不再能感知到它们了。
仪表盘用过去的你认为重要的东西，不断训练现在的你继续认为这些东西重要。你越依赖它，越不质疑它；越不质疑它，越依赖它。
仪表盘需要被打断，但不能靠偶尔的随机下沉------管理者随机切一个微观切片、看一段代码、参加一个评审，大概率拿到无意义的碎片，反而制造"我仍然了解一线"的危险幻觉。
校准不是亲自去采样，是用结构化的方式测试仪表盘是否还在测量它声称要测量的东西。比如挑一个指标"需求交付速度"，追溯它最近的上升到底是高价值需求真加速了，还是需求被拆得更碎了。这不是感受一线，是定向探伤。
四、量化管不到的地方
以上这些不意味着量化是坏的。纯粹的个人判断在稍大一点的组织里就是灾难------不公平、不稳定、不可规模化。量化提供了透明性、一致性和可规模化，这是管理得以存在的基础。
问题从来不是要不要量化。是你量化了什么东西，和你用量化结果来做什么。
但前面三章已经说清楚了：量化系统会老化，会膨胀，会在边界处失效。下面两件事，是量化系统内部解决不了的，必须在系统外面处理。
4.1 留一个活门
一个量化系统运行久了，指标过时，博弈路径固化。到某个节点，内部任何修补都只会让复杂度继续攀升。
这时需要一个人站出来说：在这个具体场景下，这套指标不适用了------然后承担后果。
这不是退回私见。跟凭好恶拍板不同：后者没规则、没记录、没法追溯。有量化底盘的判断，前提是量化已经覆盖了绝大部分日常场景，判断只作用于它够不到的边界。
为了防止这个活门变成新的特权，需要三个约束：
- 权限约束。 只给历史记录验证过的人------过去做过不讨好指标的、反直觉的、被时间确认是正确的决策。
- 留痕约束。 每次绕过必须写理由、关联决策文档、标注影响范围。将来复盘能对账。
- 频率约束。 某人或某团队频繁绕过，要么指标体系对他们已经系统性失效该重建，要么权限该收。
三个约束让活门不会退化成新一轮私见，也不会膨胀为另一层需要管理的指标。
4.2 保留一些当前无法估值的东西
一个组织的长期生存不只取决于效率。真正改变格局的突破，发生时几乎从来不符合"好投资"的定义------回报不可预测，概率无法计算。而量化系统天然只识别可预期、可验证、与历史模式一致的产出。当这套策略运行得足够久，它会自动排空那些不产生当前价值、但承载未来可能性的东西。
"不可量化"本身不赋予任何东西价值------第一章已经论证过，被评分表漏掉的既有真东西也有水分。所以保留的前提不是"承认它不可量化"，是给它设验证节点：
- 不量化它的当期产出（那个它提供不了）
- 量化它的推进节奏------有明确假设吗？假设按时被检验了吗？检验后是继续还是触发停止？
一个连失败的样子都描述不出来的方向，不是探索，是自欺。
这事不需要推翻评分体系。在评分体系之外划一个独立通道，设硬性数量上限；每个进入的方向带到期日和可验证的停止条件；判断标准从"产出多少价值"切换到"排除了多少错误假设"------前者只能事后评估，后者可以在过程中追踪。
同样的逻辑适用于所有管理行为。任何管理工具，不管设计得多精细，都面临同一个分叉：它在帮你更好地看清现实，还是在帮你回避直接面对现实的不适感。 前者的标志是管理者清楚尺子量出了什么、漏掉了什么、什么时候该扔。后者的标志是管理者已经不再问了。