低绩效同事,先别急着下结论

Share
低绩效同事,先别急着下结论
Photo by Vitaly Gariev / Unsplash

团队里最难处理的,往往不是最差的同事,而是那些卡在board line上,挤挤能出活、但不挤就磨洋工的low performer 同事。

这类 low performer 一出现,很多Manager的第一反应就是:ownership 不行。问题是,这句话太空了,空到几乎没法行动。

我更喜欢用一个简单的框架看这件事:先判断原因,再调整支持,接着设观察期,最后做去留决定。

先判断:到底是哪一类问题

low performance 不等于 low ability。常见情况其实不一样:

  • 不会做:能力还没到,拆问题、推进、沟通都卡住。
  • 不想做:知道怎么做,但投入不够。
  • 做错方向:很努力,但目标理解偏了。
  • 岗位不匹配:人不差,只是不适合这个角色。

比如:

  • 一个同事总是晚交,但每次都能把问题讲清楚,可能是任务切太大了。
  • 一个同事总返工,而且自己看不出风险,可能是判断力还不够。
  • 一个同事开会很多、邮件很多,但总对不齐预期,可能是协作方式有问题。

先把类别分清楚,后面才知道该怎么处理。

再调整:给对支持,不要只加压力

很多 manager 一看到 low performer,就开始加压。但压力不是万能药。

  • “不会做”,就补方法:更细的目标、更短的检查点、更明确的标准。
  • “方向错了”,就尽早对齐:任务边界、优先级、成功标准。
  • “岗位不匹配”,就认真想是不是该换项目、换 scope,甚至换角色。

举个例子:

我组里有个同事总是 late delivery,先别急着说 execution 差,先看他问题出在哪。

我和他设了一个月的daily 1-1,并且他把自己的hourly execution 写在了文档里。后来发现他的问题是:

  • 对领域知识了解很肤浅,又不好意思去问别人。于是只好用ai在reverse engineer。结果理解的更奇怪
  • 带着这种奇怪的领域知识,他看很多问题都抓不住要点,于是在corner case 里疯狂打转
  • 进而,他就卡在各种corner cases里,导致late delivery

我给他的plan是:

  • 先定期和pm聊天,理解我们产品在服务什么客户
  • 用我们自己的产品,看应用场景和他理解的偏差有多少
  • 然后更新自己的知识库
  • 最后再把不重要的部分deprioritize,这样其他的工作的进度就提高了
  • 一个月后再checkin

设观察期:看变化,不看口头承诺

只聊一次不够,必须给一个短观察期。

这段时间重点看三件事:

  • 目标有没有重新对齐
  • 行为有没有真的变化
  • 同样的问题会不会再出现

如果两三轮之后还是老样子,就别继续自我安慰了。拖着不处理,最后只会让其他同事替他买单。

最后做决定:培养、换岗,还是离开

low performer 的处理,最后一定要落到决定上。

有些人是能救的,框架一清楚就起来了。

有些人适合换到更匹配的位置。

也有些人,已经不是 support 能解决的问题了。

真正难的,不是做决定,而是早点做出正确判断。因为拖得越久,团队消耗越大。

结尾

处理 low performer,不是为了“整顿人”,而是为了让团队恢复正常运转。

最有效的做法,通常不是一句狠话,而是:先判断原因,再给针对性的支持,最后基于观察期做干净的决定。

这件事不好看,但很重要。

Read more

当代码不再稀缺 - 06

Prompt 不是新的 Source Code A prompt can generate an answer. It cannot, by itself, preserve why the answer should be true. 提示词可以生成一个回答,但它自己并不能证明这个回答为什么是对的 AI coding tools 刚开始流行时,有一个说法很有吸引力: Prompt 是新的 source code。 听起来很合理。 以前我们写 Python、Java、TypeScript;以后我们写自然语言,让模型完成 implementation。既然 prompt 决定 output,那就像管理代码一样把 prompt 保存、version、review,不就行了吗?

By andy
当代码不再稀缺 - 05

当代码不再稀缺 - 05

Code review 没有过时,但我们可能 review 错了对象 AI can produce a diff. Review decides whether the team is willing to own the change. AI会产出代码,但是团队应该决定是否拥有这个改变 上一篇:AI 时代还需要 Estimate 吗? 床位系统那个 bug 暴露以后,我反复想过一个问题: 我们明明做了 code review,为什么还是没有发现这个bug? 实现并不离谱。代码在判断查询时刻是否落在预约区间内,局部逻辑说得通,边界也长得像正常的时间处理。 只是业务真正问的是“这一天是否已经被占用”,代码回答的却是“当前这一秒是否落在区间”。 我们不是没看代码。我们看了一个错误问题的正确答案。 这件事让我意识到,AI 时代关于

By andy
当代码不再稀缺 - 04

当代码不再稀缺 - 04

AI 时代还需要 Estimate 吗? Don't estimate how long it takes to generate code. Estimate what it takes to trust the change. 不要只估算生成代码需要多久,要估算团队需要付出什么,才能相信这个 change。 上一篇:别再用更多 Ticket 衡量 AI Productivity 下一篇:Code review 没有过时,但我们可能 review 错了对象 如果现在有人问 engineer:“这个 ticket 要多久?”答案可能越来越像这样: “代码今天能出来。至于什么时候敢上线,我不知道。” 这不是

By andy
当代码不再稀缺 - 03

当代码不再稀缺 - 03

别再用更多 Ticket 衡量 AI Productivity Code is cheap. Verified outcomes are not. AI 可以廉价制造代码,但不能廉价制造可信结果。 上一篇:AI 没有消灭瓶颈:Slop 正在吞掉团队的注意力 下一篇:AI 时代还需要 Estimate 吗? 有一种项目周会,特别容易让 EM 心情愉快。 这个 sprint 完成的 ticket 比以前多了,PR 数量涨了,commit 也很活跃。自从团队开始用 AI,dashboard 上的每一条线都在往右上角走。管理层一看:不错,AI productivity 已经兑现了。 然后 reviewer 默默打开

By andy