TLDR：大多數關於「頂尖人才」的討論都預設人才呈現帕累托分布；然而，深入檢視後會發現，不同的企業文化會依據所欲解決的問題，從不同的人才分布型態中獲益（常態分布、帕累托分布，以及第三種選擇——雙峰分布）。雙峰分布較為罕見，但在創意產業中更常出現，也見於某些類型的軟體公司。

當帕累托型企業在爭奪 A 級人才（「高智商通才」）時，雙峰型企業爭奪的則是關鍵人物（linchpins，指在某項任務上具備獨特天賦、鮮少有人能勝任的人）。這些差異也造成了管理風格與企業文化的分歧。

「人才爭奪戰」（war for talent）一詞最早是由麥肯錫公司（McKinsey & Company）的一群顧問在他們1998 年的報告及後續同名書籍中提出，這個詞在接下來的二十年裡深植於企業高層的集體思維中。雖然麥肯錫並未對「人才」給出精確定義，但他們認為「聰明、充滿活力、富有企圖心的個人」即將出現短缺，並將導致企業為吸引與留住最優秀的人才而彼此競爭。

在軟體領域，有個相關但不同的概念——「10 倍工程師」（10x developer），最早至少可追溯到1968 年的一項研究，該研究意外發現程式設計師的表現存在個體差異，並透過 Fred Brooks 在 1975 年出版的《人月神話》（The Mythical Man-Month）進一步普及。10 倍工程師的定義同樣模糊，其是否存在也經常受到質疑。取決於你問誰，10 倍工程師可能是寫程式速度快十倍的人；也可能是理解產品需求的能力強十倍的人；或是能讓團隊效率提升十倍的人；又或是找出並解決程式問題的能力強十倍的人。

儘管這兩個概念看似相似，麥肯錫所說的頂尖人才與軟體界的10 倍工程師卻揭示了微妙的文化差異。兩者都關注如何找到最優秀的合作對象，但麥肯錫的版本將「最優秀」定義為領域中前幾個百分位的人，而 10 倍工程師往往是獨一無二、才華出眾的個體，其過人之處難以言明或複製。

舉例來說，在討論聘僱 AI 研究人員時，許多人會說類似這樣的話：「全世界只有［10 到 200］人能做到［某位高薪 AI 研究員］所做的事。」這句話與例如「我們想聘請頂尖的 AI 研究員。」截然不同。後者所謂的「頂尖」，指的是所有 AI 研究員中表現最突出的一群；而前者則預設只有極少數人能夠勝任這份工作。雖然這種想法在軟體工程師之間很直觀，但在其他產業卻很少見。

為什麼在軟體領域，某些任務無法透過訓練讓更多人勝任？為什麼沒有更多的林納斯·托瓦茲（Linus Torvalds）或約翰·卡馬克（John Carmack）？難道真的永遠只有一百人能做到某些 AI 研究員能做的事嗎？

在探索這些問題後，我歸納出三種不同的人才分布模型，它們與產業高度相關，但即使在同一產業內，也會因公司業務內容與成熟度而有所不同：

• 常態分布：人才呈現常態分布。企業的成功並非靠吸引與留住「頂尖人才」，而是靠流程的強度，所有員工都須遵循流程。常見於製造業、營造業與物流業。
• 帕累托分布：人才呈現帕累托分布，偏向頂端第 n 個百分位。企業透過吸引、留住與培養「A 級人才」而獲益，這些人被期待展現出卓越的個人表現。常見於知識工作與以銷售為核心的公司。
• 雙峰分布：人才呈現雙峰分布，企業透過辨識、聘用與留住「關鍵人物」（linchpins）而獲益，這些人雖然只占員工人數的一小部分，卻推動了公司絕大多數的成功。常見於創意產業（例如娛樂、時尚、設計），以及致力解決困難技術問題的軟體公司（例如基礎設施）。

公司的分布型態也會形塑其組織文化，而組織文化正是其最有誘因去尋找與聘用的人才類型的下游產物。最明顯的是，透過理解兩者對「頂尖人才」定義的差異，我們就能理解我所稱的麥肯錫思維與矽谷思維之間的差別。[¹]

常態分布

範例： 製造業；貨運與航運物流；營造業

具備常態人才分布的公司受到科學管理理論，也就是「流水線」模式的影響，該模式在 20 世紀初因應工業化而興起。這種做法在確保生產流程高度可預測的同時，最大化勞工生產力。生產過程標準化且具階層性，工作被拆解為更小的任務，員工如同機器零件般步調一致地運作。

這些公司的競爭優勢不在於少數頂尖表現者，而在於其流程的強度，這些流程建立在經過多年實踐淬鍊而成的專業知識之上。員工的角色界定明確且很少變動。他們需要具備能力且可靠，但個人主義會被溫和地抑制，因為它會威脅到流程的穩定性。員工以維持績效、成為比自己更龐大體系的一部分為榮，而非以鶴立雞群為榮。

豐田（Toyota）是透過卓越營運來做出差異化的經典例子，在 20 世紀下半葉開創了更有效率的製造方式。其組織文化由「豐田之道」（The Toyota Way，其企業哲學，強調尊重與以團隊為中心的持續改善）與「豐田生產系統」（Toyota Production System，其製造流程，強調減少浪費）所定義。這些哲學往往是透過默會知識與實踐逐漸形成的產物，而非一開始就明確闡述；豐田之道花了數十年才發展成形。

受益於常態人才分布的公司仍可能經歷人才短缺：例如營造或倉儲工人的短缺。但這種短缺通常源於勞工對這些工作的需求不足（例如薪資過低或取得證照門檻過高），而非人才供給管道根本不存在。

帕累托分布

範例： 管理顧問、投資銀行、具備強勢銷售文化的企業

具備帕累托人才分布的公司受到 1940 與 1950 年代興起的現代管理理論影響。例如，彼得·杜拉克（Peter Drucker）預見了員工之間去中心化、參與式的管理，以及「知識工作者」的崛起，他們將在引導組織策略上扮演更積極的角色。

在此模型中，知識工作者的核心重要性以及管理權力在員工之間的分散，意味著企業必須專注於吸引、留住與培養「A 級人才」，也就是在其領域中表現位於前 n 個百分位的人才。

A 級人才是「高智商通才」，能在多種不同類型的任務中表現出色，並有能力處理工作中的複雜性。如麥肯錫 1998 年報告所述，「高績效」公司（以股東報酬率的前段百分位定義）的高階主管，更有可能就讀過一流大學、在班上排名前 10%、擁有較高的大學 GPA，並取得碩士學位。A 級人才也可能至少有一兩項特別擅長的嗜好，無論是競技划船、語言學習或古典鋼琴。無論從事什麼，他們往往都能在所屬領域中名列前茅。

「企業不應猶豫跨出自身產業尋才。西爾斯（Sears）聘請波斯灣戰爭將領 Gus Pagonis 來掌管物流；Banc One 則聘請 Taco Bell 的負責人 Ken Stevens 來領導零售銀行業務。」——麥肯錫《人才爭奪戰》報告

A 級人才可以被量化定義，並與 B 級、C 級人才進行排名比較，這也是管理顧問公司會使用智商測驗、數學測驗與人格測驗來聘用 A 級人才的原因。由於這類人才較容易辨識，帕累托分布型企業往往擁有完善的招募計畫，直接從大學聘用畢業生：專業技能的重要性不如整體能力。

管理顧問業（例如麥肯錫、BCG、貝恩）、投資銀行（例如高盛、摩根大通）以及大型科技公司的儲備產品經理計畫（例如 Facebook、Google）都大量從大學校園招募，並主動提供豐富的面試技巧與準備材料。申請這些工作與準備大學入學考試或申請頂尖大學並無太大不同。

如果說常態分布型公司更像是社會主義——員工視自己為龐大機器的一部分，利益平均分配——那麼帕累托分布型公司則更像是資本主義，報酬分配不均，集中於表現最佳者。員工被期待要表現卓越；僅僅「符合期待」、表現持續平庸的人將會停滯不前或遭到解僱。因為不可能每位員工都出類拔萃（否則那就成了新的平均值），這便導致了內部零和的權力競爭。

就人才稀缺性而言，A 級人才在人口中占比相對較小。但事後回顧二十年，麥肯錫可能誇大了對 A 級人才「爭奪戰」的想像。資深的 A 級人才廣為人知、備受爭搶，因此雇主會以優渥薪資留住他們，避免被挖角。但在資淺的 A 級人才中，雖然人才庫在某種程度上是固定的，但相對於需要 A 級人才的職缺數量而言，這個池子仍然很大。而且他們相對容易辨識與培養。

雖然資淺的 A 級人才彼此之間較具可替代性，企業仍會為壟斷人才管道而競爭。例如，麥肯錫、高盛與 Google 都想成為頂尖大學畢業生尋求第一份工作時的默認首選。儘管這些公司在產品上並非直接競爭對手，但在爭奪 A 級人才庫方面卻是競爭者。

還有一種「人才外流」的矛盾現象，發生在組織內部而非組織之間：A 級人才往往會流向（或被招募至）高曝光度的管理職。這使得要為薪資較低或曝光度較低的職位聘用與留住 A 級人才變得更加困難。麥當勞前執行長 Jan Fields 起初是炸薯條的廚師；馬莎百貨（Marks & Spencer）前執行長 Stuart Rose 則是從銷售樓面做起。換言之，儘管有其他職位也能受益於 A 級人才的能力，A 級人才卻被培養成只擔任特定類型的職位，以至於不會出現大量 A 級人才競爭少數高曝光職位的短缺情況。[²]

雙峰分布

範例： 軟體基礎設施（例如資料管理、雲端運算、資安）；避險基金；創意產業（例如娛樂、時尚、設計）

受益於雙峰人才分布的公司，透過吸引與留住「關鍵人物」（linchpins）而取得成功，他們獨特的技能為公司提供了競爭優勢。與喜歡解決任何丟過來問題的通才型 A 級人才不同，關鍵人物是專才，在某一種特定任務上極度出色，而世界上大多數人都無法做到。

這類公司較為罕見，但在致力解決困難技術問題的軟體公司以及創意產業中更常出現。迪士尼的 Bob Iger 在收購漫威後，阻止了漫威執行長 Ike Perlmutter 開除其總裁 Kevin Feige，因為 Iger 認為他是公司的願景領袖。蘋果的歷史也常透過其最具代表性的設計師王朝來敘述：Steve Jobs、Jony Ive。

關鍵人物是以質性方式定義的，因此特別難以聘用，甚至難以辨識。當 A 級人才願意為一流管理顧問公司的考試而填鴨苦讀時，軟體工程師卻經常批評程式面試與聘用流程，認為它們無法準確測試能力。對於何謂 10 倍工程師缺乏共識，也再次凸顯了量化關鍵人物才能的困難，即便每個人都「一看就知道」。

「我逐漸發現，擅長取悅招生委員會的那類人，並不是擅長創辦公司的那類人。」——Michael Gibson，《Paper Belt on Fire》，回顧他協助創辦並營運的 Thiel Fellowship 計畫

關鍵人物在軟體領域更常出現，因為與實體工程不同，軟體具有蔓延的複雜性。建造橋梁的土木工程師必須遵循限制其創造力的產業標準，且無論如何都受物理定律制約。

但撰寫軟體沒有這類限制。用程式解決問題擁有無限的可能性空間；你能打造什麼、以及如何打造，只受想像力限制。新的程式語言、工具與框架可以完全從無到有發明出來，並依需求使用。除非任務已被充分理解且反覆執行，否則無法簡單地教導工程師在每種情況下該怎麼做，因為有無窮無盡的「未知的未知」可能導向更好的解法。

同樣地，修復錯誤也有同樣無限（且令人沮喪）的可能性空間；不像土木工程師可以看見並檢查故障的橋梁，未如預期運作的程式碼可能歸咎於任何數量看不見的相依性。因此，平庸與卓越的軟體工程師之間的差距，遠大於平庸與卓越的實體工程師之間的差距，因為卓越的開發者憑藉某種難以捉摸的智慧、創造力與直覺的組合，能「看見」平庸者看不見的可能性。[³]

然而，如今大多數軟體公司並不需要關鍵人物，因為它們販售的是缺乏技術競爭優勢的商品化產品。雖然這些產品不一定需要像實體工程領域那樣遵循產業標準，但完成任務的合適工具卻深受社會常規影響。這似乎正是關於「10 倍工程師」諸多混淆的所在：雖然過去幾乎所有軟體公司都在處理困難的技術挑戰，但如今大多數公司可能更像是帕累托分布型企業，應該採取不同的管理方式。

但正在打造基礎技術的公司仍能從關鍵人物中獲益。例如，Snowflake 由 Benoît Dageville 與 Thierry Cruanes 共同創辦，兩人都是在 Oracle 備受尊敬的軟體架構師；Databricks 則由 Apache Spark 的創造者共同創辦。

雙峰分布型公司受益於 Sebastian Bensusan 所稱的「高變異管理」（high variance management），他將其比作製作好萊塢電影而非百老匯舞台劇。在現場演出中，女演員必須在每一場演出中都能正確說出臺詞，因此挑選具一致性的人很重要。但在拍電影時，女演員可以失敗六次，只要能換來一次極為精彩的演出。因此，電影導演在選角時可以更大膽，也能鼓勵她在表演上冒險。

「具有創意火花的人才……正是官僚作風最致命之處。」——Tyler Cowen，《Talent: How to Identify Energizers, Creatives, and Winners Around the World》

在雙峰分布型公司中，只需要少數關鍵人物；公司其他所有人都扮演支援角色。乍看之下，這些公司可能像是常態分布型，因為它們擁有緊密組織的生產流程，但差異在於每個人都是為了支援單一個人的願景而工作。Fred Brooks 在《人月神話》中將此比作外科手術團隊：「少數人的頭腦參與設計與建構，卻有眾多雙手共同執行。」

關鍵人物通常彼此隔離：由多位關鍵人物組成的團隊未必能產生卓越成果，反而不如讓每個團隊各自圍繞一位關鍵人物，並搭配支援團隊來得有效。

關鍵人物比 A 級人才更有可能產出具公共利益的成果，例如發明新技術或設計，這可能會模糊他們對雇主的市場價值。相較之下，A 級人才的價值通常侷限於其雇主——例如管理團隊或專案、或創造銷售業績——因此投資報酬率較為明確。

只有當關鍵人物能提供私有價值時（例如爭相聘用軟體架構師的基礎設施供應商），他們才會在市場上獲得高額報酬。例如，Google 與 Microsoft／OpenAI 之間對 AI 研究人員的激烈競爭，部分就是由這種動態所驅動。由於這些公司正在打造基礎技術，誰能從精選的人才庫中網羅最多 AI 研究人員，誰就將擁有重大的競爭優勢。

另一方面，企業並不會爭相聘用高產的開源開發者——除非將其專業納入內部能為公司帶來競爭優勢——因為開源開發者的產出主要是公共財：無論為誰工作，他們都會產出同樣的價值。

得力助手

還有一種關鍵人物的變體，我稱之為「得力助手」（right hands，借用自前 Stripe 員工 Will Larson的說法）。得力助手是指與至少一位高階主管享有獨特高度信任、密切關係，並作為該主管利益代理人的人。

雖然得力助手往往是通才，但他們比起 A 級人才更接近關鍵人物，因為他們是以質性方式定義、擁有無人能取代的獨特角色，且在獨立運作時表現最佳。如同關鍵人物，得力助手是一種稀有的人才類型，企業需要他們來實現最具野心與創新性的目標。理想上，他們極具能力、對公司忠誠，且能夠看見「大局」。

得力助手的價值主要來自於作為高階主管的「欽定人選」，這賦予他們異常高度的創作與工作自由。由於這種自由高度依賴脈絡，他們的成功通常侷限於一家公司，和／或與特定高階主管共事時。得力助手不一定擁有高階頭銜，其真正的影響力與受器重的地位也未必能被外界看見。與 A 級人才不同，他們通常不會遵循典型的企業領導職涯路徑——之後更有可能自行創業，而非到另一家公司擔任高階主管。（這種現象可在極為成功的新創公司中觀察到，這些公司會形成早期員工的「黑幫」（mafias）。）

「我非常在乎 Stripe：當我看到有不對勁的地方，就會感到坐立難安、想去修好它。」——Michelle Bu，Stripe 支付產品技術負責人

「當 Jack Welch 與 Home Depot 會面，分享 GE 管理成長的獨特之道時，他帶了兩位人資高階主管同行……建立人才梯隊是他們工作至關重要的一環。」——麥肯錫《人才爭奪戰》報告

將這些模型付諸實踐

企業的人才需求可能會隨著時間而改變。例如，Google 起初很可能是一家雙峰分布型公司，以建立其在搜尋領域的優勢，但隨著組織成熟，似乎已變得更像是帕累托分布型公司（雖然我不確定這對其作為創新者的聲譽是否有利！）。

企業文化的常規可以用公司試圖獲取或培養的人才類型來解釋。例如：

• OpenAI 高度重視使命感及其不尋常的治理與資金結構，部分可由其吸引「關鍵人物」型 AI 研究人員的需求來解釋，這些人往往非常有原則
• OKR、KPI 及類似的績效框架，是為帕累托分布型公司設計的，在這類公司中，績效可量化並能與其他員工相互比較
• 零事故文化（「X 天零事故」）強調一致性與集體責任，並抑制常態分布型公司中的冒險行為
• 典型的軟體公司文化（彈性工時、辦公室內的遊戲與零食、「安靜區域」）則是為了吸引與留住關鍵人物型的開發者而設計

最後，不同的人才模型也在一定程度上解釋了麥肯錫與矽谷文化之間的差異。前者高度量化、偏好緊密協作的傑出者團隊，並鼓勵競爭性的零和人才環境（A 級人才是整體人才庫中固定的百分位，若不在其中，就出局）。後者則更偏向質性、偏好孤獨的「創意天才」原型，並對人才抱持正和思維（關鍵人物可能潛藏在任何地方，而我們肯定還未全數發掘）。這或許也能解釋，為何過去許多軟體公司難以成熟或在公開市場上創造股東回報，因為要在這種規模上取得成功，需要將組織文化從雙峰分布轉型為帕累托分布。[⁴]

感謝 Sebastian Bensusan、Bernadette Doerr 與 Daniel Lee 的對話，為本文的方向帶來啟發。

註解