關於職場回饋意見的辯論，不是什麼新鮮事。最晚在上個世紀中期，「如何讓員工改進」這個問題，就已經引發許多看法和研究。但是近來，這個話題的討論又增添了新熱度。

在橋水投資（Bridgewater Associates）持續進行的「極度透明」（radical transparency）實驗，以及網飛（Netflix）的文化（最近被華爾街指為「鼓勵提出嚴厲的回饋意見」、讓工作者接受「密集而難堪」的即時360 度評量）；這些只不過是堅信以下這個信念的兩個例子：嚴格、頻繁、坦誠、廣泛、通常屬批判性質的回饋意見，有助於企業提高績效。 我們思考：應該如何給予、接受回饋意見？應給予多少回饋意見？頻率如何？該使用哪個新的應用程式（app）？此外，既然橋水和網飛的做法引發了種種關注，那麼我們的坦誠態度應該尖銳、無畏到什麼程度？但這些問題背後還有另一個遭到忽視的問題，而且是關鍵問題。人們尋找一些方式來給予和接受更好的回饋意見，這背後是假設回饋意見一定是有用的。我們尋求回饋意見的唯一理由，是回饋意見有助於他人改善表現。但當我們檢視這一點時（也就是詢問：「如何協助每個人茁壯成長、表現優異？」），我們找到的答案卻指向不同的方向。

明確地說， 真正有用的是「指示」（instruction），也就是告訴別人應遵循哪些步驟，或是他們缺乏哪些有關事實的知識（factual knowledge）；正因如此才會出現飛機駕駛艙檢核表，後來又出現手術室檢核表。確實有一套正確的方法，能讓護理師安全地打針，而新手護理師若是遺漏任何一個步驟，或是不知道關於病患狀況的重要事實，那麼就應該有人明白告訴他。但是，現在很少有工作能夠事先界定應採取哪些行動或知識，才能達成最低執行成效，而且這樣的工作會愈來愈罕見。我們所謂的「回饋意見」，完全是另外一回事。回饋意見是要告訴別人我們對他們的表現有何看法，以及他們應該怎麼做會更好，無論對方要做的是有效的簡報、領導團隊或制定策略。就這一點來說，研究清楚地顯示：告訴別人我們對他們的表現有何看法，這麼做無法協助他們茁壯成長、表現優異；而告訴別人該如何改進，其實會阻礙學習。

回饋意見百益無一害？三個自我中心理論，無法提升生產力

現在這種認為回饋意見是百益而無一害的想法，源自商業界普遍認為是真理的三個理論。第一個理論是「旁觀者清」，別人比你更能察覺你自己的弱點，因此幫助你的最佳方法，就是讓旁人指出你自己的盲點。我們稱此為「真相來源理論」（theory of the source of truth）。你不知道自己的套裝破舊寒酸、你的簡報沉悶無聊，或是你的聲音粗啞刺耳，因此要靠同事盡可能坦白告訴你「你的真實處境」。如果他們不說，你永遠不會知道，而這就糟了。

第二個信念是，學習的過程就像是填充空的容器：你缺乏某些必備能力，因此同事應該要教你。我們把它稱為「學習理論」（theory of learning）。如果你從事銷售工作，但沒有學會「鏡像模仿與配合」（mirroring and matching）潛在顧客的能力，你怎麼可能成交？如果你是教師，卻沒有學會並實際運用最新的團隊教學技巧或是「翻轉教室」教學形式，你怎麼會進步？根據這派理論的想法，上述問題的答案都是否定的，而你需要回饋意見，才能培養你欠缺的技能。

第三個信念是，優異的表現是普遍相同的，可以分析、描述出來，而且一旦定義清楚，就能從一個人身上轉移到另一個人身上，無論誰都可以套用。因此，你可以根據回饋意見所描述「表現卓越」該有的樣貌，了解你哪裡不符合這個理想樣貌，然後努力修補自己的不足。這種想法，我們稱之為「卓越理論」（theoryof excellence）。如果你是經理人，你的上司可能會告訴你公司的「主管行為模型」，根據這一點來評斷你，並告訴你必須怎麼做，才能更接近這個模型。如果你志在成為領導人，你的公司或許會運用360 度回饋意見工具，根據公司預先設定好的領導能力，來衡量你的表現，然後建議你應參加哪些課程、累積哪些經驗，以培養評量結果顯示你所缺乏的那些能力。

這三個理論的共同點是自我中心：它們把我們自身的專業水準，以及我們認定同事專業能力的欠缺之處，都當成既定事實；它們假設：我的卓越之道必然也是他人的卓越之道。但實際情況是，我們認為自己創造良好績效的因素，別人應該也可以用來創造良好績效，這樣的推論其實過度牽強。

研究顯示，前述三個理論都不對。我們愈是仰賴它們，愈是以它們為基礎來開發更多的技術，其他人的學習能力和生產力就愈低。為了理解其中原因，並找到改善表現的更有效途徑，讓我們逐一詳細檢視每個理論。

問題1 真相來源何在針對別人表現的評論，並不可靠

回饋意見的第一個問題，是人們在評論別人的表現時，那些評論並不可靠。過去四十年來，心理統計學家已在一項又一項的研究中證實，人類的心智不夠客觀，因此，無法對於抽象特質（例如「商業敏銳度」或「堅定自信」）設定穩固的定義，然後根據這個定義來正確地評量他人。有些因素會大幅影響我們的評量結果，這些因素包括我們本身對於評量標準的理解程度、我們對於某項能力如何才算表現優良的個人想法、我們評量別人時態度的苛刻或寬容程度，以及我們天生的偏見與未察覺的偏見。這個現象稱為「評估者特質效應」（idiosyncratic rater effect），這種現象不但普遍（你評量他人時，一半以上反映的是你的特質，而不是對方的特質），而且頑強（無法透過訓練而減緩）。換句話說，研究顯示，回饋意見比較像是一種扭曲，而非真相。

正因如此，儘管有這麼多現成的訓練，教人們如何接受回饋意見，但做起來還是很困難：接受回饋意見的人，必須在這個充滿扭曲的森林裡奮戰，尋找屬於自己的樣貌。

你給予他人的回饋意見，有更多部分反映的是你自己，多於反映對方的特質，因此會導致系統誤差（systematic error），而你匯總所有評量結果時，系統誤差也會被擴大。世界上只有兩種衡量錯誤：一是隨機誤差（random error），這個可以靠把許多數值加總，再平均，來降低誤差；二是系統誤差，這種誤差就無法降低。遺憾的是，我們上完數學課之後，似乎都只記得隨機誤差，忘了系統誤差。我們在打造那些績效和領導力回饋意見工具時，似乎把評量誤差全都當成隨機誤差，但其實那些是系統誤差。

以色盲為例。如果我們請色盲的人評量某種玫瑰的紅色程度，我們不會信任他提出的回饋意見，因為我們知道他看不出來，更別提「評等」了。他的誤差不是隨機誤差，而是可以預期、可以解釋說明的，原因就是他的評量系統有缺陷；因此，這是系統誤差。如果我們接著決定，再找七個色盲的人評量玫瑰的紅色程度，他們的誤差同樣屬於系統誤差，如果把他們的評分加總平均，無法得出更接近玫瑰真實紅色程度的答案。其實，情況會更糟。把所有不正確的紅色程度評等加起來，如「灰」、「深灰」、「白灰」、「泥棕」等等，再把它們平均，只會更偏離真相，無法呈現那些人對玫瑰的個人感官經驗的可靠資訊，也無法得知玫瑰的實際顏色究竟有多紅。

研究顯示，我們對於抽象特質都像是「色盲」，例如策略思考、潛能和政治敏銳度等。我們沒有能力評量他人在這些特質上的表現，這情況不但是可以預期的，也有原因可以解釋，這是系統性的問題。我們無法透過增加輸入的資料、求取平均值，而排除這個誤差，這麼做其實反而會擴大誤差。

更糟的是，雖然科學早就證明我們是色盲，但在商業世界裡，我們卻假設自己是明眼人。在內心深處，我們完全不認為自己會出現太多誤差。我們自認是評鑑別人的可靠裁判。我們自認是真相的來源。其實我們不是。我們是誤差源。

如果使用某項回饋意見工具，請八名同事針對你的商業敏銳度來評分，結果平均分數3.79 分，其實這個分數比只調查一個人對你的評分更為扭曲。這個數字3.79 絕對是百分之百的噪音，不是訊號。你應該要擔憂它的根本缺陷有多大，因為（1）這類以資料為基礎的回饋意見愈來愈多；（2）這項針對你的評鑑資料，很可能在你任職的公司裡保存很長一段時間；以及（3）這項評鑑會成為制定你的薪資、升遷、訓練、派任或開除的依據。

人類只有在一個領域是無可駁斥的真相來源，那就是對自己的感受和體驗。醫師很早就知道這一點。醫師對病患做術後檢查時會問：「疼痛程度從1 到10，10 分代表最高，你的痛有幾分？」如果你說「5 分」，醫師或許會開出各種治療方法，但不太可能會去挑戰你的「5 分」。不管他做過多少手術，若他說你的「5 分」是錯的，其實你今天早上的痛感應該是「3 分」，他這麼說是沒有意義的。試著去分析你所說的5 分是什麼意思，以及是否有任何文化差異可能顯示你的5 分其實不是真的5分，這種分析沒有意義。與其他醫師舉行調校會議，確定你的「5 分」和這一排其他病房病人的「5 分」是一樣的，這麼做也沒有意義。相反地，他相信你是你自己疼痛感的最佳裁判，他唯一能確定的是，當你的痛感評分降低，代表你覺得身體比較舒服。你的評等是你的，不是他的。

就像醫師不知道病患痛感的真相，我們也無法得知同事的真實情況，至少無法以任何客觀的方式得知。你可能讀過報導，今天的工作者（尤其是千禧世代）想要知道自己的表現如何。你或許偶爾會遇到團隊成員請你告訴他們，客觀而言，他們的表現如何。你可能覺得有義務要試著回答這些問題。但其實你無法回答，沒有人能回答。我們能做的，就是分享我們的感受和經驗、我們自己的反應，而這絕非無關緊要的小事。因此，我們可以告訴某人，他的聲音是不是讓我們聽了覺得很難受；他對我們是否有說服力；我們是否覺得他的報告沉悶無聊。我們或許無法說出他們的表現如何，但是我們可以告訴他，我們對於他的表現有何觀感。那些是我們感受的真相，不是他的。這樣說比較謙虛，但至少是正確的。 閱讀完整內容