「我学到的最有用的一件事，是表面上客客气气，同时恰好藏起足够多的信息，让同事别在排名上超过我。」
说这话的是一位微软工程师。他讲的，是公司的考评制度教会他的东西。库尔特·艾肯沃尔德为《名利场》写 2012 年那篇讲微软在史蒂夫·鲍尔默治下十年的长文时，收集了这句话，还有许多在职和离职员工的讲述。
那套制度叫「堆栈排名」。每个部门都得把员工按固定比例分档：最佳、良好、一般、较差、很差。每六个月，一个大部门的经理们聚在一间拉上百叶窗的会议室里，把写着下属名字的便利贴往格子里贴。一位前开发者说：「你要是在一个 10 人团队里，第一天进门就知道，不管大家多优秀，两个人会拿到很好的评价，七个人拿到平平的评价，一个人拿到很糟的评价。」接着他点出了后果：「这让员工把心思花在彼此竞争上，而不是跟别的公司竞争。」
在这条曲线下，每个人最稳妥的一步，都是只顾自己那一块。哪怕完成了每一项目标，也不保证排名靠前，因为别人可能超额完成。于是，艾肯沃尔德写道，员工既努力把自己的活干好，也努力让同事干不好。高管们告诉他，公司里许多明星员工都尽量避开满是高手的团队，怕自己的排名受影响。公司每半年做一次的员工调查，一次次传回同一个信息：本该一起干活的团队，并没有一起干。
每个选择，对做选择的人来说都说得通。加在一起，却造出了一家自己跟自己合作不起来的公司。其余经过见案例。
最好的部分，加不出最好的整体
局部最优，是系统里某一部分按它自己的标准拿到的最好结果。陷阱在于以为：每个部分都做到了自己的最好，整体也就最好了。往往并非如此，因为各部分互相依赖，一个奖励某部分的指标，可能恰恰在奖励它给下一环添麻烦。
这个陷阱不只出在人和人互相竞争的时候。新西兰一家大型公立医院里，负责配制化疗药的药房，要等专科医生确认每一剂之后才开始配。这保住了药房自己的效率，因为这些药贵，浪费不起；却也让病人干等好几个小时才能开始治疗。研究者用约束理论分析这家医院时，把「用全局的指标，别追局部（各自为政）的最优」列为解法之一，医院后来也找到了两头都顾上的办法。这个故事在约束理论那一页里。
戴明的管理十四条里，有两条说的也是这个陷阱：「打破部门之间的壁垒」，以及废除「年度考评或绩效评级」。
微软改了什么
2013 年 11 月 12 日，微软人力资源负责人丽莎·布鲁梅尔告诉员工，曲线取消了。她的备忘录还改了「干得好」的定义。今后的考评，看的「不只是你自己做的工作，还有你怎样借用别人的意见和想法，以及你为别人的成功出了多少力」。她对 GeekWire 说，强制分布「没能体现我们真正想要的团队合作原则」。
走出局部最优，通常就是这条路：评价每个部分时，至少有一部分要看它为整体做了什么。
小旅馆
设想一家小旅馆。客房部按每小时打扫的房间数考核，所以顺着走廊一间间打扫，这样最快。前台按办理入住的速度考核。一个忙碌的下午，提前到店的客人在大堂里干等，他们的房间恰好在走廊尽头，要最后才打扫。两个部门都达标了，大堂却挤满了人。客房部要是按客人到店的先后来打扫，每小时打扫数也许会略降一点，整家旅馆可能会顺畅得多。
各干各的智能体
AI 智能体分工干活时，也会掉进同一个陷阱。Anthropic 做「研究」功能时，用一个主智能体把问题拆成几块，交给并行搜索的子智能体。起初，主智能体给的是「研究一下半导体短缺」这样的简短指令。子智能体各自都把活干了，整体还是出了岔子。Anthropic 写道，这样的指令「常常含糊到让子智能体误解任务，或者做了和别的智能体一模一样的搜索」。有一次，一个子智能体在查 2021 年的汽车芯片危机，另外两个却在重复调查 2025 年的供应链。
解法来自整体那一层：「每个子智能体都需要一个目标、一种输出格式、关于用哪些工具和信息来源的指引，以及清楚的任务边界。」这要求主智能体在开头多下功夫。这是分工的代价，换来的是每一部分做到最好时，加起来也是好的。
那位微软工程师学会了怎样玩他那一块的游戏。公司需要他玩的，却是另一局。