团队生产力计算器

这个网站用来帮助您完成第一步，即高层次的分析：当您考虑调整一个团队时，增加人手会提高团队的产出，还是让新人上手、保持所有人协调一致的成本会超过他们带来的价值？它也能显示有人离开，或用一个人替换另一个人时会发生什么。如果您填写项目所需的时间，它还会显示项目何时完成。

• 个人事务：搬家、装修、为聚会做饭、筹备活动、和朋友一起清理花园。
• 工作：决定是否给团队或项目增加人手（包括已经延期的项目）、比较实习生和有经验的招聘人选、看清有人离开时团队会失去什么，以及看看团队可以扩大到多大，之后每多一个人就不再划算。

请把它当作第一道筛选。它能显示一个变动明显值得做、明显不值得，还是难分高下。最终决定还需要进一步的工作：更细致地看成本和预算、截止期限、新人入职计划、哪些任务可以拆分和分担、关键路径和瓶颈、哪些任务需要特殊技能或权限、人员是否有空、质量、风险等。

• 不要输入一厢情愿的数字。不做这项工作的人，或希望得到某个特定答案的人，做出的估计往往过于乐观。在两项让团队拼乐高模型的实验中，四人团队比两人团队多用了 45–54% 的人·分钟，而人们低估了这一差距，旁观者尤其如此。在 594 个软件项目的数据中，团队越大，估计就越乐观（Staats, Milkman & Fox, 2012）。
• 与实际做这项工作的有经验的人商定数字：某位新人一开始实际能有多少生产力、需要多久才能达到全速、团队目前有多少摩擦，以及新人会增加多少摩擦。结果的好坏取决于输入的数字：输入的是垃圾，输出的也是垃圾。
• 不要在同一个情景中混合不同角色。计算器会把产出相加，所以表格中的所有人应该从事同一类工作（都是开发人员、都是护士、都是搬运工），只是经验水平不同。给开发团队增加一名测试人员，并不会让开发工作进展得更快。如果团队有多个角色，请为每个角色分别建立一个情景。
• 不要把结果当作预算、日程或最终结论。这个模型没有考虑金钱、截止期限，以及哪些任务依赖于其他任务（参见“这个计算器没有考虑哪些因素？”）。
• 不要因为结果不理想就放弃寻求帮助。结果描述的是您输入的情况，而这种情况往往可以改变（参见下一个问题）。

不一定。想一想要改变什么才能让数字变好，然后在计算器里试试这些改变，看看哪些最重要。

• 让新人更快产生价值。把每个新人都会问的问题和答案写下来（一份常见问题），制作可以反复查看的简短指南或视频，准备能一步步教会项目的练习任务或小挑战，记录不直观的流程，给他们安排导师，并在第一天就准备好工具和权限。一项对微软 411 名新入职软件工程师的调查发现，导师、已有知识、培训和精心挑选的入门任务帮助他们上手，而缺失或过时的文档以及等待权限则拖慢了他们（Rastogi et al., 2015）。
• 减少摩擦。拆分工作，让小组或两人搭档各自负责一部分，尽量减少交接；明确分工，让谁都不用等别人；选择容易共事的人；并把办公室政治降到最低。一项对 78 项研究的综述发现，人们在团队中会减少投入，但如果每个人的贡献能被看到、任务对他们有意义，或与他们重视的人一起工作，这种情况会少得多（Karau & Williams, 1993）。谷歌对其 180 个团队的研究发现，心理安全感（觉得可以放心提问和承认错误）对团队运作好坏最重要（Google re:Work），这与 Amy Edmondson 更早的研究一致（Edmondson, 1999）。
• 更早引入人员。启动成本先发生，之后才慢慢收回，所以一个人越早加入，就有越多的时间收回成本。对延期软件项目的模拟发现，每个项目都存在一个时间点，在此之前增加足够的人手是有帮助的（Hsia, Hsu & Kung, 1999）。

摩擦（就本计算器而言）是因为有其他人在而损失的产出：解释事情、澄清误会、协商、回答问题、检查和修改彼此的工作、更多的消息和会议、互相等待，以及在体力劳动中互相妨碍等。它是每位同事用于与团队其他人协调、而不是做自己工作的那部分时间。

在计算器中，每个人都有自己的摩擦：他们占用每位同事的时间比例。团队中其他每个人都会损失这一比例。因此在一个 3 人团队中，如果每人都造成 5% 的摩擦，每个人会损失 2 × 5% = 10% 的时间，团队相当于 2.7 个满生产力的人。这就是为什么产出以满生产力的人数而不是人头数来显示。新人和经验较少的人起初通常造成更多摩擦，适应之后会减少。

总会留下一些摩擦。如果一个大脑能控制两个身体，它们就会完全同步，摩擦为 0%。两个不同的人，无论相处得多好，总会有一些摩擦，哪怕很少：他们仍然需要告诉对方自己在做什么、达成一致，有时还要等对方。所以长期摩擦永远不会是零。

这一点已经被测量了一个多世纪。1913 年，法国工程师 Maximilien Ringelmann 发现，人们在团队中拉绳子时，每个人用的力都比单独拉时小，而且团队越大，用力越小。1974 年的一次重复实验中，其他“队员”只是假装在拉，结果表明，力量下降的很大一部分来自人们在团队中会松懈，而不仅仅是协调不佳（Ingham et al., 1974；另见 Ringelmann effect）。Ringelmann 的汇总表显示，每多一个人，每名工人的产出都下降大致相同的幅度，即 7–8 个百分点，这正是计算器采用的直线模式。他没有说明这张表来自哪项任务，而他拉绳子的测量结果下降得更平缓：7 人一组拉绳时，每个人的力量约为单独拉时的四分之三（Kravitz & Martin, 1986）。

估计方法：问问做这项工作的有经验的人，他们有多少工作时间花在与团队其他人协调上，再除以他们需要协调的同事人数。这就是每人的长期摩擦，即所有人都有经验后的水平。例如，在一个 4 人团队中，如果每人约有 15% 的时间用于和其他 3 人协调，长期摩擦约为每人 15 ÷ 3 = 5%。新人的起始值，是每位同事在起初花在帮助他们上的时间比例。这些数字最好与以前为这类工作培训过新人的人商定。

“?”帮助中的范围是我们自己的经验法则，而不是研究结果：长期摩擦在独立工作中为 1–3%，在紧密协作的工作中为 5–10%；起始摩擦对有经验的人为 5–15%，对实习生为 20–40%。

生产力（就本计算器而言）是这个人完成的有效工作量，与您所在行业中表现最好的人相比，后者算作 100%。起始值适用于他们刚加入时：实习生起初可能几乎没有贡献（0–10%）；在别处做过这类工作的人可能从 60–90% 起步。长期值是他们适应后最终达到的水平。

把 100% 定为行业中最好的人，而不是您团队里最好的人，可以让您如实看待团队所处的位置。在仍在成熟中的团队或公司里（流程不清晰、缺少工具、对这类工作经验不足），即使最强的人也可能只能达到 70–80%，这一点值得说出来：它显示了改进团队、而不仅仅是增加人手，能带来多大的收益。兼职人员，以及对该角色兴趣或天赋不足的人，也会低于 100%。

达到长期水平的时间是指从加入起，每个数值达到其长期水平所需的时间，生产力和摩擦分别设置。摩擦通常在几周到几个月内下降，因为新人已经熟悉了同事、工具和各种东西在哪里。生产力可以持续增长很长时间：简单的体力工作可能只需几分钟或几小时；技术性工作需要几个月；初级人员成长为资深角色可能需要几年。已在团队中且完全适应的人，两者都填 0。

和摩擦一样，这些数字最好与以前为这类工作培训过新人的人商定。

这令人沮丧，但也有用。它让数字更难填写，但也让一个早已存在的问题浮出水面：团队成员对团队如何运作的看法不同。无论您最终如何决定，了解这一点都有价值。而且这很正常：评判同一案例的专家之间的分歧，远比他们自己预想的大（Kahneman、Sibony & Sunstein，Noise，2021）。

首先，看看分歧是否重要。 把最谨慎和最乐观的数字分别输入为两个情景（在“更多选项”中使用“复制当前情景”）。如果两者给出的结论相同，您现在就可以做决定，讨论留待以后。

如果分歧确实重要，找出大家意见不同的原因。

• 大家说的不是同一回事。 有人与行业中最优秀的人比较，有人与团队中最优秀的人比较。先就定义达成一致（见上面两个问题），再谈数字。
• 大家看到的是工作的不同部分。 负责带新人的人最能感受到新人带来的摩擦。在小组讨论中，人们往往谈论大家都已知道的信息，而忽略只有一个人知道的信息（Stasser & Titus, 1985），所以请问问每个人：有什么是自己看到、而别人可能没看到的。
• 其实没人真正知道。 对于团队从未有过的角色，任何数字都只是猜测。坦白说出来，并使用一个范围。

先各自估计，再进行比较。 请每个人在任何人分享之前先写下自己的数字。第一个被说出口的数字会把其他人的估计拉向它（Aranda & Easterbrook, 2005）。在一家软件公司里，用这种方式商定的估计比简单合并的个人估计更不乐观，有时也更准确（Moløkken-Østvold & Haugen, 2007）。

然后利用这些差距来改进团队。 讨论高绩效或低摩擦是什么样子、是什么阻碍了改进、哪些习惯造成的摩擦最多、事情实际上能以多快的速度改善等。谈论行为和流程，而不是具体的人，否则讨论会变成互相指责。这样做是值得的：一项对 31 项研究的综述发现，定期回顾自身表现的团队，绩效平均提高了约 25%（Tannenbaum & Cerasoli, 2013）。

如果仍然无法达成一致，就保留这些情景，并用现实来检验。 记下每个情景的预期（例如，新人何时能独立处理任务），几周或几个月后再回来看看。与实际情况最接近的情景，会告诉您下次该相信谁的估计。

延伸阅读： Difficult Conversations（Stone、Patton & Heen，1999）；The Fearless Organization（Edmondson，2018）；Project Retrospectives（Kerth，2001）。

填写项目时长是可选的。它是您估计由已在团队中的人（标为“已在团队中”，无论是否勾选）完成项目所需的时间。这就确定了项目的规模：这些人在这段时间内会完成的工作量，包括他们自身的摩擦以及仍在适应中的人。

然后计算器会算出勾选的人何时能完成同样的工作量。图表会显示两个完成时间（可在图表上方切换项目视图和长期视图），关于项目的部分会显示提前或推迟多久完成，以及项目时长超过多少时这个变动才划算。

如果不填项目时长，结果关注的是团队产出随时间的变化：下降多少、何时恢复、最终稳定在什么水平。

成本先发生：新人还没有完全发挥生产力，原有的人还要花时间帮助他们。收益来得更晚，要等新人跟上节奏之后。在短期项目中，剩下的时间不足以让额外的产出收回启动成本。关于项目的部分会显示项目时长超过多少时这个变动才开始划算。

有人加入时，团队产出通常先下降，然后升到原来的水平之上。有两个重要时刻：

• 产出追平：团队产出回到原有水平的时刻。在图表上，就是两条线交叉的地方（圆点）。
• 弥补下降：更晚的一个时刻，此时额外产出已弥补了下降期间损失的一切，团队完成的总工作量与没有变动时相同。从那以后，团队就领先了。

第二个时刻也是这个变动划算的最短项目时长：如果当前团队完成项目需要更长时间，变动后会提前完成；更短的项目则会推迟完成。有时会有两个交点，例如一个有用的人立即加入，而一名实习生几周后才加入；这时结果会同时给出两个时间。

结果还会说明每位新成员何时回本：即有他们的团队完成的总工作量与没有他们时相同的时刻。最终生产力相同的两个人长期来看贡献相同，但有经验的招聘人选可能几周就回本，而实习生可能要一年以后。

• 有人现在离开：取消勾选他们。结果会显示没有他们的团队，与现状的团队相比较。
• 有人以后离开（已经辞职，或要回到原团队）：在“直到”中填写离开时间。它会同时作用于图表的两条线，因为无论如何都会发生，这样您就能看出招聘新人能否填补空缺。
• 有人被借调一段时间：设置他们加入和离开的时间。他们在的时候会有帮助，但团队要承担让他们上手的成本，而这笔成本可能在他们离开前收不回来。

计算器没有考虑工作交接，以及随人离开而流失的知识，所以有人离开的真实成本通常比显示的更高。

在这类模型中，有。每增加一个人都会带来自己的产出，但所有人都会损失这个人造成的摩擦，所以每多一个人，增加的产出就比前一个人少一点。到了某个点，再增加一个人反而会降低团队产出。例如，如果每个人都满生产力并造成 5% 的摩擦，10 人团队相当于 10 × (1 − 9 × 5%) = 5.5 个满生产力的人；11 人相当于 11 × 0.5 = 5.5；12 人相当于 12 × 0.45 = 5.4，略少一点。

当每个人的摩擦相同时，有一个速算规则：最佳规模约为 (1 + 1 ÷ 摩擦) ÷ 2。摩擦为 5% 时，就是 (1 + 20) ÷ 2 ≈ 10 到 11 人。您可以在表格中添加人员试试，看看每多一个人对长期结果的贡献有多小。

这与认为大团队效率低的研究一致。QSM 对 564 个规模相近的软件项目的分析发现，超过 20 人的团队只比少于 5 人的团队提前大约一周完成（8.92 个月对 9.12 个月）（QSM, 2012）。团队研究者 J. Richard Hackman 的经验法则是“不要两位数”（Harvard Business Review, 2009）；在一项更早的实验中，在不同规模团队中工作的人觉得，团队约 4.6 人时既不嫌小也不嫌大（Hackman & Vidmar, 1970）。

它是节省的时间除以当前团队完成项目所需的时间。例如，用 7.46 周而不是 8 周完成，节省 0.54 周，0.54 ÷ 8 ≈ 快 6.7%。

成本需要很多人手头没有、或不愿意输入网站的数字：工资、管理费用、延期罚款、按时或提前完成的价值等。金钱也会让结果看起来比一个简单模型所能达到的更精确。

它也不显示以人·小时计的总工作量。那会把每一小时都当作相同，而实习生的一小时和专家的一小时差别很大：《人月神话》（The Mythical Man-Month）的核心观点正是人和月不能互换。

如果要自己权衡成本，可以把新增人员在参与期间的成本，与提前完成或长期额外产出对您的价值进行比较。例如，如果增加 2 个人让项目提前 30 天完成，他们参与 60 天，每人每天花费您 400 美元，那么提前一个月完成的代价是 48,000 美元。是否值得，取决于截止期限、收入或涉及的罚款。

• 必须按顺序完成的步骤。如果项目的某一部分只能一步一步完成，增加人手也无法加快这部分：如果项目有 10% 是这样的，即使有无限的帮手，也无法让它快 10 倍以上。计算机科学家称之为阿姆达尔定律（1967 年）；项目管理者把相互依赖的最长步骤链称为关键路径。
• 物理限制。一个小厨房或一架梯子上只能容纳有限的人。
• 摩擦如何随团队规模增长。每增加一个人都会占用所有人固定比例的时间，所以总成本大致随两两组合的数量增长，正如 Brooks 所描述的：3 个人有 3 对组合，10 个人有 45 对。大团队通常会拆分成小团队来降低这一成本，而计算器没有模拟这一点，所以对于大规模增员，结果可能过于悲观。
• 曲线式的学习。这里的生产力和摩擦按直线变化；现实中，人们往往开始学得快，之后变慢。
• 其他一切：加班和疲劳、员工士气、组织的声誉、质量和返工、金钱等。

不需要，而且用角色通常更好：“资深开发”“实习生”“新来的设计师”。计算器只需要每个人的数字。

姓名只保存在您的浏览器中，但会包含在分享链接里，任何拿到链接的人都能看到。写下某位具体同事的生产力有多高、造成多少摩擦，一旦分享出去也可能让人感到被针对。如果使用姓名，请只自己保留这个情景，或事先征得相关人员的同意。

AI 聊天机器人适合用来讨论一个决定，以及在这道初步筛选之后做详细规划。与 AI 相比，这个计算器有一些优势：

• 同样的数字，同样的答案。它每次都遵循同一个固定的、经过测试的模型。AI 每次回答可能不同，尤其是在其模型更新后，或者用不同的方法计算。
• 中立。它不会迎合您希望得到的答案。AI 可能倾向于给出让您满意的答案。
• 便于分享和讨论。每个人看到的都是同样的输入和同样的结果，所以关于改善工作条件和项目的讨论可以聚焦于数据。
• 可以立即查看和尝试。图表和数字会实时显示假设变化带来的影响。
• 私密。您输入的内容只保存在您的浏览器中，不会用于其他任何用途。

可以追溯到一百多年前的几条研究脉络都指向同一个方向，也有重要的例外：

• 团队会损失一部分潜力。Ringelmann 的拉绳实验（1913 年）表明，随着团队变大，个人用力会下降。心理学家 Ivan Steiner（1972 年）把团队的实际生产力描述为其潜力减去成员合作方式造成的“过程损失”。一项对 78 项研究的综述发现，人们在团队中减少投入（“社会惰化”）是一种在各种任务和人群中都很稳定的效应（Karau & Williams, 1993）。
• 布鲁克斯定律。这个观点最著名的说法是“向一个延期的软件项目增加人手，只会让它更晚完成”，出自 Fred Brooks 的著作《人月神话》（The Mythical Man-Month，1975 年）。Brooks 本人后来称之为“过分的简化”（Wikipedia）。
• 大团队效率较低，而人们会低估这一点。在拼乐高的实验和 594 个软件项目的数据中，人们低估了大团队所需的额外工作量（Staats, Milkman & Fox, 2012）。QSM 对其数据库中 13,000 多个项目的分析估计，对于一个典型的 10 万行代码的项目，32 人团队约需 178 人·月，而 4 人团队约需 25 人·月；大团队产生的缺陷是小团队的五倍以上，却只提前大约一周完成（QSM）。一项对 26 个产品设计团队的研究发现，大团队中的人个人表现更差，主要是因为他们觉得得到的支持更少，也不知道该向谁求助（Mueller, 2012）。
• 但增加人手也可能奏效。模拟发现，向延期的软件项目增加人手总会增加成本，但并不总会让项目更晚完成：只有当足够多的任务必须按顺序完成时才会延期，而足够早地增加足够的人手是有帮助的（Hsia, Hsu & Kung, 1999）。Steve McConnell 认为，管理良好的项目受到的影响比混乱的项目小得多，而一个混乱的项目之所以延期，通常是因为一开始就低估了，而不是因为增加了人手（McConnell, 1999）。
• 入职培训和团队文化很重要。导师、文档和精心挑选的入门任务帮助微软的新工程师上手（Rastogi et al., 2015）。达到完全精通则需要长得多的时间：在一个大型软件项目中，新人的原始产出大约一年后趋于平稳，但他们在至少三年里持续承担更难、更核心的工作（Zhou & Mockus, 2010）。谷歌发现，心理安全感对其团队效能最重要，而在那项研究中，团队规模与团队效能没有显著关联（Google re:Work）。
• 共同估计数字。 在小组讨论中，人们往往谈论大家都已知道的信息，而忽略只有一个人知道的信息（Stasser & Titus, 1985）。早早说出的数字会把之后的估计拉向它（Aranda & Easterbrook, 2005）；在一家软件公司里，每个人先亮出自己的估计、再商定的结果，比简单合并的个人估计更不乐观，有时也更准确（Moløkken-Østvold & Haugen, 2007）。一项对 31 项研究的综述发现，定期回顾自身表现的团队，绩效平均提高约 25%（Tannenbaum & Cerasoli, 2013）。参见“如果团队无法就生产力或摩擦的数字达成一致怎么办？”

计算器的模型是我们对这些观点的简化，学习曲线和摩擦曲线都是直线。它的目的是让取舍变得清晰可见，而不是预测一个确切的日期。

您的情景只保存在这台设备的这个浏览器中。您输入的任何内容都不会发送给我们或任何服务器，也不需要账户。清除浏览器数据会删除您保存的情景，其他浏览器或设备也看不到它们。

分享链接把情景放在地址中“#”之后的部分，浏览器不会把这部分发送给网站服务器。但任何拿到链接的人都能看到其中的全部内容，包括表格中的姓名或角色，而您用来发送链接的应用（如电子邮件或聊天软件）可能会保留副本。如果您愿意，可以用“实习生”这样的角色代替姓名（参见“我应该填写真实姓名吗？”）。

页面从公共内容分发网络（jsDelivr）加载布局、图表和字体文件。和任何网站一样，它能看到这些文件被加载了，但看不到您的情景。

我们使用 Google Analytics 了解网站的使用情况：有多少人访问、来自哪些国家和网站，以及他们使用了哪些功能（例如添加人员或打开示例）。它从不接收您输入的任何内容：没有姓名、数字或结果。只有在您在提示中点击接受后，它才会保存 cookie；如果您拒绝，Google 仍会收到不使用 cookie 的基本匿名访问计数（再次显示提示）。