KPI越定越细质量反而越管越差——丰田20美元改善提案背后的古德哈特定律

最近读到 Mark Graban 的一篇博客，讲了个丰田的老故事，越想越有意思。

据 Norman Bodek 回忆，丰田北美有个部门曾经决定：员工每提一个改善点子，就发 20 美元。不是实施了才发，是提交了就发。 结果呢？有人把”把一张纸从桌子这头挪到那头”也写成一条改善建议，领 20 美元。据说有个员工靠提点子赚的钱，够修一个游泳池了。

丰田想要的是改进，最后收到的是一堆”挪纸”。

Graban 借质量宗师戴明（W. Edwards Deming）的意思点破它，大意是：一旦管理层把奖励挂到”数量”上，人们就会盯着那个数量，有时候连真正的目标都不顾了。 这不是员工品格有问题——是这套制度自己设计出来的必然结果。

这不是丰田一时失手，是一条定律

这个现象有名字，叫古德哈特定律。

经济学家查尔斯·古德哈特 1975 年研究英国货币政策时发现：任何一个统计指标，一旦你把它当成调控目标使劲去压，它就会失真、塌掉。人类学家 Strathern 后来把它提炼成一句话：

当一种度量变成了目标，它就不再是一个好的度量。

它的机制是一条固定的套路，四步：

1. 你真正想要的东西：产品质量、现场改善、真实业绩——这些都复杂、难量化；
2. 于是你找一个代理指标去近似它：合格率、改善提案数、关闭工单数、5S 得分；
3. 你拿这个指标去考核、奖惩；
4. 于是被考核的人开始优化指标本身，而不再优化你真正想要的东西——真实目标反而没人管了。

丰田那 20 美元，就是卡在第四步：想要的是”改进”，考核的是”提交数量”，于是大家去优化”数量”——挪张纸也是一条。

一个质量人和技术人一看就懂的例子

作家万维钢讲过一个特别传神的案例。

一家公司用”bug 修复数量”考核工程师。技术最好、负责搭核心架构的老张，因为他管的模块本身不出 bug，修复数最少，年底差点被当成绩效垫底优化掉；而另一个人专挑好修的小 bug、把一个大任务拆成五个工单分开修、真正的硬骨头标上”暂不处理”——修复数全公司最高，升了主管。

指标一立，全公司都学会了当那个”小李”，没人愿意当老张。你想要的是”系统稳定、没有 bug”，考核出来的却是”制造并修复尽量多的 bug”。

把它换成制造业的语言，你会觉得眼熟得可怕：

• 考核”一次交检合格率”，就有人把有争议的批次先扣在线边不报检；
• 考核”关闭的纠正措施条数”，就有人把一个大问题拆成五张小单快速关闭；
• 考核”5S 扣分”，大家在检查那天把东西藏进柜子；
• 考核”改善提案数量”，就有了丰田那张被挪来挪去的纸。

每一个被当成目标去考核的质量指标，都在被人优化——只不过优化的是指标，不是质量。

更扎心的一层：老板越弱，KPI 越细

到这儿你可能会说：那是指标没设计好，再改改考核办法不就行了？

这是最大的误会。古德哈特定律不是”指标设计得不够聪明”能解决的，它是对复杂系统搞数字治理的结构性宿命——连训练 AI 都逃不掉：模型会拼命讨好那个打分的”裁判模型”，把分刷得很高，真实能力反而下降，论文里直接写”正符合古德哈特定律”。

万维钢顺着往下问了一个更狠的问题：既然明知会被玩坏，组织为什么还是拼命上指标、把 KPI 越切越细？

美国科学史家西奥多·波特在《对数字的信任》(1995) 里给了病根：最迷信量化的，恰恰是那些权威不足的机构。 一个真有底气的内行，可以直接拍板”我判断这个人行、这个方案不行”，他担得起这个判断；而一个怕人不服、怕担责的管理者不敢这么做，于是躲进数字里——数字看起来客观、不带个人色彩，出了事谁也没法把账算到他头上。

用万维钢的话说，量化常常是一种”做了决定、却装得好像没有人在做决定”的办法。

于是有了那句最锋利的判断：

指标崇拜不是理性的胜利，而是判断力的缺失。老板越弱，KPI 越细。

这句话可以当一把 X 光片：下次你看到一个组织的考核表越堆越长、5S 扣分越算越精、审核评分越搞越细——先别急着夸它”管理精细化”，先问一句：这里的管理者，是不是不敢、或者不能做判断？

当然，不是每一条细指标都出自软弱——有些是行业规矩、法规或安全底线的硬要求（药品、航空这些领域的记录就必须细）。这把尺子量的不是”细”本身，而是那些本可以靠人的判断、却被层层数字悄悄替换掉的地方。

但别急着走到另一个极端

看到这儿，千万别得出”那就别要指标了，全凭人拍板”的结论。

全靠人的判断，一样会出山头主义、近亲繁殖、老资格垄断。指标暴政和黑箱人治，只是同一条光谱的两端，掉进哪一端都是坑。

万维钢的澄清很关键：古德哈特定律反对的从来不是量化，而是幼稚的量化——数字完全可以作为判断的依据之一，但它不该是判断本身。

最好的比喻是法庭：一个好的司法制度当然重证据、讲程序，但它绝不会规定”凑满三个证人就判有罪”或者”哪边证据多哪边赢”。它认真看证据，但把最后那一下判断，留给有担当的人。

一句话：

指标是证人，不是法官。

幼稚的量化，是让指标当法官：修复数最高就升职、分数不够就一票否决、扣满几分就通报。成熟的量化，是让指标当证人：把数据摆上桌做参考，再由一个有判断力、也敢担责的人，结合现场把板拍了，并说清楚为什么。

你不是反对用数据——你反对的是让数据替人做判断。

怎么落地：把 KPI 从”计件”改回”判断”

对做质量、做绩效、做供应商评价的人，这里有一套可以直接搬的原则，参考了国际上评估科研的莱顿宣言和英国 REF 的一致方向，万维钢总结成三条 + 几道程序保险：

1. 指标只做素材，不做判决书。 合格率、审核分、交付数据都可以摆上桌做参考，但不写”达到几分自动通过、不够就一票否决”。
2. 看代表作，而且逼评价人写一份书面理由。 别数一个供应商这一年交了多少张报告，看他最关键的三五件事做得怎么样；并且白纸黑字写清：他的核心贡献/问题是什么、你为什么这么判、有没有反对意见。
3. 评价按角色分类。 一线操作、工艺工程师、质量主管是三种不同的工作，别用一张表压平。

再加几道程序保险：评价标准公开、利益相关方回避、落选/被判不合格的一方有地方申诉、每隔几年”反审计”一次——专门查这套指标有没有诱导出坏行为，有就换掉。因为管理从来不是”装好一套系统”就完事，而是得一直照看它：古德哈特这场博弈永远不会结束。

“代表作 + 书面理由""按角色分类”这两条，是把一套 KPI 从”计件工资”改回”专业判断”的最小改造，今天就能在你的质量评审和供应商打分里试。

结尾

回到丰田那张被挪来挪去的纸。

问题从来不在”20 美元”这个数字定高了还是定低了，而在于：当我们把一个复杂的真实目标，压缩成一个能换钱、能升职、能过关的数字时，人们优化的就永远是那个数字，而不是我们真正想要的东西。

AI 时代这件事只会更要命——当收集数据、生成报表、算出各种指标的成本被压到几乎为零，满屏的数字会更容易让人以为”我们在用数据做管理”。可越是这样，越值钱的就越是那件机器替不了的事：有人敢把指标只当证人，自己站出来当那个法官，并对判断负责。

指标可以很多，判断只能靠人。