•
多團隊系統的動機陷阱：「團隊內優先」傾向、目標層級設計、與 AI 多 Agent 協作的借鏡
21 分鐘閱讀 •
今天要聊一篇 2017 年的理論論文
主題是多團隊系統裡的動機問題
結論先說，組成團隊天然傾向「先顧好自己」
這個傾向在特定條件下會摧毀整個系統的績效
Rico, Hinsz, Burke 與 Salas 在 2017 年於 Organizational Psychology Review 發表了一個多層次動機模型，試圖解釋多團隊系統（multiteam systems，以下簡稱 MTS）中的動機過程如何影響績效。MTS 的定義來自 Mathieu, Marks & Zaccaro (2001)，指兩個或更多高度相互依賴的團隊，共同追求一個超越性目標，同時各自擁有組成團隊層級的目標。這篇論文的四位作者都是 MTS 或團隊科學領域的資深研究者，其中 Salas 累計發表超過 450 篇期刊論文與書章，Action Editor 為 MTS 領域奠基者 John Mathieu。
這篇論文是純理論建構，沒有實證資料。它的核心貢獻在於提出六組命題，預測 MTS 中動機資源分配的模式和績效後果。模型有兩根支柱，分別是目標層級特性（goal hierarchy characteristics）和功能過程相互依賴（functional process interdependence），各自在不同運作階段發揮作用。
我認為這篇論文的價值在於它把一個直覺上大家都知道的問題——「團隊各自為政」——用動機理論的語言重新架構，並且給出了具體的條件預測。讀完之後，我發現它對 AI 多 agent 系統的目標架構設計也有直接的參考價值。
Deepwater Horizon：系統動機失調的教科書案例
論文用 2010 年 Deepwater Horizon 平台爆炸事故開場。BP、Transocean、Halliburton 三家公司的團隊組成了一個跨組織 MTS，共享「安全完成深水鑽井」的超越性目標。災難的根源在於三個組成團隊在目標優先順序上的根本分歧，而非任何單一團隊的技術失敗。
BP 的團隊優先考慮成本控制和進度，Transocean 聚焦設備運轉效率，Halliburton 關注水泥灌注的技術規格。三組目標在抽象層次上都與「完成鑽井」相容，但在具體執行順序和資源分配上互相衝突。當 Halliburton 的水泥測試結果不理想時，BP 的成本壓力和 Transocean 的進度壓力共同作用，讓系統跳過了應有的安全檢查程序。
每個團隊的決定放到他們自己的脈絡裡其實都「合理」
但放在一起就炸了 💥
這就是 Rico et al. 整篇論文要解決的問題
「各自合理」的動機決策如何在系統層級產生災難性後果
問題出在動機架構的結構性缺陷，和惡意或無能無關
「團隊內優先資源分配」：一個被低估的預設行為
模型的核心機制來自 Kanfer & Kerry (2012) 的概念，稱為**「團隊內優先資源分配」**（within-team first resource allocation）。意思是組成團隊在面對多層級目標時，天然傾向把動機資源（注意力、努力、時間）優先投注在自身團隊的目標上，而非跨團隊或 MTS 層級的目標。
這個傾向的心理基礎涉及幾個機制。群際關係中的消極預期和焦慮讓團隊成員對跨團隊合作保持戒心。團隊認同感讓成員更容易把「團隊績效」等同於「系統績效」。資訊不對稱也扮演角色，團隊對自身進度的即時資訊遠比對其他團隊的豐富。
我在讀這段的時候想到一個論文沒有強調的解釋。資訊可得性的不對稱可能比社會心理因素更具解釋力。團隊可能願意合作，但對「合作之後會發生什麼」缺乏即時回饋。在資訊充分的條件下，「團隊內優先」傾向可能大幅減弱。這是一個可以測試的假設。
目標層級的三個特性：過渡階段的關鍵變數
論文區分了兩個運作階段。過渡階段（transition phases）對應目標選擇（goal choice），團隊決定要追求哪些目標、分配多少資源。行動階段（action phases）對應目標追求（goal striving），團隊實際執行所選目標。
在過渡階段，三個目標層級特性決定了「團隊內優先」傾向的強弱。
目標層級（Goal Level）
Rico et al. 的命題 1a 預測，當組成團隊鎖定的目標層級越高，越可能選擇團隊間目標。高層級目標暗示高度的跨團隊相互依賴，這會強化對超越性目標的承諾。反過來，低層級目標把注意力拉回團隊內部。
目標優先順序（Goal Priority）
命題 1b 預測，當目標被明確排定優先順序時，「團隊內優先」傾向減弱。目標優先順序不明會造成動機資源耗竭和現狀偏誤。論文以沙烏地阿拉伯麥加至麥地那高鐵為例，12 家公司組成的跨組織 MTS 因缺乏目標排序和各團隊不斷重新協商截止日期而嚴重延誤。
目標相容性（Goal Compatibility）
命題 1c 和 1d 分別處理水平和垂直相容性。水平相容性指同層級的不同組成團隊目標彼此互利。範例是電玩設計 MTS 中，程式設計團隊優化影片載入速度的成果同時滿足音效團隊的環境音同步需求。垂直相容性指同一組成團隊的高低層級目標對齊。反例是 2010 年海地地震救援中，美軍和 NGO 團隊共享高層目標，但低層目標路徑嚴重分歧。
當水平和垂直相容性同時低落，「團隊內優先」傾向達到最大，組成團隊幾乎不會主動分配資源給跨團隊目標。
兩個調節變數：獎勵結構與回饋
混合式獎勵結構
命題 2 預測，同時獎勵 MTS 高層目標和組成團隊低層目標的混合式獎勵結構（hybrid reward structure），能減弱「團隊內優先」傾向。論文分析了三種獎勵結構。可裁量式（discretionary）僅獎勵個人或團隊績效，強化低層目標但可能造成負向相互依賴。環境式（ambient）僅獎勵全系統績效，促進合作但可能引發社會懈怠。混合式同時獎勵多個層級，Pearsall, Christian & Ellis (2010) 的實證顯示這種結構能減少懈怠並改善資訊分配。
回饋的來源與效果
命題 3a/3b 和 4a/4b 處理回饋機制。組成團隊績效回饋引導注意力朝向團隊目標，MTS 績效回饋引導注意力朝向系統目標。但回饋的效果受到目標優先順序和目標相容性的調節。在優先順序明確且目標相容的條件下，多來源回饋促進目標選擇。反過來，在優先順序混亂或目標不相容的條件下，多來源回饋反而造成干擾。
這個交互作用的預測很有趣
回饋的效果取決於目標架構能否支撐得住
目標混亂的時候給更多回饋，等於同時推不同方向
功能過程相互依賴：行動階段的關鍵變數
進入行動階段後，目標層級特性退場，功能過程相互依賴成為預測績效的主要變數。Rico et al. 採用 van de Ven, Delbecq & Koening (1976) 的分類，定義了三種類型。
序列式（sequential）的工作流是單向的，階段之間沒有重疊。範例是器官移植 MTS：摘取、運輸、植入、加護病房照護依序進行。交互式（reciprocal）的工作流是你來我往的，階段之間部分重疊。範例是森林大火撲滅中消防隊、水上飛機、衛星偵測和志願消防員的迭代作業。密集式（intensive）的工作流是多方向即時進行的，階段完全重疊。範例是車禍救援現場，消防員拆車頂、急救人員穩定傷患、交通管制同步運作。
命題 5 預測，低層目標追求在密集式功能過程相互依賴下更有效，高層目標追求在序列式和交互式下更有效。理論邏輯是密集式相互依賴促進即時同步和快速調整，適合短期靈活性；高層目標需要持續規劃努力，結構化流程更能支撐。
一致性假說：模型中最有洞察力的部分
命題 6a 和 6b 構成論文的一致性假說（Congruence Hypothesis），我認為這是整篇論文中最有價值的貢獻。
命題 6a 預測，組成團隊內部的任務相互依賴與目標相互依賴的一致性組合（低-低或高-高）正向關聯 MTS 整體績效。基礎來自 van der Vegt, Emans & van de Vliert (2001) 的實證，任務相互依賴對績效的正向效果僅在目標相互依賴同樣高時才出現。不一致時，團隊成員會面臨不確定性，產生搭便車或剝削行為。
命題 6b 則在跨團隊層級上做出更具體的預測。高層目標結合密集式功能過程相互依賴，最大化 MTS 整體績效。低層目標結合序列式功能過程相互依賴，最大化組成團隊績效。
這裡出現了一個有趣的弔詭。低層目標加上序列式的一致組合在組成團隊內部促進高度合作，但正因為成員把注意力和執行意圖全部聚焦在團隊績效上，反而可能引發組成團隊之間的尖銳競爭。Erev, Bornstein & Galili (1993) 的實證支持這個預測。只有在高層目標加上密集式的組合下，團隊的目標導向反應才會指向團隊間的合作和親社會互動。
這個弔詭讓我讀了好幾遍
「每個團隊內部合作良好」和「團隊之間合作良好」是兩回事
最佳化組成團隊績效的條件，和最佳化系統績效的條件可以相反
系統設計者必須決定要最佳化哪個層級
命題 5 和命題 6b 之間的張力
這是我在讀論文時注意到的一個問題。命題 5 說低層目標在密集式相互依賴下更有效。命題 6b 說高層目標加上密集式才能最大化 MTS 績效。表面上矛盾。
解開這個張力的關鍵在於區分最佳化目標。命題 5 討論的是「目標追求的效率」，低層目標在密集式環境中能得到更快的調整回饋。命題 6b 討論的是「MTS 整體績效的最大化」，這需要把密集式的即時同步能力對準高層目標，才能把組成團隊的協作能量導向系統績效。
換句話說，密集式相互依賴是一把雙面刃。當它服務於低層目標時，組成團隊各自高效運轉，但跨團隊協作可能受損。當它服務於高層目標時，即時同步的能力被用來協調跨團隊行為，MTS 整體績效達到最高。
對 AI 多 Agent 系統的啟示
Rico et al. 的模型是為人類團隊設計的，但「團隊內優先資源分配」的結構和多 agent 系統面臨的問題有直接的對應。
在多 agent 協作架構中，每個 agent 通常有一個明確的子任務和對應的評估標準。如果系統的獎勵結構僅聚焦於個別 agent 的任務完成度（可裁量式），agent 會傾向於最佳化自己的子任務績效，即使這樣做對系統整體有害。Rico et al. 的理論預測，混合式獎勵結構——同時回饋子任務績效和系統整體績效——會改善這個問題。
回饋機制的設計也是類似的邏輯。如果 agent 只能觀察到自己的輸出品質，它對跨 agent 協作效果是盲目的。提供系統層級的回饋（例如最終使用者評估或整合輸出品質）可以把 agent 的注意力引向系統目標。但 Rico et al. 的模型同時警告，在目標架構混亂的條件下，多來源回饋反而有害。
一致性假說對 multi-agent 的啟示更具體。如果 agent 之間的任務相互依賴是密集式的（需要即時同步交換資訊），那目標也應該設定在系統層級。如果任務是序列式的（前一個 agent 的輸出是下一個的輸入），低層目標反而更適合，因為每個 agent 只需要最佳化自己的輸出品質。但設計者要意識到，這種配置可能犧牲系統的整體最佳化。
十年後的回顧：實證驗證的困境
從 2017 年發表到現在將近十年，Rico et al. 的六組命題的系統性驗證進展緩慢。原因有幾個。真實的 MTS 難以隨機分配實驗條件，實驗室模擬需要複雜的多團隊設計，參與者人數需求遠高於一般團隊研究。
Matusik, Mitchell, Hays, Fath & Hollenbeck (2022) 在 Academy of Management Journal 發表了一項使用軍事模擬的實證研究，測試 MTS 中階層結構對協調和績效的影響。他們的核心發現是階層 MTS 的水平協調顯著且持續低於平等 MTS，這個結果和 Rico et al. 的「團隊內優先」傾向預測一致。階層結構本身成為強化這個傾向的結構性驅動因素。
Matusik et al. 的數據還顯示，階層 MTS 初期的認知耗竭優勢隨時間快速衰減。Rico et al. 的混合式獎勵結構命題提供了一個可能的解釋，缺乏持續性的跨層級獎勵機制，使得對超越性目標的承諾無法維持。
局限與值得質疑之處
作為純理論論文，所有命題都未經直接測試是最明顯的局限。理論的預測力在沒有實證反覆檢驗的情況下難以評估。
其次，論文把「團隊內優先」傾向的心理基礎建立在群際關係理論的消極預期和焦慮上。如我在前面提到的，資訊可得性的不對稱可能是更節約（parsimonious）的解釋。一個有遠端即時儀表板的 MTS 和一個只有月報的 MTS，「團隊內優先」傾向的強度可能有本質差異。
第三，功能過程相互依賴的三種類型在真實 MTS 中可能不是互斥的。一個 MTS 可能在不同任務面向上同時存在序列式和密集式的相互依賴。論文沒有處理這種混合情境的預測。
這篇論文讀下來最大的收穫是一個架構性的洞察
「為什麼跨團隊合作這麼難」這個問題有一個結構性的回答
根源在於動機資源分配的預設行為就是先照顧自己
改變這個預設行為需要同時調整目標設計、獎勵結構和回饋機制
這個框架對設計多 agent 系統的目標架構同樣適用