随机提拔员工，公司反而更高效？这项研究拿了搞笑诺贝尔管理学奖
配图：AI 生成的概念示意图，非论文原图、真实现场或实验数据。
TL;DR：意大利卡塔尼亚大学的三位物理学者用计算机模拟发现：如果“升职后能力与原岗位无关”，那么总是提拔最能干的人会拉低整体效率，随机提拔反而略有提升。他们凭此获得 2010 年搞笑诺贝尔管理学奖。但这只是模型推演，不是真实公司的实验；如果能力能顺利迁移，提拔最强者仍然更好。
这件事发生在 2009–2010 年：论文 2009 年 7 月上传 arXiv，2010 年发表于《Physica A》，同年获搞笑诺贝尔管理学奖。这不是今天的新闻，而是一个常被重新提起的经典“离谱但认真”的研究。
背景：彼得原理
1969 年，劳伦斯·彼得提出“彼得原理”：员工因表现出色不断被提拔，直到升到自己不胜任的岗位才停下来，于是组织里的许多位置最终被不称职的人占据。好销售当上销售经理，却未必会管人。
论文做了什么
Alessandro Pluchino、Andrea Rapisarda 和 Cesare Garofalo 搭了一个简化的公司：160 个岗位，分六层，从底层 81 人逐层收窄到顶层 1 人。每个人有年龄和 1 到 10 的能力值；能力低于 4 会被解雇，年龄超过 60 会退休，空缺则由下一层的人晋升补上。越靠上，岗位对整体效率的权重越大。
关键在于晋升后能力怎么变。作者设了两种假设：
- 常识假设：升职后能力基本不变，只有 ±1 的小波动。
- 彼得假设：升职后的能力与之前无关，相当于重新抽签。
结果
相对于初始效率的变化，论文给出的数字大致是：
- 总提拔最强者：常识假设下约 +9%，彼得假设下约 −10%。
- 总提拔最弱者：常识假设下约 −5%，彼得假设下约 +12%。
- 随机提拔：两种假设下都约 +1% 到 +2%。
- 按约 47% 的概率交替提拔最强和最弱者：两种假设下都约 +1.5%。
也就是说，随机提拔不是“最好”，而是“不怕押错”。当你不知道能力能否迁移时，它是风险最小的选择。
为什么荒诞，又为什么有意思
如果彼得原理成立，“提拔最强者”本身就会把好员工从擅长的岗位上调走，换来一个平庸的管理者。随机提拔虽然听着像抽签，却避免了这个系统性的损失。当然，真实公司里的能力、动机、团队关系远比这个模型复杂，作者也只是在特定假设下给出推演。
搞笑诺贝尔奖的宗旨是“先让你笑，再让你思考”。这项研究恰好如此：它没有真的建议老板掷骰子，而是提醒大家，晋升标准如果只看过去的业绩，可能在测错东西。