4.一流人才可以相互學到很多。每個一流人才都有自己“牛”的地方，彼此有很多可以互補之處。如果Facebook沒有這種學習的環(huán)境，我就可能不會在那兒待四年多。對缺乏經(jīng)驗的人來說，這點很有用。我們雇用非常聰明的畢業(yè)生（潛在的一流人才），這些人希望“引爆”自己來證明他們“?！痹诤翁帲麄儾辉傅揭粋€舒適、無挑戰(zhàn)的公司過日復一日的生活，他們希望通過不斷學習來豐富自己的經(jīng)驗，完成不可能完成的任務，并在職業(yè)生涯中前進，證明“我行”。毫無疑問，和一流人才在一起，才能更容易地實現(xiàn)這些目標。

那如何才能遠離非一流人才呢？首先，慢點招人（Hire Slow）。在招人的標準上堅持一點，讓面試官明白他們需要招到在某些方面比他們更強，至少不會拖后腿的人。如果不是，那就拒絕平庸，不要妥協(xié)。我曾好幾次在招聘決策會議上發(fā)現(xiàn)履歷看起來很漂亮的應聘者無法拿到Offer，只因為某個面試官覺得這個人沒給他留下深刻的印象，沒有讓他“驚訝”。而有些獲得一致通過的候選人仍被放棄，因為大家都只是覺得他僅僅“符合要求”而已，沒有出彩的地方。在招人問題上，絕大多數(shù)情形下，要小心，不要冒進。Facebook也會雇用那些沒有全票通過、但有一兩票是“強烈推薦”的應聘者，或者這種應聘者本來就是通過內(nèi)部推薦而開始面試的，因為對于已有員工的“強烈推薦”不應輕易忽視，這時可以適度冒險。

其次，炒魷魚要快（Fire Fast）。使用非一流人才就像服用慢性毒藥，遲早會出事。Facebook要求所有的經(jīng)理人員對員工的表現(xiàn)要特別敏感，經(jīng)理如果發(fā)現(xiàn)員工所分配的任務經(jīng)常沒有完成或者答應的事情經(jīng)常沒有做到，如果是客觀原因，一定要盡力幫助解決；如果判斷為能力問題，那就通過合法的程序迅速將人炒掉。我見過幾次比較慢的解雇，對團隊造成了極大的負面影響。

這里講一個合作的組里發(fā)生的故事。我們組做的很大一部分工作是設計機器學習模型以對支付欺詐做自動判斷，所以對數(shù)據(jù)分析要求非常高。因此，我們在和我們合作的運營組中設立了機器運行數(shù)據(jù)專家的職位。2010年時，面試了一個劍橋大學畢業(yè)的博士，年紀比較大，他在面試中展露出非常淵博的關(guān)于機器學習的理論知識。光他展示出的論文就有5厘米厚，當然我也懶得看。通過他做實際的編程題目，我感覺他的工程實現(xiàn)能力并沒有達到我所希望的、能和我們組順利配合的標準。所以在那次面試中就我給了“不推薦”，但由于我只是幫合作的運營組招人，而且職位也不是工程師，對工程能力的要求相對要低，所以我沒有堅持反對招這個人。但后來發(fā)現(xiàn)，我其實應該堅持。因為這位學究式的人物最適合待在研究所，他只知道不斷地提出一個又一個新辦法，卻不會把一個不完美的辦法不斷地實現(xiàn)出來，加以工程化，然后通過實際數(shù)據(jù)不斷完善。我覺得他的表現(xiàn)應該被注意到，并給予適當?shù)膲毫θジ倪M。于是向他的老板反映了這個情況，但他的老板不夠重視，沒有馬上采用我的意見。那我只能單方面地采取自己力所能及的措施——將他和我們組的項目隔離，因為我們組的工程師不希望他繼續(xù)參與這些項目——我們開始不邀請他到我們的項目會議中來，自己在工程師部門內(nèi)部去尋找相關(guān)的機器學習專家、有很強的編程實現(xiàn)能力的專家。此人后來在運營組內(nèi)部也造成了各種不作為和損失之后，終于離開了公司。我覺得他早幾個月就應該離開。倒不是說他不夠聰明，只是他想做的是研究，而公司想要的是把想法迅速地、高質(zhì)量地實現(xiàn)出來，然后在實踐中不斷改進，這種文化上的巨大差異和期望上的截然不同導致了必然的悲劇。