AI 驱动的可视化为领导者提供提升团队表现的必要支持
Rebecca Hinds, PhD
组织行为专家和《你的最佳会议》作者牧會
这就是 AI 发挥作用的地方。 通过使说话时间模式、讲话顺序和参与度可见,领导者在保持权威的同时可以在恰当时刻提升恰当的人。 在我们的数据集中,经理和个体贡献者 (IC) 在空气时间上几乎是平等的。 一旦将每个小组的参与者的比例纳入规范,经理的发言量仅比 IC 多约 3%——考虑到之前的研究会建议其间有惊人小的差距。 真正的结论并不是领导者少发言。 而是可视性帮助他们更有意图地使用自己的声音——保持权威和信誉,而不是排挤重要见解。
性别是另一个对会议动态有强大影响的因素,决定了谁的声音被听到,贡献如何被解读,最终哪些想法会影响决策。
性别对人们在会议中的表现影响比我们常常意识到的要大。 几十年来的研究 —从教职会议到科学会议—男性往往先于他人发言,发言更频繁,并在问答环节中更多占据主导地位,即使小组是性别平衡的。 这对女性而言是个熟悉的挑战,因为发言时间往往被解读为自信、地位或领导力—这些优势男性更可能自然获得。 研究人员称之为“废话假说”:我们经常误以为更多的言谈就是领导力。 在一项研究中,每多39秒的讲话时间都会为某人赢得额外的“领导者”投票,无论他们实际说了什么。
但当团队使用AI时,我们的数据表明这种动态开始趋平。 在我们的数据集中,女性在会议中的发言时间相对于她们的代表性多出约9%。 一个可能的原因是:当人们知道他们的话语会被记录、总结并可能被重温时,这种环境意识可以促使参与者更反思他们在会议上讲话的量。 这是现代霍桑效应,尤其有利于女性,因为在传统会议动态中,女性的贡献更可能被打断、忽视或覆盖。 同样,当发言模式被测量并可见时,领导者和主持人可以实时看出谁真正推动了对话,谁没有,并进行调整。
平等参与很重要。 卡内基梅隆大学教授Anita Williams Woolley及其同事的研究表明,成员以相似的速率贡献的团队在集体智力测试中得分更高,该指标预测了各种任务的表现。 女性较多的团队往往在这一指标上表现更好,这使得平衡参与不仅是公平性问题,还有明显的绩效优势。
发言速率也反映了这些动态。 多项研究表明,男性讲话速度略快于女性,而步伐通常被解释为自信和能力。 但在我们的数据中,我们没有看到有意义的差异:男性平均每分钟约173字,女性约171字。
历史上,研究指出,较快的语速是男性特征之一,可能是因为自信和想要传递更多信息。 但当团队不受手动记录分心时,每个人都可以完全专注于内容,导致更具活力、流畅和快速的对话,并有更多参与者的贡献。
我们继续看到的更清晰的分歧是在语言上。 在许多组织中,男性更加频繁地使用轻蔑的或非包容的语言(例如“解释”),而女性为相似观点得到的认可较少。 在我们的数据集中,我们清楚地看到这种模式:女性平均每人每次会议使用的非包容性词语显著y较少(平均每人1.7个,对比男性则为2.2个)。 这与研究结果一致 ,表明女性往往更多依赖于促进性、衔接性的语言,促使参与并保持谈话进行。 与发言时间或速度不同,包容性语言在当下很难自我纠正;这反映的是多年的习惯和社会条件。 这可能就是为什么我们看不到在这里的动态上与其他动态上的平滑程度相同。
一些最明显的不平等迹象并不在于谁在说,而在于谁停止说。 Read AI捕获“幽灵模式”:有人避开镜头并静音的时刻,一个可靠的信号,表明他们从谈话中抽身。 在我们的数据中,女性进“幽灵模式”的频率比男性高19%。 这种差距可能反映了持续自我监控的认知和社会负担 — 有时被描述为镜子效应 — 以及保持投入所需更多的努力。
这有实实在在的影响。 对99家使用Read AI的上市公司的分析表明,低幽灵模式的团队比高幽灵模式的团队成长快近三倍。 一个可能的原因是,可见、投入的团队更有效地合作 — 人们更频繁地回应彼此,更快地共享背景,保持一致。 高层领导为到场—上镜头、保持投入—事宜制定的规范往往会在整个组织中产生级联效应。
混合工作给会议引入了一层新的权力动态。 在实体会议室里的人享受着多种“接近偏见”。 他们通常较早发言、更频繁发言,同时更容易发言。 他们从远程同事看不到的小互动中获益:会前的走廊交流、暗示轮换的侧眼、温暖氛围的共享笑声,以及帮助他们把握进入谈话时机的非语言信号。
在我们的数据集中,我们可以清楚地看到这些不平衡。 会议室参与者的发言比远程参与者多五倍(在用发言时间除以各位置参与人数后)。 这是我们分析的任何人口维度中最大的差距。
为什么混合会议显示出最极端的权力不平衡? 当人们知道他们被观察到时—即使是通过AI分析在虚拟会议稍微观察—他们可能会调节他们的行为:更均匀地分享发言时间,发言前暂停并保持对未发言者的意识。 我们能看得最清楚的是在混合会议中,一些参与者通过分析保持可见,而其他人在没有相同步线的实体房间中。
我们也看到了发言速度和参与风格的不平衡。 在Read AI捕获的会议中,现场的人讲得更快(大约每分钟181词,相比远程同事的172词),这可能使远程参与者更难插句话。 他们也平均每次会议问了将近两倍的问题(平均每次会议6.2次 vs. 3.7次),并使用更多填充词(每次会议38个词对比24个词),这些都是对话舒适和主导的标志。 这些行为使得远程参与者更难打破讨论或在其进行中引导。
语言模式讲述了相似的故事。 同一房间的参与者使用的非包容性术语比远程同事更多(平均每人每次会议2.7个,而远程同事只有1.9个)。 一个可能的原因是,房间内的人感到更舒适并且受到的审查更少。 他们能读懂现场氛围,评估反应,并在某些话题不小心出错时更容易恢复。
我们在这里看到更明显的权力动态(相对于地位或性别),可能反映出当人们在会议室时,他们倾向于重拾长久以来的坏习惯。 在没有房间内人工智能的细微提醒下,谈话会回到熟悉的社交动态中,那些在一起的人会说得更多,打断得更多,同时更能左右讨论。 换句话说,这个房间重新确立了其权威,因为没有可见的提醒来及时修正方向。
总的来说,这些迹象表明混合工作的核心现实:距离放大了权力。 当人们共用一个房间时,房间最终决定讨论的方向。 如果没有有意的指导规章,远程声音将消失,而面对面的声音则充斥整个空间。
人工智能为团队提供了一种对抗这种偏差的方法。 通过实时挖掘对话时间、幽灵模式行为、讲话速度以及认可模式的差距,领导者可以在远程参与者退出讨论前进行介入。
认知和沟通差异在微妙但重要的方式上影响会议。 传统会议格式偏向于一套特定的行为:快速的语言处理、快速的轮换、持续的相机存在以及大声思考的能力。 这种设置对那些在自发的、高节奏环境中茁壮成长的人很有效——但对那些以不同方式处理信息的员工,如患有注意力缺陷多动症、自闭症、阅读困难、感官敏感、内向、反思性思维者、母语非英语者或视觉处理者来说,却效果较差。
领导者常常将“安静”、“犹豫”或“脱节”解释为完全不同的事情:以不同节奏运作的人。 暂停不等同于不确定。 较慢的讲话速度并不意味着犹豫。 倾向于聊天而非口头输入并不意味着疏离。 没有对这些模式的可见性,会议的方式——而不是想法的质量——决定了谁被聆听。
这种成本是真实存在的。 许多与神经多样性或反思性思维者相关的优势——模式识别、场景分析、第一性原理推理、创造性问题解决——可以显著提高团队表现,但前提是会议结构允许这些贡献浮现。
由人工智能支持的会议可以帮助领导者揭示这些隐藏的模式。 从会议互动中获得的见解可以揭示如下信号:
某些行业自然会为女性和个人贡献者提供发声的空间,而另一些则通过强化等级制度、速度或根深蒂固的规范来压制某些声音。 通过分析发言时间、参与度、参与行为和语言使用,我们能够了解哪些行业促进包容性、平衡的会议,哪些维持传统的权力动态。 这些模式有实际的后果:决定了谁在贡献,谁的想法影响决策,以及初级员工在哪里能够产生影响。
方法论:使用Read AI的优势指数计算得分,这是一个涵盖发言时间、参与、参与行为(如静音和守时)、和会议中的语言使用的加权综合体。 优势指数得分按性别汇总,然后在各个行业内进行比较,以确定女性相对于男性在哪些方面发言参与较多或较少。
方法论:使用Read AI的优势指数计算得分,这是一个涵盖发言时间、参与、参与行为(如静音和守时)、和会议中的语言使用的加权综合体。 优势指数得分按行业内的参与者分布进行分析,突出显示了发言时间和影响力是广泛共享还是被少数声音持有。
方法论:使用Read AI的优势指数计算得分,这是一个涵盖发言时间、参与、参与行为(如静音和守时)、和会议中的语言使用的加权综合体。 优势指数得分按角色级别(个人贡献者与经理/领导)汇总,以确定哪些行业放大初期职业参与,而哪些行业默认顶层动态为主导。
方法: 分数是使用发言时间、参与度、参与行为(例如静音和准时)以及会议间语言使用情况的加权组合计算得出的。
数十年的组织研究已经明确了一点:会议受权力动态影响。 层级、性别、距离和认知风格都会影响谁发言、谁被听到,以及谁的观点影响结果。 新的变化是,领导者可以清楚、持续、实时且大规模地看到这些动态。
下表汇集了关于会议中权力动态的长期研究结果和通过Read AI分析的实际会议情况。 当AI使参与度可见时,与正式地位和性别相关的长久权力动态开始趋于平坦。 但在混合会议中,由于更容易忽视AI的存在,以距离为基础的不平衡状况依然存在。
这些洞察强调了一个更广泛的观点:会议不仅仅是现身即可。 它是权力、参与和表现以可测量方式交互的环境。 了解真实贡献如何展开并制定能够揭示这些贡献的规范是今天表现最为优异的团队。
有了AI作为合作伙伴,领导者可以将会议从看不见的、习惯驱动的互动,转变为明确揭示最佳理念、加强决策并推动真实业务成果的系统。