回到1985年，即我们开始精英研究的初期，加内特·诺丁是AT&；T的分支机构——享誉全球的贝尔实验室智能车间麾下的一个由250个成员组成的实验室的主管。当我于1985年12月见到加内特时，她是负责开发一种可靠的微型电话的部门管理者之一。她自己拖着第一台样机，一台古旧的步谈机式的设备，还像二战时使用的野外电话一样连着一个笨重的蓄电池。
在我们项目初期的在匹兹堡召开的一次会议上，她被臭名昭著的使环线隧道陷于瘫痪的交通阻塞困住了。她试着用她不是那么便携但是在隧道里也能捕捉信号的电话打到了我办公室。后来，在会议上，我们都为随身拖着个手提箱大小却不太好使的电话而大笑时，她向我们保证，不久后的某一天，“每个人都将随身带着它们中的一个，而且它会小到能放进他们的口袋。”
加内特似乎有一种秘诀，不仅能想象未来而且能提出想象未来的更好的方法。将AT&；T所受的后发冲击转化为竞争的动力，加内特的才能不久就会得到证明。
确实，在我们的研究于1986年开始时，竞争就已全面展开。北方电信，一个从天而降的竞争者，正用它自己的转换装置打入市场，该装置是按比例缩小贝尔生产过的装置的数字化产品。继而不久，一些跟风的公司，比如太平洋贝尔和亚洲的一些小型电话公司为改进他们的电话系统不得不购买转换装置，特别是为了查出哪些长途电话费能从账单上漏掉未收这一功能。
当北方电信正用其磨光器模型做得非常好时，贝尔实验室的员工都被迫关注于5ESS模型技术水平的一举一动。庞大的转换器需要好些装满计算机硬件的屋子以及成千上万的软件编码线。贝尔转换工程师的很多工作都仅仅牵涉到软件编码的维持以确保转换顺利进行，但也有一些为创造而准备的出路。比如工程师们经常被安排编写新的计算机编码以满足电话公司对一些新服务，如呼叫者的ID及电话传送的要求。
由于一个转换设备有非常多的层面，而且工作的规模不是任何一个人能够单独完成的，所以贝尔工程师们几乎总是以团队的形式来解决问题和项目。一个软件应用程序可能需要5至300名工程师在6个月至2年的时间内完成。
当寻找帮助提高其实验室生产效率的方法时，加内特偶然看到了我的书《金领》；在书中，我第一次介绍了如何管理这样的工作人员，他们对公司的价值是他们的智能。加内特高度评价了她印象深刻的章节，并将它们打成不空行的20页传给了她的职员并希望他们能有所借鉴。当我们谈论这本书时，她特别感兴趣的一个概念就是“第100个猴子现象”，这一点我已经和她分享过了。
在南海的一群小岛上研究猴群的科学家不断发现动物中存在一个奇特的行为。一个猴子引入的任何变化或革新，例如，从树枝上摘香蕉的一种新方法，并不会传播得非常快或者远，直到差不多100个猴子熟练掌握了这项技巧。到了这一天，新的学习就会在一夜之间传遍分布在几个小岛上的一个猴群中的成千上万只猴子。100只学会新技巧的猴子，这个点，被认为是发动连锁反应的标准数量。
加内特将此视为她在贝尔实验室进行的增进生产效率活动的完美的隐喻。运用少部分人的智能去提高整个团体的生产效率正是她所需要的，她想找到一个体制去完成它，并且她发现了我愿意为寻找它而开辟新领域。
几乎没有人尝试过用系统的方法找出贝尔实验室轻松应对全球市场竞争所需的生产效率进度，而且只有少数的管理者们曾经试着爬上实验室的台阶，用他们的智力资本衡量智能工作人员的生产效率以及与其他人相比怎么样。
传统的束手旁观的态度与工作场所的性质有很大关系。
管理者们觉得在智能人员多的地方不自在，因为后者往往知道其工作要比管理者好。并且，管理者们也不愿意对一些因敬业而著称的专业人士指指点点，因为对这些专业人士来说，一周强制性工作60个小时是家常便饭。此外，他们也受到了限制，看他们在何种程度上将其在员工中的声誉与其在项目上的成功联系在一起。
许多管理者错误地认为生产效率只能随着工作日的相应增加而得到提高。他们争论说，对这帮人要求太多是徒然的，因为他们可以把自己最好的想法保留起来并跳槽到更有支持力的公司。
加内特和她的老板，贝尔负责转换系统的副总裁当·莱昂纳多，已经拒绝了在智能工作领域常见的诱惑，即派遣一个咨询师找出能够解决其生产效率问题的秘诀。
在科学领域中，有这样一个假设，如果你在一个实验室里工作得够聪明，呆得时间够长，你将找到研究方法的秘诀。
例如，治愈小儿麻痹症的方法，在工程研究实验室里也大体上差不多，如果你发现生产进程拖拖拉拉，你不会考察员工，而是去购买更迅速的计算机系统。尽管贝尔实验室的管理者们正投资于技术性的生产效率工具，但加内特认为劳动力智能将提供持续时间最久的生产效率优势，而不是技术奇迹。
加内特因其部属中最好的员工与其他人的巨大差异而颇感困惑，因而必须通过一些途径来发现是何种因素使他们与众不同并进而找到克隆“10合1”，即能做10个一般同事工作的精英工程师的方法。如果这样不行，那至少得设计一个方法去考察测试求职者是否拥有精英品质，如此一来，就能使他们在未来充满挑战的道路上雇用到更加聪明伶俐的人才。
在未知领域画出一条路线我为这次考察所组建的队伍中，人员包括研究过智力好奇心的加内特·卡布兰，以及在创造性和问题解决方面做了突破性工作的迪克·海伊斯。卡布兰当时36岁，穿着时髦，打扮整齐，与海伊斯形成鲜明对比，因为近55岁的海伊斯有着和贝尔实验室许多工程师相类似的外形特征：留着胡子，穿皱巴巴的衬衣和牛仔裤。
尽管如此，最重要的是，他们都热衷于参加这次考察——
对什么使得一个精英比其他人更加优秀这个问题特别着迷。
所以我的专业人士小组在贝尔实验室执行官们来拜访时已经集齐并准备好了。
在仔细聆听了生产效率问题以及分析了这项研究的目的之后，我们提出了一个初始方案，这一方案后来在我们看到它完成之前就遭遇了几次巨大的转折。
开始，我们快速翻阅了历史研究记录和现代行为研究记录，并且，我们也从贝尔的环境中分离出来，研究在诸如钢铁生产等一些低技术含量工作中的表现优秀者。
做完一般研究之后，我们迈出了与贝尔实验室工程师建立联系的第一步，即用几个月的时间慢慢使他们中的大多数人相信，这不仅仅是另一个激励性、感人至深的高级研修班。
最后言词流传开来，即我们正在从事一项严肃的科学研究工作，而他们则在研究的形态上扮演着非常重要的角色。
事实上，我们故意去招募那些在实验室中最具有怀疑精神、最最顽固的员工，我们相信，如果能使他们对我们的工作印象深刻并感到兴奋，我们很快就能取得成功所必需的信用。
最后，精英和表现一般者都为构建研究基础做出了贡献，这个清单包括认知因素——被雇用及留用在工作岗位上的聪明才智，包括诸如IQ、逻辑、归纳／演绎推理和创造性等。然后是社交因素——“领导能力”、“她更懂得交流”或“他真是擅长跟人打交道”。心理、品格因素似乎会在长期表现中产生差别，包括野心勃勃的品格、想要成功的愿望、自信心、冒险精神以及意志力。
第四个领域着重于团体的因素，即团体如何对待人以及人们对团体如何做出反应。这包括对待赞扬及其他奖励的态度、管理框架以及一般的工作环境——“公司是否看见了我的贡献？”“我是否信任我的管理者？”或者“我是否喜爱我的工作？”
我们将这个清单缩减为四类近45个因素，正是它们，将表现一般者与精英们区分开来，并且，既然有了标准的测量工具，就可以着手寻找将精英们测试出来的最好方法。
我们知道这45个因素中的任何一个都可能在区分两种工程师中起作用。但是我们决定看看它们能否应用于脑力员工的大群体的客观测试。已经非常明显，当我们穿梭于所有可用的理论、方法学、品格调查及面谈时，跟我们打交道的是一类独特的员工。几乎没有研究者曾冒险走到我们想走的这一步。我们必须将自己融入贝尔实验室转换单元这一与世隔绝的世界中去做我们的工作。
我们最初的一组研究对象依赖于证书成就，即由那些获得最高表现评级和福利奖赏的人组成。我们同样参考中上层管理者在回答“如果你要成立一家新公司，并且只能从你现在的员工中挑选10名脑力员工，你会挑谁？”等类似问题时所做的精心挑选。管理者们选择谁是不可或缺的员工时，答案是惊人的一致。
我们很快就进入第一次在第一章讨论的那个问题，但是，脑力员工们在谁是精英这个问题上不同意他们的老板的说法。于是我们就让专业人士群体提名哪些员工最有效率，哪些员工的工作令他们由衷的佩服。在员工们投票之后，我们发现他们只认同老板所说的一半人。
这一重大差异可能是因为管理者和员工在决定一个人是否极有效率时考虑的因素不同，他们同样有不同的经验基础及参考点。在一些例子中，原因可能是因为管理者无法了解正在进行的实际工作。事实上，我们的经验说明，脑力员工的工作场所，员工往往比管理者们更准确地知道（并且更理解）谁是他们中的精英。
正如我们从自己的访谈中所发现的，管理者们有时会忽略精英表现的重要因素，如谁一贯引发想法，以及谁经常帮助同事渡过工作难关等。工程师能够把他们的同事单提出来以评价其每天进进出出的表现。
另一个重要因素就是这个单元的大部分工程师都不信任正式的表现评估体系。他们抱怨说它就像一个不可靠的毒品测试，以至于错误地低估了许多人——他们表现杰出但由于工作方式或谦虚等原因得到的是管理者对他们较低的评级。
另一方面，也错误地过高评价了很多称不上是精英的工程师。
在我们的研究中，那些同时赢得管理者和同事赞许的顶级表现者成为了我们的精英。
1986年秋季，我们对20名工程师和10名管理者进行了一项初步研究，以考察生产效率及表现是否与具体的人格及团体品性有联系。在汇集了认知测试、态度调查、人格测量和面谈的结果后，我们找出了可测量的差异。
如果一项大型的研究（3个实验室的300名工程师）出现了相同的结果，我们就有信心预测一个人在贝尔实验室工程环境下的生产效率。
在下一年中，我们制定了这项研究计划并进行了一项激烈的招聘活动去吸引我们因更大型的研究而需要的交叉领域的工程师，最后将他们带到内珀维尔、伊利诺斯和哥伦比亚、俄亥俄等地饭店的会议室，在两天时间内完成了一批调查和测试。工程师和管理者们同样把个人自传性的信息及个人资料提供给了我们。
在接下来的四个月里，我们编码、计分并分析了数据，脑海里确信——在我们初始研究中体现在小部分人上的差异将在很多人身上显得更加突出。