“保证完成任务”
——没有执行力，就没有落实力
军令如山：要服从，更要创造
没有执行力，落实力就无从谈起。而服从是执行的前提条件。军队之所以有强大的落实力，一个很重要的原因就是官兵头脑中不可动摇的服从意识。我们常说“军令如山”，这句话深刻地说明军人作为一种特殊职业，在以作战为主要军事任务中，为履行自己的神圣职责，必须坚决地、无条件地服从命令，绝不允许打折扣、讲价钱。
在“八六”海战中，有一位一级战斗英雄、“硬骨头战士”叫麦贤得。时任轮机兵的麦贤得在头部被弹片击中，脑髓外流、血蒙双眼的情况下，仍以惊人的毅力坚守岗位，直到3小时后战斗胜利，他操作的机器仍在“隆隆”轰鸣。
如果你见过美国海军陆战队的训练和生活，给你印象最深的也莫过于“服从”二字。
长官一声令下，队员立即无条件执行——大雨滂沱，士兵照常训练，执行口令不得有丝毫懈怠；没有长官的命令，行进路上的水洼沟壑好像根本就不复存在；新兵的第一次跳伞训练，每个人在机舱口都不得有一丝犹豫。无论前面是生是死、是水是火，只要你是美国海军陆战队队员，“毫无保留地服从”就是你的首要职责。
但是，若将军队的落实文化简单地理解为“服从”，甚至是不懂变通的服从就有失偏颇了。有的人在强调军队的服从观时，总会说军队成员是绝对的无条件服从，对于上级的命令，一定要按部就班地执行，即使认为上司的决策是错误的，你也必须遵从执行。既不能事先加以肯定或指责，也不能事后抱怨。甚至在执行的过程中发现该项决议确实是错误的，也要坚定不移地执行，只不过要将这个错误造成的损失降到最低限度罢了。其实，这是对军队“服从观”的误读，这种服从观造就的只能是一群愚忠的人。
军队是一个极具创造性的团体，他强调成员的创造性和变通性，当然，创造是建立在服从基础上的，变通也是落实范围内允许的变通。只有这样，成员才能最大限度地发挥自己的优势，进行更大程度上的创新活动，以便更好地落实工作。
海军陆战队军官学校中有一项升旗任务，非常有趣。通常，教官会给未来的军官布置升旗任务，并指派两名士兵和一名军士做他的助手。你也许会猜想这名未来的军官会指导他的手下如何完成任务。但事实是——他只告诉他的手下“升旗”，然后便走开了。
这就是海军陆战队的行为方式——只告诉下属“去做”而不是“如何去做”！长官的任务只是下达命令，而且命令只含有他所希望的结果或效果信息，至于如何完成任务则是接受命令者的事情。你还会发现，每个陆战队员在接受命令时，都毫不犹豫，他们脚下的皮靴被磕得“咔咔”作响，像他们的回答一样清脆、果断——“是！长官！”接受命令之后，他们往往会千方百计地寻找途径自主地完成任务。可以说，当一个陆战队员被动接受任务时，他同时也在主动解决问题。这就要求他具有创造性。这体现了海军陆战队的又一管理风格——“左脑服从，右脑创造”。
第二次世界大战期间，美国海军陆战队上将罗伊·S.盖格在一次训话中讲到：你们只有一个脑袋，必须要有两种功能，我要求你们用左脑去服从，用右脑去创造！
将服从与创造完美结合，寻找最佳方式，漂亮地完成任务是每个陆战队员的目标。
同样，企业也应是一个创新的场所，对员工应提出“要服从，更要创造”的要求，让他们学会用创造性方法去落实工作。
在协调员工服从与创造力方面，一些优秀的企业有一些有趣但也较为成功的经验可供我们参考：
微软公司为了激发员工的创造力，允许研究人员每周用超过一半的时间做实验，还鼓励他们将工作时间的10%用在自己感兴趣的项目上。
惠普公司60多个分支机构中的每一个都是独立核算的经济实体，当其中某个机构变得过于庞大时，就会被分解为小型的实体，以保持机构精简。原首席执行官刘易斯·普拉特说：“我们的大多数决策是由那些贴近顾客的人员作出的，而不是通过公司委员会的官僚主义方式决定的，因为那样可能会阻碍创新。我一直都在努力，提防集权主义潜入我们的组织，影响员工的积极性。”他鼓励那些勇于冒险的人，并谨慎处理对那些失败者的处罚。
SM公司提倡员工勇于革新。只要是发明新产品，不会受到上级的任何干预。同时，允许有失败，鼓励员工坚持到底。公司宗旨中明确提出：绝不可扼杀任何有关新产品的设想。在公司上下努力养成以自主、革新、个人主动性和创造性为核心的价值观。组织结构上采取不断分化新分部的分散经营形式，而不沿用一般的矩阵型组织结构。组织新事业开拓组或项目工作组，人员来自各个专业，且全是自愿的。提供经营保证和按酬创新，只要谁有新主意，他可以在公司任何一个分部求助资金。新产品开发出来了，不仅有薪金，还有晋升。
美国俄亥俄州有家从事手工艺制作的公司，它实行35小时的周工作制。它还有一个不成文的规定：如果可能的话，每个工作日的1/4时间应花在娱乐方面。主管相信，只有快乐的员工才会充满创造力。
有服从，又有创造，成员在既严谨又轻松、既讲求规则又讲求创造的环境下，会更好地激发自己的潜能，使落实工作做得更加出色。组织在这种氛围下也一定能够更好地提升落实效能，使落实在工作的执行过程中得到最大化的实现。
