当AI开始给你的绩效“打分”：是解放HR，还是制造新偏见？

老板们开始用AI评估员工绩效了，听到这个消息，你是什么感受？是觉得“终于不用看老板脸色了”，还是担心“机器能懂我的价值吗”？

绩效评估这件事，本来就够让HR、管理者和员工三方头疼了。现在AI来了，是来当和事佬，还是来添乱的？

绩效评估季，最忙的是谁？

HR忙着催交表格，管理者熬夜写评语，员工提心吊胆等结果。一场年度大戏，唱得人人疲惫。

但现在，大厂们找到了“偷懒”的办法。花旗银行搞了个“绩效助手”，让AI帮管理者起草评估报告。IBM、微软也纷纷推出HR智能化方案，很多HR系统如BambooHR、Paylocity、北森等更是早早就集成了AI模块。

AI评估最大的卖点是：公平。

它能从各个系统里抓取数据——项目进度、客户反馈、协作频率、代码提交量…把那些容易被忽略的日常工作痕迹一网打尽。

管理者再也不会因为“近因效应”而偏颇，员工也不必担心自己的默默付出无人看见。从这个角度看，AI是个理想主义者，只看数据，不看脸色。

特别是在扁平化管理、HR部门缩编的大趋势下，AI评估似乎成了必然选择。毕竟，当人力成本需要压缩时，技术自然被寄予厚望。

不过，把绩效评估全权交给AI，真的靠谱吗？

我曾见过一位管理者，拿到AI生成的候选人评估报告后，只改了个名字就提交了。问他为什么不多看几眼，他理直气壮：“系统分析的，肯定比我准。”

这不是个例。当AI能够一键生成“全面、客观、数据驱动”的报告时，谁还愿意费脑子去思考员工真正的贡献？AI在消除主观偏见的同时，也可能催生一种新型“懒政”。

更让人担心的是，AI不仅会“惯坏”管理者，还可能“带偏”员工。

既然系统主要看量化数据，那就多刷存在感：多写周报、多拉会议、多在协作软件上发言。至于这些活动是否真正创造价值，似乎没那么重要了。当度量标准变得可操作，游戏规则就被重新定义了。

这种“为AI优化”的行为，和应试教育中的“为考试学习”何其相似，也像那些教你钻营算法来运营公众号的自媒体，早已背离了写文章的初衷。如果评估标准本身就有局限，那么最擅长利用规则的人，往往不是最有价值的人。

德某勤前几年在AI报告上栽过跟头，原因是训练数据本身就带有行业偏见。AI的“客观”是相对的——它只能从已有的数据中学习，如果数据有问题，结论必然跑偏。

这让我想起招聘中的AI应用争议。

某五百强企业曾尝试用AI筛选简历，结果系统“学会”了歧视女性应聘者——因为在训练数据中，过去的录用者大多是男性。当历史数据携带偏见时，AI只会将这种偏见自动化、规模化。

同样的问题也会出现在绩效评估中。

如果公司历来偏爱某种性格或背景的员工，AI学到的“优秀标准”就会固化这种偏好。更可怕的是，这种偏见藏得很深——算法不会告诉你它歧视谁，只会“客观地”给出一个带有偏见的分数。

而绩效报告出错，可能会毁掉一个人的职业生涯。

那么，是不是该把AI赶出绩效评估？别急，问题不在于用不用，而在于怎么用。

有调查报告显示，75%的员工能接受AI生成的评估报告，前提是：最终决定权在人类管理者手中。

这个比例很能说明问题——人们不抗拒技术，但拒绝被技术定义。

聪明的企业正在探索“人机协作”模式：让AI当助手，而不是裁判。

具体怎么做？我的建议是“三步走”：

第一步，让AI写初稿。收集数据、整合信息、发现模式，这些重复性工作AI很擅长。管理者省去了80%的信息整理时间。

第二步，管理者做诊断。 AI告诉你“是什么”，管理者需要思考“为什么”。数据显示某员工近期效率下降，是因为倦怠？家庭原因？还是对工作失去兴趣？这些需要人类的同理心和判断力。

第三步，保持对话能力。绩效评估的核心不是打分，而是沟通。管理者必须能解释评估结果，能倾听员工反馈，能共同制定改进计划。这些是AI无法替代的“人的温度”。

AI进入绩效评估，对管理者和HR提出了新要求。

过去，好的管理者需要敏锐的观察力和判断力；现在，还需要“数据素养”——能看懂AI报告，能辨别数据真伪，能平衡定量与定性分析。

举个例子，我认识的一位研发总监就很会用人机协作。每个月，他会让系统生成团队成员的贡献度分析，但他关注的不是排名，而是异常值：为什么A的工作质量突然下降？为什么B的协作频率猛增？

然后他会找员工聊：“系统显示你最近晚上提交代码很多，是项目太赶，还是在尝试新工作方式？”这样一来，数据成了开启对话的钥匙，而不是终结讨论的判决书。

对HR来说，角色也在转变。从流程执行者，变成技术应用的设计者和监督者。需要思考：我们该收集哪些数据？如何确保评估算法公平？怎样训练管理者用好AI工具？

这些都不是技术问题，而是管理艺术。

当AI成为绩效评估的一部分，最重要的是别忘记评估的初衷。绩效评估最终是为了什么？不是为了把人分成三六九等，而是为了帮助每个人看清自己的位置、发现成长的路径、找到与组织同频的可能。

技术的本质是工具，而工具只有在掌握在明智者手中时，才会创造价值。AI可以帮我们看到更多、更广的数据，但它回答不了最关键的问题：我们想要成为什么样的团队？我们珍视什么样的贡献？我们愿意为什么样的人创造机会？

这些问题，永远需要人类来回答。让AI归AI，让人归人——在绩效评估这场人与技术的共舞中，领舞的必须是人。

*本文转载自“老伙季”公众号，由作者授权转载。