生成式AI会修复绩效评估，还是让它更糟？

*(原标题: Gen AI Could Fix Performance Reviews—or Make Them Even Worse)*

📌 **本文适合谁读？**

- ✅ 企业中层管理者（重点看角度4：中层管理者视角）

- ✅ 创业者/CEO（重点看角度2、3：中国视角 + 中国企业视角）

- ✅ 商业分析师（重点看角度1、2：全球视角 + 中国视角）

- ✅ 对商业趋势感兴趣的职场人（全文适读）

花旗、摩根大通、波士顿咨询等巨头正快速部署生成式AI（Gen AI）来优化绩效评估流程：花旗的Performance Assist跨部门拉取数据起草评估，摩根大通的LLM Suite支持年终评语撰写，BCG的内部AI工具将撰写时间缩短40%。然而，这些系统目前主要用来更快地产出更精良的传统叙述式评语，而非从根本上变革评估机制。文章警示，Gen AI若只追求效率而忽视评估质量，可能放大偏见、削弱反馈真实性，甚至让管理者更依赖AI而丧失判断力。核心技术悖论在于：Gen AI擅长生成“听起来专业”的文本，却无法理解绩效背后的复杂语境与情感细节，从而可能使绩效评估从“对人的评判”退化到“对AI生成文本的评判”。文章呼吁企业应重新设计评估系统，而非简单用AI加速旧流程。

角度1：🌍 全球视角

全球商业正经历一场“AI加速主义”与“制度惯性”的激烈碰撞。绩效评估作为人力资源管理中最具仪式感的环节，其核心矛盾在于：它既要服务于人才发展的长期目标，又要满足薪酬分配、晋升决策等短期需求。Gen AI的介入，表面上解决了管理者“写不出、写不好、写不快”的痛点，实则将这一矛盾推向了新的高度。

从全球技术趋势看，Gen AI在绩效评估中的应用呈现明显的“效率优先”路径。花旗、摩根大通等金融机构选择从“数据整合+文本生成”切入，这符合金融行业对流程标准化和文档质量的极致追求。BCG的案例则显示，专业服务公司更看重时间节省——40%的撰写时间缩减意味着顾问可以将更多精力投入客户服务。然而，这种“用AI加速旧流程”的策略，本质上是在强化工业时代“年度评估”的范式，而非向更敏捷、更持续的反馈机制转型。

主要经济体的应对策略出现分化。美国企业倾向于技术先行、制度跟进，通过内部AI工具快速试错，同时依靠法律和合规部门防范偏见风险。欧盟则在《人工智能法案》框架下，将绩效评估AI列为“高风险应用”，要求企业进行合规评估和人工监督，这可能导致欧洲企业在部署速度上落后，但可能催生更负责任的AI评估系统。亚洲市场，尤其是日本和韩国，更关注AI如何与“年功序列”或“终身雇佣”等文化传统融合，而非简单替代。

跨国企业的最佳实践案例揭示了三个关键启示。第一，数据整合是基础也是陷阱：花旗的Performance Assist能跨部门拉取数据，但若数据本身存在偏见（如某部门长期评分偏高），AI只会放大而非纠正。第二，文本生成能力不等于评估质量：BCG的AI工具能快速生成流畅评语，但管理者反馈，AI生成的“专业术语”反而让员工感到疏离，缺乏人性化温度。第三，AI需要“人工校验环”：最成功的案例往往要求管理者在AI生成初稿后，必须手动修改至少30%的内容，以确保评估的个性化和准确性。

对全球产业链和价值链的影响更为深远。在知识密集型行业（咨询、金融、科技），“AI写评估”正在改变人才流动模式：员工更容易通过AI生成的标准化评语获得“好看”的履历，但雇主也更容易识别出“AI味”过重的推荐信，形成新的信息不对称。在制造和物流等蓝领领域，Gen AI与物联网数据的结合，可能催生“实时绩效评分”系统，彻底改变计件工资和晋升机制。这种趋势可能加剧全球人才市场的马太效应：能驾驭AI评估系统的员工获得更多资源，而缺乏数字素养的群体则被边缘化。

角度2：🇨🇳 中国视角

中国企业对Gen AI在绩效评估中的应用，正处于“技术热情”与“管理谨慎”的微妙平衡期。一方面，中国互联网和金融科技巨头在AI能力上并不落后于美国同行；另一方面，中国特有的企业文化、政策环境和劳动力结构，决定了Gen AI的本土化应用必须走差异化路径。

中国市场面临的核心挑战在于“评估文化”的独特性。中国企业的绩效评估往往高度依赖“人情关系”和“领导意志”，甚至存在“轮流坐庄”的潜规则。Gen AI如果直接介入，可能面临两种极端结果：要么因为无法处理非正式关系而失效，要么因为忠实记录数据而打破原有平衡，引发管理冲突。因此，中国企业在部署Gen AI时，更倾向于“辅助决策”而非“替代决策”，例如用AI生成初稿后由管理者手动调整，保留最终解释权。

与政府战略的关联体现在“十四五”规划中“数字中国”和“人工智能”两大方向。政策鼓励企业利用AI提升管理效率，但同时强调“科技向善”和“算法治理”。这意味着中国企业在应用Gen AI进行绩效评估时，必须同时考虑《数据安全法》《个人信息保护法》的合规要求，以及“算法推荐管理规定”对自动化决策的约束。例如，AI评估系统不能仅依赖历史数据，还需要引入人工复核机制，避免算法歧视。

对本土企业的具体影响呈现行业分化。互联网企业（如阿里、腾讯）对AI评估的接受度最高，但主要用在“基层员工”而非“高管层”，因为高管评估仍依赖董事会和人力委员会的人工判断。制造业企业（如华为、海尔）则更关注AI与“精益管理”的结合，例如通过分析生产数据生成客观绩效指标，减少主观评分。中小企业面临两难：既希望通过AI降低管理成本，又担心系统部署和数据安全成本过高，最终可能选择SaaS模式的轻量级方案。

中国市场的特殊机遇在于“弯道超车”。由于中国企业在传统绩效评估系统上的投入相对较少，反而没有“历史包袱”，可以直接采用更先进的AI原生评估框架。例如，字节跳动内部已经尝试用AI分析员工工作日志、项目协作数据，生成实时反馈而非年度评语。这种“从零开始”的可能性，让中国企业在Gen AI评估领域有机会跳过西方企业“用AI加速旧流程”的阶段，直接进入“重新设计评估系统”的2.0时代。

风险提示方面，中国企业需要警惕“技术万能论”。Gen AI无法解决绩效评估中最核心的问题：如何定义“好绩效”？在中国企业，绩效往往与“加班时长”“吃苦耐劳”等非量化因素挂钩，AI如果只分析客观数据，可能得出“准时下班但效率高”的员工绩效不如“天天加班但产出低”的员工，这与管理者期望相悖。因此，中国企业在部署Gen AI时，必须同步进行“绩效定义”的重新梳理，否则AI只会放大管理层的认知混乱。

角度3：🏢 中国企业视角

针对中国互联网巨头和出海企业的具体战略建议，需要区分两类企业：一类是“AI原生型”（如字节、阿里云），另一类是“全球运营型”（如SHEIN、TikTok、大疆）。前者更关注如何用AI优化内部管理，后者则面临跨文化绩效评估的复杂挑战。

对互联网企业（腾讯、阿里、字节）的启示是：不要只把Gen AI当作“写作工具”，而要看作“评估系统重构”的契机。字节跳动已在使用AI分析OKR（目标与关键结果）完成度、项目协作频率、代码提交质量等数据，生成动态绩效画像。这种“数据驱动+AI分析”的模式，远比传统叙述式评语更有价值。建议腾讯和阿里跟进：第一，将AI评估与OKR或KPI系统深度打通，实现“目标-过程-结果”的全链路追踪；第二，引入“360度反馈AI化”，用NLP分析同事、下属、客户的匿名反馈，提炼关键主题而非简单汇总；第三，建立“评估质量监控模型”，定期检测AI生成的评语是否存在偏见或模板化。

对出海企业（SHEIN、TikTok、大疆）的战略建议必须考虑跨文化因素。这些企业在全球拥有大量外籍员工，绩效评估需要兼顾不同文化对“直接反馈”的接受度。例如，在东南亚和拉美市场，员工可能更偏好“鼓励性”评语，而在德国和日本市场，员工需要“具体且可量化”的改进建议。Gen AI的优势在于可以“一键切换”评估风格：针对不同文化背景的员工生成适配的反馈语言。但风险在于，AI可能因为训练数据不足而产生文化误解，例如将“直接批评”视为“职业化”，或将“委婉表达”视为“回避问题”。建议出海企业：第一，为不同市场建立独立的AI评估模型，训练数据必须包含当地真实绩效案例；第二，设置“文化审核员”岗位，由熟悉当地文化的HR专家对AI生成评语进行抽查；第三，在评估系统中加入“反馈偏好问卷”，让员工选择自己更接受的反馈风格。

实操建议方面，中国企业可以分三步走。第一步（3个月内）：试点“AI辅助撰写”，选择1-2个部门，用AI生成初稿后由管理者手动修改，记录效率提升和问题反馈。第二步（6个月内）：引入“数据整合层”，将HR系统、项目管理工具、协作软件的数据打通，让AI能基于多维度数据生成评估。第三步（12个月内）：尝试“评估系统重构”，从年度评估转向季度或月度“AI驱动反馈”，让绩效管理从“事后评判”变为“实时指导”。

风险提示必须前置。第一，数据隐私风险：中国《个人信息保护法》要求员工同意才能收集绩效数据，企业必须在部署前完成合规审查。第二，算法偏见风险：AI可能因为训练数据中“男性员工评分偏高”而延续性别歧视，建议引入“公平性审计”机制。第三，管理者依赖风险：AI生成的评语可能让管理者产生“这就是正确答案”的错觉，从而放弃独立判断，建议强制要求管理者在AI评语基础上添加至少200字的人工观察。

角度4：👔 中层管理者视角

对部门经理和业务主管而言，Gen AI在绩效评估中的应用是一把双刃剑：它可能帮你节省时间，也可能让你失去对团队的真实感知。作为夹在高层战略和基层执行之间的“夹心层”，中层管理者需要掌握三个核心能力：如何用AI提升效率而不丧失判断力，如何让AI生成的评语不流于形式，以及如何在AI介入后保持与员工的信任关系。

实操建议第一条：把AI当作“初稿生成器”而非“终稿机器”。很多管理者收到AI生成的评语后，简单修改几个字就提交，这在短期内节省时间，但长期会损害评估质量。正确的做法是：第一，用AI生成初稿后，先对照你对该员工的日常观察，找出AI遗漏的关键细节；第二，针对AI评语中“听起来很专业但缺乏针对性”的句子，替换成具体的项目案例；第三，在评语末尾加入“你的建议”，这部分必须由你亲自写，因为AI无法理解你对该员工职业发展的真实期待。

团队管理方面，Gen AI的介入可能改变你与员工的沟通方式。过去，绩效评估是“管理者说，员工听”的单向过程；现在，员工可能提前用AI生成了“自我评估”，甚至用AI分析了你往年写的评语。这种“信息对称”反而创造了更好的对话基础。建议管理者：第一，在评估面谈前，让员工先用AI生成“自我评估初稿”，然后对比AI对你的评语和员工的自我认知，找到认知差距进行讨论；第二，利用AI分析团队整体绩效数据，识别出“高潜低能”或“低潜高能”的异常员工，进行针对性辅导；第三，建立“反馈日志”，用AI记录每次1对1沟通的关键点，为下次评估积累素材。

个人职业发展方面，中层管理者必须警惕“AI替代风险”。当AI能生成比人工更流畅的评语时，管理者“写评语”的能力不再稀缺，稀缺的是“读懂团队”的能力。这意味着你需要从“文档撰写者”转型为“人才解读师”。建议提升的技能包括：第一，数据素养——学会解读AI生成的绩效数据仪表盘，识别异常模式和趋势；第二，情境判断力——在AI给出“该员工表现优异”的结论时，能判断这是真实贡献还是系统偏差；第三，同理心沟通——在AI生成“专业但冰冷”的评语后，能用人类语言重新包装，让员工感受到真诚。

值得跟进的5条具体action items：

1. 本周内：试用一款AI绩效评估工具（如花旗的Performance Assist类似产品），生成一份你下属的评估初稿，然后手动修改，记录修改比例和原因。

2. 两周内：与你的直接下属进行1次“AI评估体验对话”，询问他们对AI生成评语的感受，以及他们是否愿意接受AI介入绩效管理。

3. 一个月内：在你的团队中试点“AI辅助反馈”机制，要求每位管理者在每次1对1后用AI记录3个关键反馈点，积累数据用于季度评估。

4. 三个月内：参加至少1次“AI时代绩效管理”培训，重点学习如何识别AI偏见、如何将AI数据与人工判断结合。

5. 半年内：推动你的部门或团队制定“AI评估使用规范”，明确哪些环节必须人工介入、哪些数据可以使用、哪些场景需要员工知情同意。

原文链接: [Gen AI Could Fix Performance Reviews—or Make Them Even Worse](https://hbr.org/2026/05/gen-ai-could-fix-performance-reviews-or-make-them-even-worse)