夜雨聆风一个业务负责人问了一个很现实的问题：
既然 AI 已经能写方案、做分析、生成代码、回答客户问题，为什么这个团队还需要这么多人？
HR 如果只回答：“我们需要重新设计绩效指标”，这个回答已经太小了。
因为 AI 参与工作之后，真正被挑战的并不是绩效表格，也不是评分规则，而是企业对“人的价值”的重新计算。
过去，组织为人完成工作付钱。现在，越来越多工作动作可以由 AI 完成，企业就会追问一个更尖锐的问题：
当 AI 接管一部分生产动作之后，企业还需要为哪些人的哪些能力付钱？
这才是 “When AI co-produces work, what counts as performance?” 背后的真正问题。
它表面上是绩效管理问题，本质上是组织重构问题。
德勤《2026 全球人力资本趋势》中已经出现了几个很具体的信号：高管开始担心员工借助 AI 让自己看起来比实际更高效，候选人的技能和能力数据越来越难以验证，组织也越来越难区分一项成果中哪些来自人，哪些来自 AI。
这些信号指向同一个变化：过去组织默认“成果可以代表能力”，现在这个默认前提正在松动。
一个漂亮的方案，可能代表人的洞察，也可能只是一次熟练的提示词操作；一个高质量交付，可能来自个人能力，也可能来自工具、模板、同事经验和 AI 的共同叠加。甚至一个人的技能画像，也可能被 AI 美化、包装和放大。
所以，AI 对绩效管理的冲击，不只是“怎么判断结果是否达成”，而是“结果和人之间的对应关系还是否可靠”。
当这个对应关系被打散，绩效评价就不能只看结果。它必须进一步追问：这个人在结果中贡献了什么判断？他如何调用 AI？他是否能识别 AI 的错误？他是否能把 AI 产出转化为可承担责任的业务行动？
绩效管理的问题被问小了
很多关于 AI 和绩效管理的讨论，仍然停留在旧框架里。
员工用了 AI，目标是不是应该提高？AI 生成的内容，算不算员工产出？经理能不能用 AI 辅助写绩效反馈？绩效系统能不能接入更多工作数据？
这些问题都真实，但不够大。
因为它们默认一个前提：组织结构、岗位边界、工作分配和权责关系基本不变，只是多了一个 AI 工具。
但 AI 对企业的影响，不只是让员工做同样的事更快。它会把工作拆开。
过去，一个人完成一项任务，组织相对容易把结果归到这个人身上。现在，一项工作可能来自人、AI、经理、团队、知识库、流程和系统权限的共同作用。
这时还继续问“这个人完成了什么”，就会越来越失真。
更好的问题是：
这个人在新的人机分工里，承担了什么不可替代的作用？
如果 AI 让产出变便宜，绩效管理就不能继续把“产出最多”当作最稳定的价值信号。
AI 不是让绩效更难打分，而是让工作重新分工
AI 进入工作之后，很多任务会被拆成几个部分。
生成，可能交给 AI。判断，仍然需要人。复核，会变成流程。权限，会进入系统。风险，会进入治理。责任，会被重新归属。
这意味着，绩效管理不能只看最后那个交付物。
一份报告看起来是某个员工提交的，但背后可能有不同层次的贡献：
有人提出了真正值得分析的问题。有人把业务背景放进了 AI 的上下文。有人识别了 AI 结论里的漏洞。有人把粗糙输出改成了管理层能决策的语言。有人把这次经验沉淀成团队可以复用的模板。有人最终决定采用这个结论，并对结果负责。
如果绩效系统只看“谁提交了文件”，它看见的是工作痕迹，不一定是价值来源。
AI 时代的绩效问题，不是打分难度增加了，而是工作本身的归属关系变了。
人的价值会从“生产单位”变成“高杠杆能力节点”
过去，企业很容易把员工看成生产单位：一个人负责一块任务，交付一个结果，完成一组指标。
但 AI 会压低很多生产动作的成本。写初稿、整理材料、生成方案、做基础分析、产出标准内容，都会越来越快。
当这些动作变便宜，人的价值就会重新定价。
未来高价值员工不一定是产出最多的人，而是能放大组织能力的人。
这些能力不一定最显眼。
最显眼的是输出：报告、代码、方案、邮件、PPT、项目结果。
但真正决定价值的，可能是输出之前的问题定义，输出之后的判断校准，以及输出被组织复用之后产生的系统能力。
所以 AI 时代的绩效管理，至少要看三层贡献：
1. 产出贡献：谁交付了可见成果？ 2. 判断贡献：谁做出了关键判断、取舍、验证和纠错？ 3. 系统贡献：谁提升了团队、流程、知识库和组织能力？
过去，绩效系统最擅长看第一层。未来，第二层和第三层会越来越决定一个人的真实价值。
成功抢 AI 红利，失败开始重新切割责任
这里还有一个更现实的问题。
在很多企业里，AI 已经不是员工要不要用的问题，而是几乎必须用的问题。
老板鼓励，团队推动，汇报里要体现 AI，个人也要证明自己跟得上变化。
所以风险未必是员工不敢用 AI。更可能出现的是另一种场景：
成功时，人人都是 AI 转型贡献者；失败时，每个人都能证明责任不在自己。
一个项目因为 AI 提效成功了，叙事会非常顺滑：员工拥抱 AI，团队效率提升，管理者推动创新，组织完成转型。
但如果 AI 参与的工作出了错，归因逻辑可能立刻改变。
一线员工会说：这是组织鼓励用 AI 的结果。管理者会说：AI 只是工具，最终判断本来就应该由人负责。技术团队会说：模型输出只是建议，业务方没有做好复核。业务方会说：我们只是按照效率要求推进，边界从来没有说清楚。
于是，AI 共同生产带来的不是更清楚的责任，而是一条更复杂的甩锅链。
这不是简单的“谁背锅”问题。真正的问题是：组织有没有提前定义责任边界？
谁可以调用 AI？谁可以采纳 AI 的建议？哪些场景必须人工复核？哪些风险需要升级？哪些错误属于个人疏忽？哪些错误暴露的是流程、数据、权限或治理问题？
如果这些边界不清楚，绩效系统就会在成功和失败之间形成两套逻辑：成功时讲协作，失败时切割责任。
奖励决定大家愿不愿意抢 AI 红利，问责决定大家会不会在错误发生时互相甩锅。
下一代绩效管理要从 KPI 走向权责图谱
传统绩效系统主要看三件事：
目标是什么？结果怎么样？评价怎么给？
AI 时代，这三件事仍然重要，但不够了。
因为组织还必须回答另外四个问题：
谁定义问题？谁调用 AI？谁有权采纳结果？谁对后果负责？
这意味着，绩效管理不能只停留在 KPI、OKR、MBO 这些目标管理语言里。它需要进入更底层的权责图谱。
组织架构图只告诉我们谁向谁汇报。AI 时代的组织，还需要知道谁能调用 AI，谁能做判断，谁能改变流程，谁承担后果。
这也是 HCM 需要升级的地方。
下一代 HCM 不应只记录员工生命周期，也不应只自动化 HR 流程。它需要帮助企业看清楚：
• 哪些工作由人完成 • 哪些工作由 AI 完成 • 哪些工作变成人机协作 • 哪些判断权必须留在人身上 • 哪些权限应该被系统控制 • 哪些责任必须提前定义 • 哪些激励会鼓励真正的价值创造
如果没有这些信息，绩效管理只能在结果出现之后做解释。
但 AI 时代真正有价值的管理，不是事后解释，而是提前设计工作、权力、责任和激励之间的关系。
HR 的机会不是优化绩效流程，而是进入组织重构
这篇文章最后要回到 HR 自己。
如果 HR 只把这个问题理解成“AI 时代如何优化绩效管理”，它会越做越小。
AI 可以帮助写绩效评语。AI 可以提醒经理做反馈。AI 可以总结员工工作记录。AI 可以生成目标草稿。AI 可以回答绩效政策问题。
这些当然有用，但它们都属于流程效率。
真正更大的问题，是业务已经开始重新计算组织：
这个团队是否还需要这么多人？哪些管理层级可以压缩？哪些岗位会被 AI 改写？哪些人是高杠杆人才？哪些能力必须留在组织内部？哪些责任不能交给 AI？哪些激励机制会放大错误行为？
如果 HR 不能回答这些问题，业务会绕过 HR。因为业务不会等 HR 把绩效流程优化完，再决定如何重构组织。
HR 的战略空间，不在于维护一套更精致的绩效流程，而在于帮助企业把业务目标翻译成组织设计、人机分工、能力配置、权责边界、激励机制和变革动作。
这也是未来 HCM 的价值边界。
它不只是“管理员工”的系统，而应该逐渐成为企业的人类能力配置系统。
回到标题：什么才算绩效？
When AI co-produces work, what counts as performance?
答案不是谁用了 AI。也不是谁产出更多。更不是谁在系统里留下最多工作痕迹。
在人、AI、流程和组织知识共同生产工作的时代，绩效衡量的是一个人如何放大价值、承担判断、影响系统，并在清晰权责中对结果负责。
AI 会让很多工作动作变便宜。但它也会让真正的人类能力变得更稀缺。
未来企业真正需要重新识别的，不是“谁更忙”，也不是“谁更会展示 AI 使用成果”，而是谁能在 AI 参与之后，让组织做出更好的判断、形成更强的能力、承担更清楚的责任。
这也是 HR 必须进入的下一层问题。
绩效管理只是表层接口。底层真正改变的，是企业如何重新分配人、AI、权力、责任和激励。
谁能把这件事讲清楚，谁才有机会定义 AI 时代 HCM 的新价值。
