夜雨聆风薪酬链的雷还没拆完，绩效这边又炸了。
初默没想到，一个绩效打分会把团队搞散。
初默的困境：产出更好的那个人，绩效分更低
起因是Q2的绩效评估。
市场部两个分析师——就是上次汇报会上的王磊和陈悦。
初默按公司的绩效表打分，主要看三个维度：任务完成率、工作饱和度、工作量。
王磊： - 任务完成率：100%（3天交付，从不拖延） - 工作饱和度：高（每天都在写报告、跑数据） - 工作量：中等偏上（本季度完成8份分析报告） - 综合评分：A
陈悦： - 任务完成率：100%（1天半交付，从不拖延） - 工作饱和度：中等（用AI完成基础工作后，有部分时间在做“额外探索”） - 工作量：中等（本季度完成8份分析报告+2份AI工具优化方案） - 综合评分：B+
初默的打分逻辑很清楚：王磊天天忙满，饱和度高，A没问题。陈悦虽然产出快，但“看起来没那么忙”，而且她用AI省出来的时间，有一部分在做“非本职工作”（AI工具优化方案不算分析师的KPI），所以B+。
结果出来，陈悦直接找初默谈话了。
“袁总，我有个问题想不通。我产出比王磊快、质量比他高、还额外做了AI工具优化帮团队提效，为什么我绩效比他低？”
初默说：“你的工作饱和度确实不如王磊，而且AI工具优化不在你的岗位KPI里。”
陈悦沉默了几秒，说了一句让初默愣住的话：
“所以，我因为用AI提高了效率，反而被扣分了？”
初默张了张嘴，发现自己没法反驳。
更深层的问题还在后面。
陈悦走后，初默的助理小赵私下跟他说了一句话：“陈悦已经在看外部机会了。她说既然干得越好分越低，不如去一个能看到她价值的地方。”
初默这才意识到，问题不只是打分的事——是他整个绩效逻辑出了问题。
讲讲这件事儿的逻辑：你考核的还是“做了多少”，但价值已经不在“做”上了
初默的打分方式，是绝大多数企业绩效管理的缩影。
看三个指标：完成率、饱和度、工作量。三个指标有一个共同特点——全部指向“做了多少”。
你完成了多少任务？你每天忙不忙？你干了多少活？
这个考核逻辑有一个隐含假设：做得多=价值大。
在过去，这个假设基本成立。因为人能做的就那么多，做得越多、越快，产出越大，价值越高。所以考核“做了多少”基本能反映价值。
AI来了，这个假设碎了。
当AI可以替代执行——数据整理、报告初稿、信息检索、模型搭建——“做”这件事本身不值钱了。AI做得比人快、比人准、比人多。
值钱的是什么？是“做什么”和“判断对不对”。
陈悦的价值，不在于她写了多少份报告，而在于：- 她判断了AI建模的结果对不对——这是判断力 - 她优化了AI工具的使用方式帮团队提效——这是驾驭力 - 她用省出来的时间探索了新的工作方法——这是创新力
但这三样东西，在初默的绩效表上一个都没有。
绩效管理的对象变了，但考核逻辑没变。你还在用“做了多少”衡量一个“人+AI”的产出体系——就像用尺子量温度，工具不对，量什么都白搭。
场景与能力被重新定义
绩效管理这件事，底层逻辑正在从“衡量执行”转向“激励判断”。
旧逻辑：目标设定→过程跟踪→年底打分。考核“做了多少”。
新逻辑：目标设定→人机协同→产出评估。考核“判断对了多少、驾驭效率多高、产出质量怎样”。
这不是调几个KPI的事，是考核的底层逻辑要换。
旧体系里，考核对象是“人做了什么”。你写了多少行代码、见了多少客户、做了多少份报告——清清楚楚。
新体系里，考核对象变成了“人+AI产出了什么，其中人的判断力贡献了多少”。同样一份报告，A手写3天质量7分，B用AI+1天半质量8分——你用同一套标准考核两个人，公平吗？
更复杂的场景：一个人用AI产出了高质量的工作成果，但他“只干了半天”。另外一个人不用AI，花了三天干出中等质量的成果。你按工时考核，后者得分高。你按产出考核，前者得分高。
按工时？按产出？按过程？按判断力贡献？这四个维度，旧绩效体系一个都回答不了。
新场景下HR该干什么、需要什么能力
绩效被重新定义之后，HR需要做三件新事：
第一件：设计人机协同的绩效指标体系。
不是在旧KPI上修修补补，是重新设计指标维度。我建议人机协同绩效从三个维度衡量：
维度一：产出质量。最终交付物的质量如何？客户/业务方是否满意？这是结果导向，不管你用什么方式完成，质量是硬标准。
维度二：驾驭效率。你用AI的效率如何？同样一个任务，你用AI的效率提升倍数是多少？这个维度衡量的是“你会不会用AI”，不是“你做了多少”。
维度三：判断力贡献。在AI产出的基础上，你做了什么关键判断？这些判断对最终产出的质量提升有多大？这个维度衡量的是“AI做不了的那部分”，也就是人真正的价值。
三个维度的权重，不同岗位不同。偏执行的岗位，驾驭效率权重高；偏决策的岗位，判断力贡献权重高。
第二件：重新设计绩效校准会。
旧校准会的问题：用同一把尺子量所有人。
新校准会要解决的问题：AI辅助产出的绩效怎么横向比较？
•两个部门，一个全面用AI，一个还没上AI——产出效率天然不同，怎么比？
•同一个部门，有人用AI有人不用——产出质量和速度都不同，怎么排？
•一个人用AI做了10件事，另一个人手做了3件事——谁贡献大？
这些问题的答案，不是“一刀切拉平”，而是在校准会中引入“AI赋能系数”——考虑AI工具的可用程度、员工使用AI的熟练程度、岗位AI替代率的差异，对绩效结果做校准调整。
不是降谁的分，是让不同起点的人能在同一套体系里被公平地看见。
第三件：从“流程管理”转向“绩效赋能”。
旧绩效管理的逻辑是管控——设定目标、跟踪过程、年底算账、奖惩兑现。
新绩效管理的逻辑是赋能——帮员工找到在AI旁边的最佳位置，帮他判断哪些事该交给AI、哪些事必须自己扛，帮他在新规则下最大化自己的价值。
绩效管理的本质从来不是“衡量人做了多少”，而是“激励人创造更多价值”。AI只是把这句话逼到了死角——当工具可以替代执行，人的价值只剩判断力。
这三件事，需要什么新能力？
•人机协同指标设计能力——能把“产出质量、驾驭效率、判断力贡献”三个维度落地为可量化、可评估的指标
•AI赋能校准能力——能在绩效校准会中公平地处理AI使用差异，不是拉平，是校准
•绩效赋能设计能力——能把绩效管理从“算账工具”变成“价值发现工具”，帮员工在AI旁边找到自己的定位
这三项能力，跟传统绩效管理的“目标分解+过程跟踪+打分排序”完全不是一个物种。
其他HR的坑你不要再踩了
坑一：按工时考核。“你只干了半天”——但人家半天干出了你三天干不出的活。按工时考核，就是在惩罚效率。
坑二：按完成率考核。完成率100%但质量一般，和完成率80%但质量极高——你奖谁？AI时代，完成率是最没信息量的指标。
坑三：用同一标准考核会用AI和不会用AI的员工。一个用AI一天半出8分报告，一个手写三天出7分报告——你用同一把尺子量，必然不公平。
坑四：忽视“判断力贡献”。陈悦帮团队优化AI工具、探索新工作方法，这些不在KPI里，但恰恰是AI时代最有价值的行为。你的考核表上看不见，员工就不愿意做。
坑五：绩效管理停留在“算账”。年底打分、排等、分奖金——这是算账。AI时代的绩效管理应该是“帮员工找到自己最值钱的位置”。算账是向后看，赋能是向前看。
坑六：绩效校准会没有AI维度。两个部门AI渗透率不同，产出效率天然不同——但校准会上没人提这个变量。结果就是AI用得好的部门“被平均”，AI还没上的部门“被保护”。两边都不服。
最后的启示
绩效管理的本质，从来不是衡量人做了多少，而是激励人创造更多价值。
AI只是把这句话变得更尖锐了——当工具可以替代执行，人的价值只剩判断力。
考核要从“做了多少”转向“判断对了多少”。
这不是换个打分表的事，是整个考核逻辑的底座要换。从衡量执行到衡量判断，从管控过程到赋能价值，从向后算账到向前布局。
你考核什么，员工就往什么方向努力。你考工时，他就磨时间。你考完成率，他就挑容易的做。你考判断力贡献，他才会真正去想“AI做不了的那部分，我能做什么”。
方向对了，绩效管理才不会成为AI时代的绊脚石。
不在存量里争利益，要在增量中分收益。——袁玉山｜绩效分钱砖家｜从业25年 · 12年咨询实战 · 近百家实操辅导｜专注于组织效能提升！
信息来源：
1.美世2026《全球人才趋势报告》（Mercer Global Talent Trends 2026）
