AI+绩效产品Lattice深度拆解:如何实现绩效评估的智能化管理?

Lattice 创立于 2015 年，它并没有从工资、考勤和员工档案这些传统HR系统的核心模块起步，而是抓住了很多成长型企业已经不满足于一年填一次表，却又不愿部署复杂的企业级绩效系统这样一个市场空白，自成立之初便聚焦绩效评估赛道，并以此为起点开启业务发展。

十年后，Lattice已经不再是一款单纯的评估工具，其功能目前覆盖绩效评估、目标管理、1:1、持续反馈、职业发展、敬业度调查、人才盘点、继任计划、绩效改进和薪酬管理等领域。公司近两年落地的各类 AI 产品，也建立在这些业务模块长年积累的数据基础之上。

要想理解Lattice，最有效的办法不是看它有多少功能，而是完整走一遍企业做绩效管理时会经过的几道决策。

假设一家500人的公司准备做半年度绩效评估。

首先，HR要确定评估的参与对象和评价方式。Lattice支持员工自评、经理评价、同事评价、下属向上评价等，也可以只选择其中几种。选择不同评价方式的员工可以看到不同问题，提交时间也可以分开设置。新员工试用期评价、入职周年评价等周期还可以按照员工入职日期自动触发。

同事评价并不是简单地让所有人互评。HR可以决定由员工提名同事、经理选择评价人，或者提前指定。评价结束后，还可以通过企业规则配置来决定评价人是否匿名以及员工能看到哪些内容。

最后，经理提交评分。

到以上为止，评估流程流程通常不会直接结束，规模稍大的企业还会进行校准。

校准要解决的是经理评分尺度不一致的问题。比如，某位经理很少给高分，另一位经理则习惯给团队所有人较高评价。如果不处理这种差异，最终评分反映的可能是经理风格而不完全是员工表现。

Lattice允许HR建立不同的校准组，把员工、当前评分、历史评分、文字评价和其他背景放到同一个界面中。参与者可以调整经理提交的分数并记录调整理由。2026年的产品更新还加入了根据组织结构或员工属性自动建立校准组、避免参与者利益冲突、保存表格视图等功能。

但要注意的是，这套工具解决的是操作和信息组织问题，并不能证明校准后的结果一定更公平。强势部门可能争取到更高评级，校准会议也可能把员工硬塞进预设分布。软件让过程留痕、权限更清楚，却无法替代企业进行评分标准设计。

Lattice目前只有经理向下评价中的评分题可以被正式校准。自评、同事评价和向上评价可以作为背景信息被查看，但不会以同样方式对其进行调整，其校准仍然围绕传统的经理评分展开。

很多绩效软件的问题不是表单不好用，而是到了评估季，经理仍然想不起员工过去半年做过什么。

Lattice试图通过Goals、1:1、Updates和Feedback提前积累材料。

Goals记录员工和团队目标，可以把个人目标与部门或公司目标连接起来。1:1则是让经理和员工共同维护会议议题、记录决定和行动项。Updates更像定期工作简报，员工写下进展、障碍和下一步计划。Feedback则用于随时提供公开表扬或私下建议。

这些功能单独看都很普通。但如果将它们放在同一个系统中，它们将构成Lattice最重要的产品逻辑。

经理准备评价员工时，可以回看目标完成情况、过去的1:1记录、同事反馈和员工更新，而不必完全依靠记忆。评估也不再只是某一天的文字判断，而是对一段时间内已有记录的整理。

Waterford.org的案例很好地说明了这个逻辑。这家教育机构把原来较简单的评价改成基于岗位能力的评估，经理需要回答的问题从18个增加到38个，普通员工自评题目从4个增加到12个。工作量大幅增加，但员工平时已经使用Lattice记录1:1、更新和绩效信息，因此AI能够从已有材料中帮助整理回答。

按照Waterford和Lattice公布的数据，经理完成评价的速度提高约一倍，普通员工约提高两倍。需要强调的是，这属于厂商客户案例，不是独立对照实验。它证明了系统可以减少资料整理和写作时间，但并不能单独证明反馈质量也提高了一倍。

这类产品的效果高度依赖使用习惯。平时没有人更新目标，也不记录反馈，AI只能把有限信息写得更顺畅。Lattice积累的是管理记录，不是自动生成的绩效真相。

传统评估结束后，员工经常只得到一个评分和几段评价。至于下一等级要求什么、应该补哪种能力，通常散落在岗位说明书、共享文档或经理脑中。

Lattice Grow通过建立岗位序列和能力框架可以解决以上问题。

企业可以为不同职能设计职业路径，例如软件工程师从初级、中级、高级到专家，每一级分别需要哪些专业能力、协作能力和影响范围。员工和经理可以对照当前等级寻找差距，再把某项差距设为具体成长方向。

Grow与Reviews连接以后，企业可以在绩效评估中直接评价岗位能力。评价不再只有“表现优秀”这种宽泛结论，而是落到“能否独立完成复杂项目”“是否可以影响跨部门决策”等等级要求上。

Article的公开案例中，公司使用Lattice完成第一次360度评价，95%的员工完成了流程，共提交超过1800份评价；随后又准备在Grow中建立70多条职业路径。这个案例的重点不在完成率，而在于企业开始用同一套岗位语言讨论反馈、成长和晋升。

但这也有明显的实施门槛。软件可以保存职业路径，却不能替企业定义好路径。一套失真的能力模型进入系统后，只会被更稳定地执行。岗位等级写得过于抽象，员工仍然不知道怎样晋升；写得过细，又会让经理陷入打勾式管理。

G2上的用户评论也反映了这种差异。一些客户认为岗位能力和等级进入评估以后，员工更容易判断自己离下一层级还有多远；另一些用户则指出，职业路径偏重纵向晋升，对横向发展支持有限。

Lattice Compensation并不是一套工资发放系统，它主要管理调薪决策过程。

企业可以建立不同岗位、级别和地区的薪酬区间，记录最低值、目标值和最高值，也可以包含浮动薪酬、奖金和股权。员工当前工资与目标值之间的比例会被计算出来，供管理者判断某个人在薪酬带中的位置。

开始调薪周期后，HR可以设定哪些员工有资格参加，分配经理预算，并导入已经完成校准的绩效评分。经理在同一个页面中查看员工当前工资、薪酬区间、评分、晋升状态和预算使用情况，再提出加薪建议。

2026年以后，Lattice允许在同一次周期中处理基础工资、晋升加薪、年度奖金、一次性奖金和股权刷新。系统会显示预算使用情况，超预算时发出提示，但不会强制阻止提交。

这一模块的价值很实际。很多公司过去在绩效系统中确定评分，再把结果导出到电子表格，由HR和财务计算调薪，最后手工制作员工通知。Lattice把几个步骤连了起来，减少了文件传递和版本混乱。

连接并不完全彻底。例如，在薪酬周期中把员工晋升到新的薪酬带，并不会自动更新Grow中的职业路径等级。企业仍然需要维护模块之间的一致性。

绩效与薪酬放在一起，也会放大原有评分偏差。校准后的分数看起来更正式，却不一定更准确。软件可以分析不同部门、性别或群体的分配差异，真正是否调整，仍取决于企业治理。

员工调查工具并不稀缺。Lattice Engagement的设计重点，是让调查结果继续进入行动计划和后续追踪。

企业可以开展年度敬业度调查、短周期Pulse调查、入职调查和离职调查。结果可以按部门、团队、管理层级或岗位体系进行筛选。AI会总结开放评论中的主题，并进行所谓的关键驱动因素分析，寻找哪些题目与较高的eNPS存在较强相关性。

这里的措辞需要准确。驱动因素分析找到的是相关关系，不是因果关系。例如，某个团队同时拥有较高的经理评分和较高的eNPS，不能据此证明只要改善经理评分，eNPS就会提高。

分析完成后，HR或部门负责人可以建立行动计划，指定负责人、截止日期和具体任务，再通过后续Pulse调查观察变化。

这个闭环比一份彩色调查报告更有用，但执行仍然取决于管理者。系统可以提醒负责人更新行动计划，无法保证员工提出的问题真的被解决。

Huge的案例提供了一种更有意思的用法。这家创意公司发现，一年两次的传统评估离项目发生太远，于是把Lattice的评价功能改造成项目结束后的反馈周期。项目成员评价项目是否完成目标、团队合作是否顺畅，也评价彼此的贡献以及是否愿意再次合作。

为了收集对项目本身的评价，Huge甚至建立了一个虚拟的“项目负责人”账号，把项目作为评价对象。按照其公布的数据，公司减少了低效的年度同事评价流程，估算节省约2000小时；持续提供及时反馈的经理，在经理有效性指标上也表现更好。数据来自Lattice发布的客户案例，无法排除企业同时推进管理培训等其他因素。真正值得借鉴的是流程设计：工具没有要求客户完全照搬标准年度评估，而是被改造成了项目制组织需要的反馈机制。

当前大量HR产品都能生成绩效评语。单纯的文字生成功能很容易复制，也很容易产生空洞内容。

Lattice的差异在于，AI可以读取权限范围内的目标、1:1、更新、同事反馈、历史评价和成长方向。它回答的不是通用问题，而是“过去六个月，这名员工获得过哪些反馈”“上次评价中提到的能力短板后来有没有变化”。

在校准会议中，Lattice AI已经可以总结当前评价周期的材料，帮助参与者快速查看不同评价人的主要观点。不过，现有的校准摘要只覆盖当前周期，不自动纳入更早的评价。

2026年公布的Evidence-based AI Reviews进一步尝试为评价问题生成带来源的初稿。经理可以查看文字引用了哪些1:1、目标和反馈，评分与最终提交仍由本人完成。截至2026年7月底，Lattice公开的产品路线图仍将该功能标为逐步推出项目，不宜把它描述成所有客户都已经成熟使用的标准功能。

1:1 AI Agent则进入会议记录场景。它可以生成摘要、行动项和后续议题，并提供沟通建议。这能减少管理者记笔记的工作，却会碰到更敏感的问题：员工与经理是否都愿意让会议被记录，哪些私人内容会进入未来评价，记录保存多久。

Lattice的AI价值最终取决于两个条件。一个是系统中有没有足够具体的工作材料。另一个是企业有没有清楚规定这些材料能被谁使用、用于什么决策。缺少前者，AI会生产套话。缺少后者，它容易变成员工监控工具。

单独看，Lattice的大多数模块都有成熟竞品。目标管理有专门的OKR工具，调查有员工体验平台，薪酬也有独立软件。

Lattice的产品价值来自连接关系。

目标和日常反馈进入绩效评价，绩效结果进入人才盘点和校准，岗位能力进入成长计划，校准结论又可以被带入调薪周期。HR不需要在多个电子表格中反复拼接同一个员工的记录。这也是它商业模式扩张的基础。客户可能最初只购买绩效评估，随后加入Engagement、Grow和Compensation。模块越多，数据联系越紧，迁移成本也越高。

从第三方用户评价看，Lattice在绩效周期、1:1和目标追踪上的认可度较高；常见抱怨集中在高级自定义能力不足、界面层级增多、部分HRIS集成不顺以及价格偏高。G2汇总的4000多条评价中，“易用”和“流程集中”是高频优点，“功能缺口”“定制限制”和“导航复杂”则是主要负面意见。评价中存在厂商邀请和激励样本，只能作为使用体验线索。

这说明Lattice更适合希望建立标准绩效流程、又不想部署重型企业套件的中型和部分大型知识型组织。企业制度高度特殊、矩阵关系复杂，或者需要深度连接本地工资与核心HR系统时，实施成本会明显增加。

Lattice的长处不是某个惊艳的单点功能。

其优点在于，它把绩效管理从一场年度活动，做成了一组连续发生的工作流：平时留下目标、1:1和反馈，评估时组织证据，校准时处理评分差异，随后再进入发展、晋升和薪酬。

这种产品结构比单纯“用AI写评语”有更长的生命力。

但这套结构也存在着一定局限。该系统需要企业持续输入高质量信息，需要员工相信这些信息不会被滥用。记录越完整，AI越有用；记录越完整，员工越可能担心每次谈话都成为未来评价材料。

Lattice可以提高绩效制度运行效率，却无法替企业设计一套好的绩效制度。岗位标准不清楚、经理缺乏判断能力、员工不信任评价过程时，软件只会让问题更规范、更集中地发生。

真正值得关注的，是它已经把HR软件的竞争从“谁的评估表更好用”，推进到了另一个阶段：谁能把员工日常工作的上下文保存下来，并在绩效、发展和薪酬这些关键时刻，以足够可信的方式重新调用。

关于AI和HR的未来，你有什么想法？欢迎进群和我们一起交流~