拒絕AI績效糖衣！解碼工作實證，發掘頂尖人才

企業正在快速部署生成式AI系統，以簡化績效評估流程。花旗（Citi）的績效輔助系統（Performance Assist）會從整個組織擷取數據，草擬評估內容。摩根大通（JPMorgan）的大型語言模型套件（LLM Suite）也為年終評估撰寫提供支援。據報，波士頓顧問公司（Boston Consulting Group, BCG）的內部AI助理，將撰寫評估的時間縮短了40％。這些系統展現了出色能力，但到目前為止，多數組織只是用它們更快產出更精緻的傳統敘事式績效評估。

然而，「精緻」不等於「可靠」。這些系統會把主管描述績效的方式修飾得更平順，表面上讓評估看起來比實際上更一致、更可信，卻掩蓋了長期以來存在於績效評估中的不一致與盲點。不過，同一項技術其實可以創造更大的價值：讓績效評估不再聚焦於關於工作的敘事，而是轉向工作實際發生時的直接證據——人們實際做了什麼、做了哪些決定，以及影響了什麼。

生成式AI可以補強的不足

績效評估的敘事內容，一直都有評估不一致、證據不完整的問題。研究顯示，不同主管描述相同績效時，往往出現極大差異，這些差異受到個人關係、選擇性記憶與敘事能力影響。組織試圖讓評估更客觀時，...