用于绩效管理和分析的人工智能：防患于未然
绩效考核每年进行一到两次。到那时，问题已经发酵了好几个月。优秀员工的一只脚已经迈出了大门。技能差距已经拖累项目好几个季度了。
审查过程本身是痛苦的。收集五个人的反馈意见。通读几页评论。尝试找出主题。撰写摘要。安排会议。为每个团队成员重复一遍。
管理者讨厌它。员工不信任它。人力资源部要花费数周时间追着员工完成审查。而实际价值--帮助员工提高--却被行政负担所掩盖。
人工智能改变了这一切。它能实时分析反馈，而不是一年一次。它能发现绩效数据的模式。它能在技能差距成为问题之前发现它们。它能在员工辞职前预测留任风险。
绩效管理变得持续不断、以数据为导向，并真正有所助益。而不是可怕的年度仪式。
为什么绩效管理在今天行不通
人人都知道绩效考核是个馊主意。但公司还是要做，因为他们需要一些东西。
问题显而易见。回顾是向后看的，当你回顾上个季度的业绩时，它已经是旧闻了。耗时--经理们每人要花费几个小时，再乘以整个团队的时间。主观性强--不同的管理者会有不同的评价，造成不一致。
而且频率很低。年度审查意味着你要在 6-12 个月后才能发现问题。有人在挣扎？在审查之前你不会知道。有人离职？当你注意到时，他已经在其他地方面试了。
收集反馈意见很痛苦"请您在周五之前提交对三位同行的评价好吗？"提醒。追问。延长最后期限。有的人写出了深思熟虑的反馈。有些人则敷衍了事。质量参差不齐。
那就得有人来解释这一切。通读所有评论。找出主题。什么是真正的问题？哪些只是噪音？哪些反馈自相矛盾？这需要每位员工花费数小时。
到实际审查时，管理者已经精疲力竭。员工焦虑不安。而谈话往往不会带来有意义的改变，因为信息太多，传递得太晚。
这并不是因为人们不关心。而是因为这个过程从根本上来说是手动的、不频繁的、落后的。人工智能可以解决这三个问题。
人工智能对绩效管理的作用
人工智能不会取代管理人员进行绩效管理。它能更快地为他们提供更好的信息，让他们能够真正帮助自己的团队。具体方法如下
发现真实模式的反馈分析
360 评审收集来自多人的反馈。经理。同行。有时是直接下属。每个人都要写几段评论。
读这些东西太乏味了。发现模式呢？那就更难了。一个人含糊地提到 "沟通问题"。另一个人说 "有时没有在团队中形成循环"。另一个人指出 "我们偶尔会很晚才发现事情"。这些问题有关联吗？同一个问题？不同的问题？
人工智能可读取所有反馈。它能自动识别主题。
"交流 "出现在四篇评论中。人工智能将这些评论归为一类。它发现有三个人特别提到了 "更新时间"，两个人提到了 "详细程度"。模式很明显：这个人需要更积极主动地沟通项目更新。
又如人工智能方面：有五人称赞 "技术能力"，但有三人提到 "协作能力可以更强"。主题：个人贡献突出，团队合作能力有待提高。
人工智能不会帮你写评论。但它会为你提供清晰的模式，这样你就不用再阅读 10 页的评论来手动寻找主题了。
这也适用于整个组织。某些团队是否总是收到有关工作量的反馈？这就是资源问题。新任经理是否总是在授权方面遇到困难？这就是培训需求。
人工分析需要数周时间才能发现的模式？人工智能可以立即发现它们。
确定技能差距
您的团队需要某些技能。对于他们当前的角色。即将开展的项目。公司的发展方向。
谁拥有这些技能？谁需要发展？通常这都是猜测。管理人员有直觉。人力资源部门知道一些事情。但全面了解情况？很少。
人工智能分析整个组织的技能数据。
它着眼于工作要求。绩效反馈。培训完成情况。项目任务。自我评估。经理评估。所有你已经拥有的数据，只是分散在各个系统中。
它能找出差距："您的分析团队具有很强的 SQL 技能，但使用 Python 的经验有限。即将开展的三个项目都需要 Python。这是一个风险"。
或者："五名高级工程师有资格担任管理职务，但只有两人完成了任何领导力培训。这就造成了继任规划方面的差距"。
或者："客户反馈反复提到'响应时间慢'。分析表明，你们的支持团队还没有接受过关于新票务系统的培训。这就解释了问题所在"。
人工智能将人类无法看到的点与数百名员工联系起来。它能在出现问题之前发现漏洞。而且，它可以持续不断地做到这一点，而不是每年一次。
现在，您可以有的放矢地开展培训。不是人人都会忽视的普通培训。而是能够切实帮助特定人员更好地完成工作的特定技能。
保留风险预测
人们不会突然辞职。这是有征兆的。通常很微妙。通常只有在事后才能看到。
参与度下降。会议参与度下降。反馈变得不那么详细。一对一会议改期。工作表现尚可，但热情消退。
当经理们注意到时，这个人已经有了另一份工作。离职面谈显示，他们几个月来一直很不开心。"为什么没有人跟我说话？
人工智能很早就能发现这些模式。
它可以监控参与信号。调查回复呈下降趋势。会议提问减少。代码审查或协作减少。PTO 使用量增加。沟通模式改变。
单独来看，它们毫无意义。它们组合在一起，就形成了一种模式。人工智能会发现它并标记出来："该员工的留任风险增加。建议经理签到"。
不是因为人工智能知道这个人在找工作。而是因为该模式与过去离职的人相吻合。这是个警告，提醒你趁早注意。
这样，管理人员就可以进行真正的对话。"事情进展如何？我怎样才能更好地支持你们？问题仍可及早解决。
这并不能防止所有的人员流失--有时人们离开的原因是你无法控制的。但是，这可以避免因为在他们写辞职信之前没有人注意到他们在挣扎而导致人员流失。
业绩审查草稿的生成
撰写绩效考核报告需要很长时间。管理人员拖拖拉拉。人力资源部延长最后期限。由于人们操之过急，质量受到影响。
AI 根据现有数据起草审查报告。收集反馈意见。目标和进展。绩效指标。近期成就。确定的发展领域。
它可以生成一份有条理的草稿："优势领域：[正面反馈摘要，附实例]。有待发展的领域：[建设性反馈摘要，附示例]。目标进展情况：[每个目标的现状]。建议的重点领域：[发展建议]"。
经理审查。添加个人意见。调整语气。加入人工智能无法了解的背景。使其个性化。
但繁重的工作--综合所有反馈和数据--已经完成。原来需要 2 个小时，现在只需 30 分钟。而且质量往往更好，因为没有任何遗漏。
这不是人工智能写评论。这是人工智能在做繁琐的综合工作，这样管理者就可以专注于与团队成员的实际对话。
目标跟踪，让绩效一目了然
一月份制定目标。到了三月，目标就被遗忘了。到了 12 月，人们又争先恐后地回忆起自己应该实现的目标。
人工智能使目标保持可见并持续跟踪。
它能提醒员工和经理注意目标。它根据最新情况跟踪进展。它可以标记偏离轨道的目标："该目标在 6 周内没有任何进展。需要更新状态吗？
它将目标与实际工作联系起来。如果某人的目标是 "提高客户满意度"，而客户调查的分数已被跟踪，那么人工智能就能自动显示进展情况。
它建议进行调整。"由于资源限制，该目标一直被标记为受阻。是否应该修改或升级？
绩效管理变得持续。不再是一年一度的惊喜。持续了解员工的表现以及他们在哪些方面需要支持。
这对您意味着什么
针对人力资源总监和人事领导
- 数据驱动的人才决策。 不是直觉。是绩效、技能和参与度的实际模式。
- 关于留用的预警。 在人们退出之前发现飞行风险。在问题可以解决的时候及时处理。
- 解决实际差距的发展计划。 不是一般的培训。在实际需要的地方进行有针对性的发展。
- 整个组织的可见度。 哪些团队蒸蒸日上？哪些在苦苦挣扎？哪里存在系统性问题？看清楚。
- 更好的继任规划。 了解哪些人可以晋升。谁需要发展。哪里的板凳力量薄弱。
- 人们不讨厌的表演过程。 减少行政负担。更注重实际发展。为每个人带来更好的体验。
管理人员
- 减少审查文书工作的时间。 人工智能负责合成。你只需专注于对话和指导。
- 更好地了解团队绩效。 从反馈中找出清晰的模式。明显的技能差距。参与度预警
- 尽早发现问题。 不要等到年度审查时才发现问题。要在问题还很小的时候就发现它们。
- 更有意义的发展对话。 基于实际数据和模式，而不是模糊的印象。
- 目标清晰可见。 在审查之前不会被遗忘。持续跟踪和调整。
员工
- 更清晰的反馈。 而不是毫无条理的意见堆砌。主题明确，有具体的工作领域。
- 根据实际需求进行开发。 有助于弥补实际技能差距的培训，而不是通用课程。
- 与时俱进的目标。 不是设定一次就忘记。要根据情况变化进行跟踪和调整。
- 评论中没有惊喜。 持续的能见度意味着你知道自己的状况，而不是一年才发现一次。
- 公平程序。 在整个组织内进行一致的分析。较少受经理个人偏见的影响。
人工智能不会做的事
让我们明确限制。
人工智能不会做出绩效决定。它不决定晋升。它不决定薪酬。它不会解雇员工。它不会评定绩效。
这些都是人的决定，需要判断、背景和责任。管理者做出这些决定。人工智能可以提供信息，帮助他们做出更好的决策。
人工智能也无法像人类那样理解细微差别。它能看到数据中的模式。它不知道某人的业绩下滑是因为个人危机，或者他们做了额外的工作，但这并没有在指标中显示出来。
管理者仍然需要对话。要了解背景。运用判断力。在人员管理方面要有人性。
人工智能通过处理数据分析和管理工作，让这一切变得更加容易。但它并不能取代绩效管理中的人为因素。
此外，绩效管理中的人工智能需要良好的数据。如果你的反馈是垃圾，人工智能的分析也将是垃圾。如果没有跟踪目标，人工智能就无能为力。如果没有捕捉参与信号，留存率预测就不会奏效。
人工智能可放大您的流程。如果你的流程很好，人工智能会让它变得更好。如果您的流程有问题，请先修复流程。
现实世界的影响
这在实践中是什么样的呢？
一家公司在绩效管理方面实施了人工智能。之前：经理们花费 3-4 个小时对每位员工进行年度审查。之后：1 小时：1 小时。每人节省了 2-3 个小时。对于有 8 名直接下属的经理来说，每个审查周期可节省 16-24 个小时。
留用率提高。早期预警系统能及早发现 70% 可能离职的人员，并加以解决。不是每个人都能留下来，但很多问题都能在员工离职前得到解决。
开发支出更加有效。不再将培训预算分散用于一般课程，而是将投资重点放在已确定的技能差距上。由于培训具有实际意义，因此培训完成率得以提高。
提高员工对绩效过程的满意度。反馈更清晰。审查不再那么武断。发展感觉更有意义。
这不是理论上的。当人工智能使绩效管理成为持续的、数据驱动的，而不是年度的、主观的，就会出现这种情况。
入门
您不需要一次性改造所有东西。从一件开始。
对于大多数公司来说，这就是反馈分析。在下一个审查周期，让人工智能分析反馈并揭示主题。看看能节省多少时间。看看管理人员是否觉得有用。
或者从技能差距分析开始。将您的角色要求与实际技能相对应。看看存在哪些差距。以此来确定发展目标。
或者实施目标跟踪。保持绩效目标的可见性和持续跟踪，而不是设定后就忘记。
选择一个要素。实施它。衡量影响。然后扩展。
每个公司的绩效管理都不尽相同。您的审查过程有特定的阶段。您的反馈收集有特定的格式。您的绩效数据保存在特定的系统中。
这就是为什么绩效管理人工智能不是即插即用的。它需要适合您的实际流程。您的实际数据。您的实际文化。
底线
绩效管理本应帮助员工进步。相反，它却成了人人畏惧的行政负担。
人工智能不会取代绩效管理中的人为因素。它去除了繁琐的部分，让人类可以专注于真正重要的事情--帮助员工成长和成功。
其结果是：管理人员花在文书工作上的时间更少，而花在辅导上的时间更多。人力资源部门在问题演变成危机之前就能及时发现。员工获得更清晰的反馈和更好的发展。组织做出更明智的人才决策。
这不是炒作。如果实施得当，这就是人工智能对绩效管理的作用。
准备好让绩效管理真正发挥作用了吗？
我们不销售通用的绩效管理人工智能。我们关注的是您的具体流程。您的反馈机制。您的数据系统。您的需求。
然后，我们构建适合您实际绩效管理方式的人工智能。而不是某种理想化的流程--您的实际流程。
没有炒作。没有过度推销。只有实用的人工智能，让绩效管理不再痛苦，更加有效。
