AI dalam Penilaian Prestasi: Inti Patinya adalah “Reka Bentuk Semula Organisasi”

Kedatangan Era di mana AI Mengendalikan “Operasi” Penilaian Prestasi

Penilaian prestasi adalah “tugas penting yang perlu dilakukan secara berkala” di kebanyakan syarikat, namun bidang ini mudah menjadi sekadar formaliti dan bergantung pada individu. Isu-isu seperti ketidakkonsistenan piawaian penilaian, beban penilai, dan kualiti maklum balas yang tidak seragam telah lama dibiarkan tanpa penyelesaian.

Kini, satu perkhidmatan baru yang mencabar keadaan ini telah diumumkan. Ia adalah “AI Penilaian Prestasi Job Oper(R)” yang menggunakan AI generatif untuk menjadikan penilaian prestasi berada dalam keadaan “boleh dioperasikan”. Teras berita ini bukanlah “AI menggantikan penilaian”, tetapi pada hakikatnya AI “menstrukturkan proses penilaian kepada keadaan yang boleh dioperasikan dan mengekalkannya”.

Ini melangkaui skop alat peningkatan kecekapan operasi biasa. Ia boleh dianggap sebagai contoh simbolik yang menunjukkan bahawa AI mula memainkan peranan dalam campur tangan “reka bentuk organisasi” itu sendiri, menjamin kebolehulangan dan kelestariannya.

Kelebihan Inti AI: “Pengobjektifan Piawaian Penilaian”

Apakah halangan terbesar dalam pelaksanaan sistem penilaian prestasi tradisional? Ia adalah kesukaran untuk menyesuaikan aliran penilaian yang seragam dengan “konteks syarikat sendiri” dan terus mengoperasikannya. Banyak alat penilaian prestasi jenis SaaS menyediakan “kotak” yang baik, tetapi kandungannya (penjelasan kriteria penilaian, penulisan teks penilaian, kualiti maklum balas) akhirnya masih diserahkan kepada manusia.

Perkara revolusioner tentang perkhidmatan AI penilaian prestasi ini ialah penglibatan mendalam AI dalam penjanaan dan sokongan operasi “kandungan” ini. Secara khusus, ia dijangka menyokong proses seperti berikut.

Penjelasan Item Penilaian dan Penjanaan Teks

Tugas untuk menterjemahkan item penilaian abstrak seperti “kepimpinan” dan “kemahiran komunikasi” ke dalam penerangan konkrit berdasarkan tindakan kerja sebenar (contoh: “mengesan risiko kelewatan projek lebih awal dan menjalankan temu bual dengan pihak berkepentingan”) memberikan beban besar kepada penilai. AI generatif boleh mengaitkan keperluan keupayaan yang ditakrifkan oleh syarikat dengan pencapaian kerja pekerja (contohnya, laporan kerja atau rekod alat pengurusan projek), dan mencadangkan contoh konkrit atau teks yang sesuai untuk penilaian.

Pengurangan Bias dan Penjagaan Konsistensi

Penilaian manusia tidak dapat dielakkan daripada dipengaruhi oleh kesan kedekatan (kesan terbaru lebih kuat) atau bias kesamaan (menilai tinggi bawahan yang serupa dengan diri sendiri). AI menjana teks penilaian berdasarkan data sepanjang tempoh penilaian dengan piawaian tertentu, dijangka dapat mengurangkan bias bawah sedar ini. Ia boleh berfungsi sebagai “alat pengukur” de facto untuk mengekalkan “kayu pengukur” penilaian yang konsisten di seluruh syarikat.

Cabaran Pengurusan Beralih dari “Peningkatan Kecekapan” kepada “Reka Bentuk Semula”

Mari kita lihat pergerakan ini dalam konteks “pembebasan daripada pergantungan SaaS” yang kami perjuangkan. SaaS penilaian prestasi tradisional adalah model perniagaan yang “menyewa” “kotak” iaitu “rangka kerja penilaian”. Syarikat membayar yuran lesen yang tinggi, namun beban operasi dan risiko kebergantungan individu masih kekal dalam syarikat.

Pendekatan berasaskan AI mengubah struktur ini. Ia menunjukkan jalan untuk memasukkan teras (kandungan) syarikat iaitu “falsafah penilaian” atau “imej pekerja yang diingini” ke dalam enjin AI, dan separa mengautomasikan operasi itu sendiri. Ini lebih hampir dengan cara pemikiran untuk membina dalaman bahagian teras syarikat sebagai “mekanisme yang digerakkan oleh AI”, bukannya menyewa “produk siap” SaaS.

Malah, dalam syarikat penulis yang mengendalikan media ini, percubaan telah dimulakan untuk menyerahkan sebahagian daripada pengesahan kemajuan penilaian dan pengurusan objektif (OKR) kepada ejen AI yang disepadukan dengan Slack. AI mengumpul dan merumuskan laporan kemajuan mingguan, menganalisis perbezaan dengan objektif, dan memberikan amaran kepada pengurus jika perlu. “Automasi operasi” seperti ini tidak dapat dicapai hanya dengan membeli “kotak” penilaian.

Langkah Pertama ke Arah Praktikal: “Peng-AI-an Penilaian” yang Dimulakan oleh Syarikat Sendiri

Sebelum memperkenalkan perkhidmatan khusus secara tiba-tiba, apakah yang boleh dilakukan dengan sumber syarikat sendiri? Berikut adalah cadangan langkah pertama yang konkrit dan realistik untuk disahkan oleh pengurus atau penanggungjawab bahagian sokongan.

Langkah 1: “Pengekspresan Bahasa” dan “Penstrukturan” Piawaian Penilaian

Pertama, susun sistem penilaian semasa dalam bentuk yang boleh difahami oleh AI. Daripada memasukkan borang penilaian terus ke dalam AI, ringkaskan “item penilaian”, “definisi”, “tindakan jangkaan konkrit (contoh)”, dan “skala penilaian (definisi 1-5)” dalam bentuk jadual. Kerja ini sendiri berkesan untuk mendedahkan kekaburan piawaian penilaian. Kosnya hanyalah tenaga kerja yang diperlukan untuk kerja penyusunan ini.

Langkah 2: “Penjanaan Draf” Teks Penilaian menggunakan AI Generatif

Gunakan AI generatif umum seperti ChatGPT atau Claude. Penilai (pengurus) memasukkan pencapaian konkrit atau episod bawahan (contoh: “dalam Projek A, menangani perubahan spesifikasi mendadak daripada pelanggan dan menepati tarikh akhir”) dalam bentuk senarai ringkas. Berikan definisi piawaian penilaian yang telah disusun sebagai prompt kepada AI, dan minta ia menjana draf seperti “Episod ini sesuai dengan Tahap 4 ‘Kemahiran Penyelesaian Masalah’. Teks penilaian berikut boleh dipertimbangkan.” Penilai boleh menambah maklum balas yang lebih diperibadikan berdasarkan ini. Kos bulanan boleh bermula dari beberapa ribu yen bagi setiap pengguna walaupun menggunakan model berprestasi tinggi seperti GPT-4.

Langkah 3: Semakan AI untuk Menjamin “Kualiti” Maklum Balas

Sebagai langkah terakhir, penggunaan AI untuk menganalisis teks maklum balas yang ditulis oleh penilai juga mungkin. Semak sama ada “maklum balas ini berdasarkan tindakan konkrit”, “mengandungi cadangan penambahbaikan”, atau “tidak mengandungi ungkapan negatif yang berlebihan” berdasarkan garis panduan yang ditetapkan terlebih dahulu. Ini boleh meningkatkan kualiti dan menyamaratakan maklum balas.

Keseimbangan antara Penggunaan Subsidi dan Pembinaan Dalaman

Sebagai berita berkaitan, adalah penting untuk diperhatikan bahawa platform berasaskan AI telah diiktiraf sebagai alat yang layak untuk “Subsidi Digitalisasi & Pengenalan AI”. Ini bermakna kerajaan menyokong pengenalan “asas” AI itu sendiri.

Sebagai keputusan pengurusan, pilihan penting adalah sama ada “memperkenalkan perkhidmatan luar dengan subsidi” atau “mengukuhkan asas AI syarikat sendiri (seperti platform penyepaduan data) dengan subsidi, dan membina dalaman sistem penilaian di atasnya”. Walaupun laluan kedua kelihatan lebih mencabar pada pandangan pertama, dengan perkembangan AI penjanaan kod (seperti Claude Code, GitHub Copilot), ia telah menjadi pilihan yang jauh lebih realistik berbanding sebelum ini.

Tidak terhad kepada penilaian prestasi, semua proses kerja seperti pengurusan perniagaan, sokongan jualan, dan perkhidmatan pelanggan adalah kitaran “reka bentuk → operasi → penambahbaikan”. Nilai sebenar AI terletak pada mengurangkan beban bahagian “operasi” kitaran ini, dan mewujudkan persekitaran di mana manusia boleh menumpukan perhatian pada kerja yang lebih kreatif dan strategik iaitu “reka bentuk” dan “penambahbaikan”.

Kesimpulan: AI Meningkatkan Sumber Manusia dari “Pengurusan” kepada “Reka Bentuk”

Kemunculan perkhidmatan AI penilaian prestasi dengan jelas menunjukkan bahawa penggunaan AI sedang beralih fasa dari sekadar “automasi tugas” kepada “reka bentuk semula proses kerja itu sendiri”.

Mungkin terdapat pendapat berhati-hati mengenai kemasukan AI ke dalam bidang penilaian prestasi yang melibatkan teras budaya korporat. Walau bagaimanapun, apa yang diambil alih oleh AI hanyalah bahagian “operasi yang adil dan berterusan berdasarkan piawaian yang ditetapkan”, yang manusia kurang mahir dan rasa terbeban. “Falsafah” penilaian dan “pertimbangan” akhir masih diserahkan kepada tangan manusia.

Apa yang perlu difikirkan oleh pengurus atau CTO sekarang bukanlah “alat penilaian AI mana yang harus dipilih”, tetapi soalan asas: “Bagaimana kita boleh mereka bentuk semula sistem sumber manusia dan operasi organisasi syarikat kita dengan bantuan AI, menjadikannya lebih kukuh dan mampan?” Langkah pertama bermula dengan amalan kecil: mengekspresikan piawaian penilaian syarikat sendiri dalam bahasa, dan bereksperimen dengan AI generatif sedia ada.