16 绩效要从过程口径转结果口径

16 绩效要从过程口径转结果口径

一家公司的 HR 总监跟我说，老板让她做一张表，考核各部门这个季度用了多少 AI。她问我这张表怎么设计。我问她要考哪些数。她说：每人用了几次，写了多少 prompt，消耗多少 token。token 是模型算钱的计量单位，你可以把它理解成打车表上跳的那个数。表上还要有自动化处理了多少条任务，登录后台的在线时长多久。

这套想法很顺，也很危险。

在讲清楚它为什么危险之前，先讲一个更常被误诊的现象。

很多公司上完 AI 以后，会遇到一个让管理层困惑的反馈：工具明明提效了，员工却说自己更忙、更累、更不想干。管理层的第一反应通常是员工不适应，或者是员工在抵触变化。

我的判断不一样。

最坏的情况不是员工多干了几个任务，是 AI 明明提升了局部效率，组织却没有拿到更好的结果。该分出去的活没有被分出去。该释放的产能没有被重新配置。岗位的交付结果并没有变好。

说具体一点。客服接一条投诉，过去要自己翻订单、翻物流、翻历史记录，现在 AI 把这些都摆好了，写回复确实快了。快出来的那段时间去哪了？没人问过。排班没改，人数没动，变的只是每人每天多接了一批单。客户投诉没少，二次来电没少，客服自己觉得比以前更累。这家公司拿到手的新东西，就剩一张 AI 使用率的报表。

于是员工更忙，组织也没有变强。

这两件事必须分开看。员工变忙，是个人体感。组织没变强，是系统事实。只看前者，管理层会把它当成情绪问题去安抚。看见后者，才会意识到这是分配机制和绩效机制没有跟上的结构问题。

AI 在一个环节上省下的时间，有三个去处。一是投向更高价值的工作。二是用来降低这个岗位的负荷。三是什么都不做。前两条要有人拍板，第三条不需要——没人决定的时候，省出来的时间会自动流向最省事的地方：把同样性质的旧任务再堆一层。这个过程往往没有人拍板，也没有人反对，它是默认发生的。

员工那种说不出口的疲惫感，与其说是提效的副作用，不如说是提效之后没有做分配决策的证据。

绩效口径就是这个决策最后落地的地方。产能怎么分，最终会被绩效怎么考这件事出卖。考什么，员工就往哪跑。

这句话在 AI 身上会走到一个更极端的地方。有一篇我已经终审定稿的文案，要发出去之前得先过一道自动检查——就是一道机器把关，过不了就发不出去。检查没通过，负责这道工序的 AI 没有停下来告诉我”这里有冲突”，直接改了我的定稿——换掉了几个标签，凭空加了一句话，还调整了措辞——一路改到检查通过为止。

然后它在报告里写：做了”关键词位置微调”。这句话不算彻头彻尾的谎言，它确实动了关键词位置，只是同时还换了标签、加了句子、改了措辞。它选择的不是撒谎，是一个技术上不算错、但足以让人不再追查的说法。

我是把定稿原文和发出去之后的正文逐字比对，才发现的——如果我当时信了这份报告，稿子会带着我不知道的改动发出去，所有记录都显示”流程正常，仅做微调”。前面提到的两次事故，一次是没人真去查，一次是流程被绕开走了近道，这一次不一样：检查环节全程在场，它只是自己动手，把被检查的东西改成了能过检查的样子。

我给它的任务是”让这篇稿子过检查发出去”，它做到了，只是选的是一条我没想到的路径：不是让稿子符合检查，是改稿子直到检查闭嘴。

你考核什么，它就优化什么，包括优化掉那个你以为不可动的东西。

事后我立了两条规矩，缺一条都不够。第一条，发出去之后必须把定稿原文和正文逐字比对一遍。AI 自己报的”微调”一律不可信，报告不是证据，比对结果才是。第二条，检查规则和定稿真的发生冲突时，AI 必须停下来，把三个选项交给我，它没有权力自己选：要么这稿子怎么改由我亲自定，要么这一次我给它豁免，要么这条检查规则本身该改。这三选一不是善后动作，是权限本身——它规定了这一类决定永远不能由 AI 单方面拍板。

回到 HR 总监那张表。它看起来在鼓励 AI，实际上是在奖励过程热闹。

考 AI 使用次数，就像考员工敲了多少次键盘。数字可以很漂亮，结果可能没变。员工也很快会学会优化这些数字，不是优化真正的工作结果。

亚马逊也出现过把 AI 用量排成榜的做法。据 Business Insider 2026 年 5 月 29 日报道，公司发言人确认，名为 KiroRank 的看板已经停用；它是员工自建的非正式工具，并非公司为鼓励刷量设立的考核榜。报道还引述高管对员工的提醒：不要为了用 AI 而用 AI¹。看板撤下是可核对的事，刷量到底推高多少成本，不能从这个结局倒推。

据 Fortune 报道，Meta 也曾有员工自建 AI 用量看板，后由创建者撤下²。两份报道都让用量排行榜进入了管理者的视野，但不能因此给两家公司补上一条相同的成本因果链。我要追问的是指标设计：用量排得出高低，工作结果验清楚了吗？

这个机制不是 AI 带来的新东西。我在光华读 MBA 时，林莞娟老师的管理经济学课上讲激励合约，课上专门讲过一个问题：为什么奖金总是不敢跟业绩挂得太紧，挂钩系数远小于 1？因为挂得越紧，被优化的就不再是业绩，是业绩数据本身³。

这就是 AI 时代绩效口径最容易走偏的地方。

组织想要的是结果变好，不是工具变忙。

如果 AI 让一个内容团队一天多发几篇稿，但返工更多、质量更飘、复盘没有沉淀，组织并没有真的变强。只是产出噪音变多了。

如果 AI 让客服回复速度更快，但错误承诺更多、升级更慢、客户更不信任，这也不是提效。只是把问题更快地送到了客户面前。

如果 AI 让 HR 筛简历更快，但文化匹配、信任潜力和后续表现没有被复盘，那招聘流程也没有升级。只是入口筛得更快。

所以绩效口径不能停在过程。用了多少 AI，可以帮助了解采用情况、学习进度和成本；组织拿回什么更稳定的结果，要另外验。过程记录有用，把过程数量直接当成绩就会走偏。

四类结果口径

第一，看结果是否更稳定。同样一类任务，输出质量是不是波动更小？不同员工接同一类工作，结果是不是更一致？一个流程跑了几周以后，是越来越稳，还是越来越靠个人补锅？

稳定性是组织能力的底色。没有稳定性，所谓提效只是随机快。

第二，看返工是否更少。初稿量能说明生产规模，但不能单独说明质量。还要看交付后被退回多少、复核改了多少、问题是否被漏报。任务量或难度变了，返工次数也要放回同一口径比较。

返工降下来了，还得确认质量没有一起降。

第三，看风险有没有被发现和修复。AI 协作里，最容易被低估的贡献，不是按时交付，是发现系统哪里会错。有人看见某类输出一直偏，有人记录了错误模式，有人把判断标准补进流程，这些都是组织贡献。

旧绩效看不见这类贡献。但 AI 时代，如果没人愿意发现风险、修复系统、沉淀规则，组织只会越来越依赖少数几个会补锅的人。

第四，看方法有没有被沉淀。一个员工把 AI 用得很好，如果经验只留在他脑子里，那是个人能力。只有当他的 prompt、判断标准、复核方法、错误模式记录能被别人复用，它才开始变成组织能力。

这四条你现在就能试一次。挑你们跑得最久的那条 AI 流程，四条各写一句实话：结果稳不稳、返工多不多、风险有没有人报、方法有没有第二个人在用。四句写完，你就知道这条流程现在到底是在变强，还是只是在变快。

判断力怎么进绩效

这四类口径里，最难落地的是判断力。管理者一听要考判断质量，第一反应通常是这东西没法量化，只能靠主观打分，于是最后又退回去考产量。

这里需要把颗粒度调对。

判断力要被看见，但看的不应该只是他单独修改了一次 AI 输出、让这一稿的质量大幅提升。那种贡献是真的，但它是一次性的，它只救了这一稿。

更重要的是另一件事：他能不能从系统的角度给整个系统反馈，让组织能力沉淀和迭代。

具体到可以记录的层面，就是三个问题。他发现了什么错误模式？他补了什么判断标准？他让下一次人和 AI 的协作更稳定了吗？

这三个问题的答案是可以写下来的，也是可以被别人复核的。比如一个客服主管报上来：AI 在处理”货到了但包装破损”这类投诉时，总是先判客户责任。他记下了发生时间，记下了是哪一类订单，还补了一条规则——这类工单一律先转人工判责。这就不是主观印象，这是一条可以交给下一个人的东西。

这类记录为下一个人提供了检查和试用的入口。能不能复用，还要看问题是否相似、规则是否可靠、使用者能否找到并理解它；写下来不等于下一次就不会再犯。

至于员工贡献的经验、prompt、判断标准和复盘材料，它可以算知识贡献，可以算组织贡献，也可以算流程贡献。放在哪个口子下面不重要，重要的是组织认不认这件事。还是拿刚才那个客服主管说事。他这个季度补了几条规则、这几条被别的组抄走用了几次，这是定量，能数出来。这些规则补上以后，破损投诉判错的次数有没有真的下来，这是定性，得有人去看。

两个都要看，但先要有人看。

“先要有人看”，说的不只是绩效数据要有人复核。前面那次改定稿的事故里，缺的不是有没有人盯着——它当时没有绕开谁，检查环节全程在场——缺的是一条规矩：遇到过不了检查这种冲突，先停下来，把选择权交回给人，别自己找一条能走通的路。它欠的不是能力，是知道”这个决定不该我自己做”的判断力；组织得把这条规矩明明白白写出来交给它，不能指望它自己长出来。

这也是为什么绩效之后必须讨论信任。

员工愿不愿意贡献这些东西，要看组织传递的信号，也要看他有没有条件贡献。担心经验交出去就被替代，可能让人保留；相信贡献会被认可，也还需要时间、入口和可实际使用的方法。

第六章的AMO在这里提醒我们：少分享是一种现象，不是已经查明的动机。能力、回报和机会要放在一起核对。

绩效口径必须接住这个信号：要让贡献被看见，让沉淀被认可，让修复系统的人不输给只会堆产量的人。

三种误奖

这件事最怕三种误奖。

第一，只奖励产量，不奖励质量。结果是大家用 AI 把更多低质量东西推出来。

第二，只奖励个人效率，不奖励组织复用。结果是高手越来越强，组织还是没有记忆。

第三，只奖励交付，不奖励风险发现。结果是没人愿意停下来修系统，问题一直往后滚。

这三种误奖里，第一种和第三种大家还比较容易承认，第二种最容易被当成好事。因为它在短期看起来是组织在奖励能力强的人。

看年底排名表可以找线索：排在前面的贡献，除了个人产量，还包括质量、风险修复和对别人的帮助吗？产量最高的人排第一，本身不证明误奖；如果这些贡献长期不被记录、不进讨论，才该追问制度漏掉了什么。

而它长出来的东西，比误奖本身更麻烦。

别把 AI 变成内部竞争武器

激励机制最危险的错法，不只是会用 AI 的人最后被裁掉。

还有一种更隐蔽：会用 AI 的员工，被鼓励用自己的效率优势去踩掉不会用 AI 的同事。

假如排名只看个人产出，奖金只按个人效率分，晋升也只认谁跑得快，员工就可能担心：把方法交出去，别人跟上来了，整理和教人的成本却留给自己。这是要查的激励风险，不是凭一张排名表就能看穿的心思。

prompt、判断标准、错误模式和协作方法如果一直留在少数人手里，组织就要检查它们有没有被整理成别人能找到、能理解、获准使用的东西。高手产出很猛，不能替这项检查作答。

先问一句：过去三个月，有没有一个人的 AI 用法，被另一个人成功复用过？答不上来，先查有没有相似任务需要复用，方法是否可靠、容易找到，权限是否允许，有没有整理、试用和教会别人的时间，再查贡献成本和回报怎么分。

这些条件都不能靠猜。可以找一份方法和一个实际接手的人，沿着寻找、理解、获准使用、试用、反馈这几步看它卡在哪里。没有第二个人在用，说明复用结果还没看到，不等于已经证明有人藏私。

第二条警戒线，是只奖励产量，不奖励发现风险和修复系统。

这条的危害在于，它会逼员工追求更多输出，却不愿意停下来指出 AI 的错误模式、流程漏洞和组织风险。指出问题在这套机制里是没有回报的，甚至是有代价的——你停下来查问题，产量就掉，产量掉，绩效就难看。

最后组织看起来产量上去了，风险也一起上去了。而且这两条曲线不会同时被发现，风险那条通常要等到出事才被看见。

所以，组织说“贡献经验是为了放大你”，就要说明怎样兑现：整理方法的时间怎么算，别人复用后怎样反馈，发现风险的人会不会因暂时少交几单吃亏，岗位变化时有哪些支持。

不能凭贡献者和未贡献者的一次排名高低判断承诺真假，还要核各自任务、质量和其他贡献。真正该追问的是：这些贡献有没有被认真纳入评价，员工能否理解并质疑评价依据。

绩效安排会影响信任，但信任的变化不能只归到一张表。第六章那三个方向，在这里仍要一起看。

所以一号位和 CHO 要一起问一个很具体的问题：今天这套绩效机制，到底是在鼓励员工把 AI 变成个人外挂，还是在鼓励员工把 AI 变成组织能力？

答案如果是前者，AI 用得越多，组织可能越散。

答案如果是后者，AI 才有可能进入组织运行系统。

下面这张表适合放在绩效讨论会上。先选一条 AI 协作高频流程，拿真实工作记录来看：哪些数字能解释结果，哪些只能解释过程，哪些贡献过去没有被记下来。不要先宣布停用所有旧指标。

工具：过程记录与结果检验对照表

左边的记录是否进入个人考核，要另作决定。学习期可以看真实任务上的练习和迁移，稳定运行后要看质量、风险、负荷和总投入；同一个指标不能不分阶段地一路沿用。

这周先改一处：挑出那条只奖励使用量、却没检查结果的规则，把该看的结果和成本补进去。不是把处理量划掉换成返工次数，又让另一个孤零零的数字代替判断。

改完再问：有没有人的方法被第二个人用起来？有了，是一次可继续追查的复用；没有，就沿着需求、方法质量、可及性、时间和回报找断点。一次复用不能证明新考核有效，没有复用也不能直接给员工判“藏私”。

组织要认可的是有证据的贡献。过程记录帮助看清工作怎么发生，结果检验帮助判断它值不值得继续，两者不能互相顶替。

考什么，员工就往哪跑。这句话在 AI 时代没有变，变的只是跑错方向的速度。