从年度绩效到实时反馈：快了，但真的好了吗
2025年秋天，我在杭州一家互联网公司调研。他们的HR总监刚上线了一套AI绩效系统，号称能实现"实时绩效反馈"。
系统怎么运作呢？很简单：AI实时抓取员工的工作数据——写了多少代码、处理了多少工单、完成了多少任务——然后自动生成一份"实时绩效报告"，每天推给员工和他的主管。
上线三个月后，我去做回访。HR总监很兴奋："以前员工要等到年底才知道自己做得怎么样，现在每天都能看到。效率提升了不止10倍。"
我问她："那员工觉得有用吗？"
她停了一下，说："有些人觉得有用，有些人觉得……压力太大了。"
"什么意思？"
"有个员工跟我说，他每天早上第一件事就是看系统给他打了多少分。如果分数低，他一整天都在想怎么把分数拉回来。如果分数高，他又担心明天会不会掉下来。"
"这有什么问题吗？"我问。
"问题在于，"她叹了口气，"他的工作质量反而下降了。因为他开始'优化系统喜欢的指标'，而不是'做真正有价值的事'。"
这件事让我想了很久。
一、年度绩效：一场低效的仪式
传统的年度绩效管理，效率低到什么程度？
每年年底，HR发一堆表格，员工填自评，主管填评价，双方约一个时间面谈，然后定一个绩效等级，发奖金，结束。整个流程可能持续一个月，但真正有用的信息，可能只有十分钟。
为什么这么低效？
因为反馈的周期太长了。你在三月做了一件事，到十二月才知道那件事做得怎么样。中间隔了九个月，你早就不记得当时的细节了。
反馈的频次太低了。一年只有一次正式反馈，中间那十一个月，你都在"盲飞"。你不知道自己做得对不对，只能猜。
反馈的信息太少了。一张表格、几个分数、几句话——这就是你对一个员工一年工作的全部总结。很多细节、很多背景、很多原因，都压缩成了几个数字。
所以，AI来了之后，很多公司开始想：能不能把"一年一次"变成"一年很多次"？甚至，变成"实时"？
二、AI让反馈变快了
AI做的事情，本质上就是把"信息收集"这件事自动化了。
以前，绩效数据靠人收集——HR找各个系统拉数据、主管回忆员工做了什么、员工自己写工作总结。这个过程很慢，而且容易出错。
现在，AI可以直接对接各个工作系统，实时抓取数据：你写了多少行代码、处理了多少客户投诉、完成了多少项目节点、发了多少封邮件。所有数据实时汇总，生成一份"绩效报告"。
这个转变带来了什么？
第一，反馈频次提升。从一年一次变成一天多次，甚至实时。
第二，信息量增加。从几个分数变成几十个指标，每个指标都有数据支撑。
第三，主管负担减轻。以前主管要花大量时间写评语、填表格，现在AI帮他做了大部分工作。
看起来很美。但我认为，这里面有一个被忽视的风险。
三、快不等于好
回到开头的案例。那个HR总监说的"效率提升了10倍"，指的是什么？是反馈的频次提升了10倍——从一年一次变成一周多次。
但频次提升，不等于效果提升。
想想看，如果反馈的内容本身就有问题，那你反馈得越频繁，错误就被放大得越多。
比如，系统用"代码行数"来衡量工程师的绩效。每天给反馈，告诉工程师"你今天写了500行，比昨天少了100行"。结果是什么？工程师会想办法多写代码——不管代码质量怎么样，反正先写够行数。
再比如，系统用"处理工单数"来衡量客服的绩效。每天给反馈，告诉客服"你今天处理了20个工单，比同事少了5个"。结果是什么？客服会想办法快速处理工单——不管客户问题有没有真的解决，先把工单关了再说。
这就是所谓的"优化系统喜欢的指标"而不是"做真正有价值的事"。
Stanford的研究里有一个数据：61%的AI落地项目，在成功之前都有过失败经历。换句话说，AI不会第一次就用对。它需要调整、迭代、修正。
绩效反馈系统也是一样。如果指标设计有问题，高频反馈只会让问题更严重。
四、绩效管理的本质不是频次问题
我想岔开说一件事。
很多人以为，年度绩效最大的问题是"反馈不及时"。只要把反馈变成实时的，问题就解决了。
但我认为，这个理解是错的。
年度绩效真正的问题，不是反馈不及时，而是"谁来定义好"。
什么意思？
绩效管理的核心，是回答一个问题：什么算"做得好"？这个问题，AI回答不了。
AI能告诉你"这个员工处理了100个工单"。但AI不能告诉你"这100个工单是不是真的帮客户解决了问题"。
AI能告诉你"这个工程师写了1000行代码"。但AI不能告诉你"这1000行代码是不是有价值的"。
判断"好"和"坏"，需要的不仅是数据，还有语境、有标准、有价值判断。这些东西，AI没有。
高德纳（Gartner）在2026年的报告里提到：2026年，80%的企业将使用AI进行决策支持，"异常检测"将取代"定期汇报"。
这句话的关键是"异常检测"——AI只告诉你"有什么异常"，而不是"什么是好坏"。
换句话说，AI能帮你发现"这个员工今天的工作量和平时不一样"，但"不一样是好还是坏"，需要人来判断。
我认为这才是AI时代绩效管理的正确分工：AI负责发现异常，人负责定义标准。
五、一个真实案例的启示
McKinsey在组织变革研究里讲过一个案例：一家电信公司用AI驱动实时指导前线员工。
他们怎么做的？AI实时分析客服对话，给出即时建议。比如，当客户提到"想取消服务"时，AI会提示客服"可以尝试挽留的话术"。
结果是NPS（净推荐值）提升了14点。
这个案例里，有一个细节值得注意：AI没有给客服打分，而是给建议。
这很关键。如果AI每天给客服打分说"你今天挽留成功率50%，比昨天低了10个百分点"，客服可能会焦虑、会去想办法优化数字。但AI给的是建议："客户说想取消时，你可以这样说……"——这帮客服解决了问题，而不是制造了焦虑。
我自己的经验也是这样。我以前管团队的时候，每周会做一个简单复盘。不是打分，是问三个问题：这周做了什么？有什么地方做得不好？下周准备怎么改进？
这个流程比"年度绩效面谈"有用得多，因为它是面向改进的，不是面向评价的。AI时代，我们有更多数据和工具可以做这件事。关键是不要把"反馈"变成"监控"。
六、反馈是手段，信任是目的
写到这里，我想说一个更深层的问题。
绩效管理，表面上是"管理员工绩效"，实际上是在"建立组织信任"。
员工愿意接受反馈、愿意改进，是因为他相信"反馈是为了帮我变好"，而不是"反馈是为了监控我"。
这份信任，AI给不了。
McKinsey的研究里提到一个数据：激活所有影响力模型元素的组织，转型成功率比只激活部分的组织高8倍。
影响力模型包括四个元素：澄清战略、领导力、文化和行为、组织和流程。绩效管理属于"组织和流程"这一块。但光有流程不够，还要有领导力、有文化。
什么意思？
如果你上线了一套AI绩效系统，每天给员工推分数，但没有主管的一对一沟通、没有文化的支撑、没有战略的对齐，那这套系统很可能变成一个"监控工具"。
员工会觉得：系统在盯着我，主管在看数据，我被管理了。
但如果主管每周都和员工聊一聊："系统说你这周处理了50个工单，比上周多了10个。你觉得是为什么？是有什么诀窍吗？"——这个时候，反馈就变成了对话。
对话建立信任，监控摧毁信任。AI只是工具，决定它是"对话助手"还是"监控机器"的，是人。
七、三个建议
如果你正在考虑引入AI实时绩效反馈，我有三个建议。
第一，先定义好，再追求快。在你把反馈变成实时之前，先想清楚：什么算"好"？如果你的指标本身就有问题，高频反馈只会放大问题。
第二，把反馈变成对话。AI给出的数据，是主管和员工对话的素材，不是主管评价员工的证据。让员工参与解读数据，而不是被动接受分数。
第三，不要把反馈变成监控。频繁的反馈可能让员工焦虑，也可能让员工为了优化指标而牺牲真正的价值。设定合适的频次，给员工调整的空间。
实时反馈没有错，错的是把"反馈"当成目的。反馈是手段，目的是让员工变得更好。
如果实时反馈让员工更焦虑了、更倾向于优化指标了、更不信任组织了——那这个系统就不是在帮忙，而是在帮倒忙。
八、再补充一个观点
我之前和一位做了二十年HR的朋友聊过这个问题。他说了一句话我觉得特别对："绩效管理的终极目的不是公平，而是信任。"
很多人以为绩效管理的目的是"公平地分配奖金"。我认为这只是表层。更深层的目的，是让员工相信：组织看得到我的努力、认可我的价值、愿意为我的贡献买单。
这份信任，是AI给不了的。AI能算出你处理了多少工单，但AI不会感激你加班帮客户解决问题。AI能算出你写了多少行代码，但AI不会因为你的代码帮团队躲过一个大坑而对你说声谢谢。
这些"人味"的东西，才是绩效管理真正的价值。如果AI把绩效管理变成冷冰冰的数据流水线，那即使再高效，也只是在"高效地让员工觉得自己不被当作人"。
说句实话，我对AI绩效系统有一种矛盾的感受。一方面，我承认它能解决很多问题——比如反馈不及时、信息不透明、主管负担太重。但另一方面，我也担心它会加速一种趋势：把人当作数据，把管理当作计算。
这个趋势如果不加反思，可能会带来意想不到的后果。员工不是机器，绩效也不是产量。把"人味"从绩效管理里抽走，剩下的就只是数字游戏了。
九、最后的反思
写这篇文章的时候，我在想一个问题：如果我是那个HR总监，我会怎么做？
我想我会做三件事：
第一，降低频次。从"每天"变成"每周"。每天推送会让员工焦虑，每周推送让员工有时间调整，也有空间理解数据的含义。
第二，改变格式。从"分数"变成"洞察"。不要告诉员工"你今天处理了20个工单，比昨天少5个"。要告诉员工"你处理的工单平均响应时间比上周快了10%，客户满意度提升3%"。
第三，增加对话。让主管每周至少和员工聊一次，讨论数据背后的原因，而不是只看数字。数据是起点，对话才是终点。
这三件事看起来简单，但很多公司做不到。因为他们把"实时反馈"理解成"高频监控"了。其实不是。实时反馈的目的是让员工更清楚自己做得怎么样，不是为了监控员工有没有偷懒。
如果出发点错了，再好的系统也是错的。如果出发点对了，即使系统不完美，也能慢慢调到好。
那个HR总监后来跟我说，她把系统从"每天推送"改成了"每周汇总"。同时要求每个主管每周至少用系统数据做一次和员工的对话。
"效果比之前好很多，"她说，"员工不再焦虑了，因为他们知道这不是在打分，而是在复盘。而且主管也觉得有用，因为他们不用自己翻数据了，系统直接帮他们准备好了对话素材。"
她顿了一下，又补了一句："其实说到底，AI帮我做的不是'反馈更快'，而是'对话更好'。以前我和主管聊天时没有数据，只能聊虚的。现在有数据了，对话变得更具体、更有建设性。这才是最大的价值。"
我想，这就是我想要表达的意思。AI让反馈更快了，但真正有价值的不是"快"，而是"好"。好的反馈，是帮人变好的反馈。如果AI能帮我们做到这一点，那才是真正有意义的事。
老邓 × 艾游