绩效计划连接公司繁荣战略与运营，作为绩效管理的第一个环节，它是绩效管理成功实施的关键因素。组织通过数智技术收集的大量数据可用于设定员工的目标，数智目标设定包括两个方面：算法任务分配和绩效目标设定。
算法任务分配主要存在于零工经济和平台工作中。比如，在快递员、外卖骑手、网约车司机的工作背景下，算法将劳动者的实时地理位置信息与任务相关信息（如新订单、优先级变化、截止时间）联系起来，系统智能派单并提供最优路线，同时在客户界面提供准确的预期交付时间。在阿里巴巴仓库里进行的一项为期15天的现场实验研究了算法任务分配过程，结果表明，在劳动密集型环境中，工人认为算法任务分配过程比人更公平，这进一步使其生产率提高了近20%。
数智技术也可以根据过往绩效、业务需求、交通情况、天气等数据自动设定绩效目标，如亚马逊基层仓库工人的包裹量目标和运输司机货物交付目标。对于组织内相对复杂的各个不同岗位的任务，基于一定规模的数据，也可以通过建模进行目标设定。比如销售部门的业务测算，证券公司的目标设定，生产部门的品质、时间和成本设定，供应链的稳定性目标规划等等。
虽然算法可以提高效率和准确性，但它也存在的不少问题。算法任务分配高度依赖于市场需求及员工能力，员工也几乎没有接受或拒绝算法分配任务的自由，因此它会对员工自主性有消极影响。通常算法还会不断提高任务标准，会导致工作不安全感和工作量增加。在知识型驱动的工作环境中，算法目标设定更会影响员工的自主性和限制员工的创造性。算法大多一味追求“效率”，让员工长期处于“系统”的压力之下。比如为了防止错过算法实时更新的任务，平台劳动者只能全天候保持在线，算法任务分配的不确定性导致他们时而拼命赶工，时而空闲无事，加剧其工作倦怠。
近日，一家知名企业的裁员风波将一款可监测员工离职倾向和怠工情况的“员工行为监测”系统带入公众视野。据了解，该系统能检测到员工访问求职网站次数、聊天关键词量、搜索关键词量以及简历投递次数等内容，从而提前发现潜在离职风险的员工，为组织分析离职风险的人员列表及风险等级，并给出离职风险的判定依据。除此之外，该系统还可分析员工怠工情况。员工通过公司内网的聊天记录、上网时长、访问应用的特征等行为都会被这套系统监控，并通过预定义的规则判定员工的工作状态。同时，通过收集影响工作效率的无关应用、怠工集中的时间段，系统还可以自动分析员工消极怠工的因素，给出怠工情况最严重的部门排行和员工排行。
被监控的不止信息，还有流量。去年年底，国美集团内部发布的一份《关于违反员工行为规范的处罚通报》在网络上引发热议。通报表示，部分员工在工作区域内占用公司公共网络资源从事与工作无关事宜，并列出流量数据使用明细，员工上班时上了什么网站、刷了多久视频，统统逃不过数智系统的“眼睛”。2018年Gartner对239家大型企业的调查结果显示，有一半的公司在使用非传统监控技术对员工进行监测——包括跟踪员工在办公室周围的活动及其生物特征数据，这个数字在2015年仅为30%。
数智监控的一个关键优势就是它不仅能够通过多种媒介收集和记录大量信息和指标，如互联网使用情况、社交媒体活动、活动轨迹、情绪和压力、工作投入量，还可以自动、快速地分析和处理这些有关员工行为、动作及绩效的异质性数据。数智化绩效管理系统所具备的实时分析功能可以增强组织绩效管理信息的时效性，避免因滞后产生问题，从而有利于实现部门和组织绩效的持续提升。现有研究表明，数智监控会给组织和员工带来积极结果，如为组织提供更全面的信息进行有效管理、为员工提供实时反馈使其及时调整自身行为，减少与绩效无关的行为。然而，数智监控也会让员工感到隐私被侵犯，产生不公平感，降低其工作满意度、组织承诺、创造力，甚至会增加反生产绩效，即“你有政策，我有对策”——而这与数智监控试图实现的目标恰恰相反。
在绩效执行的过程中，数智化绩效管理系统将员工的过程绩效和结果绩效实时录入到大数据平台中，并对员工进行实时绩效反馈，更可以在分析后对绩效较差的员工进行必要的指导。心理学研究表明，反馈和指导是提升绩效的重要条件之一。传统的绩效反馈与指导往往采取管理者与员工面谈或提供书面报告的方式来完成，但数智技术的引入触发了新的绩效反馈与指导方式的诞生。
近10%的财富500强公司中，透明的绩效数据已经取代了传统的绩效反馈。Bernstein和Li（2017）对绩效透明的研究发现，更详细、更实时，并与更广泛的员工分享的透明绩效数据（即绩效透明）相比传统的绩效反馈更能提高员工的整体绩效，激发员工的非生产性行为向生产性行为转变。数智反馈的即时性、透明性使得员工在随时了解自己工作绩效的同时，也能共享其他员工的绩效数据，促进其自我调节，进而提升绩效。同时，绩效透明可以替代部分管理者的工作，激发非正式的社会比较的作用；结果还证实：受到主管支持更少和社会比较倾向更低的员工从绩效透明中获益更多。
然而，数智技术在绩效反馈中的应用也引发了很多争论。数智技术提供的反馈信息更有效，但人对机器的负面认知会大大削弱其效果。具体来说，一方面，数智反馈具有积极的“部署效应”，其强大的数据分析能力可以增强反馈的准确性、一致性和相关性，提高反馈的质量，促进员工的生产力的提升，进而提升组织绩效。研究结果显示，在不知道反馈源的情况下，接受AI系统生成的反馈信息的员工的工作绩效比接受人类经理提供的反馈信息的员工的工作绩效高12.9%。另一方面，一旦将反馈中数智技术的应用披露给员工，对新技术的负面认知及不信任所引起的“披露效应”将损害员工的生产力，数智技术带来的商业价值将被大大削弱。研究结果显示，被告知接受AI反馈员工的工作绩效比被告知接受人类经理反馈的员工的工作绩效低5.4%，且新员工更容易受到负面影响。
除了绩效反馈，数智技术在绩效指导中的应用也越来越多。AI教练与会经历身体疲劳和情绪波动的人类不同。在重复的培训中它可以以更一致、更可预测和更准确的方式处理培训任务，同时它可以快速扩展，以最低的成本同时培训数千名员工。Zoom公司利用AI教练Chorus为其销售团队提供培训，提高交易成功率。
对于数智指导的一个担忧是，其提供的信息过于标准化和全面，对于绩效优秀的员工显得冗余、啰嗦，而新员工又难以全盘吸收和学习。同时，缺乏人际交往技能的“软实力”可能会导致员工对AI教练的反感，阻碍员工顺利的学习和绩效的提升。Luo等（2021）对AI教练为销售人员提供培训进行研究，发现AI教练相对于人类教练的指导效果在不同的销售人员之间呈倒U形分布。也就是说，排名中等的销售绩效提升程度最大，但排名最靠前和靠后员工的绩效仅得到有限的增长。这是因为排名靠后的销售在面临最严重的信息过载问题，而排名靠前的销售对人工智能的厌恶程度最高。该研究还有一个重要发现，即AI教练-人类教练组合的效果最优，好于仅使用AI教练或人类教练。因为这种组合既可以利用AI教练的“硬实力”，又结合了人类教练的“软实力”。
数智时代企业绩效评估的重要手段是以数智监控获取的海量多维大数据为基础，通过智能算法不断对数据进行分析进而作出评估，而后结合实际情况的评估结果被反馈至算法进行迭代优化使其更加准确。比较简单的，如在数字劳动力平台中，滴滴出行等网约车平台运用手机应用程序分析司机的接单率、拒单率、准时率等指标并获取乘客对消费体验的评分以确立司机口碑分；美团、饿了么等外卖平台实时跟踪外卖骑手的响应速度、完成订单数、总里程、送餐准时率，结合顾客好评率对其进行评估。更加复杂的，如前文介绍的对销售人员的绩效评估，既有结果数量的客观评估，也有销售行为过程的智能评估。
但是这种评估是否能做到客观和公正呢？诚然，机器不会“徇私舞弊”，数智评估确实可以避免人工评价的主观性和“人情”，但对情感的缺乏以及对外部突发事件（如交通事故、暴雨天气等）的不敏感容易导致评价过于僵化，使其不仅无“人情”更无“人性”。正如引爆网络的《外卖骑手，困在系统里》一文所展示的一样，骑手们永远无法依靠个人力量去对抗算法，唯有通过违规行驶、逆行、闯红灯等方式顺应它的规则。
当然，数智评估对组织绩效有积极影响。算法实际上向员工传递了组织制定和倡导的工作标准和规范，当这些信息被员工内化理解并形成自己的价值判断后，大部分员工会按照算法的指令做出符合组织预期的行为。比如网约车司机在了解到算法是根据他们的好评度来实施派单倾斜政策后，会主动做出服务行为，从而获取好评以提升评级。但算法的不透明、不可解释性也会使员工产生混淆，同时由于缺乏直觉和主观判断的能力，数智评估往往被员工认为是一种非人性化的体验。如何合理使用数智评估来激励员工、促进组织绩效提升是管理者不可回避的命题。
让我们看看互联网头部企业的做法。百度为了降低主观判断的影响，通过算法分析内部的沟通频次、沟通时段、邮件的大小和频次等数据，再经由数据建模、机器学习、分析验证等步骤自动选出参与特定员工绩效评估的合适、相关人选。采用OKR管理的字节跳动在评价环节使用360度评估，但是与传统360评估不同的是，数智评估系统可以基于数据对每个人的评价风格进行评分，从1.0（严格）到6.0（宽松），这样可以避免某个人的评价风格过度影响被评价的员工考核结果。同时，系统还设计了绩效校准矩阵，通过智能分析对团队绩效进行校准，尽可能避免因为管理者经验不足导致的偏差，辅助进行更加合理的判断。其实这就是绩效管理中人机协同的经典体现，系统背后的数智技术通过其强有力的数据分析处理能力，帮助人类管理者拉齐标准，拿好“同一把尺”，而人类管理者则应用自己的管理经验以及综合判断能力给出最科学的评估。
数智奖惩是基于数智评估的结果，通过算法以交互和动态的方式对员工进行奖励和惩罚。对于高绩效员工，他们会获得更多机会、更高的薪酬和晋升，而低绩效员工则会被扣除薪水和奖金，严重者会被直接解雇。对于许多在线零工劳动平台，如滴滴、美团、M-turk等，劳动者的薪酬几乎完全由算法决定。IBM的头号人工智能沃森（Watson）通过调取员工的历史绩效、项目信息等来分析预测其未来潜力，决定员工是否能晋升以及是否调薪。谷歌也将算法用于工程师晋升决策中，以减少该决策中的人类偏见。亚马逊的算法会追踪每一个物流仓储部门员工的工作效率，统计每一名员工的“摸鱼”时间，一旦有人离岗时间太长，AI会自动生成解雇指令。而俄罗斯一家游戏支付服务公司艾克索拉（Xsolla）去年直接用AI算法开除了150名员工，引发了轩然大波。数智奖惩让越来越多的人开始感到担忧，随着劳动被算法控制，本该具备人文关怀的奖惩也因算法的加入而变得冰冷。
人类学家、数据社会学家尼克·西弗提出过“算法文化”的概念。在他看来，算法不仅由理性的程序形成，还由制度、社会道德、普通文化生活等人类集体实践组成。数智技术的发展和应用已经给绩效管理带来了理念和技术的变革，但它在为组织管理和员工工作赋能、提升管理效率与服务质量的同时也带来了一些消极影响。
如何建构未来兼具效率和人性的绩效管理？宜采取“人机协同”的思想，即既不拘泥于传统的“人治”也不陷入对算法的完全依赖中，通过人类与机器的优势互补，构建高效柔性的绩效管理新模式。
尽管数智技术具有快速、高效、客观、可量化等优势，但它消除了绩效管理中更多的人际关系和同理心，这种以数据为主导的方法将工作变成了一种不人道的形式。已有的研究表明，大多数人认为使用算法和机器来管理人类是一种非人性化的行为。比如算法技术对变化的场景因素考虑不周，提升了算法对员工绩效作出误判的概率。
人类特有的情感、直觉、创造力、想象力、抽象思维等使其在价值判断、情感表征、非常规和创造性等问题中不可或缺。人类的这些特点可以帮助解决数智绩效管理带来的问题，不断修正、完善算法，为算法注入人性。
具体来说，人类倾向于在需要整体、宏观和远见思维的情况下保持相对优势，并具有机器所不具备的想象力和创造性，因此，可以更好地优化数智技术的决策结果。人类独有的经验和情感有助于其在错综复杂的动态中协调各方利益，消除可能的冲突。使用人类智慧来完善人工智能，不仅能解决数智技术带来的问题，实现数智技术与人类智慧的有机统一，也有助于避免数智技术脱离人类控制。当然不可否认的是，在决策速度、准确度、成本等方面，在解决客观、结构化的问题上，人类还是比不过数智技术。
机器和人类具有互补的优势和解决问题的能力。数智技术对管理效率的提升效用是显著的，但效率只是衡量管理的一个维度。更值得关注的是管理效果，即组织目标与社会愿景之间的契合程度，强调企业社会责任与使命，涉及管理伦理问题。随着数智技术的不断发展，尽管大量规范化的工作会被机器取代，但富有情感体验、具有创造力和价值性、更有“温度”的工作和技艺，仍然需要人类。具体来说，机器的理性思考更多地强调“真”，而人类的思考更加强调“真善美”的和谐统一，更侧重于价值内涵、伦理道德的考虑。
技术本身作为一种非人类的存在和人具有等同性，能够与人类一同形成行动者联合体。数智技术所体现出的自动化、智能化特征，可能会诱导技术研发者和应用者一味地追求提高效率、降低成本，忽视了人类行为的自主性。但我们认为，无论智能系统有多复杂，人类应当始终主动地参与到其决策环路中。随着时间的推移，人机之间的交互可以使双方变得更聪明。这是数智技术融入人类社会，构建负责任的人机协同工作体系的保证。
未来宜采取“人机协同”的思想构建高效柔性的绩效管理，充分发挥机器的技术性优势“赋能于人”，结合人的经验和感性，促进和谐的人机协作，使员工获得工作意义感与幸福感。人机共生的协同工作模式下，人类可以帮助优化机器算法，机器实践又会反过来助力人类活动，这是一个双赢的局面。
未来的数智化绩效管理应具有以下几个特征：第一，智能高效，组织应充分发挥技术优势，通过绩效监控过程收集的大量数据和人工智能分析为目标设定、评估考核、奖励惩罚给出快速、客观的决策辅助；第二，敏捷透明，数智技术赋予了绩效反馈前所未有的频率和透明度，年度反馈、季度反馈都已成为过去式，实时、透明的绩效反馈将随时为组织和员工提供信息，增强整个组织的协作；第三，全面多维，大数据对内外部信息的强力获取使得绩效管理更加全方位无死角，音频、视频、行为监控的纳入，领导、下属、外部客户、内部同事的全方位评价，“人”被刻画得更加立体；第四，人本柔性，人类管理者的“软”技能在这个体系中必不可少，管理者对人际间细微的、难以自动化的沟通交流的把握，对特殊情况、伦理道德的考量，对宏观层面、整体大局的考量，可以降低员工对算法的抵触，提升管理思想的高度，更有效地应用数智技术的优势，提高员工和组织绩效。
随着数智技术的发展和改进，管理者和员工必须重新适应新时代的绩效管理。成熟的管理者不应该被数智技术困住，把算法的建议当圣旨，而是应该运用其独有的经验和情感作出判断，善用智能机器的力量。新时代的员工也应该发挥个人能动性，积极参与到与数智技术的互动中，释放个性和潜能，创造积极愉快的工作体验。
“困在算法里”的外卖骑手通过工作的重新塑造和算法和谐共处，算法背后的管理者也需要将人性和价值观写进算法里，履行企业责任，进行合理的数智目标设定。数智监控本无对错，管理者应通过合理途径获取数据，而后平衡效益与伦理得出结论，进而赋能于员工。高效、准确的数智反馈少了点人情味，为了缓解“披露效应”，管理者应主动介入，告知员工数智技术应用的目标和好处，以缓解他们的担忧。同时，应根据情况采取不同的方式，不能“一刀切”。比如，可以使用AI向老员工提供绩效反馈，但仍通过管理者向新员工提供绩效反馈。在数智指导中，建议组织采用AI教练和人类管理者的组合。在这种组合中，人工智能提供了强大的数据计算技能和个性化反馈，而人类教练则专注于人际间细微的难以自动化的沟通。最后，在绩效结果应用这一关键环节，建议通过管理者的介入有效降低员工的不公平感等负面情绪，更好地展现企业文化和价值观。
毕竟，再多的数据，再强的算法，都无法穿越背后的“01逻辑”，直达人心。
以上是数智时代的绩效管理：现实和未来的详细内容。更多信息请关注PHP中文网其他相关文章！
