几乎所有人都认同，传统的、以年度考核为基础的员工评估方式已经行不通了，即便它曾经有效过。事实上，很难想到还有哪种企业常规做法比它更不受欢迎。美世最近在全球范围内对人力资源负责人开展的一项调查发现，仅有2%的人认为其现有的绩效管理体系非常有效。难怪麦肯锡在另一项近期研究中指出，三分之二的雇主表示，他们正在或正试图对绩效管理体系进行重大变革。
“管理者和员工都认为，旧的年度考核方式过于主观、过于官僚化，而且过于回顾过去，”麦肯锐驻华盛顿特区的合伙人布赖恩·汉考克（Bryan Hancock）指出。他曾与多家正在运用人工智能评估员工绩效的企业密切合作。这些雇主正致力于取消年度考核，代之以实时的持续反馈。
新系统还能为管理者提供各种即时信息，从某人在现有岗位上任职多久，到其拥有哪些可能在公司内部调配的技能。汉考克表示，借助这些数据，管理者可以专注于“辅导员工，而非给员工打分”。这比旧方式客观得多，也更侧重于未来的成果。”
最先进的人工智能驱动系统还能做到另一件事：基于海量全公司数据点中的规律，推荐具体行动，例如何时应考虑晋升某位员工。
这自然会引出一些问题。如果人类管理者逐渐觉得，自己的工作最终只是为算法的决定盖章，那么他们在领导团队时还会有多投入、多热情？企业应如何设计绩效管理体系，才能不让管理者被排除在外？而管理者的角色究竟是什么？
人工智能如何提供帮助
IBM的人工智能驱动绩效管理系统始于2015年，它展示了人工智能如何在增强人类智能的同时，仍允许管理者运用自身的知识与判断。以IBM系统提供的一类建议为例：何时以及如何让一位躁动不安的员工留在公司。IBM人力资源团队借助Watson算法，开发并获得专利的一项程序，会分析来自IBM各方的数据规律，并预测哪些员工最有可能在近期离职。随后，算法会推荐相应行动，例如增加培训或兑现逾期未发的晋升，以防止他们离开。
管理者是否必须按系统指示行事？IBM首席人力资源官黛安·格尔森（Diane Gherson）表示不必，但附有一个重要前提：遵循系统建议的管理者通常会取得更好的成果。
“有一次，所有数据显示，给某一组员工加薪10%，就能将他们的‘离职风险’降低90%，”格尔森说，“没有采纳这一建议的管理者，其团队的人员流失率是采纳者的两倍。”她补充道，IBM赢得持怀疑态度的管理者认可的另一种方式，是“解释系统为何推荐某项行动。你必须稍微打开这个黑箱，把数据展示给大家看。”
即便如此，格尔森仍坚持认为，绩效管理“主要仍是人为的。管理者比算法更了解自己的直接下属。最终决定权仍在他们手中。”例如，若某位主管决定不采纳系统关于留住某位特定员工的建议，格尔森说：“也许该管理者有充分理由希望鼓励这名员工离开。”或者，管理者可能足够了解某位团队成员，从而能提供比系统所能推测的更个性化、更有说服力的激励，让其留在IBM。
团队中应当有一个人工智能
马克·旺格尔（Marc Wangel）在IBM工作已有25年，他领导着一支由12人组成的战略与技术团队，服务于该公司在华盛顿特区都会区的联邦政府业务。他认为，IBM的数据驱动系统是为管理者提供洞察，而非向他们下达指令。过去，以旧方式评估员工绩效，意味着需要从人力资源部门的多套记录中逐一挖掘每位直接下属的信息。相比之下，新系统能让每位员工迄今为止职业生涯各方面的信息，即刻呈现在其上级面前。
“它节省了大量时间，因此实际上让我成为了更好的管理者，”旺格尔说。具体如何？“我有更多时间与团队成员进行辅导式谈话。”
这一点很重要。要使企业在连续的变革浪潮中保持前进，绩效管理必须不断演进，以确保在正确的时间将合适的技能与人才安置到正确的岗位上，而人工智能驱动的数据分析正是其中的关键组成部分。与此同时，管理者作为教练、顾问、人才发掘者与鼓舞者的角色，也比以往任何时候都更为重要。麦肯锡的汉考克指出：“人工智能非常擅长快速分析海量信息，并在庞大的数据集中发现趋势。”“但它不太擅长判断某人是否需要培训以提升某方面能力，比如协作能力。世界上即便拥有所有数据，仍然需要有人来解读。”
黛安·格尔森对此表示认同。“仅基于数据的绩效反馈很有意思，”她说，“但在规划个人的职业未来时，你还需要与一位真正‘懂你’、愿意倾听你的目标与梦想的管理者建立关系。人工智能再有用，这种关系也源于完全不同的地方。”这正是团队中最好交由人类来承担的技能。
