績效計畫連結公司繁榮策略與運營，作為績效管理的第一個環節，它是績效管理成功實施的關鍵因素。組織透過數智技術收集的大量資料可用於設定員工的目標，數智目標設定包括兩個面向：演算法任務分配和績效目標設定。
演算法任務分配主要存在於零工經濟和平台工作。例如，在快遞員、外送騎士、叫車司機的工作背景下，演算法將勞動者的即時地理位置資訊與任務相關資訊（如新訂單、優先順序變更、截止時間）連結起來，系統智慧派單並提供最優路線，同時在客戶介面提供準確的預期交付時間。在阿里巴巴倉庫裡進行的一項為期15天的現場實驗研究了演算法任務分配過程，結果表明，在勞動密集型環境中，工人認為演算法任務分配過程比人更公平，這進一步使其生產率提高了近20%。
數智技術也可以根據過往績效、業務需求、交通狀況、天氣等數據自動設定績效目標，如亞馬遜基層倉庫工人的包裹量目標和運輸司機貨物交付目標。對於組織內相對複雜的各個不同職位的任務，基於一定規模的數據，也可以透過建模進行目標設定。例如銷售部門的業務測算，證券公司的目標設定，生產部門的品質、時間和成本設定，供應鏈的穩定性目標規劃等等。
雖然演算法可以提高效率和準確性，但它也存在的不少問題。演算法任務分配高度依賴市場需求及員工能力，員工也幾乎沒有接受或拒絕演算法分配任務的自由，因此它會對員工自主性有負面影響。通常演算法也會不斷提高任務標準，會導致工作不安全感和工作量增加。在知識型驅動的工作環境中，演算法目標設定更會影響員工的自主性和限制員工的創造力。演算法大多一味追求“效率”，讓員工長期處於“系統”的壓力之下。例如為了防止錯過演算法即時更新的任務，平台勞動者只能全天候保持在線，演算法任務分配的不確定性導致他們時而拼命趕工，時而空閒無事，加劇其工作倦怠。
近日，知名企業的裁員風波將一款可監控員工離職傾向和怠工狀況的「員工行為監測」系統帶入公眾視野。據了解，該系統能偵測到員工造訪求職網站次數、聊天關鍵字量、搜尋關鍵字量以及履歷投遞次數等內容，從而提前發現潛在離職風險的員工，為組織分析離職風險的人員清單及風險等級，並給予離職風險的判定依據。除此之外，系統還可分析員工怠工狀況。員工透過公司內部網路的聊天記錄、上網時間、存取應用程式的特徵等行為都會被這套系統監控，並透過預先定義的規則判定員工的工作狀態。同時，透過收集影響工作效率的無關應用、怠工集中的時間段，系統還可以自動分析員工消極怠工的因素，給出怠工情況最嚴重的部門排行和員工排行。
被監控的不只訊息，還有流量。去年年底，國美集團內部發布的一份《關於違反員工行為規範的處罰通報》在網路上引發熱議。通報表示，部分員工在工作區域內佔用公司公共網絡資源從事與工作無關事宜，並列出流量數據使用明細，員工上班時上了什麼網站、刷了多久視頻，統統逃不過數智系統的“眼睛」。 2018年Gartner對239家大型企業的調查結果顯示，有一半的公司在使用非傳統監控技術對員工進行監控——包括追蹤員工在辦公室周圍的活動及其生物特徵數據，這個數字在2015年僅為30%。
數智監控的一個關鍵優勢是它不僅能夠透過多種媒介收集和記錄大量資訊和指標，如網路使用情況、社群媒體活動、活動軌跡、情緒和壓力、工作投入量，還可以自動、快速地分析和處理這些有關員工行為、動作及績效的異質性資料。數智化績效管理系統所具備的即時分析功能可以增強組織績效管理資訊的時效性，避免因滯後產生問題，進而有利於實現部門和組織績效的持續提升。現有研究表明，數智監控會為組織和員工帶來正面結果，如為組織提供更全面的資訊進行有效管理、為員工提供即時回饋使其及時調整自身行為，減少與績效無關的行為。然而，數智監控也會讓員工感到隱私被侵犯，產生不公平感，降低其工作滿意度、組織承諾、創造力，甚至會增加反生產績效，即「你有政策，我有對策」——而這與數智監控試圖實現的目標恰恰相反。
在績效執行的過程中，數智化績效管理系統將員工的流程績效與結果績效即時輸入到大數據平台中，並對員工進行即時績效回饋，更可以在分析後對績效較差的員工進行必要的指導。心理學研究表明，回饋和指導是提升績效的重要條件之一。傳統的績效回饋與指導往往採取管理者與員工面談或提供書面報告的方式來完成，但數智技術的引入觸發了新的績效回饋與指導方式的誕生。
近10%的財富500強公司中，透明的績效數據取代了傳統的績效回饋。 Bernstein和Li（2017）對績效透明的研究發現，更詳細、更即時，並與更廣泛的員工分享的透明績效數據（即績效透明）相比傳統的績效反饋更能提高員工的整體績效，激發員工的非生產性行為轉變為生產性行為。數智回饋的即時性、透明性使得員工在隨時了解自己工作績效的同時，也能分享其他員工的績效數據，促進其自我調節，進而提升績效。同時，績效透明可以取代部分管理者的工作，激發非正式的社會比較的作用；結果也證實：受到主管支持較少和社會比較傾向較低的員工從績效透明中獲益更多。
然而，數智技術在績效回饋中的應用也引發了許多爭論。數智技術提供的回饋資訊更有效，但人對機器的負面認知會大大削弱其效果。具體來說，一方面，數智反饋具有積極的“部署效應”，其強大的數據分析能力可以增強反饋的準確性、一致性和相關性，提高反饋的質量，促進員工的生產力的提升，進而提升組織績效。研究結果顯示，在不知道回饋來源的情況下，接受AI系統產生的回饋資訊的員工的工作績效比接受人類經理提供的回饋資訊的員工的工作績效高12.9%。另一方面，一旦將回饋中數智技術的應用揭露給員工，對新科技的負面認知及不信任所引起的「揭露效應」將損害員工的生產力，數智科技帶來的商業價值將被大大削弱。研究結果顯示，被告知接受AI回饋員工的工作績效比被告知接受人類經理回饋的員工的工作績效低5.4%，且新員工更容易受到負面影響。
除了績效回饋，數智技術在績效指導的應用也越來越多。 AI教練與會經歷身體疲勞和情緒波動的人類不同。在重複的培訓中它可以以更一致、更可預測和更準確的方式處理培訓任務，同時它可以快速擴展，以最低的成本同時培訓數千名員工。 Zoom公司利用AI教練Chorus為其銷售團隊提供培訓，提高交易成功率。
對於數智指導的一個擔憂是，其提供的資訊過於標準化和全面，對於績效優秀的員工顯得冗餘、囉嗦，而新員工又難以全盤吸收和學習。同時，缺乏人際溝通技能的「軟實力」可能會導致員工對AI教練的反感，阻礙員工順利的學習和績效的提升。 Luo等（2021）對AI教練為銷售人員提供訓練進行研究，發現AI教練相對於人類教練的指導效果在不同的銷售人員之間呈倒U形分佈。也就是說，排名中等的銷售績效提升程度最大，但排名最前、後員工的績效僅得到有限的成長。這是因為排名靠後的銷售在面臨最嚴重的資訊過載問題，而排名靠前的銷售對人工智慧的厭惡程度最高。研究還有一個重要發現，即AI教練-人類教練組合的效果最優，比僅使用AI教練或人類教練好。因為這種組合既可以利用AI教練的“硬實力”，又結合了人類教練的“軟實力”。
數智時代企業績效評估的重要手段是以數智監控所獲得的大量多維大數據為基礎，透過智慧演算法持續分析數據而做出評估，而後結合實際情況的評估結果則回饋至演算法進行迭代優化使其更加準確。比較簡單的，如在數位勞動力平台中，滴滴出行等叫車平台運用手機應用程式分析司機的接單率、拒單率、準時率等指標並獲取乘客對消費體驗的評分以確立司機口碑分；美團、餓了麼等外送平台即時追蹤外送騎士的反應速度、完成訂單數、總里程、送餐準時率，結合顧客好評率對其進行評估。更複雜的，如前文介紹的對銷售人員的績效評估，既有結果數的客觀評估，也有銷售行為過程的智慧評估。
但是這種評估是否能做到客觀和公正呢？誠然，機器不會“徇私舞弊”，數智評估確實可以避免人工評價的主觀性和“人情”，但對情感的缺乏以及對外部突發事件（如交通事故、暴雨天氣等）的不敏感容易導致評價過於僵化，使其不僅無「人情」更無「人性」。正如引爆網絡的《外賣騎手，困在系統裡》一文所展示的一樣，騎手們永遠無法依靠個人力量去對抗演算法，唯有透過違規行駛、逆行、闖紅燈等方式順應它的規則。
當然，數智評估對組織績效有正向影響。演算法實際上向員工傳遞了組織制定和倡導的工作標準和規範，當這些資訊被員工內化理解並形成自己的價值判斷後，大部分員工會按照演算法的指示做出符合組織預期的行為。例如叫車司機在了解到演算法是根據他們的好評度來實施派單傾斜政策後，會主動做出服務行為，從而獲取好評以提升評級。但演算法的不透明、不可解釋性也會使員工產生混淆，同時由於缺乏直覺和主觀判斷的能力，數智評估往往被員工認為是一種非人性化的體驗。如何合理運用數智評估來激勵員工、促進組織績效提升是管理者不可迴避的命題。
讓我們看看網路頭部企業的做法。百度為了降低主觀判斷的影響，透過演算法分析內部的溝通頻率、溝通時段、郵件的大小和頻次等數據，再經由數據建模、機器學習、分析驗證等步驟自動選出參與特定員工績效評估的合適、相關人選。採用OKR管理的位元組跳動在評估環節使用360度評估，但是與傳統360評估不同的是，數智評估系統可以基於數據對每個人的評價風格進行評分，從1.0（嚴格）到6.0（寬鬆） ，這樣可以避免某個人的評價風格過度影響被評價的員工考核結果。同時，系統也設計了績效校準矩陣，透過智慧分析對團隊績效進行校準，盡可能避免因為管理者經驗不足導致的偏差，輔助進行更合理的判斷。其實這就是績效管理中人機協同的經典體現，系統背後的數智技術透過其強有力的數據分析處理能力，幫助人類管理者拉齊標準，拿好“同一把尺”，而人類管理者則應用自己的管理經驗以及綜合判斷能力給予最科學的評估。
數智獎懲是基於數智評估的結果，透過演算法以互動和動態的方式對員工進行獎勵和懲罰。對於高績效員工，他們會獲得更多機會、更高的薪資和晉升，而低績效員工則會被扣除薪水和獎金，嚴重者會直接被解僱。對於許多線上零工勞動平台，如滴滴、美團、M-turk等，勞動者的薪酬幾乎完全由演算法決定。 IBM的頭號人工智慧沃森（Watson）透過調取員工的歷史績效、專案資訊等來分析預測其未來潛力，決定員工是否能晉升以及是否調薪。谷歌也將演算法用於工程師晉升決策中，以減少該決策中的人類偏見。亞馬遜的演算法會追蹤每個物流倉儲部門員工的工作效率，統計每位員工的「摸魚」時間，一旦有人離職時間太長，AI會自動產生解僱指令。而俄羅斯一家遊戲支付服務公司艾克索拉（Xsolla）去年直接用AI演算法開除了150名員工，引發了軒然大波。數智獎懲讓越來越多的人開始感到擔憂，隨著勞動被演算法控制，本該具備人文關懷的獎懲也因演算法的加入而變得冰冷。
人類學家、數據社會學家尼克·西弗提出過「演算法文化」的概念。在他看來，演算法不僅由理性的程序形成，也由制度、社會道德、普通文化生活等人類集體實踐所組成。數智技術的發展和應用已經為績效管理帶來了理念和技術的變革，但它在為組織管理和員工工作賦能、提升管理效率與服務品質的同時也帶來了一些消極影響。
如何建構未來兼具效率與人性的績效管理？宜採取「人機協同」的思想，即既不拘泥於傳統的「人治」也不陷入對演算法的完全依賴中，透過人類與機器的優勢互補，建構高效柔性的績效管理新模式。
儘管數智技術具有快速、高效、客觀、可量化等優勢，但它消除了績效管理中更多的人際關係和同理心，這種以數據為主導的方法將工作變成了一種不人道的形式。已有的研究表明，大多數人認為使用演算法和機器來管理人類是一種非人性化的行為。例如演算法技術對變化的場景因素考慮不周，提升了演算法對員工績效誤判的機率。
人類特有的情感、直覺、創造力、想像、抽象思考等使其在價值判斷、情感表徵、非常規和創造性等議題中不可或缺。人類的這些特質可以幫助解決數智績效管理所帶來的問題，不斷修正、完善演算法，為演算法注入人性。
具體來說，人類傾向於在需要整體、宏觀和遠見思維的情況下保持相對優勢，並具有機器所不具備的想像力和創造性，因此，可以更好地優化數智技術的決策結果。人類獨有的經驗和情感有助於其在錯綜複雜的動態中協調各方利益，消除可能的衝突。使用人類智慧來完善人工智慧，不僅能解決數智技術帶來的問題，實現數智技術與人類智慧的有機統一，也有助於避免數智技術脫離人類控制。當然不可否認的是，在決策速度、準確度、成本等方面，在解決客觀、結構化的問題上，人類還是比不過數智技術。
機器和人類具有互補的優勢和解決問題的能力。數智技術對管理效率的提升效用是顯著的，但效率只是衡量管理的一個向度。更值得關注的是管理效果，即組織目標與社會願景之間的契合程度，強調企業社會責任與使命，涉及管理倫理議題。隨著數智技術的不斷發展，儘管大量的規範工作將被機器取代，但富有情感體驗、具有創造力和價值性、更有「溫度」的工作和技藝，仍然需要人類。具體來說，機器的理性思考更強調“真”，而人類的思考更強調“真善美”的和諧統一，更側重於價值內涵、倫理道德的考慮。
科技本身作為一種非人類的存在和人具有等同性，能夠與人類一同形成行動者聯合體。數智技術所體現的自動化、智慧化特徵，可能誘導技術研發者和應用者一味地追求提高效率、降低成本，忽略了人類行為的自主性。但我們認為，無論智慧系統有多複雜，人類應始終主動參與其決策環路。隨著時間的推移，人機之間的互動可以使雙方變得更聰明。這是數智技術融入人類社會，建構負責任的人機協同工作體系的保證。
未來宜採取“人機協同”的思想構建高效柔性的績效管理，充分發揮機器的技術性優勢“賦能於人”，結合人的經驗和感性，促進和諧的人機協作，使員工獲得工作意義與幸福感。在人機共生的協同工作模式下，人類可以幫助優化機器演算法，機器實踐反過來會幫助人類活動，這是一個雙贏的局面。
未來的數智化績效管理應具有以下幾個特徵：第一，智慧高效，組織應充分發揮技術優勢，透過績效監控流程收集的大量數據和人工智慧分析為目標設定、評估考核、獎勵懲罰給予快速、客觀的決策輔助；第二，敏捷透明，數智技術賦予了績效回饋前所未有的頻率和透明度，年度回饋、季度回饋都已成為過去式，即時、透明的績效回饋將隨時為組織和員工提供信息，增強整個組織的協作；第三，全面多維，大數據對內部和外部信息的強力獲取使得績效管理更加全方位無死角，音頻、視頻、行為監控的納入，領導、下屬、外部客戶、內部同事的全方位評價，「人」被刻畫得更立體；第四，人本柔性，人類管理者的「軟」技能在這個體系中必不可少，管理者對人際間細微的、難以自動化的溝通交流的掌握，對特殊情況、倫理道德的考量，對宏觀層面、整體大局的考量，可以降低員工對演算法的抵觸，提升管理思想的高度，更有效地應用數智技術的優勢，提高員工和組織績效。
隨著數智科技的發展與改進，管理者和員工必須重新適應新時代的績效管理。成熟的管理者不應該被數智技術困住，把演算法的建議當聖旨，而是應該運用其獨特的經驗和情感做出判斷，善用智慧機器的力量。新時代的員工也應該發揮個人能動性，積極參與與數智技術的互動中，釋放個性和潛能，創造積極愉快的工作體驗。
「困在演算法裡」的外送騎手透過工作的重新塑造和演算法和諧共處，演算法背後的管理者也需要將人性和價值觀寫進演算法裡，履行企業責任，進行合理的數智目標設定。數智監控本無對錯，管理者應透過合理途徑取得數據，而後平衡效益與倫理得出結論，進而賦能於員工。高效、準確的數智回饋少了點人情味，為了緩解“披露效應”，管理者應主動介入，告知員工數智技術應用的目標和好處，以緩解他們的擔憂。同時，應視情況採取不同的方式，不能「一刀切」。例如，可以使用AI向老員工提供績效回饋，但仍透過管理者向新員工提供績效回饋。在數智指導中，建議組織採用AI教練和人類管理者的組合。在這種組合中，人工智慧提供了強大的數據計算技能和個人化回饋，而人類教練則專注於人際間細微的難以自動化的溝通。最後，在績效結果應用這個關鍵環節，建議透過管理者的介入有效降低員工的不公平感等負面情緒，更好地展現企業文化和價值觀。
畢竟，再多的數據，再強的演算法，都無法穿越背後的“01邏輯”，直達人心。
以上是數智時代的績效管理：現實與未來的詳細內容。更多資訊請關注PHP中文網其他相關文章！
