用 AI 准备绩效沟通：别只润色成绩，把事实、贡献和反思讲清楚

绩效沟通前，把一年的工作丢给 AI，让它“帮我写得更有说服力”，几秒就能得到一篇满是“显著提升、积极推动、获得认可”的总结。问题是，主管追问“具体做了什么、结果怎么证明”，漂亮句子很快就空了。

AI 适合把零散记录整理成证据、对照目标、模拟困难问题，也能帮助管理者检查反馈是否模糊或带偏见。但它不知道组织真实评价标准，更不能替任何人决定绩效等级。

绩效沟通不是一场文案比赛。最有用的准备，是把目标、事实、行为、影响和下一步放在同一条证据链上。

先收集材料，不急着让 AI 下结论

回看目标、项目记录、数据、客户或同事反馈、关键决策和复盘。不要只挑成功，也记录延期、返工和外部限制。涉及同事隐私、薪酬或客户资料时，应匿名化并使用符合公司要求的工具。

用“情境—行动—结果—反思”整理案例

例如：“项目很困难，我积极协调最终上线”信息太少。可以写成：接口定义连续延期时，我组织业务和技术在两次工作坊中冻结核心字段，砍掉首版三个低优先级需求，最终按调整后的日期上线；但风险升级仍晚了一周，下次会在第一次延期时触发决策会议。

让 AI 整理时，明确要求所有缺失信息标记出来：

请按“情境、我的职责、采取的行动、可验证结果、局限与反思”整理下面记录。不要增加原文没有的数据，不要把团队行动改写成个人功劳。每个模糊结论后提出一个需要补证据的问题。

把事实、解释和评价分开

“响应了 36 个问题”是事实；“减少了团队阻塞”是需要证据的解释；“协作能力优秀”是评价。三者可以关联，不能混成一句自我表扬。AI 可以给出多种解释，但要由真实数据和评价标准筛选。

准备主管最可能追问的四类问题

• 归因：结果中哪些是你直接贡献，哪些来自团队和环境。
• 取舍：为什么优先做这件事，放弃了什么。
• 失败：哪次判断不理想，之后改变了什么。
• 成长：下一阶段要承担什么更大责任，缺口在哪里。

让 AI 扮演追问者时，一次只问一个问题。你先回答，它再指出证据薄弱、表述防御或回避责任的位置。不要背标准答案，重点是让自己的逻辑经得住继续追问。

管理者用 AI 检查反馈，也要防偏见

评价员工时，可以让 AI 标出“态度不好、缺乏主人翁意识、沟通能力弱”等无法行动的词，并要求改成可观察行为、影响与期待。例如“过去三次跨团队评审中，两次在会议当天才提供材料，导致评审延后；期待今后提前两个工作日发送”。

但不能把敏感员工资料随意上传，也不能让模型自动打分、排名或做晋升决定。评价还要校准机会差异：负责高风险项目的人可能暴露更多问题，支持性工作也更难用单一数字衡量。

遇到分歧时，不急着反驳

1. 复述你听到的评价，确认没有理解错。
2. 询问对应的具体场景和标准。
3. 提供事实或背景，而不是否认对方感受。
4. 明确仍有分歧的部分和需要补充的证据。
5. 把下一阶段期待转成可观察的行动。

为下一周期写真正可检查的计划

“提升领导力”无法执行。可以改成“在下季度独立主持两次跨部门决策会议，会前给出选项与风险，会后收集参与者反馈”。发展目标应包含应用场景、练习动作、支持资源和检查时间。

小结：让证据说话，也给对话留空间

• 先整理原始材料，再让 AI 组织表达。
• 用情境、行动、结果和反思形成证据链。
• 区分事实、解释与评价。
• 模拟追问，不编数字、不抢团队功劳。
• 困难反馈落到行为、影响与明确期待。
• 绩效决定必须由人依据真实制度完成。

好的绩效沟通不是证明自己从未犯错，而是让贡献、取舍和成长都能被具体讨论。

本文为读懂 AI 原创内容。绩效、薪酬与员工信息属于敏感资料，请遵守组织制度、隐私和劳动合规要求。