关于绩效管理现状的评论不计其数。其中很多问题都集中在不满情绪上——流程让人感到过时、负担过重，或者与实际工作方式脱节。

与此同时，组织面临着日益复杂的现实。随着 AI 融入日常工作流，它不仅改变了工作的执行方式，也重塑了价值的创造方式——而且这种改变往往以更难察觉、更难归因、更加分散的方式呈现，超出了传统系统所设计的捕获范围。

这引发了一个更根本的问题：当 AI 协同完成工作时，有意义的贡献是什么样的——又该如何对其进行衡量与奖励？

我们的最新研究（完整报告将于 7 月或 8 月发布在我们的 Future of Work Research Lab Library 上）汇集了一项针对 4,000 多名员工的全球调查，以及一个由 25 位绩效与奖励负责人组成的多次会议客户联盟，以深入探讨这一问题。

最终呈现的并不是简单地呼吁替换现有系统，而是指出了现有系统可能需要如何演变的一系列模式。

绩效管理仍然至关重要

数据中一个一致的发现是，绩效管理仍然与员工如何理解其整体工作体验密切相关。

我们的调查数据表明，对绩效管理有效性的认知与以下因素密切相关：

• 对领导层的信任
• 感知公平
• 价值感与贡献意识
• 工作满意度
• 组织内部的不满

随着员工对绩效管理的认知提升，他们所反馈的公平感、价值感、满意度和信任度也随之提高，而怨恨情绪则会降低。随着它们下降，相反的模式出现了。

从心理学角度来看，这并不特别令人惊讶。绩效管理系统不仅仅用于评估结果；它们还传递了组织如何评估人员、分配资源和制定决策的信号。从这个意义上讲，它们是组织价值观的可见体现。

此外，我们的数据清楚地表明，员工如何理解绩效管理的 目的 至关重要。

当员工体验到其绩效系统以 改进或发展 为导向时，他们明显更有可能报告较高水平的公平性、信任感和感知价值。当绩效系统主要侧重于 跟踪或评估 时，上述结果出现的可能性将降低——值得注意的是，组织内部的不满情绪更有可能产生。

这是一个相对细微但很重要的区别。这表明，绩效管理的影响不仅取决于系统的设计目标，还取决于其在实践中的执行方式与实际体验。

工作方式的转变对现有的测量假设提出了挑战

除了这些发现之外，员工和人力资源领导者普遍认为，工作的性质正在发生变化——绩效管理也需要随之发展。

多种力量正在推动这一转变：

• 工作节奏日益加快，流动性也在增强
• 更多分布式和跨职能协作
• 更加依赖数字工具和 AI
• 技能有效期更短

在此背景下，嵌入绩效管理系统中的一些核心假设开始出现问题。例如，许多系统隐含地假设：

• 产出是价值的合理替代指标
• 贡献可以明确地归因于个人
• 绩效可在固定周期内进行评估
• 管理者拥有足够的信息来准确评估绩效

然而在实践中，这些假设正变得越来越难以成立。

在我们的客户联盟中，人力资源领导者一致指出，这种摩擦在以下三个领域最为明显：

1. 识别影响。组织通常可以跟踪活动和交付成果，但很难确定哪些工作对结果产生了有意义的影响或推进了战略优先事项。
2. 捕获长期价值。需要较长时间才能显现的贡献（例如能力建设、系统改进或降低未来风险）并不总是能在年度或季度周期中得到充分体现。
3. 解读绩效信号。管理者在绩效评估中仍然占据核心地位，但他们的可见性往往是片面的，尤其是在分布式或异步环境中，大量工作都发生在直接观察范围之外。

这些挑战并非新出现的。但随着工作变得越来越复杂、相互关联，并且日益受到 AI 的影响，这些问题变得越来越突出，也越来越难以应对。

以更广阔的视角看待贡献

为了更好地了解组织如何理解这些变化，我们请人力资源领导者思考未来绩效的定义需要如何演变。

最终呈现的并非单一、统一的模式，而是一系列反复出现的主题，这些主题指向了对有意义的贡献构成要素更为宏观的认识。

有几个方向性转变尤为突出：

• 从产出到影响——超越产出本身，关注由此产生的有意义的改变。
• 从短期成果到长期价值创造——兼顾持久性、下游效应和长期累积贡献
• 从个人成就到系统贡献—认识到个人如何赋能他人并提升整个系统的绩效
• 从任务完成到判断质量——更加注重决策、优先级排序和辨别能力，尤其是在模糊不清或 AI 增强的环境中
• 从定期审查到更持续的感知——反映了工作的持续性和动态性
• 从管理者的观察到更广泛的信号——包括超出任何个人直接观察范围的数据和模式
• 从静态目标转向更具适应性的调整——认识到优先事项会发生变化，目标也可能需要相应调整

总的来说，这些转变反映了一种渐进的重新定位：从衡量可见和可归因的因素，到理解真正创造价值的因素。

重要的是，这些并非相互排斥，也并非普遍采用。相反，它们展示了组织在努力使绩效衡量与当今和未来价值创造方式更好地保持一致的过程中，正在探索的各种方向。

更多数据并不一定能消除歧义

应对这些挑战的一种潜在方法是增加绩效数据的数量和粒度。

AI 和数字工具的进步使得捕捉各种行为信号成为可能，涵盖沟通模式、协作网络、任务耗时指标以及工作流交互等方面。

然而，实证文献和我们自己的研究都指出了一个重要的矛盾。虽然额外的数据可以提供新的洞察来源，但也可能带来以下问题：

• 噪音和歧义
• 解读方面的挑战
• 人们对隐私和监控的担忧
• 对公平感和自主性的风险

实证研究表明，即使技术上准确无误，如果系统被认为不透明或过于侵入性，也会破坏信任。我们与人力资源主管的讨论也反映了这种担忧——特别是关于绩效信号的生成方式、如何加权，以及员工是否能够了解或对这些信号的使用方式提出异议。

因此，问题不再仅仅是有多少数据可用，而是如何解释、传达和管理这些数据——透明度和可解释性的重要性日益凸显，同时也为人类判断保留了空间。

绩效与奖励之间的关系也在不断演变

绩效定义和衡量方式的改变，会对绩效奖励方式产生明显的影响。

我们的调查数据进一步证实，福利仍然是影响员工工作积极性的核心因素。平均而言，员工将大约 72% 的工作动力归因于薪酬，其中相当一部分员工将几乎 全部 工作动力归因于福利。此外，74% 至 80% 的员工表示，在其他条件不变的情况下，加薪会对关键工作成果产生有意义的或重大的影响，包括积极性、敬业度、自主努力、绩效和留任率。在所有五项指标中，只有极少数人（5-8%）表示加薪不会产生任何影响。

这些调查结果共同表明，福利作为行为驱动因素的持续重要性。

与此同时，绩效与薪酬之间的关系正变得越来越复杂，受到多种力量的重塑：

• 提高福利的透明度
• 人们对基于技能的薪酬模式越来越感兴趣
• 团队和网络贡献的兴起
• 对更个性化奖励体验的期待

这些发展引发了一些重要问题，即在贡献更加分散、更不明显、更难归因于个人的环境中，组织将如何定义公平并分配奖励。

他们还指出，奖励的作用正在发生更广泛的演变。除了反映过去的业绩之外，福利越来越成为塑造行为和传递组织优先事项的机制——尤其是在贡献的定义本身也在不断变化的情况下。

展望未来

最终，这些发现表明，各个组织正在经历一段意义重大的转型期。

绩效管理的核心目标（使工作与战略保持一致、支持发展和指导奖励）基本保持不变。改变的是实现这些目标的背景。

随着 AI 不断改变工作方式，组织需要更加重视以下方面：

• 理解影响，而不仅仅是活动
• 表彰超越正式职责范围的贡献
• 整合多种数据来源和观点
• 建立可信的、动态的个人技能及其随时间增长的指标
• 平衡技术能力与人类判断和信任

对于人力资源领导者和技术提供商而言，这既是挑战也是机遇——尤其是在绩效和奖励制度的设计、解释和体验方面。

敬请关注我们即将于 7 月或 8 月发布的完整研究报告，届时我们将更深入地探讨这些影响，包括新兴的衡量模型、绩效和奖励制度的设计考虑因素以及人力资源技术的潜在发展方向。

目前，一个观察结果提供了一个有用的起点：随着绩效定义的演变，用来理解和奖励绩效的系统也必须随之演变——该系统立足于当今价值的创造方式，并能适应未来价值的创造方式。