要用 AI 撰写绩效评估记录，先收集覆盖整个评估周期、带日期且可观察的证据，并把每一项对应到事先约定的目标或绩效标准。删除不必要的个人数据，再让获批的 AI 工具把证据整理成候选记录，分别呈现观察、影响、背景、支持和员工回应。经理必须核实每句陈述；AI 不得评分、排序、诊断或建议纪律处分。

负责任使用 AI 指南提供了通用的人工审批模式。处理雇佣信息前先看 AI 隐私风险；记录依赖外部主张时用事实核查方法。

关键要点

从约定的标准和完整的评估周期开始。

把可观察的工作、证据、背景和影响分开记录。

纳入成就、待改进之处、所提供的支持和员工的回应。

不要让 AI 给出评分、性格判断、意图推测或纪律结果。

遵守当地政策、隐私、员工代表和审核要求。

评估周期和绩效标准以什么为准？

收集记录前，写明评估的起止日期、岗位、已批准的目标、绩效标准、经理、员工、适用政策和必需的审核人。使用该周期内实际适用的标准版本。最后一个月才提出的目标，不应被当作管辖全年。

绩效管理是循环，而非一年一次的写作。美国人事管理局（OPM）把规划、监测、发展、评级和奖励视为相互关联的阶段，并强调持续反馈以及与既定标准的比较。［1］本文只涉及证据记录和措辞草稿，不自动化组织的评级阶段。

为每项目标或期望建立标准 ID，记录预期成果、衡量方法、证据负责人、复核节奏和有记录的变更。标准含糊或从未传达时，与人力资源部门解决这个流程问题，而不是事后让 AI 把它说得精确。

收集覆盖整个周期的证据

使用政策允许的来源：已批准的目标、工作成果、服务记录、项目日志、客户或利益相关方的反馈、有记录的沟通会谈、培训记录，以及员工本人的陈述。检查每个来源是否覆盖相关时期和人群。最易获取的数据不等于最重要的工作。

对每个候选条目，记录：

字段	必需内容
日期或周期	工作或事件发生的时间
目标或标准	稳定 ID 与适用版本
可观察的行为或产出	做了什么或交付了什么，不涉及动机或性格判断
证据	来源 ID、负责人和位置
影响	对团队、客户、质量、交付或风险的已核实影响
背景	依赖关系、范围变化、工作量、资源或限制
支持	已提供的指导、工具、培训、便利安排或机会
员工回应	员工的解释、更正、异议或补充证据
后续行动	负责人、日期和约定的下一次检查

用同一标准收集正面和待改进证据。没有来源的表扬和没有来源的批评一样站不住。不要只因技术上可行就收集私人消息或大范围监控。

除非获授权的流程明确要求，否则不要把特殊类别或高度敏感的信息放进一般证据表。健康、残障、申诉、骚扰、工会活动、受保护属性、家庭事务、薪资、调查证据和法律意见，都需要单独的访问和处理规则。不要把姓名、这类信息或可识别的绩效记录输入普通消费级 AI；只用组织批准的环境。

如何把观察与推断分开？

写出其他审核者能核实的观察。“8 月 14 日提交的已批准发布检查清单有两个必填字段为空”描述的是具体成果和日期；“不在乎质量”是在归因动机，不是证据记录。

影响也需依据。“根据工单 R-42，缺失的字段使审批延迟了一个工作日”可以检验；“差点酿成大祸”既情绪化又不明确。影响不确定时，标为待解决问题。

区分背景与借口。依赖变化、系统不可用、优先级冲突、方向不清或获批休假，都可能改变解读。记录下来，但不要判定它证明或否定绩效。纳入员工的陈述，并通过组织的流程解决有争议的事实。

英国劳资咨询调解仲裁服务机构建议，评估应讨论哪些方面进展顺利、哪些可以改进、需要什么支持或培训，以及目标；它也建议保留书面记录并与员工分享。［2］具体权利和程序各异，须遵守当地法律、政策和集体协议。

使用 AI 之前检查证据平衡和偏差

起草前先审视证据集，检查绩效评估的近因偏差等问题：

证据是否覆盖整个周期，还是主要集中在最后几周？
高曝光度的项目是否占比过高？
不同的人的相似行为是否得到一致的描述？
共同完成的工作是否被归功于某一个人？
是否同时包含正面例子和待改进例子？
标准和资源是否真正可用？
是否有结论基于受保护的信息或便利安排的申请？
有争议的事实是否已标注并转交处理？

AI 不是“偏差消除器”。它能标出不一致的结构或带倾向的措辞，但也可能复制材料中的偏差或加入自己的偏差。美国平等就业机会委员会（EEOC）关于 AI 与《美国残疾人法》（ADA）的资料提醒，雇佣技术可能带来残障歧视风险，可能筛掉合格的人，或未能支持便利安排。［3］

如果证据显示可能涉及不当行为、骚扰、歧视、报复、安全风险、申诉或正式绩效程序，就停止普通起草流程。把事项转交人力资源部门，或进入必需的调查和代表程序。常规评估记录不能成为绕过程序保障的捷径。

怎样用 AI 撰写绩效评估记录，只出草稿不作决定？

尽量使用获批环境和去标识的证据集。用稳定的案例 ID 代替姓名，删去模型不需要的细节。未脱敏的来源只保存在获授权的记录系统中。

给 AI 一条范围窄的提示词：

把已批准的证据行整理成候选的绩效评估记录。每条记录返回标准 ID、日期或周期、可观察的行为或产出、证据 ID、已核实的影响、相关背景、已提供的支持、员工回应和后续行动。只使用提供的事实。不要给出评分、给人排序，不要推断意图、情绪、性格、健康、残障或受保护特征，不要建议纪律处分，也不要裁决有争议的证据。把没有依据的陈述标为“需人工审核”。

要精致文字之前，先要一份主张台账。每一句话都应对应到一个或多个证据 ID，并注明它属于观察、有支持的影响、背景、员工回应，还是拟议的后续行动。删去无法追溯的句子。

模型还能做有用的结构检查：找出没有证据的标准、没有对应标准的证据、重复的例子、不一致的日期范围、缺失的员工回应，以及没有负责人的后续行动。它应向经理返回问题，不填补空白。

起草平衡、具体的评估记录

一条实用的记录包含五个部分：

**标准：**约定的目标或期望。
**证据：**带日期、可观察的工作或行为。
**影响：**已核实的结果，以及其局限。
**背景与回应：**相关条件和员工的陈述。
**后续行动：**支持、行动、负责人和复核日期。

示例框架：

标准 [S-03]：[约定的成果]。

证据：[日期]，[可观察的工作或产出]，依据为 [来源 ID]。

影响：[已核实的影响，或“影响尚未确认”]。

背景与员工回应：[相关背景]；员工表示 [准确概述]，并提供了 [补充证据（如有）]。

支持与后续行动：[支持或资源]；[负责人] 将于 [日期] 复核 [衡量指标]。

使用中性动词和具体名词。把“总是”“从不”“态度差”“不是当领导的料”“文化不契合”换成实际证据，或删除这类说法。不要把最近一件事变成对整个周期的判断。

发展类记录要把“当前证据中的差距”与“永久特质”区分开。写明支持、练习机会、成功标准和复核日。不要承诺记录负责人无权决定的晋升、薪酬、评级或雇佣结果。

进行经理、员工、人力资源和隐私审核

经理核对每个来源、日期、标准、影响和背景。员工应按政策和法律要求，有机会补充证据、解释背景、提出异议或要求更正。保留分歧，不要改写记录来暗示已有共识。

人力资源或其他指定审核人应检查是否符合政策、程序阶段、必需通知、代表权、便利安排和保留要求。隐私审核人应核实目的、访问、最小化、准确性、安全、保留期限和自动化处理规则。英国信息专员办公室（ICO）的雇佣指引强调，员工信息在整个雇佣期间都受数据保护义务约束。［4］

只在获批政策允许时保留 AI 提示记录。不要图方便把整份人事档案粘贴进新会话。最终记录存放在获授权、有正确访问控制的人力资源系统中，而非个人笔记应用或通用聊天机器人的历史里。

为记录做版本管理。记录证据集、标准版本、经理审核、员工回应、必要时的人力资源审核、最终日期和后续触发条件。重要事实变化时，添加更正或新版本；不要悄悄改写历史记录。

字段	记录内容
周期与标准	日期、稳定 ID 与适用版本
观察	可核实的行为或产出
证据	来源、负责人与核实日期
影响与背景	已确认的影响与重要条件
已提供支持	已经提供的协助或机会
员工回应	回应、异议或补充来源
后续行动	行动、负责人、日期与复核点
审核人	经理、人力资源部门及其他必需的审批人

总结

使用在所记录评估周期内适用的标准。
从整个周期和一致的来源类型中收集带日期、可观察的绩效证据。
把观察、影响、背景、支持和员工回应分开。
让 AI 整理已批准的证据，绝不让它给人评分或下诊断。
把正式或敏感的事项转入正确的流程。
按适用规则分享、更正、限制、保留和复核记录。

常见问题

AI 可以生成最终绩效评分吗？

不可以。本流程只整理证据和候选记录。评级、校准、奖励、发展和正式处理，仍是受政策和法律约束、由人负责的流程。

什么是可观察证据？

带日期的工作成果、有记录的行动、获批指标、服务记录或可归属的反馈，在相关且获准时都可作为证据。动机、性格和传闻不是可观察的绩效证据。

如何减少近因偏差？

定期收集证据，比较整个周期的覆盖情况，找出只有最后几周证据的目标。不要用 AI 编造缺失的早期例子。

应该加入员工的解释吗？

相关且获准时应加入。准确记录其解释，允许其提供支持证据，并保留未解决的分歧，不要把经理的解读呈现为无争议的事实。

AI 能让记录没有偏见吗？

不能。它能标出带倾向的措辞或不一致的字段，但偏差可能存在于来源、标准、机会获取和模型输出中。仍需人工审核和公平程序。

可以把绩效数据贴进公共聊天机器人吗？

不可以。只使用获批的环境和所需的最少去标识信息。遵守雇佣、隐私、安全、访问和保留方面的要求。

证据指向不当行为或歧视时怎么办？

停止普通起草流程，改用组织正式的人力资源、调查、安全、申诉或法律程序。不要让 AI 判定是否有过错或建议纪律处分。

绩效记录与经验教训报告相同吗？

不同。经验教训报告审视的是某个项目或事件及其系统。绩效记录关注个人工作与约定标准的对照，公平和隐私义务也不同。

免责声明：本文提供一般信息，不构成就业、劳动、残障、隐私、纪律或法律建议。请遵守当地法律、政策、集体协议，并由合格的人力资源或法律人员审核。

来源：

U.S. Office of Personnel Management, Performance Management Cycle — https://www.opm.gov/policy-data-oversight/performance-management/performance-management-cycle/
Acas, Reviews and appraisals — Performance management — https://www.acas.org.uk/performance-management
U.S. Equal Employment Opportunity Commission, Artificial Intelligence and the ADA — https://www.eeoc.gov/eeoc-disability-related-resources/artificial-intelligence-and-ada
Information Commissioner’s Office, Employment information — https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/employment/

Sources checked 2026 年 8 月 29 日。

延伸阅读：

如何用 AI 撰写绩效评估记录：只整理证据，不替人评分