要用 AI 制定 30-60-90 日計劃，先收集已確認的職位要求、團隊優先事項、存取限制和經理意見。AI 只負責把事實整理成學習、貢獻和獨立負責三個階段；每項優先次序、指標、依賴和決策邊界都由經理確認後，才可成為正式承諾。

負責任地使用 AI 的通用方法同樣適用：文字流暢並不代表內容真確。每項承諾都應追溯至可信的人、文件或系統。

關鍵要點

把第 30、60、90 日視為檢討窗口，而非劃一績效期限。

分開已確認事實、工作假設和未解問題。

按實際需要兼顧學習、關係、交付和權限。

以可觀察證據描述進度，不虛構目標或不可控結果。

把依賴、負責人和經理決定放在里程碑旁邊。

職位、團隊或證據改變時發布新版本。

30-60-90 日計劃應解決甚麼問題？

這是一份簡短、可版本化的上手協議，說明你如何理解職位、開始貢獻，並在合適範圍內承擔責任。三個日期提供檢查節奏，不會把不確定工作變成保證結果。

OPM 的管理人員入職框架採用分階段里程碑，並重視策略關係、持份者溝通、回饋和績效期望。［1］其職業發展與個人發展計劃資料亦指出，發展計劃是僱員與主管的合作，須圍繞具體學習目標、能力和持續回饋。［2］［3］這些原則可用於一般職位，但實際制度仍以你的機構為準。

不要把它與僱員入職清單混為一談。清單確認帳戶、設備、表格和培訓是否準備好；本計劃說明如何形成職位理解、提交證據並逐步取得決策權限。

步驟 1：凍結職位範圍和來源包

在提示 AI 前，先記錄職位名稱、團隊、經理、開始日期、計劃版本、來源截止時間和檢討節奏。若招聘時的職位描述與現有職責不同，保留兩個版本，並由經理決定哪一個適用。

來源包只應包含獲准使用的資料：

已簽署的職位描述或工作說明；
經理提供的團隊目標和當前優先事項；
操作程序、服務邊界和決策政策；
已確認的持份者角色；
已知的存取、培訓和合規要求；
經理對待核實問題的書面答覆。

不要把機密資料提交到未獲批准的 AI 服務。以穩定角色標籤代替敏感姓名，減少貼上內容，並為每項事實保留 source ID。NIST 把虛構、資料私隱、資訊完整性和人機配置列為生成式 AI 的重要風險。［4］

狀態	含義	用途
已確認	有獲批來源或責任人支持	可成為計劃承諾
假設	等待確認的暫時前提	只可產生問題
未知	資料缺失或互相衝突	必須保持未解

步驟 2：把職位事實分成四條工作流

將資料分為學習、關係、交付和權限。只有產出而缺少背景可能導致錯誤；只學習而沒有貢獻，也不能顯示上手進度。

工作流	規劃問題	可觀察證據
學習	須了解哪些系統、客戶、規則和流程？	完成演示、流程圖獲負責人確認、完成必需培訓
關係	誰提供輸入、批准或服務？	完成有目的的首次會面、確認溝通渠道
交付	現階段適合甚麼有限貢獻？	分析獲覆核、小任務驗收、草稿獲回饋
權限	哪些決定只可觀察、協助、建議或執行？	書面授權、覆核規則、升級路徑

「了解業務」過於籠統；「向流程負責人解釋訂單至退款路徑，並按覆核修正流程圖」則可以檢查。若來源沒有目標、基線、歸因和控制範圍，不得自行加入收入增長等數字承諾。

步驟 3：以入職後首 30 日建立已核實理解

首階段通常重視方向、存取、背景和聆聽，但內部調職或緊急項目可能不同。可包括：完成強制安全與合規培訓、整理團隊輸入輸出和升級路徑、觀察一條端到端流程、帶着目的接觸已確認持份者、請經理確認近期優先事項，以及共同檢視首階段證據。

每項里程碑都要有負責人、依賴、時間窗口、證據和檢查點。「取得分析系統權限」取決於授權團隊，不能全部寫成你的承諾；應記錄批准方、升級日期和等待期間仍可進行的工作。

步驟 4：以第 31–60 日形成有限貢獻

第二階段應把學習轉成細小、可覆核的貢獻。選擇輸入清楚、有真實接收者、影響範圍有限，而且有回饋機制的工作，例如改善一份已記錄的程序、以已批准的資料完成分析、接手一項低風險的例行工作，或提出變更供評審。

這與完整項目計劃不同。如果某個里程碑擴展成多團隊項目，便連結至它另外的範圍、時間表、風險和管治，而不是把所有項目管理壓縮在計劃中的一行。

每項貢獻都要記錄：

會產出甚麼、交給誰；
已確認的驗收證據；
所需的輸入和存取權限；
由誰覆核或批准；
哪些決定仍超出你的權限；
你會從結果中學到甚麼。

避免以活動數目衡量，因為那只獎勵忙碌而非價值。十次會議不一定比三次好。一份經覆核的持份者關係圖或一項獲同意的運作改變，可能是比日曆總數更有力的證據。

步驟 5：以第 61–90 日界定合適責任

第三階段展示你能安全負責甚麼，而不是製造戲劇性的終點。責任可以是獨立運行例行程序、在明確邊界內提出建議、領導小型改善，或維護定義清楚的指標。

請經理把權限分為觀察、協助、建議和決定。若權限受認證、試用期、法律授權或系統存取限制，就列出條件，不能假設第 90 日會自動覆蓋規定。

只有機構真正使用目標與關鍵結果時，才參考用 AI 編寫 OKR。需要指標時，可參考用 AI 定義 KPI，補齊負責人、公式、資料來源、頻率和解釋；模型不得虛構目標。

步驟 6：用 AI 制定 30-60-90 日計劃時只給有限轉換任務

把提供的職位證據整理到 0–30、31–60、61–90 日三個窗口。
每項返回工作流、source ID、行動、可觀察證據、負責人、依賴、
檢查點、權限和未解問題。只能使用已提供事實，不得虛構優先事項、
目標、基線、存取權、持份者承諾、期限、績效標準或晉升。
保留假設和未知項；遇到衝突時列出，不要自行解決。

逐行覆核，刪除通用填充、拆開複合里程碑，並恢復被摘要遺漏的限定詞。若模型把經理的決定分配給你，須改回正確負責人。

步驟 7：把目標改為可觀察證據

證據應顯示某項行動是否發生，而不假裝證明你無法控制的業務成果。有用的證據包括獲批准的流程圖、已完成的必修培訓、獲接收者驗收的分析、按清單完成的例行程序，或附覆核意見的已記錄決定。

使用以下的行結構：

窗口	行動	證據	依賴	權限	檢查點
0–30	繪製一個獲批流程	流程負責人確認流程圖及修正	負責人訪談	觀察	第 20 日檢討
31–60	提交有限分析	接收者接受方法和限制	獲批資料集	建議	雙週檢查
61–90	執行例行覆核	完成清單並升級例外	書面授權	政策內決定	第 85 日檢討

除非有已記錄的評分準則加以界定，否則避免使用「出色」「優秀」或「策略性」等形容詞。優先採用覆核人能直接檢查的證據。

步驟 8：由經理覆核並管理版本

與經理逐行檢視計劃，並明確詢問：

這項優先事項是否已確認而且仍然適用？
證據是否足夠，並在我的控制範圍之內？
負責人是否正確？
存取和持份者方面的依賴是否實際？
決定權限的界線是否準確？
哪些事項應停止、調動或新增？

記錄經理實際作出的決定，而不是 AI 對經理「大概意思」的摘要。發佈註明日期的版本，並安排短週期的檢查點。當依賴延誤或優先事項改變時，保留舊條目，寫明原因，再發佈新版本。計劃應隨時間變得更準確，而不是一直忠於第一天的假設。

應執行哪些品質檢查？

總結

從已核實職位證據和經理輸入開始。
把三個窗口當作檢討點，而非劃一績效規則。
同時規劃學習、關係、交付和權限。
明示證據、依賴、負責人和待核實問題。
AI 只整理和質疑事實，不創造承諾。
現實改變時重新覆核和發布版本。

常見問題

誰適合使用 30-60-90 日計劃？

新僱員、內部調職者、新晉經理或承辦商都可能受益，前提是已有足夠獲確認的職位資料。範圍和節奏必須符合真實安排。

三個階段應包括甚麼？

首階段通常側重學習和存取，第二階段側重有限貢獻，第三階段側重合適責任。這只是起始結構，內容由職位和經理決定。

經理未提供清晰優先事項怎麼辦？

建立問題登記表，草稿只寫已確認事實。把建議標為假設，請經理排序或否決，留痕前不要寫成承諾。

每個里程碑都需要數字嗎？

不需要。只有定義、基線、目標、來源和負責人都已確認時才用數字；獲批准的流程圖往往比虛構百分比更可信。

它與入職清單有何分別？

入職清單追蹤設備、帳戶、表格和強制培訓；本計劃追蹤職位理解、貢獻和權限如何發展。

計劃批准後可以改嗎？

可以。保留舊版本，記錄內容、原因和批准人，再更新受影響的里程碑與依賴。

AI 可以安全地做甚麼？

AI 可分類事實、草擬里程碑、找出缺項、檢查負責人矛盾並產生覆核問題。它不能知道未寫明的優先事項、授予權限或承諾績效。

應多久覆核一次？

安排短周期檢查，並在選定窗口附近正式檢討。職位、經理、優先事項、存取或依賴重大改變時應提早覆核。

免責聲明： 本文只提供一般規劃資訊，不構成僱傭、法律、人力資源或績效管理建議。請向經理及獲授權職能確認要求。

來源

U.S. Office of Personnel Management, Executive Onboarding Framework — https://www.opm.gov/policy-data-oversight/training-and-development/hit_the_ground_running_establishing_a_model_executive_onboarding_framework_2011.pdf
U.S. Office of Personnel Management, Career Development — https://www.opm.gov/policy-data-oversight/training-and-development/career-development/
U.S. Office of Personnel Management, Career Development — https://www.opm.gov/policy-data-oversight/training-and-development/career-development/
NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

Sources checked 2026 年 9 月 4 日。

用 AI 制定 30-60-90 日計劃：只寫經理確認過的承諾