要用 AI 撰寫績效評核紀錄，先收集涵蓋整個評核週期、附日期而且可觀察的證據，並把每一項對應到事先議定的目標或績效標準。刪除不必要的個人資料，再讓獲批的 AI 工具把證據整理成候選紀錄，分別呈現觀察、影響、背景、支援和員工回應。經理必須核實每句陳述；AI 不得評分、排序、診斷或建議紀律處分。

負責任使用 AI 指南提供通用的人手審批模式。處理僱傭資料前先看 AI 私隱風險；紀錄依賴外部主張時用事實核查方法。

關鍵要點

由議定的標準和完整的評核週期開始。

把可觀察的工作、證據、背景和影響分開記錄。

納入成就、待改善之處、所提供的支援和員工的回應。

不要要求 AI 提供評分、性格判斷、意圖推測或紀律結果。

遵守當地政策、私隱、員工代表和審核要求。

評核週期和績效標準以甚麼為準？

收集紀錄前，寫明評核的起止日期、職位、已批准的目標、績效標準、經理、員工、適用政策和必需的審核人。使用該週期內實際適用的標準版本。最後一個月才提出的目標，不應被當作管轄全年。

績效管理是循環，而非一年一次的寫作。美國人事管理局（OPM）把規劃、監察、發展、評級和獎勵視為互相關連的階段，並強調持續回饋以及與既定標準的比較。［1］本文只涉及證據紀錄和措辭草稿，不把機構的評級階段自動化。

為每項目標或期望建立標準 ID，記錄預期成果、量度方法、證據負責人、覆核節奏和有紀錄的變更。標準含糊或從未傳達時，與人力資源部門解決這個流程問題，而不是事後要求 AI 把它說得精確。

收集涵蓋整個週期的證據

使用政策容許的來源：已批准的目標、工作成果、服務紀錄、項目紀錄、客戶或持份者的回饋、有紀錄的跟進面談、培訓紀錄，以及員工本人的陳述。檢查各來源是否涵蓋相關時期和群組。最易取得的數據不等於最重要的工作。

每個候選項目都要記錄：

欄位	必需內容
日期或週期	工作或事件發生的時間
目標或標準	穩定 ID 與適用版本
可觀察的行為或產出	做了甚麼或交付了甚麼，不涉及動機或性格判斷
證據	來源 ID、負責人和位置
影響	對團隊、客戶、質素、交付或風險的已核實影響
背景	依賴關係、範圍改動、工作量、資源或限制
支援	已提供的指導、工具、培訓、遷就安排或機會
員工回應	員工的解釋、更正、異議或補充證據
後續行動	負責人、日期和議定的下一次檢查

用同一標準收集正面和待改善證據。沒有來源的讚揚和沒有來源的批評一樣站不住腳。不要只因技術上可行便收集私人通訊或大範圍監察。

除非獲授權的程序明確要求，否則不要把特殊類別或高度敏感的資料放進一般證據表。健康、殘疾、申訴、騷擾、工會活動、受保障特徵、家庭事務、薪酬、調查證據和法律意見，都需要獨立的存取和處理規則。不要把姓名、這類資料或可識別的績效紀錄輸入普通消費級 AI；只用機構批准的環境。

如何把觀察與推斷分開？

寫出他人能核實的觀察。「8 月 14 日提交的已批准發布檢查清單有兩個必填欄位空白」描述的是具體成果和日期；「不在乎質素」是在歸因動機，不是證據紀錄。

影響也需依據。「按工單 R-42，欠缺的欄位令審批延遲一個工作天」可以檢驗；「差點釀成大禍」既情緒化又不明確。影響不確定時標示為待解決問題。

分開背景與藉口。依賴變化、系統不可用、優先次序衝突、方向不清或獲批的休假，都可能改變詮釋。把它記錄下來，但不要判定它證明或否定表現。納入員工陳述，並透過機構程序解決有爭議的事實。

英國勞資諮詢調解仲裁服務機構建議，評核應討論哪些方面進展順利、哪些可以改善、需要甚麼支援或培訓，以及目標；它亦建議保留書面紀錄並與員工分享。［2］具體權利和程序各有不同，須遵守當地法律、政策和集體協議。

使用 AI 前檢查證據平衡和偏差

起草前先審視證據集，檢查績效評核的近因偏差等問題：

證據是否涵蓋整個週期，還是主要集中在最後幾週？
高曝光度的項目是否佔比過高？
不同人的相似行為是否獲一致描述？
共同完成的工作是否被歸功於某一個人？
是否同時包含正面例子和待改善例子？
標準和資源是否真正可用？
有否結論基於受保障的資料或遷就安排的申請？
有爭議的事實是否已標示並轉交處理？

AI 不是「偏差消除器」。它能標示不一致的結構或帶傾向的措辭，但也可能複製材料中的偏差或加入自己的偏差。美國平等就業機會委員會（EEOC）關於 AI 與《美國殘疾人法》（ADA）的資料提醒，僱傭技術可能帶來殘疾歧視風險，可能篩走合資格的人，或未能支援遷就安排。［3］

如證據顯示可能涉及不當行為、騷擾、歧視、報復、安全風險、申訴或正式的績效程序，便停止這個一般起草流程。把事項轉交人力資源部門，或進入必需的調查和代表程序。常規評核紀錄不能成為繞過程序保障的捷徑。

怎樣用 AI 撰寫績效評核紀錄，只出草稿不作決定？

盡量使用獲批的環境和去識別的證據集。以穩定的個案 ID 取代姓名，刪去模型不需要的細節。未去識別的來源只保存在獲授權的紀錄系統。

給 AI 一條範圍窄的提示：

把已批准的證據列整理成候選的績效評核紀錄。每項紀錄返回標準 ID、日期或週期、可觀察的行為或產出、證據 ID、已核實的影響、相關背景、已提供的支援、員工回應和後續行動。只使用所提供的事實。不要提供評分、為人排序，不要推斷意圖、情緒、性格、健康、殘疾或受保障特徵，不要建議紀律處分，也不要裁決有爭議的證據。把沒有依據的陳述標示為「需人手審核」。

要精緻文字之前，先要一份主張紀錄表。每一句都應對應到一個或多個證據 ID，並註明它屬於觀察、有依據的影響、背景、員工回應，還是擬議的後續行動。刪去無法追溯的句子。

模型亦能做有用的結構檢查：找出沒有證據的標準、沒有對應標準的證據、重複的例子、不一致的日期範圍、欠缺的員工回應，以及沒有負責人的後續行動。它應向經理返回問題，不填補空白。

起草平衡、具體的評核紀錄

一項實用的紀錄包含五個部分：

**標準：**議定的目標或期望。
**證據：**附日期、可觀察的工作或行為。
**影響：**已核實的結果，以及其局限。
**背景與回應：**相關條件和員工的陳述。
**後續行動：**支援、行動、負責人和覆核日期。

示例框架：

標準 [S-03]：[議定的成果]。

證據：[日期]，[可觀察的工作或產出]，依據為 [來源 ID]。

影響：[已核實的影響，或「影響尚未確認」]。

背景與員工回應：[相關背景]；員工表示 [準確概述]，並提供 [補充證據（如有）]。

支援與後續行動：[支援或資源]；[負責人] 將於 [日期] 覆核 [量度指標]。

使用中性動詞和具體名詞。把「總是」「從不」「態度差」「不是當領導的材料」「文化不契合」換成實際證據，或刪去這類說法。不要把最近一件事變成對整個週期的判斷。

發展類紀錄要把「現有證據中的差距」與「永久特質」分開。寫明支援、練習機會、成功標準和覆核日。不要承諾紀錄負責人無權決定的晉升、薪酬、評級或僱傭結果。

進行經理、員工、人力資源和私隱審核

經理核對每個來源、日期、標準、影響和背景。員工應按政策和法律要求，有機會補充證據、解釋背景、提出異議或要求更正。保留分歧，不要改寫紀錄來暗示已有共識。

人力資源或其他指定審核人應檢查是否符合政策、程序階段、必需通知、代表權、遷就安排和保存要求。私隱審核人應核實目的、存取、最小化、準確性、安全、保存期限和自動化處理規則。英國資訊專員辦公室（ICO）的僱傭指引強調，員工資料在整個僱傭期間都受資料保障責任約束。［4］

只在獲批政策容許時保留 AI 提示紀錄。不要貪方便把整份人事檔案貼進新對話。最終紀錄存放在獲授權、有正確存取控制的人力資源系統，而非個人筆記程式或一般聊天機械人的歷史。

為紀錄做版本管理。記錄證據集、標準版本、經理審核、員工回應、必要時的人力資源審核、最終日期和後續觸發條件。重要事實改變時，加入更正或新版本；不要悄悄改寫歷史紀錄。

欄位	紀錄內容
週期與標準	日期、穩定 ID 與適用版本
觀察	可核實的行為或產出
證據	來源、負責人與核實日期
影響與背景	已確認的影響與重要條件
已提供支援	已提供的協助或機會
員工回應	回應、異議或補充來源
後續行動	行動、負責人、日期與覆核點
審核人	經理、人力資源部門及其他必需的審批人

總結

使用所記錄評核週期內適用的標準。
由整個週期和一致的來源類型收集附日期、可觀察的績效證據。
把觀察、影響、背景、支援和員工回應分開。
讓 AI 整理已批准的證據，絕不讓它為人評分或下診斷。
把正式或敏感的事項轉入正確的程序。
按適用規則分享、更正、限制、保存和覆核紀錄。

常見問題

AI 可以產生最終績效評分嗎？

不可以。本流程只整理證據和候選紀錄。評級、校準、獎勵、發展和正式處理，仍是受政策和法律約束、由人負責的程序。

甚麼是可觀察證據？

附日期的工作成果、有紀錄的行動、獲批指標、服務紀錄或可歸屬的回饋，在相關而且獲准時都可作為證據。動機、性格和傳聞不是可觀察的績效證據。

如何減少近因偏差？

定期收集證據，比較整個週期的涵蓋情況，找出只有最後幾週證據的目標。不要用 AI 虛構欠缺的早期例子。

應該加入員工的解釋嗎？

相關而且獲准時應加入。準確記錄其解釋，容許其提供支持證據，並保留未解決的分歧，不要把經理的詮釋呈現為無爭議的事實。

AI 能令紀錄沒有偏見嗎？

不能。它能標示帶傾向的措辭或不一致的欄位，但偏差可能存在於來源、標準、機會取得和模型輸出中。仍需人手審核和公平程序。

可以把績效資料貼進公共聊天機械人嗎？

不可以。只使用獲批的環境和所需的最少去識別資料。遵守僱傭、私隱、資訊保安、存取和保存方面的要求。

證據指向不當行為或歧視時怎麼辦？

停止一般起草流程，改用機構正式的人力資源、調查、安全、申訴或法律程序。不要要求 AI 判定有否過失或建議紀律處分。

績效紀錄與經驗教訓報告相同嗎？

不同。經驗教訓報告審視的是某個項目或事件及其系統。績效紀錄關注個人工作與議定標準的對照，公平和私隱責任亦不同。

免責聲明：本文提供一般資料，不構成僱傭、勞工、殘疾、私隱、紀律或法律意見。請遵守當地法律、政策、集體協議，並由合資格的人力資源或法律人員審核。

來源：

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。

延伸閱讀：

如何用 AI 撰寫績效評核紀錄：只整理證據，不代人評分