数字智能绩效管理变革数字智能目标设定绩效计划连接公司繁荣战略与运营，作为绩效管理的第一环节，是绩效管理的成功实施关键因素。组织通过数字智能技术收集的大量数据可用于设定员工目标。数字智能目标设定包括算法任务分配和性能目标设定两个方面。算法任务主要存在于零工经济和平台工作中。例如，在快递员、外卖骑手和网约车司机的工作环境中，算法将工作人员的实时地理位置信息与任务相关信息（如新订单、优先级变化和截止日期）联系起来)，系统智能派单。并提供最佳路线，同时在客户界面中提供准确的预期交货时间。在阿里巴巴仓库进行的一项为期15天的研究算法任务分配过程的现场实验表明，在劳动密集型环境中，工人认为算法任务分配过程比人类更公平，这进一步提高了他们的生产率近20%。数字智能技术还可以根据过去的业绩、业务需求、交通状况、天气等数据自动设定业绩目标，例如亚马逊基层仓库工人的包裹量目标和运输司机的货物交付目标。对于组织中不同岗位相对复杂的任务，基于一定规模的数据，也可以通过建模进行目标设定。例如销售部门的业务测算，证券公司的目标设定，生产部门的质量、时间和成本的设定，供应链的稳定性目标规划等。虽然算法可以提高效率和准确性，它也有很多问题。算法任务分配高度依赖于市场需求和员工能力，员工几乎没有接受或拒绝算法分配任务的自由，因此会对员工自主性产生负面影响。算法还经常提高任务的门槛，导致工作不稳定和工作量增加。在知识驱动的工作环境中，算法目标设定甚至会影响员工的自主权并限制员工的创造力。大部分算法一味追求“效率”，让员工长期处于“制度”的压力之下。例如，为了防止错过算法的实时更新任务，平台工作者只能24/7全天候在线。算法任务分配的不确定性导致他们时而赶工，时而闲着，加剧了他们的倦怠感。数字智能监控、反馈与引导数字智能监控近日，某知名公司的裁员事件，让一个可以监控员工离职倾向和放缓趋势的“员工行为监控”系统走入了公众视野。据了解，该系统可以检测员工访问求职网站的次数、聊天关键词数量、搜索关键词数量、简历投递数量，从而及时发现潜在的离职风险员工。提前为组织分析离职风险人员名单和风险等级，给出离职风险的判断依据。此外，该系统还可以分析员工破坏行为。员工在公司内网的聊天记录、上网时长、访问应用程序的特征都将被该系统监控，并通过预定义的规则确定员工的工作状态。同时，通过收集影响工作效率的无关应用和破坏集中的时间段，系统还可以自动分析员工被动破坏的因素，给出破坏最严重的部门和员工排名.监控的不仅是信息，还有流量。去年底，国美集团内部发布的《关于违反员工行为规范的处罚通报》报告在网络上引发热议。通报称，部分员工在工作区域内占用公司公网资源从事与工作无关的事情，并列举了流量数据使用的详细情况。员工上班时访问了哪些网站，他们观看了多长时间的视频？”。根据Gartner2018年对239家大型企业的调查，有一半的公司正在使用非传统监控技术来监控员工——包括跟踪员工在办公室周围的活动和他们的生物识别数据。30%。数字智能监控的一个关键优势是它不仅可以通过多种媒体收集和记录大量信息和指标，例如互联网使用情况、社交媒体活动、活动轨迹、情绪和压力、工作投入，还可以自动快速地分析和处理这些异构数据数字智能绩效管理系统的实时分析功能，可以增强组织绩效管理信息的及时性，避免滞后带来的问题，有利于部门和组织绩效的持续提升。现有研究表明，数字智能监测环将为组织和员工带来积极的结果，例如为组织提供更全面的有效管理信息，为员工提供实时反馈以及时调整行为，减少与绩效无关的行为。然而，数字智能监控也会让员工感到隐私受到侵犯，产生不公平感，降低工作满意度、组织承诺、创造力，甚至会增加适得其反的绩效，即“你有政策，我有对策””——而这恰恰与数字情报监控所要达到的目标背道而驰。数智反馈与指导在绩效执行过程中，数智绩效管理系统将员工的过程绩效和结果绩效实时记录到大数据平台，为员工提供实时的绩效反馈，并可比对绩效经过分析。对贫困员工进行必要的辅导。心理学研究表明，反馈和辅导是提高绩效的重要条件之一。传统的绩效反馈和指导往往由管理者面谈员工或提供书面报告来完成，但数字智能技术的引入引发了新的绩效反馈和指导方式的诞生。在近10%的财富500强企业中，透明的绩效数据已经取代了传统的绩效反馈。Bernstein和Li(2017)对绩效透明度的研究发现，与传统的绩效反馈相比，更详细、更实时、与更广泛的员工共享的透明绩效数据（即绩效透明度）可以提高员工的整体绩效,激励员工。员工行为从非生产性行为转变为生产性行为。数字化智能反馈的即时性和透明性，让员??工随时了解自己的工作表现，同时共享其他员工的绩效数据，促进员工自我调节，进而提升绩效。同时，绩效透明可以替代管理者的部分工作，激发非正式的社会比较；结果还证实，较少得到主管支持且社会比较倾向较低的员工从绩效透明度中受益更多。然而，数字智能技术在绩效反馈中的应用也引发了诸多争论。数字智能技术提供的反馈信息更为有效，但人们对机器的负面认知会大大削弱其作用。具体来说，一方面，数字化智能反馈具有正向的“部署效应”，其强大的数据分析能力可以增强反馈的准确性、一致性和相关性，提高反馈质量，促进员工生产力的提高，从而提高组织绩效。调查结果表明，收到人工智能系统生成的反馈的员工比在不知道反馈来源的情况下从人类经理那里收到反馈的员工表现要好12.9%。另一方面，数字智能技术在反馈中的应用一旦被公开给员工，负面认知和对新技术的不信任所造成的“公开效应”会损害员工的工作效率，数字智能技术带来的商业价值也会受到损害。将被摧毁。大大削弱。研究结果显示，被告知接受AI反馈的员工的工作绩效比被告知接受人类管理者反馈的员工低5.4%，新员工更容易受到负面影响。除了绩效反馈，数字智能技术在绩效指导中的应用也越来越多。人工智能教练不像经历身体疲劳和情绪波动的人类。它可以在重复训练中以更一致、可预测和准确的方式处理训练任务，同时可以快速扩展以最低的成本同时训练数千名员工。Zoom使用AI教练Chorus为其销售团队提供培训并提高交易成功率。数字化智能指导的隐忧之一是其提供的信息过于规范和全面，对于高绩效员工来说是多余和啰嗦的，新员工也难以充分吸收和学习。同时，人际交往能力“软实力”的缺失可能导致员工对AI教练产生反感，阻碍员工的顺利学习和绩效提升。罗等。(2021)对人工智能教练对销售人员的培训进行了研究，发现人工智能教练相对于人类教练的指导效果在不同销售人员之间呈倒U型分布。也就是说，中层销售业绩提升最多，但高层和底层员工的业绩增长有限。这是因为排名垫底的销售人员正在经历最严重的信息过载问题，而排名靠前的销售人员对人工智能的厌恶程度最高。该研究的另一个重要发现是，人工智能教练与人类教练的组合效果最好，优于单独的人工智能教练或人类教练。因为这种结合既可以发挥AI教练的“硬实力”，又可以结合人类教练的“软实力”。数字智能评价数字时代企业绩效评价的重要手段是基于数字智能监控获得的海量多维大数据，通过智能算法对数据进行持续分析和评价，然后将评价结果结合实际情况反馈给算法。迭代优化使其更准确。比较简单，比如在数字劳务平台中，滴滴出行等网约车平台利用移动应用，分析司机接单率、拒绝率、准时率等指标，获取乘客对消费体验的评价，建立司机声誉点；美团、饿了么等外卖平台实时跟踪外卖骑手的响应速度、完成订单数、总里程、准时率等，并根据客户好评进行评价。比较复杂的，比如上面介绍的销售人员绩效评价，既包括结果数量的客观评价，也包括销售过程的智能评价。但这样的评价能客观公正吗？诚然，机器不会“以讹传讹”，数字智能测评确实可以避免人类测评的主观性和“人性化”，但容易对情感缺失和外界突发事件（如交通等）麻木不仁事故、暴雨等）评价过于死板，使其既没有“人性”，也没有“人性”。正如引爆网络的文章《外卖骑手，困在系统里》所示，骑手永远不能靠个人实力与算法对抗。当然，NAS评估对组织绩效有积极影响。算法实际上向员工传达了组织制定和倡导的工作??标准和规范。当信息被员工内化理解并形成自己的价值判断时，大部分员工会按照算法的指令做出符合组织期望的行为。例如，网约车司机得知算法是根据他们的正面评价实施优先派单政策后，会主动进行服务行为，从而获得正面评价，提高评价。然而，算法的不透明性和莫名其妙也会让员工感到困惑。同时，由于缺乏直觉和主观判断能力，数字智力测评往往被员工认为是一种不人道的体验。如何合理利用数字智能测评来激励员工，促进组织绩效提升，是管理者无法回避的命题。让我们来看看领先的互联网公司的做法。为了减少主观判断的影响，百度通过算法分析内部沟通频率、沟通时间段、邮件大小和频率等，然后通过数据等步骤自动选择合适的员工参与具体的员工绩效评估建模、机器学习、分析验证。,相关候选人。采用OKR管理的字节跳动在测评过程中采用360度测评，但不同于传统的360测评，数字智能测评系统可以根据数据对每个人的测评风格进行打分，从1.0（严格）到6.0（loose），可以防止一个人的评价风格过度影响被评价员工的评价结果??。同时，系统还设计了绩效校准矩阵，通过智能分析校准团队绩效，尽可能避免管理者经验不足造成的偏差，辅助做出更合理的判断。其实，这就是人机协作在绩效管理中的经典体现。系统背后的数字智能技术，通过其强大的数据分析和处理能力，帮助人类管理者对标标准、执“同一把尺”，而人类管理者则利用自身的管理经验和综合判断，给出最科学的评估。数值智能奖惩数值智能奖惩是根据数值智力测评结果，通过算法对员工进行交互动态奖惩。对于表现好的员工，他们将获得更多的机会、更高的薪水和晋升机会，而表现不佳的员工将被扣除工资和奖金，严重者将被直接解雇。对于很多在线零工平台，比如滴滴、美团、M-turk等，工人的工资几乎完全由算法决定。IBM的头号人工智能沃森（Watson）通过调用员工的历史业绩和项目信息，分析预测其未来潜力，判断员工是否可以晋升，是否调整薪酬。谷歌还在其工程师晋升决策中使用算法来减少决策中的人为偏见。亚马逊的算法会跟踪物流仓储部门每个员工的工作效率，统计每个员工的“钓鱼”时间。一旦有人离职时间过长，AI会自动生成解雇令。而俄罗斯游戏支付服务公司艾克索拉去年解雇了150名使用人工智能算法的员工，引起轩然大波。越来越多的人开始担心基于数字智能的奖惩。由于劳动被算法控制，本应具有人文关怀的奖惩也因算法的加入而变得冷淡。重构未来高效灵活的绩效管理体系人类学家和数据社会学家尼克西弗提出了“算法文化”的概念。在他看来，算法不仅是由理性程序形成的，而且是由制度、社会伦理、普通文化生活等人类集体实践形成的。数字智能技术的发展和应用带来了绩效管理理念和技术的变革，但在为组织管理和员工工作赋能、提升管理效率和服务质量的同时，也带来了一些负面影响。如何构建兼具效率和人性化的未来绩效管理？宜采用“人机协同”的思路，即既不拘泥于传统的“人治”，也不陷入对算法的完全依赖，通过人与机器优势互补。数字智能技术的优缺点虽然数字智能技术具有快速、高效、客观、可量化等优点，但在绩效管理中消除了更多的人际关系和同理心。成为一种不人道的形式。现有研究表明，大多数人认为用算法和机器来管理人类是一种非人化的行为。例如，算法技术没有仔细考虑变化的场景因素，这增加了算法对员工绩效做出误判的概率。人类的长处和短处人类特有的情感、直觉、创造力、想象力、抽象思维等，使其在价值判断、情感表征、不规律性、创造力等问题上不可或缺。人类的这些特性可以帮助解决数字智能绩效管理带来的问题，不断修改和完善算法，为算法注入人性。具体来说，人类往往在需要全局性、宏观性和前瞻性思维的情况下保持比较优势，并具有机器所没有的想象力和创造力。因此，他们可以更好地优化数字智能技术的决策结果。独特的人类体验和情感有助于在错综复杂的动态中协调各方利益并消除可能的冲突。用人的智能来提高人工智能，不仅可以解决数字智能技术带来的问题，实现数字智能技术与人类智能的有机统一，而且有助于防止数字智能技术脱离人类的控制。当然，不可否认的是，人类在决策速度、准确性、成本等方面，在解决客观化、结构化问题方面，仍然不如数字智能技术。数字智能技术与人类的协同共生机器与人类在解决问题的能力和优势上具有互补性。数字智能技术在提升管理效率方面成效显着，但效率只是管理的一个维度。更值得关注的是管理效果，即组织目标与社会愿景的契合程度，强调企业的社会责任和使命，涉及管理伦理问题。随着数字智能技术的不断发展，虽然大量标准化工作将被机器取代，但情感体验、创造力和价值，更需要“温暖”的工作和技能，仍然需要人类。具体来说，机器的理性思维更强调“真”，而人类的思维更强调“真善美”的和谐统一，更注重价值内涵和伦理道德的考量。技术本身作为一种非人类的存在，等同于人，可以与人形成行动者联盟。数字智能技术所体现的自动化、智能化特征，可能会导致技术开发者和使用者一味追求效率提升和成本降低，而忽视了人行为的自主性。但我们相信，无论智能系统多么复杂，人类都应该始终积极参与其决策循环。随着时间的推移，人与机器之间的互动可以使双方变得更加聪明。这是将数字智能技术融入人类社会，构建负责任的人机协同工作体系的保障。未来宜采用“人机协同”的思路构建高效灵活的绩效管理，充分发挥机器的技术优势“赋能人”，结合人的经验和感性，促进人机和谐协作，让员工获得工作的意义感和幸福感。在人机共生的协同工作模式下，人类可以帮助优化机器算法，机器实践反过来辅助人类活动。这是一个双赢的局面。未来的数字智能绩效管理应具有以下特点：第一，智能高效，组织应充分发挥其技术优势，利用绩效监控过程中收集的大量数据和人工智能分析来设定目标，评估考核，奖惩其次，敏捷透明，数字智能技术赋予了绩效反馈前所未有的频率和透明度。年度反馈和季度反馈已成为过去，实时、透明的绩效反馈将为组织和员工做好准备。提供信息以加强整个组织的协作；三是全面、多维度，大数据对内外部信息的强大获取，让绩效管理更加全面、无死角。音频、视频、行为监控的加入，让领导、下属、外部客户、内部同事的综合评价，更加立体地刻画“人”；第四，人是灵活的，人力管理者的“软”技能在这个系统中不可或缺。沟通的把握、特殊情况的考虑、道德规范、宏观层面和大局的考虑，可以降低员工对算法的抵触情绪，提升管理思维的高度，更有效地运用数字智能技术的优势，改善员工和组织。表现。结论随着数字智能技术的发展和完善，管理者和员工必须重新适应新时代的绩效管理。成熟的管理者不应该被数字智能技术所困，将算法的建议奉若神明，而是应该用自己独特的经验和情感做出判断，善用智能机器的力量。新时代的员工也应充分发挥个人能动性，积极参与与数字智能技术的互动，释放个性和潜能，创造积极愉快的工作体验。“卡在算法里”的外卖骑手，通过对工作的重塑，与算法和谐共处。算法背后的管理者也需要将人性和价值观写入算法，履行企业责任，设定合理的数字智能目标。数字智能监控没有对错之分。管理者应该通过合理的方式获取数据，然后通过平衡利益和道德来得出结论，然后给员工赋能。高效准确的数字化情报反馈不够人性化。为缓解“披露效应”，管理者应主动干预，告知员工数字智能技术应用的目标和收益，以缓解员工的顾虑。同时，要根据情况采取不同的方法，不能“一刀切”。例如，人工智能可以用来向老员工提供绩效反馈，但仍然通过经理向新员工提供绩效反馈。在数字智能教练中，建议组织采用AI教练和人类经理的组合。在这种组合中，人工智能提供了强大的数据计算技能和个性化反馈，而人类教练则专注于难以自动化的人际沟通的微妙之处。最后，在绩效结果应用这一关键环节，建议管理者的干预可以有效减少员工的不公平感等负面情绪，更好地彰显企业文化和价值观。毕竟，再多的数据，再强大的算法，也无法通过背后的“01逻辑”，直达人心。
