專業評估的不斷演變
企業績效評估是傳統工作環境的支柱，目前正經歷一場深刻的轉型。隨著生成式 AI（Generative AI）深入現代營運的基礎，企業正將重心從純粹的產出指標轉移到對「AI 流暢度（AI fluency）」更細緻的評估上。對於經理人和員工而言，這不僅僅是一次技術升級；它標誌著 21 世紀定義與獎勵專業能力方式的根本性變革。
在 Creati.ai，我們觀察到一個日益增長的趨勢，即各組織正將 AI 素養整合到其核心職能框架中。然而，這種轉型並非沒有阻力。正如最近的行業報告所強調的那樣，儘管企業急於利用人工智慧（Artificial Intelligence）的力量，但許多經理人卻發現自己缺乏評估這些工具在團隊中有效應用的能力。績效評估曾經是對目標和交付成果的明確評估，現在正變得複雜，旨在評估員工如何適應、學習並利用 AI 來推動組織價值。
管理缺口：為何評估陷入停滯
主要挑戰在於「管理缺口」。許多目前管理員工績效的領導者成長於一個將生產力等同於手動效率和傳統軟體熟練度的時代。今天，他們的任務是評估一群利用先進演算法、提示工程（prompt engineering）和自動化工作流程來達成成果的員工。
挫折感是顯而易見的。經理人正面臨領導層要求審核 AI 採用的壓力，但他們自己往往缺乏標準化的指標或基礎的 AI 流暢度 來進行公平且準確的評估。這導致了一種情況：如果經理人無法識別 AI 整合工作流程的複雜性，那些利用 AI 顯著加速產出的高績效員工可能會被低估；反之，濫用這些工具的員工可能會因為缺乏監督而逃避審查。
這種轉變要求擺脫績效管理的「黑箱」。經理人必須培養審核 過程 的能力，而不是僅僅關注最終結果——評估員工如何在人類創造力與演算法支援之間取得平衡。
重新定義指標：超越產出
為了成功將 AI 流暢度整合到 績效評估 中，組織必須重新定義什麼是「高績效」。僅衡量產出量已不足夠；經理人必須評估員工與其所使用的智慧系統之間的互動品質。
下表說明了從傳統績效指標到組織應考慮採用的 AI 增強基準的轉變。
| 類別 | 傳統績效指標 | AI 增強型績效指標 |
|---|---|---|
| 工作流程效率 | 使用傳統工具的任務完成時間 | 透過 AI 輔助工作流程節省的時間並降低的複雜度 |
| 問題解決 | 使用既有內部知識庫的成功率 | 利用大型語言模型（LLM）進行數據綜合和預測性洞察的效率 |
| 內容創作 | 手動起草與編輯週期 | 結合人類策略性優化的 AI 輔助起草品質 |
| 技能提升 | 採用基礎行業軟體 | 在整合新興 AI 工具與提示工程方面的適應能力 |
標準化 AI 流暢度框架的必要性
若沒有標準化的框架，績效評估就有可能變得主觀且存在偏見。如果一位經理人獎勵使用 AI 的員工，而另一位經理人將其視為「捷徑」，這種不一致可能會損害士氣並造成不公平的競爭環境。
企業必須制定明確的評分標準，定義不同層級的 AI 流暢度。這應包括評估以下內容：
- 提示詞素養（Prompt Literacy）： 與 AI 模型有效溝通以達成精確、可用成果的能力。
- 批判性評估： 在部署前驗證、查核事實並合乎倫理地審核 AI 生成內容的能力。
- 工作流程整合： 將 AI 工具無縫融入現有營運流程的技能，而非將其視為孤立的工具。
- 倫理 AI 使用： 對數據隱私、偏見緩解以及在專業環境中使用生成式工具所帶來的安全影響的理解。
透過將這些標準形式化，企業可以將績效評估從令人焦慮的年度活動轉變為關於專業成長與技術賦能的建設性對話。
定量 AI 評估的挑戰
衡量「AI 流暢度」非常困難，因為它本質上是定性的。與追蹤銷售數字或代碼行數不同，評估某人利用大型語言模型（LLM）的程度通常需要對所執行的工作有深刻的理解。
一個主要的風險是「生產力悖論」。如果員工使用 AI 在兩小時內完成過去需要十小時的任務，他們應該因為速度快而受到獎勵，還是應該預期承擔更多工作？如果經理人僅僅將 AI 使用等同於「工作更快」，他們可能會讓最精通技術的員工過勞。
此外，還存在扼殺創新的風險。如果績效指標變得過於僵化或過度專注於特定工具，員工可能會害怕嘗試新的、可能更有效率的 AI 解決方案。一種平衡的方法要求經理人獎勵成果與方法論，而不是堅持特定的工具集。
為下一個評估週期做準備：行動呼籲
對於感受到衡量 AI 流暢度壓力的經理人來說，解決方案在於持續學習與主動溝通。績效評估週期不再只是回顧過去；而是展望下一個季度的技術演變。
為了駕馭這種環境，經理人應該：
- 投入技能提升： 經理人無法評估他們不理解的事物。投入時間學習 生成式 AI 的基礎知識並非可選項；這是領導力的必備條件。
- 與團隊共同定義成功： 讓員工參與定義其特定職位所需的 AI 流暢度為何。這種透明度可確保認同感與清晰度。
- 將品質置於速度之上： 雖然 AI 能提升效率，但應強調最終產出必須符合組織的品質與倫理標準。
- 為失敗創造安全空間： 承認 AI 實驗將涉及試錯。績效評估應反映學習過程，而不僅僅是每次嘗試的結果。
現代工作場所正在演變，績效管理的機制也隨之演變。AI 流暢度正成為職業發展的支柱。透過擁抱這一變化，組織可以確保其績效評估系統保持相關性、公平性，並支援在人工智慧時代蓬勃發展所需的創新文化。主動採用這些策略的經理人，不僅能滿足當前的壓力，還能培養出一支更具韌性、效率更高且具前瞻性的員工隊伍。
