章 4
人工智能与绩效评价
在影响职业发展的决策中，关注工作测量、情境和人工复审。
4.1 要衡量什么
绩效包括成果、质量、协作及与岗位相符的贡献。并非所有维度都可通过数字记录观察。指标选择应从界定工作出发，并就哪些成果重要达成共识。
间接指标可能有用，但须谨慎。消息数量或在线时长，可能反映工作量、工作风格或技术困难。将其转为自动化的生产率指标，会激励围绕指标的行为，并可能损害工作的真正目的。
4.2 目标与反馈
反馈应易于理解、及时且可付诸行动。系统可以组织证据或提醒承诺，但专业对话需要情境。数据与经验存在差异时，应展开调查，而不是假定数字记录始终更可靠。
资源、优先事项或责任变化时，应修订目标。以个人无法知晓或影响的标准评价其表现，存在问题。文档应支持还原当时的预期、实际情况，以及影响结果的因素。
4.3 偏差与比较
人员比较可能混淆机会与成果。资源不同或任务难度不同的团队，不应在未考虑这些条件的情况下直接排名。历史评价也可能包含模型会学习并复制的偏差。
审计必须分析有关错误和影响，而不能止于平均准确率。某些公平分析需要处理受到特别保护的信息；采集之前，必须评价其必要性和法律依据。衡量不平等，并不意味着可以任意处理数据。
4.4 复审与异议
被评价者应知晓相关标准，并有渠道更正数据或补充情境。复审所需的权限必须独立于排名的自动执行。不能改变结果的申诉程序，缺乏实际效力。
薪酬、晋升或继续雇用的决策，需要特别关注。必须按具体情形分析对完全自动化决策的限制，以及其他数据保护义务。人工干预不能只是例行确认系统建议[R2]。
4.5 发展与控制
面向发展的评价识别支持需求与学习机会。持续监视则可能降低信任和自主性。扩大数据采集前，应询问是否存在侵入性更小、又能实现同一目的的替代方案。
成功不在于产生更多分数，而在于改善对话、决策和工作条件。组织应审查系统是在促进协作，还是在引入低效竞争、自我审查，以及仅为显得忙碌而付出的努力。
问卷
本章理解 & 人力资源困境
困境题不设道德评分，也不用于评价求职申请。