AI時代績效大改版：三指標釐清協作價值、重建當責

企業大量導入AI，卻仍以生產力、目標達成與效率衡量員工，容易獎勵過度依賴AI者，反而低估查核、判斷與修正錯誤的價值。透過3層績效衡量框架，分別評估人的貢獻、AI系統與代理，以及人機協作成果，有助於企業重設指標、區分發展與薪酬對話，並進一步釐清AI當責。

當人與AI共同完成工作時，什麼才算「績效良好」？領導人又該如何確保，速度與效率不會犧牲判斷與當責？

這些問題此刻格外重要。隨著企業大舉投資AI，領導人也承受壓力，必須證明這些投資確實帶來回報。本文作者之一畢恩與湯瑪斯．戴文波特（Tom Davenport）定期進行的「數據與AI領導力調查」（Data and AI Leadership survey）今年稍早指出，91％的組織正在增加AI投資，99％將AI投資列為組織的首要優先事項。然而，只有18％組織表示已從AI投資中取得高度且可衡量的商業價值。

雖然AI已提升許多工作流程的速度與品質，多數組織卻尚未重新設計人員績效評估方式，以反映這項轉變。根據最新研究，以及我們協助企業導入AI的經驗，本文提出一套AI時代的3層績效衡量框架，讓組織能分別評估人的貢獻、AI系統與代理，以及人機系統的整體表現。

目前，企業仍以熟悉的成功指標衡量運用AI的員工績效，包括生產力、目標達成與效率。這形成一項悖論：高度依賴AI的員工可能顯得生產力極高；放慢速度、查核假設、質疑產出或修正錯誤的人，反而可能看起來效率較差，儘管他們創造的價值才是最高的。在這種模式下，領導人可能獎勵對AI的過度依賴，卻懲罰能避免代價高昂錯誤的人類判斷；可能追求產出量，而非實際成果；也可能忽略真正促成有效人員績效的因素。