董毓格 龍立榮 程芷汀

縱觀人類社會發(fā)展的歷史，科技的發(fā)明和使用將人類社會大致分成四個階段：農(nóng)業(yè)社會、工業(yè)社會、信息社會和數(shù)智社會。在數(shù)智社會中，數(shù)字化和智能化技術(shù)（移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能、5G等）極大地顛覆了眾多傳統(tǒng)行業(yè)，深刻地改變了企業(yè)的經(jīng)營管理模式。伴隨著數(shù)字經(jīng)濟的快速興起，各種數(shù)智技術(shù)、智能機器、網(wǎng)絡(luò)基礎(chǔ)設(shè)施不斷地更新迭代，重構(gòu)了工作中的勞動力，重塑了管理的計劃、組織、領(lǐng)導和控制職能。

“十四五”規(guī)劃將人工智能列為強化我國國家戰(zhàn)略科技力量的首要前沿領(lǐng)域，《中國制造2025》把數(shù)智化作為行業(yè)轉(zhuǎn)型升級的重要戰(zhàn)略，在當前力推的新基建中，數(shù)智技術(shù)作為基礎(chǔ)設(shè)施受到高度重視。根據(jù)埃森哲的測算，到2035年，人工智能的應用將為中國各行各業(yè)帶來近50萬億人民幣的增長值。麥肯錫全球研究院也預測，到2030年，約70%的公司將至少采用一種形式的人工智能技術(shù)，而相當一部分大型公司將使用全系列技術(shù)。身處數(shù)智化浪潮中的中國企業(yè)，面對不斷上漲的勞動力成本，不斷升級的消費者需求，新冠肺炎和世界格局動蕩加劇造成的外部商業(yè)環(huán)境，迫切需要借助數(shù)智技術(shù)進行轉(zhuǎn)型升級，打造更敏捷、柔性、可持續(xù)和以客戶為中心的經(jīng)營模式。

過去，機器是由人操作的?，F(xiàn)在，機器是自我學習和執(zhí)行的。這種變革的本質(zhì)意味著數(shù)智技術(shù)不僅可以替代簡單的重復性工作，也可以通過強大的數(shù)據(jù)收集、分析和挖掘能力在更多復雜工作中展現(xiàn)其實力。比如，基于大數(shù)據(jù)平臺的智能決策系統(tǒng)，可以通過數(shù)智支撐，提供具有預測性的輔助決策信息；基于物聯(lián)網(wǎng)、云平臺的運營管控系統(tǒng)，可以實現(xiàn)智能運營監(jiān)測及分析；基于人工智能的生產(chǎn)管理平臺及應用，能為組織大幅降本增效?？冃菦Q定組織競爭成敗和可持續(xù)發(fā)展的關(guān)鍵因素，將數(shù)智技術(shù)應用在績效管理上，增強其將人力資本轉(zhuǎn)化為組織競爭優(yōu)勢的能力，對于提高企業(yè)核心競爭力具有重要的意義。

績效管理（p e r f o r m a n c e management，PM）歷來是學術(shù)研究和管理實踐中的熱門話題，學者對其內(nèi)涵有著諸多論述。本文將其定義為組織為達成戰(zhàn)略目標對個人和團隊績效進行管理和改善的過程，目的是使組織成員的工作活動及產(chǎn)出與組織目標保持一致，通過持續(xù)提升個人、團隊及組織的績效水平，最終實現(xiàn)組織的戰(zhàn)略目標。

績效管理是一個連續(xù)的循環(huán)性過程，包括績效計劃、績效監(jiān)控、績效評價和結(jié)果應用四個環(huán)節(jié)?？冃в媱澥侵敢罁?jù)組織的戰(zhàn)略規(guī)劃，確立部門及個人的工作目標，并獲得對目標承諾的過程。績效監(jiān)控是在績效計劃實施的過程中，組織對員工和部門的績效進行監(jiān)控，并提供必要的反饋、指導與支持的過程?？冃гu估是績效管理系統(tǒng)的核心環(huán)節(jié)，在此階段，組織采取有效的方法以一定的周期對個人及部門績效目標的完成情況進行評價?？冃ЫY(jié)果應用是影響整個績效管理系統(tǒng)有效性的重要環(huán)節(jié)，組織根據(jù)績效評估的結(jié)果制定提升績效的改進計劃，并做出相應的管理決策（薪酬、晉升、培訓等）。

有別于傳統(tǒng)互聯(lián)網(wǎng)時代的數(shù)字化技術(shù)，數(shù)智技術(shù)表現(xiàn)出可量化、實時化、可視化、智能化的核心特征，它具有強大的數(shù)據(jù)獲取、計算分析、信息處理和自學習能力，可以在迭代中不斷優(yōu)化，擴展人類在處理復雜問題時的認知。數(shù)智技術(shù)驅(qū)動的算法越來越多地應用于企業(yè)管理：描述性算法用于記錄過去的事件并分析其對當前事件的影響，比如收集員工不同類型的績效數(shù)據(jù)并進行整體評估的績效評估算法；預測性算法側(cè)重于預測未來行為，例如估計應聘者未來績效表現(xiàn)的算法；規(guī)定性算法則用于從不同的可能性中選擇最佳解決方案，比如自動化任務分配和調(diào)度決策算法。根據(jù)普華永道的研究報告，跨國公司中已有40%的人力資源部門使用基于AI的工具。數(shù)智技術(shù)的飛速發(fā)展和應用給企業(yè)傳統(tǒng)的績效管理方式帶來了新的機遇，績效管理已經(jīng)發(fā)生了以及即將發(fā)生怎么樣的變化？管理者應該如何應對？本文將以績效管理的不同環(huán)節(jié)作為切入口，向讀者展示學界和業(yè)界最新的研究成果和實踐案例，探究數(shù)智時代的績效管理新模式。

數(shù)智目標設(shè)定

績效計劃連接公司繁榮戰(zhàn)略與運營，作為績效管理的第一個環(huán)節(jié)，它是績效管理成功實施的關(guān)鍵因素。組織通過數(shù)智技術(shù)收集的大量數(shù)據(jù)可用于設(shè)定員工的目標，數(shù)智目標設(shè)定包括兩個方面：算法任務分配和績效目標設(shè)定。

算法任務分配主要存在于零工經(jīng)濟和平臺工作中。比如，在快遞員、外賣騎手、網(wǎng)約車司機的工作背景下，算法將勞動者的實時地理位置信息與任務相關(guān)信息（如新訂單、優(yōu)先級變化、截止時間）聯(lián)系起來，系統(tǒng)智能派單并提供最優(yōu)路線，同時在客戶界面提供準確的預期交付時間。在阿里巴巴倉庫里進行的一項為期15天的現(xiàn)場實驗研究了算法任務分配過程，結(jié)果表明，在勞動密集型環(huán)境中，工人認為算法任務分配過程比人更公平，這進一步使其生產(chǎn)率提高了近20%。

數(shù)智技術(shù)也可以根據(jù)過往績效、業(yè)務需求、交通情況、天氣等數(shù)據(jù)自動設(shè)定績效目標，如亞馬遜基層倉庫工人的包裹量目標和運輸司機貨物交付目標。對于組織內(nèi)相對復雜的各個不同崗位的任務，基于一定規(guī)模的數(shù)據(jù)，也可以通過建模進行目標設(shè)定。比如銷售部門的業(yè)務測算，證券公司的目標設(shè)定，生產(chǎn)部門的品質(zhì)、時間和成本設(shè)定，供應鏈的穩(wěn)定性目標規(guī)劃等等。

雖然算法可以提高效率和準確性，但它也存在的不少問題。算法任務分配高度依賴于市場需求及員工能力，員工也幾乎沒有接受或拒絕算法分配任務的自由，因此它會對員工自主性有消極影響。通常算法還會不斷提高任務標準，會導致工作不安全感和工作量增加。在知識型驅(qū)動的工作環(huán)境中，算法目標設(shè)定更會影響員工的自主性和限制員工的創(chuàng)造性。算法大多一味追求“效率”，讓員工長期處于“系統(tǒng)”的壓力之下。比如為了防止錯過算法實時更新的任務，平臺勞動者只能全天候保持在線，算法任務分配的不確定性導致他們時而拼命趕工，時而空閑無事，加劇其工作倦怠。

數(shù)智監(jiān)控、反饋和指導

數(shù)智監(jiān)控

近日，一家知名企業(yè)的裁員風波將一款可監(jiān)測員工離職傾向和怠工情況的“員工行為監(jiān)測”系統(tǒng)帶入公眾視野。據(jù)了解，該系統(tǒng)能檢測到員工訪問求職網(wǎng)站次數(shù)、聊天關(guān)鍵詞量、搜索關(guān)鍵詞量以及簡歷投遞次數(shù)等內(nèi)容，從而提前發(fā)現(xiàn)潛在離職風險的員工，為組織分析離職風險的人員列表及風險等級，并給出離職風險的判定依據(jù)。除此之外，該系統(tǒng)還可分析員工怠工情況。員工通過公司內(nèi)網(wǎng)的聊天記錄、上網(wǎng)時長、訪問應用的特征等行為都會被這套系統(tǒng)監(jiān)控，并通過預定義的規(guī)則判定員工的工作狀態(tài)。同時，通過收集影響工作效率的無關(guān)應用、怠工集中的時間段，系統(tǒng)還可以自動分析員工消極怠工的因素，給出怠工情況最嚴重的部門排行和員工排行。

被監(jiān)控的不止信息，還有流量。去年年底，國美集團內(nèi)部發(fā)布的一份《關(guān)于違反員工行為規(guī)范的處罰通報》在網(wǎng)絡(luò)上引發(fā)熱議。通報表示，部分員工在工作區(qū)域內(nèi)占用公司公共網(wǎng)絡(luò)資源從事與工作無關(guān)事宜，并列出流量數(shù)據(jù)使用明細，員工上班時上了什么網(wǎng)站、刷了多久視頻，統(tǒng)統(tǒng)逃不過數(shù)智系統(tǒng)的“眼睛”。亞馬遜為其合作伙伴使用的卡車開發(fā)了電子跟蹤技術(shù)，實時監(jiān)控司機的駕駛狀態(tài)。通過全方位的攝像，系統(tǒng)可以輕易判斷司機有沒有打瞌睡、分心、違章等安全駕駛問題，并對其進行智能打分。2018年Gartner對239家大型企業(yè)的調(diào)查結(jié)果顯示，有一半的公司在使用非傳統(tǒng)監(jiān)控技術(shù)對員工進行監(jiān)測——包括跟蹤員工在辦公室周圍的活動及其生物特征數(shù)據(jù)，這個數(shù)字在2015年僅為30%。

數(shù)智監(jiān)控的一個關(guān)鍵優(yōu)勢就是它不僅能夠通過多種媒介（攝像頭、智能手環(huán)、語音系統(tǒng)、屏幕點擊、網(wǎng)站訪問等）收集和記錄大量信息和指標，如互聯(lián)網(wǎng)使用情況、社交媒體活動、活動軌跡、情緒和壓力、工作投入量，還可以自動、快速地分析和處理這些有關(guān)員工行為、動作及績效的異質(zhì)性數(shù)據(jù)。數(shù)智化績效管理系統(tǒng)所具備的實時分析功能可以增強組織績效管理信息的時效性，避免因滯后產(chǎn)生問題，從而有利于實現(xiàn)部門和組織績效的持續(xù)提升?，F(xiàn)有研究表明，數(shù)智監(jiān)控會給組織和員工帶來積極結(jié)果，如為組織提供更全面的信息進行有效管理、為員工提供實時反饋使其及時調(diào)整自身行為，減少與績效無關(guān)的行為。然而，數(shù)智監(jiān)控也會讓員工感到隱私被侵犯，產(chǎn)生不公平感，降低其工作滿意度、組織承諾、創(chuàng)造力，甚至會增加反生產(chǎn)績效，即“你有政策，我有對策”——而這與數(shù)智監(jiān)控試圖實現(xiàn)的目標恰恰相反。

數(shù)智反饋與指導

在績效執(zhí)行的過程中，數(shù)智化績效管理系統(tǒng)將員工的過程績效和結(jié)果績效實時錄入到大數(shù)據(jù)平臺中，并對員工進行實時績效反饋，更可以在分析后對績效較差的員工進行必要的指導。心理學研究表明，反饋和指導是提升績效的重要條件之一。傳統(tǒng)的績效反饋與指導往往采取管理者與員工面談或提供書面報告的方式來完成，但數(shù)智技術(shù)的引入觸發(fā)了新的績效反饋與指導方式的誕生。

近10%的財富500強公司中，透明的績效數(shù)據(jù)已經(jīng)取代了傳統(tǒng)的績效反饋。哈佛大學商學院Bernstein和Li（2017）對績效透明的研究發(fā)現(xiàn)，更詳細、更實時，并與更廣泛的員工分享的透明績效數(shù)據(jù)（即績效透明）相比傳統(tǒng)的績效反饋更能提高員工的整體績效，激發(fā)員工的非生產(chǎn)性行為向生產(chǎn)性行為轉(zhuǎn)變。數(shù)智反饋的即時性、透明性使得員工在隨時了解自己工作績效的同時，也能共享其他員工的績效數(shù)據(jù)，促進其自我調(diào)節(jié)，進而提升績效。同時，績效透明可以替代部分管理者的工作，激發(fā)非正式的社會比較的作用；結(jié)果還證實：受到主管支持更少和社會比較傾向更低的員工從績效透明中獲益更多。

然而，數(shù)智技術(shù)在績效反饋中的應用也引發(fā)了很多爭論。Tong等（2021）發(fā)表在頂級戰(zhàn)略管理期刊《戰(zhàn)略管理雜志》（Strategic Management Journal，SMJ）上的研究發(fā)現(xiàn)，即使數(shù)智技術(shù)提供的反饋信息更有效，但人對機器的負面認知會大大削弱其效果。具體來說，一方面，數(shù)智反饋具有積極的“部署效應”，其強大的數(shù)據(jù)分析能力可以增強反饋的準確性、一致性和相關(guān)性，提高反饋的質(zhì)量，促進員工的生產(chǎn)力的提升，進而提升組織績效。研究結(jié)果顯示，在不知道反饋源的情況下，接受AI系統(tǒng)生成的反饋信息的員工的工作績效比接受人類經(jīng)理提供的反饋信息的員工的工作績效高12.9%。另一方面，一旦將反饋中數(shù)智技術(shù)的應用披露給員工，對新技術(shù)的負面認知及不信任所引起的“披露效應”將損害員工的生產(chǎn)力，數(shù)智技術(shù)帶來的商業(yè)價值將被大大削弱。研究結(jié)果顯示，被告知接受AI反饋員工的工作績效比被告知接受人類經(jīng)理反饋的員工的工作績效低5.4%，且新員工更容易受到負面影響。

除了績效反饋，數(shù)智技術(shù)在績效指導中的應用也越來越多。AI教練與會經(jīng)歷身體疲勞和情緒波動的人類不同。在重復的培訓中它可以以更一致、更可預測和更準確的方式處理培訓任務，同時它可以快速擴展，以最低的成本同時培訓數(shù)千名員工。美國最大的人壽保險公司大都會人壽（MetLife）利用一位名為Cogito的AI教練跟蹤客服人員與客戶的對話，并就如何改進工作向員工提出建議，提升客戶服務的技能。Zoom公司利用AI教練Chorus為其銷售團隊提供培訓，提高交易成功率?；ヂ?lián)網(wǎng)金融公司微眾銀行運用電話營銷教練SmartSales助力銷售人員的培訓。

對于數(shù)智指導的一個擔憂是，其提供的信息過于標準化和全面，對于績效優(yōu)秀的員工顯得冗余、啰嗦，而新員工又難以全盤吸收和學習。同時，缺乏人際交往技能的“軟實力”可能會導致員工對AI教練的反感，阻礙員工順利的學習和績效的提升。Luo等（2021）對AI教練為銷售人員提供培訓進行研究，發(fā)現(xiàn)AI教練相對于人類教練的指導效果在不同的銷售人員之間呈倒U形分布。也就是說，排名中等的銷售績效提升程度最大，但排名最靠前和靠后員工的績效僅得到有限的增長。這是因為排名靠后的銷售在面臨最嚴重的信息過載問題，而排名靠前的銷售對人工智能的厭惡程度最高。該研究還有一個重要發(fā)現(xiàn)，即AI教練-人類教練組合的效果最優(yōu)，好于僅使用AI教練或人類教練。因為這種組合既可以利用AI教練的“硬實力”，又結(jié)合了人類教練的“軟實力”。

數(shù)智評估

數(shù)智時代企業(yè)績效評估的重要手段是以數(shù)智監(jiān)控獲取的海量多維大數(shù)據(jù)為基礎(chǔ)，通過智能算法不斷對數(shù)據(jù)進行分析進而作出評估，而后結(jié)合實際情況的評估結(jié)果被反饋至算法進行迭代優(yōu)化使其更加準確。比較簡單的，如在數(shù)字勞動力平臺中，滴滴出行等網(wǎng)約車平臺運用手機應用程序分析司機的接單率、拒單率、準時率等指標并獲取乘客對消費體驗的評分以確立司機口碑分；美團、餓了么等外賣平臺實時跟蹤外賣騎手的響應速度、完成訂單數(shù)、總里程、送餐準時率，結(jié)合顧客好評率對其進行評估。更加復雜的，如前文介紹的對銷售人員的績效評估，既有結(jié)果數(shù)量的客觀評估，也有銷售行為過程的智能評估。

但是這種評估是否能做到客觀和公正呢？誠然，機器不會“徇私舞弊”，數(shù)智評估確實可以避免人工評價的主觀性和“人情”，但對情感的缺乏以及對外部突發(fā)事件（如交通事故、暴雨天氣等）的不敏感容易導致評價過于僵化，使其不僅無“人情”更無“人性”。正如引爆網(wǎng)絡(luò)的《外賣騎手，困在系統(tǒng)里》一文所展示的一樣，騎手們永遠無法依靠個人力量去對抗算法，唯有通過違規(guī)行駛、逆行、闖紅燈等方式順應它的規(guī)則。

當然，數(shù)智評估對組織績效有積極影響。算法實際上向員工傳遞了組織制定和倡導的工作標準和規(guī)范，當這些信息被員工內(nèi)化理解并形成自己的價值判斷后，大部分員工會按照算法的指令做出符合組織預期的行為。比如網(wǎng)約車司機在了解到算法是根據(jù)他們的好評度來實施派單傾斜政策后，會主動做出服務行為，從而獲取好評以提升評級。但算法的不透明、不可解釋性也會使員工產(chǎn)生混淆，同時由于缺乏直覺和主觀判斷的能力，數(shù)智評估往往被員工認為是一種非人性化的體驗。如何合理使用數(shù)智評估來激勵員工、促進組織績效提升是管理者不可回避的命題。

讓我們看看互聯(lián)網(wǎng)頭部企業(yè)的做法。百度為了降低主觀判斷的影響，通過算法分析內(nèi)部的溝通頻次、溝通時段、郵件的大小和頻次等數(shù)據(jù)，再經(jīng)由數(shù)據(jù)建模、機器學習、分析驗證等步驟自動選出參與特定員工績效評估的合適、相關(guān)人選。采用OKR管理的字節(jié)跳動在評價環(huán)節(jié)使用360度評估，但是與傳統(tǒng)360評估不同的是，數(shù)智評估系統(tǒng)可以基于數(shù)據(jù)對每個人的評價風格進行評分，從1.0（嚴格）到6.0（寬松），這樣可以避免某個人的評價風格過度影響被評價的員工考核結(jié)果。同時，系統(tǒng)還設(shè)計了績效校準矩陣，通過智能分析對團隊績效進行校準，盡可能避免因為管理者經(jīng)驗不足導致的偏差，輔助進行更加合理的判斷。其實這就是績效管理中人機協(xié)同的經(jīng)典體現(xiàn)，系統(tǒng)背后的數(shù)智技術(shù)通過其強有力的數(shù)據(jù)分析處理能力，幫助人類管理者拉齊標準，拿好“同一把尺”，而人類管理者則應用自己的管理經(jīng)驗以及綜合判斷能力給出最科學的評估。

數(shù)智獎懲

數(shù)智獎懲是基于數(shù)智評估的結(jié)果，通過算法以交互和動態(tài)的方式對員工進行獎勵和懲罰。對于高績效員工，他們會獲得更多機會、更高的薪酬和晉升，而低績效員工則會被扣除薪水和獎金，嚴重者會被直接解雇。對于許多在線零工勞動平臺，如滴滴、美團、M-turk等，勞動者的薪酬幾乎完全由算法決定。IBM的頭號人工智能沃森（Watson）通過調(diào)取員工的歷史績效、項目信息等來分析預測其未來潛力，決定員工是否能晉升以及是否調(diào)薪。谷歌也將算法用于工程師晉升決策中，以減少該決策中的人類偏見。亞馬遜的算法會追蹤每一個物流倉儲部門員工的工作效率，統(tǒng)計每一名員工的“摸魚”時間，一旦有人離崗時間太長，AI會自動生成解雇指令。而俄羅斯一家游戲支付服務公司艾克索拉（Xsolla）去年直接用AI算法開除了150名員工，引發(fā)了軒然大波。數(shù)智獎懲讓越來越多的人開始感到擔憂，隨著勞動被算法控制，本該具備人文關(guān)懷的獎懲也因算法的加入而變得冰冷。

人類學家、數(shù)據(jù)社會學家尼克·西弗提出過“算法文化”的概念。在他看來，算法不僅由理性的程序形成，還由制度、社會道德、普通文化生活等人類集體實踐組成。從前文的介紹可以看出，數(shù)智技術(shù)的發(fā)展和應用已經(jīng)給績效管理帶來了理念和技術(shù)的變革，但它在為組織管理和員工工作賦能、提升管理效率與服務質(zhì)量的同時也帶來了一些消極影響。

如何建構(gòu)未來兼具效率和人性的績效管理？宜采取“人機協(xié)同”的思想，即既不拘泥于傳統(tǒng)的“人治”也不陷入對算法的完全依賴中，通過人類與機器的優(yōu)勢互補，構(gòu)建高效柔性的績效管理新模式。

數(shù)智技術(shù)的優(yōu)劣

正如前文所介紹的，數(shù)智技術(shù)可以通過多種途徑（攝像頭、智能手環(huán)、語音系統(tǒng)、屏幕點擊、網(wǎng)站訪問等）全方位、全過程地收集、記錄并存儲比以往任何時候都全面的數(shù)據(jù)信息。憑借其高速的計算分析能力，智能算法對收集和捕獲到的標準化數(shù)據(jù)進行處理和分析，進行數(shù)智任務分配和目標設(shè)定，優(yōu)化工作任務安排，大大提升了運行效率。通過持續(xù)匯總并分析來自內(nèi)部和外部、關(guān)于結(jié)果和過程、主觀和客觀的員工績效的信息，智能算法能夠評估并預測其績效表現(xiàn)，并進行實時反饋，進而以交互和動態(tài)的方式進行數(shù)智獎懲。通過對數(shù)據(jù)大規(guī)模地收集和使用，算法得以在迭代中不斷開發(fā)和改進，進一步提升效能。

盡管數(shù)智技術(shù)具有快速、高效、客觀、可量化等優(yōu)勢，但它消除了績效管理中更多的人際關(guān)系和同理心，這種以數(shù)據(jù)為主導的方法將工作變成了一種不人道的形式。已有的研究表明，大多數(shù)人認為使用算法和機器來管理人類是一種非人性化的行為。比如算法技術(shù)對變化的場景因素考慮不周，提升了算法對員工績效作出誤判的概率。

人類的優(yōu)劣

人類特有的情感、直覺、創(chuàng)造力、想象力、抽象思維等使其在價值判斷、情感表征、非常規(guī)和創(chuàng)造性等問題中不可或缺。人類的這些特點可以幫助解決數(shù)智績效管理帶來的問題，不斷修正、完善算法，為算法注入人性。

具體來說，人類傾向于在需要整體、宏觀和遠見思維的情況下保持相對優(yōu)勢，并具有機器所不具備的想象力和創(chuàng)造性，因此，可以更好地優(yōu)化數(shù)智技術(shù)的決策結(jié)果。人類獨有的經(jīng)驗和情感有助于其在錯綜復雜的動態(tài)中協(xié)調(diào)各方利益，消除可能的沖突。使用人類智慧來完善人工智能，不僅能解決數(shù)智技術(shù)帶來的問題，實現(xiàn)數(shù)智技術(shù)與人類智慧的有機統(tǒng)一，也有助于避免數(shù)智技術(shù)脫離人類控制。當然不可否認的是，在決策速度、準確度、成本等方面，在解決客觀、結(jié)構(gòu)化的問題上，人類還是比不過數(shù)智技術(shù)。

數(shù)智技術(shù)與人的協(xié)同共生

機器和人類具有互補的優(yōu)勢和解決問題的能力。數(shù)智技術(shù)對管理效率的提升效用是顯著的，但效率只是衡量管理的一個維度。更值得關(guān)注的是管理效果，即組織目標與社會愿景之間的契合程度，強調(diào)企業(yè)社會責任與使命，涉及管理倫理問題。隨著數(shù)智技術(shù)的不斷發(fā)展，盡管大量規(guī)范化的工作會被機器取代，但富有情感體驗、具有創(chuàng)造力和價值性、更有“溫度”的工作和技藝，仍然需要人類。具體來說，機器的理性思考更多地強調(diào)“真”，而人類的思考更加強調(diào)“真善美”的和諧統(tǒng)一，更側(cè)重于價值內(nèi)涵、倫理道德的考慮。

正如行動者網(wǎng)絡(luò)理論的觀點所強調(diào)的，技術(shù)本身作為一種非人類的存在和人具有等同性，能夠與人類一同形成行動者聯(lián)合體。數(shù)智技術(shù)所體現(xiàn)出的自動化、智能化特征，可能會誘導技術(shù)研發(fā)者和應用者一味地追求提高效率、降低成本，忽視了人類行為的自主性。但我們認為，無論智能系統(tǒng)有多復雜，人類應當始終主動地參與到其決策環(huán)路中。隨著時間的推移，人機之間的交互可以使雙方變得更聰明。這是數(shù)智技術(shù)融入人類社會，構(gòu)建負責任的人機協(xié)同工作體系的保證。

未來宜采取“人機協(xié)同”的思想構(gòu)建高效柔性的績效管理，充分發(fā)揮機器的技術(shù)性優(yōu)勢“賦能于人”，結(jié)合人的經(jīng)驗和感性，促進和諧的人機協(xié)作，使員工獲得工作意義感與幸福感。人機共生的協(xié)同工作模式下，人類可以幫助優(yōu)化機器算法，機器實踐又會反過來助力人類活動，這是一個雙贏的局面。

未來的數(shù)智化績效管理應具有以下幾個特征：第一，智能高效，組織應充分發(fā)揮技術(shù)優(yōu)勢，通過績效監(jiān)控過程收集的大量數(shù)據(jù)和人工智能分析為目標設(shè)定、評估考核、獎勵懲罰給出快速、客觀的決策輔助；第二，敏捷透明，數(shù)智技術(shù)賦予了績效反饋前所未有的頻率和透明度，年度反饋、季度反饋都已成為過去式，實時、透明的績效反饋將隨時為組織和員工提供信息，增強整個組織的協(xié)作；第三，全面多維，大數(shù)據(jù)對內(nèi)外部信息的強力獲取使得績效管理更加全方位無死角，音頻、視頻、行為監(jiān)控的納入，領(lǐng)導、下屬、外部客戶、內(nèi)部同事的全方位評價，“人”被刻畫得更加立體；第四，人本柔性，人類管理者的“軟”技能在這個體系中必不可少，管理者對人際間細微的、難以自動化的溝通交流的把握，對特殊情況、倫理道德的考量，對宏觀層面、整體大局的考量，可以降低員工對算法的抵觸，提升管理思想的高度，更有效地應用數(shù)智技術(shù)的優(yōu)勢，提高員工和組織績效。

隨著數(shù)智技術(shù)的發(fā)展和改進，管理者和員工必須重新適應新時代的績效管理。成熟的管理者不應該被數(shù)智技術(shù)困住，把算法的建議當圣旨，而是應該運用其獨有的經(jīng)驗和情感作出判斷，善用智能機器的力量。新時代的員工也應該發(fā)揮個人能動性，積極參與到與數(shù)智技術(shù)的互動中，釋放個性和潛能，創(chuàng)造積極愉快的工作體驗。

“困在算法里”的外賣騎手通過工作的重新塑造和算法和諧共處，算法背后的管理者也需要將人性和價值觀寫進算法里，履行企業(yè)責任，進行合理的數(shù)智目標設(shè)定。數(shù)智監(jiān)控本無對錯，管理者應通過合理途徑獲取數(shù)據(jù)，而后平衡效益與倫理得出結(jié)論，進而賦能于員工。高效、準確的數(shù)智反饋少了點人情味，為了緩解“披露效應”，管理者應主動介入，告知員工數(shù)智技術(shù)應用的目標和好處，以緩解他們的擔憂。同時，應根據(jù)情況采取不同的方式，不能“一刀切”。比如，可以使用AI向老員工提供績效反饋，但仍通過管理者向新員工提供績效反饋。在數(shù)智指導中，建議組織采用AI教練和人類管理者的組合。在這種組合中，人工智能提供了強大的數(shù)據(jù)計算技能和個性化反饋，而人類教練則專注于人際間細微的難以自動化的溝通。最后，在績效結(jié)果應用這一關(guān)鍵環(huán)節(jié)，建議通過管理者的介入有效降低員工的不公平感等負面情緒，更好地展現(xiàn)企業(yè)文化和價值觀。

畢竟，再多的數(shù)據(jù)，再強的算法，都無法穿越背后的“01邏輯”，直達人心。

華中科技大學管理學院，本文得到國家自然科學基金資助（基金號72132001）