當ＡＩ成為你的績效評估者

好不容易完成一個專案，還來不及喘口氣，ＡＩ助理便已產出一份詳盡報告，列出你對這個專案的貢獻。這是前ＩＢＭ人工智慧平台華生（Watson）開發者費魯奇（David Ferrucci）的親身經歷，也揭示了未來工作樣貌的轉變。

原本，他只是請ＡＩ計算自己在一項協作寫作專案中投入的時間，卻意外收到一份分析報告；記錄他如何撰寫初稿、修改、提問與回應，以及各階段的思考歷程。

報告指出，他歷經四十七次工作階段、共花費三十四小時，產出逾一千兩百則問答互動。ＡＩ呈現數據，更解讀行為；評估顯示，費魯奇不只下指令，更主導整體思路與架構，扮演創意總監、理論建構者與總編輯的角色。這宛如一面無所遁形的鏡子，不只顯示他做了什麼，更呈現出他是如何做的。

這讓費魯奇意識到，當ＡＩ從協作者轉為評估者，衡量績效的邏輯也可能被改寫。他在財星雜誌（Fortune）指出，這種評估方式極具顛覆性。傳統評量聚焦於成果或發言表現，卻忽略深度思考與反覆推敲的隱性貢獻。ＡＩ則讓這些過程得以量化與可視化，為被忽視的努力創造被看見的機會。

然而，這種高度透明也令人不安；當每一次猶豫、錯誤嘗試，或未成形的想法都被記錄，創意工作的心理安全感將受衝擊。我們會因此變得保守嗎？即使ＡＩ是中立觀察者，被監控的焦慮仍可能改變我們的選擇與工作方式。

更令人擔憂的是，如果ＡＩ分析被納入正式評估，卻缺乏審慎設計，可能延續既有偏見；畢竟ＡＩ仍受限於訓練資料與開發者預設的判斷標準。此外，當人與ＡＩ協作時，我們該如何界定創意歸屬？

為避免這些風險，費魯奇提出五項設計原則：

一、透明性：使用者應理解ＡＩ如何評判他們的工作；二、防操控：防止使用者或管理者操弄系統結果；三、一致性：評量標準應在多個部門一致適用，避免隨時間或對象改變；四、可稽核性：ＡＩ也需接受檢驗，承擔偏誤責任；五、與人交叉比對：ＡＩ評估應定期與人類判斷比對，以釐清落差。

若能落實這些原則，ＡＩ有潛力補足人類評估盲點，建立更具洞察力與公平性的績效機制。