AI 使用量不等于员工绩效

先看结果：使用率升到96%，合格商机、错误报告和客户承诺却同时恶化

启岚工业软件有84名销售人员和12名经理。公司为销售助手建立季度“AI积极性”排名：登录天数占30%、提示次数30%、生成邮件数量20%、候选内容接受率20%。低于75分要写改进计划，前三名得到奖金。八周内，每周有记录使用的人员从48%升到96%，管理层以为转型已成功。

审计把16,800次生成与20,160个客户后续任务对账，发现5,208次生成没有对应真实任务，占31%；14名销售人员使用过团队共享账号；高复杂机会被频繁改派给不参与排名的资深人员。为避免降低接受率，员工把有问题的内容在复制后线下修改，主动错误报告从42件降到9件，未经批准的效果或价格承诺反而从3件升到11件。

公司立即停止把四项使用量用于奖金和改进计划，保留必要日志用于安全、成本和产品故障。随后按合格任务计算流程采用，明确安全拒绝、人工路径和错误报告是正确行为。六周后，无任务生成降至4%，主动报告回到38件，未批准承诺降为1件，合格商机回到279件；这些仍不能由使用数据单独归因。

本案例为教学用途，企业、人员、任务、生成、比例、商机、承诺和结果均为虚构教学数据，不是行业基准，也不构成隐私、劳动、人力资源或法律建议。员工监测、人员评价和自动化决策需按企业所在地、员工所在地与适用制度独立评审。

先把使用事件放回任务、流程和岗位责任

分清五层：学习、采用、流程、工作结果和员工绩效不是同一个概念

同一条“员工使用了助手”记录可以服务不同问题，但不能自动越层。培训完成证明接触过材料，调用证明工具被触发，流程执行证明在合格任务中走了正确路径，工作结果才说明客户或业务得到什么，员工绩效还要考虑职责、资源、复杂度与协作。

从上层越到下层，每一步都需要新证据。调用转流程，需要任务身份和资格；流程转结果，需要质量与下游记录；结果转个人绩效，需要可控性、角色边界、资源、复杂度和正常管理判断。

使用数据可以是诊断入口。例如一个团队合格采用低，可能需要检查入口、任务适配或培训；它不是现成的员工分数。把五层压成一条排行榜，会同时失去产品学习和人员评价的可信度。

原始日志只有事件，没有任务资格、工作难度和不使用原因

平台通常保存谁在何时登录、调用什么功能、生成多少内容、是否点击接受。它不知道这个客户是否允许使用、资料是否完整、员工是否在处理紧急谈判，也不知道一次调用是有效工作还是测试按钮。

日志也会因界面改变而变化。系统默认打开助手，登录率会升；把生成拆成三步，提示数会翻倍；自动保存候选，接受率定义会改变。没有版本与事件定义，跨季度比较不成立。

因此，原始使用数据默认用于系统可靠性、容量、支持和流程研究。若要进入人员评价，必须经过单独准入：证明与岗位责任相关、个人可控制、数据有效、替代解释已处理，并满足适用的透明、公平、隐私和员工程序。

启岚的四项积极性得分都能被优化，却不能证明销售工作完成

旧分数把四个易收集事件加权，没有客户任务分母，也没有质量护栏。员工很快学会怎样得到高分。

总分甚至掩盖风险：员工可以用大量登录抵消一条未经批准承诺。绩效系统不应允许可逆活动量抵消不可逆客户伤害。

最初75分门槛没有来自岗位基线。销售人员负责的地区、客户数量和销售阶段不同；售前谈判人员每周只有少量高风险任务，客户拓展人员有大量标准跟进。用同一提示次数比较，实际上在奖励任务结构。

高使用可能来自默认开启、系统失败、工作重复或奖惩压力

管理者看见高使用，至少要检查五种替代解释。启岚抽取1,200次高频调用，只有684次直接对应合格工作步骤。

反复调用多的人可能拿到最高“积极性”，实际浪费更多时间；一次形成可用候选的人提示少，反而排名低。默认生成也不能证明主动采用。

高使用若伴随返工、客户承诺错误、周期延长或员工负担上升，应先停下“推广不足”的结论。使用量是行为痕迹，不是价值单位。

低使用可能是任务不合格、系统不可用或员工做了正确的安全拒绝

启岚抽取600个未使用任务，只有132个在条件齐备时无明确原因未用；其余大多不应使用或无法使用。

安全拒绝应成为可见的正确行为：写任务类型、触发边界、人工替代和必要升级。企业若只奖励使用，会让员工在最不适合的客户事项上也调用工具。

低使用也可能说明产品无价值。若132件合格未用中多数员工认为输入准备比人工更慢，并有计时证据，管理层应改变流程或停止能力，而不是先改变员工。

排名会制造共享账号、无意义生成、挑简单任务和不报错误

使用量一旦进入奖金或改进计划，其统计性质就变了。启岚观察到四类行为，全部让数据更好看、业务证据更差。

共享账号首先是身份与访问控制问题，应立即停止并恢复个人账户，不能通过分摊调用数修正绩效。无任务生成保留作成本和诱因证据，但不用于追溯处罚，因为制度本身鼓励了行为。

纠正步骤是停止奖惩用途、给两周无责说明与补录窗口、恢复任务分母、抽查线下修改，再判断是否存在故意违规。不能一边维持错误激励，一边惩罚员工适应激励。

先确定数据用途，再决定收集粒度、可见范围和保存期限

数据用途决定控制要求：产品改进记录不能静默变成人员评价

同一条调用记录用于诊断系统失败，和用于奖金、晋升或改进计划，影响完全不同。用途变化必须重新说明必要性、比例、数据质量、访问、保存、偏差和质疑机制。

“数据已经存在”不是新用途的充分理由。为成本收集的提示次数不能因方便就用于评选最佳员工；为安全保留的访问日志不能变成日常生产力排名。

启岚建立用途登记，每次查询带用途编号。人员评价查询未获批准时只返回团队聚合；紧急安全调查可按事件授权访问个人记录，并保存批准、范围和关闭日期。

只收完成明确用途所需的最少数据，并让任务身份与内容分离

指标准入不等于收集更多员工内容。多数产品问题只需事件、错误码、功能版本和脱敏任务类型，不需要读取完整客户文本或员工每次输入。

客户敏感资料、个人私聊、健康或受保护特征不因“评价AI使用”而变得必要。发现意外收集，应隔离、评估、删除或按适用程序处置，不能继续用于探索性分析。

内容抽样要有范围和授权。产品团队需要看失败样本时，优先由业务人员脱敏并提供任务片段；不建立一个所有主管都能搜索员工提示全文的仓库。

可见范围、保存期限和访问审计要按用途填写，不能统一写“业务需要”

启岚为每个批准用途设置示例期限。期限来自自身业务、调查和适用要求，不是通用标准；到期自动汇总或删除个人映射。

“永久保存以备未来分析”不合格。不同用途不能共用最宽权限和最长时间；人员离岗、角色变化和调查结束触发权限复核。

导出比页面查看风险更高。个人明细默认不可批量下载；确需调查导出时写事件、字段、接收人、加密位置和删除日期。发现主管私建排行榜，立即撤销访问并调查数据来源。

员工必须知道收集什么、为何收集、谁能看以及怎样更正和质疑

一页通知不能只写“为了提升体验可能分析数据”。启岚在上线前提供具体数据地图，并在用途变化前重新说明。

员工可以指出任务错标、共享设备归因、休假、辅助技术、岗位差异或系统故障。质疑期间，高影响决定不依赖争议数据继续推进；更正保留原因和版本。

管理者不能承诺“绝不看个人数据”后又在后台截图排名。若某些安全事件确需个体调查，应在通知中清楚写边界和程序，信任来自准确承诺，而不是绝对口号。

指标准入要过八道门，任何一道失败都不得进入人员评价

启岚将候选指标提交业务、员工代表、人力资源、隐私与法务、数据负责人共同评审。表中不是法律清单，而是内部管理门槛。

登录天数、提示次数、生成量和裸接受率在相关性、有效性与博弈门失败，因此不进入绩效。合格任务的路径完整率可能用于辅导，但仍需复杂度、错误和人工替代上下文。

准入不是一次性。功能默认、岗位职责、数据字段或使用目的变化，指标必须重审；半年无实际决策用途的个人数据停止收集。

用完整任务和对照样本检验指标能否进入人员管理

完整走例：48次提示不能把一周40个任务变成一个绩效分数

销售人员林舟一周负责40个客户后续任务，其中30个符合助手范围，10个涉及价格谈判、合同或客户要求人工沟通，应安全拒绝。30个合格任务中实际使用24个；6个未用分别为系统故障2、来源未准备2、人工处理更快且按时完成2。24个使用任务产生48次提示，18个候选经修改后保留，6个被正确拒绝。

林舟的提示次数48高于团队中位数，但其中包含正常修改，不能说明优秀或低效；接受18/24也不等于75%准确率。10个安全拒绝是正确执行，2个故障归产品，2个来源缺失归流程，2个人工更快样本用于判断工具适配。

主管的有效动作是询问为何6个候选被拒绝、2个来源为何未准备，以及28个按期任务之外的2个是否因客户等待。无效动作是把48次提示、80%采用和75%保留加权成一个绩效分。

管理者评价的是岗位责任，正确不使用和主动报错也应获得正向确认

AI使用只占销售工作一部分。经理仍需评价客户选择、需求判断、承诺准确、机会推进、协作和长期客户结果。流程数据可以提供案例，不取代对话和专业判断。

正确拒绝需要证据，不能成为任意不使用的挡箭牌；但证据只需任务类型、原因和路径，不要求员工写长篇自证。主管抽样校准，防止不同经理对相同边界作相反评价。

经理本身也不能靠团队使用率证明管理绩效。其责任包括提供合格任务定义、解决访问和资料问题、保护报告者、检查工作分配，并在工具无价值时提出缩小范围。

新用途先做12周验证，期间只用于流程改进而非人员后果

启岚撤下排行榜后，没有立即用“合格采用率”替代。新流程指标经过12周验证，观察是否稳定、可解释和不诱发新博弈。

若任务错标超过5%、共享账号未清、员工看不到数据或错误报告下降超过50%且抽查错误不降，评价用途自动停止。系统故障率高于3%时，采用差先归产品调查。

12周后，团队只保留“合格任务路径完整率”作为主管辅导材料，不进入自动奖金；原始调用和生成继续只作成本与可靠性。能收集不等于必须评价。

填写完成的AI使用指标准入清单

下面是启岚对八类常见数据的已填结果。保存期限和可查看角色是虚构企业选择，真实组织需独立确定。

每项还保存用途负责人、生效版本、数据源、缺失处理、自动决定状态和复审日期。没有用途负责人或半年未使用，默认删除个人映射并停止采集。

清单必须与系统权限一致。文档写“主管只看聚合”，后台却能导出每条提示，则未通过；上线前用主管、员工、支持和调查四类测试账号逐项验证。

对照样本：高使用者不一定高绩效，低使用者也可能更安全有效

同一区域两名销售人员的任务组合不同。甲负责大量标准跟进，乙负责复杂续约。若只看使用量，甲明显领先；把任务、质量和结果放回后，结论相反。

这不是用商机数重新做简单排名。乙可能拥有更成熟客户，甲可能是新人；正式评价还要结合地区、机会阶段、支持和角色目标。该样本只证明“使用多=绩效好”的推断不成立。

管理层将甲的三次承诺错误逐件处置，为乙的18次拒绝检查是否符合边界。安全拒绝经抽样正确，不因采用率低扣分；甲也不因提示多获奖。

出现高影响误用时，先停止评价，再修复数据和程序

出现自动人员决定、隐蔽监控或报错骤降时，应立即停止评价用途

人员评价的停止条件要比产品实验严格。启岚设定以下事件，触发后冻结相关分数，不影响员工提出异议的权利。

恢复不能只写“已提醒主管”。必须修数据、权限、通知、申诉和指标定义，并用两轮样本证明不再发生。受影响的历史人员决定由人力资源、法务和相应负责人按适用制度复核。

严重客户事故仍按事件流程调查个人行为，但不能用未经验证的积极性总分替代证据。安全与公平都要求追到具体任务、权限、行为和后果。

今天先审一项正在收集的使用数据，不要先设计更复杂的总分

选出管理层最常看的一个数字，例如提示次数。召集业务、员工代表、人力资源、隐私与法务、产品和数据负责人，用60分钟完成准入表。

如果团队无法说明提示次数与岗位结果的机制，今天就把它从人员报表移到产品运营；这不妨碍继续用聚合数据管理成本和可靠性。

最重要的转变不是找到一个更聪明的使用分，而是承认工具事件、流程证据和员工绩效属于不同管理层。正确不使用、人工接管和主动报错使系统更安全；若制度只奖励更多调用，组织最终得到的会是更多调用，而不是更好的工作。

来源与适用边界

• 英国信息专员办公室关于员工监测与数据保护的指南强调明确目的、透明、必要与适度、保存安排，并提醒为一种目的收集的监测信息不能在没有相应依据和评估时转作绩效管理。本文据此设计用途登记；该指南适用于其管辖与具体条件，不是全球统一法律意见。
• 英国信息专员办公室关于不同员工监测方式的具体说明用访问记录说明目的限制，并讨论从数据推断员工行为的风险。本文据此禁止把安全/访问日志静默改作绩效排名。
• OECD《工作场所的算法管理》2025将监测、评价和其他管理职能的软件化视为算法管理，并报告责任不清、逻辑难以理解与员工保护等治理问题。本文只用来校准管理风险，不外推调查比例。
• OECD《2023年就业展望：人工智能、工作质量与包容性》讨论算法管理对自主、工作强度、隐私和公平的潜在影响。本文据此设置反指标和员工质疑，不把研究相关性写成案例因果。
• 欧盟《人工智能法》正式文本将部分用于就业、人员管理、任务分配、监测或评价的AI系统纳入高风险场景，并设置范围和例外条件。本文只提醒相关用途需独立法律评审，不判断任何具体企业是否落入适用范围或某项义务何时生效。
• NIST AI风险管理框架核心内容要求明确角色、监督、影响、沟通和责任。本文据此分开产品、主管、人力资源、调查与员工角色；该框架为自愿使用，不规定人员数据保存期限。

以上来源于2026年7月22日核验。外部资料只支持目的限制、算法管理、员工影响和责任边界；启岚的企业名称、人数、任务、生成、比例、期限、门槛和运行结果全部为虚构教学数据。