收益：
- 能够根据具体观察产生建设性的绩效反馈草案
- 能够利用 SBI、STAR 和类似框架构建平衡、公平和以发展为导向的反馈
- 人工智能反馈草案，能够保留人类决策和责任的作用
绩效反馈对于管理者来说是最困难的任务。大多数人都能给出积极的反馈；挑战在于以建设性、具体和公平的方式沟通需要改进的领域。措辞不当的反馈可能会降低员工的积极性、产生抵触心理，甚至导致员工流失。人工智能 (AI) 可以为正确构建反馈和软化语言提供强大的帮助。但这个单位不变的原则是：反馈的内容要基于真实的观察，决定权和责任在人。 AI写草稿；人类给出并拥有反馈。
几个术语：反馈是反映行为对人的影响的沟通。绩效评估是对一个时期的正式评估；它通常会带来晋升和奖金。 SBI 是一个构建情境-行为-影响轴反馈的框架。 STAR 是一种将事件描述为“情境-任务-行动-结果”的结构，可用于访谈和评估。
SBI 框架的建设性反馈
有效的反馈针对的是行为，而不是人。 “你不负责任”是一种判断并引发辩护； “最后三份报告被留到最后一刻迫使团队”是一个观察结果，可以进行讨论。向人工智能提供您的观察结果并对其进行框架。分步过程：
- 收集观察结果。具体事件、日期、影响。 （这一步完全由您负责。）
- 选择框架。 SBI、STAR 或“优势 + 改进空间”平衡。
- 制作草稿。使用以行为为中心的、非责备的语言。
- 公平性和事实核查。草案是否真实、平衡？
- 准备面试。可能的反应和答案。
- 提供反馈。男人主导谈话； AI 不参与对话。
您的角色：经验丰富的人力资源业务合作伙伴。任务：将以下观察结果转化为 SBI 框架内的建设性反馈大纲（情况-行为-影响）。语气：尊重、成长导向、非指责性。保持每一点具体；关注行为，而不是个性。平衡优势和发展领域。<观察>- 最后 3 个项目报告留到最后一天，团队不得不等待 - 客户在演示中准备充分，得到了积极的反馈（满意度 9/10）- 在团队会议上两次打断同事的意见</观察>
提示：在反馈中包括优点和需要改进的地方。只列出负面的反馈感觉不公平；如果一个人只讲积极的话，就不会带来发展。在上面的例子中，包括积极的演讲表现可以建立这种平衡。但不要机械化“表扬三明治”（一条批评夹在两条表扬之间）；员工注意到了这种模式。
最关键的规则：观察来自于你
AI无法产生性能数据；它只是表达您输入的观察结果。在没有观察的情况下寻求反馈会导致模型提出看似合理但实际上并不正确的主张——这既不公平又危险。仅仅因为“人工智能写了这个”就塑造员工的职业生涯是不可接受的。
正确的流程：1) 您：输入具体的观察结果（日期、事件、影响、数字，如果有）2) 人工智能：将其翻译成建设性语言和框架3) 您：审查草稿，确认其真实性4) 您：提供反馈并引导对话
步骤
业主
它是什么（观察/数据）
经理/人力资源
如何表达（草稿）
人工智能
证实真相与正义
经理/人力资源
反馈对话
经理（人）
结果（促销、奖金、PIP）
经理（人）
为困难的对话和自我评估做好准备
人工智能还可以帮助您为反馈对话做好准备。提前排练困难的对话将有助于你在真正的对话中保持冷静：
我认为员工在提供此反馈时可能会采取防御措施。写下 3 种可能的反应，并针对每一种反应提出建设性、冷静的反应。我的目标不是指责，而是共同寻找解决方案。另外，建议一个中立的开头句来打开对话。
您还可以帮助员工构建他或她的自我评估：
您的角色：职业教练。任务：准备一个包含 6 个问题的指导模板，帮助员工撰写期末自我评价。问题应采用 STAR 结构（情境-任务-行动-结果）并平衡地询问成就和发展领域。
三个迷你箱
案例1——从严厉到建设性。 “你总是迟到，你不可靠，”一位经理的素描中写道。 AI 将与 SBI 的相同观察结果翻译为“最后 3 次交付的截止日期打乱了团队的计划；让我们一起建立交付节奏。”该员工没有采取防御措施，而是谈论了解决方案；下一季度，延迟交货数量从 3 起减少到 0 起。
案例 2 — 一致校准。在一个 12 人的团队中，每个经理的写法都不同；有些人称每个人都是“完美的”，有些人不喜欢任何人。人力资源部门让人工智能准备一个通用的评估标准和样本报表库。在校准会议上，分数之间的差异明显缩小，反对的数量减少了一半。
案例 3 — 节省时间。经理花了整整两天时间对一个 30 人的部门进行任期评估。 AI 将每个员工的实际观察结果转化为 SBI 草案，从而减少了一半的时间；经理将节省下来的时间用于个性化草稿和进行采访。质量不但没有下降，反而一致性提高了。
弱提示/强提示
弱提示：为该员工写一份绩效评估。
结果：由于人工智能不知道实际表现，它会产生通用的、空洞的、甚至是捏造的陈述；不公平且有风险。
强烈提示：【实际观察（日期/事件/影响/数字）+SBI或STAR框架+语气+“关注行为”+“平衡优势和发展领域”+“不要添加任何你不确定的内容”约束]
结果是：根据您的观察得出一个建设性的、平衡的、可直接使用的大纲。
注意：请勿在未阅读人工智能生成的草稿的情况下将其原样转发给员工。即使大纲是基于您的观察，但该语言对于员工的背景和你们的关系是否合适、公平和个性化——只有您知道。最终绩效评估及其后果（晋升、奖金、绩效发展计划）始终由经理负责。这与工程中安全关键批准的原则相同：人工智能输出不能替代有能力的人的批准。
常见错误
- 询问而不观察。 AI补妆；反馈应基于真实事件。
- 攻击性人格。不要说“你很懒”，而要说“这种行为造成了那种效果”。
- 单向反馈。只有消极的才是不公正的，只有积极的才是无效的。
- 按原样提交草稿。个性化和公平控制是必须的。
- 基于人工智能的结果。 “人工智能得分如此”在道德上和法律上都站不住脚。
- 未来的步骤不确定。反馈应以具体且商定的下一步结束。
总之
- 将反馈重点放在行为上，而不是人身上；让 AI 使用 SBI（情境-行为-影响）或 STAR 等框架来构建草案。
- 内容应始终基于您的实际观察；不观察就问，会导致AI补上。
- 平衡优势和发展领域；单向反馈要么不公平，要么无效。
- 为与人工智能进行困难的对话和自我评估做好准备，但对话总是由人类主导。
- 未阅读草稿请勿转发；最终评估、公平批准和后果（晋升/奖金）由经理负责。
应用任务
为您管理的（或假想的）员工写下 4-5 个上季度的具体观察结果（日期、事件、影响、数字（如果可能））。让 AI 将这些转化为 SBI 框架内的平衡反馈草案。然后让他们产生“3种可能的防御反应和反应”。最后，检查草稿的公平性和现实性：每句话是否基于观察，是否有优点，下一步是否明确？如果有哪怕一个捏造的说法，请将其删除。
清单
- [ ] 反馈是否基于真实、具体的观察？
- [ ] 语言是否侧重于行为而不是个性？
- [ ] 优势和发展领域是否平衡？
- [ ] 是否使用了像SBI/STAR这样的框架？
- [ ] 草稿是否经过个性化处理并检查了公平性？
- [ ] 有具体的、可以理解的下一步吗？
- [ ] 最终决定和责任是否由人类承担？