DHR AIHR大会现场 长鑫存储AI绩效智能体：让贡献被看见，让管理有依据

绩效是 HR 所有工作里最敏感的一道。它连着钱，连着晋升，连着一个人对公司还信不信任。今天九个甲方项目里，只有长鑫存储碰了它。

长鑫是中国大陆唯一进入规模化量产的 DRAM 产研销一体化企业。分享人是长鑫存储的 AI 产品经理 Tina，她做的产品叫 AI 绩效评估助手。先说清它的定位：AI 不打分。Tina 的原话是，AI 更多是助手，负责全面、客观地呈现事实，管理者要做的事情是决策。

新主管占了四成，评价先输在看不见

长鑫的评价难题，是快速增长的公司都会遇到的那种。

第一，新任管理者占比 40% 以上。很多人刚从自己做事，切换到评价别人，手里没有一把共同的标尺。按共同标准评价这件事，说起来简单，前提是标准得先落到每个岗位上。

第二，跨项目员工过半。长鑫的员工大多以项目制形式支持核心战役，一个人的贡献分散在多个工作场景里，管理者看到的往往只是其中一段。要把团队成果和个人贡献区分开，先得把个人责任还原出来。

第三，评价周期长。年中 6 个月，年终 12 个月。周期一起点，近期印象就可能遮蔽长期表现：上半年打下的硬仗，到年底评价时只剩一个模糊的印象。回看整个评价周期，需要的是完整的事实，不是记忆。

Tina 说，长鑫敢在这道题上试点，是因为三个条件恰好齐了。一是有标尺：公司已经有相对成熟的绩效评价体系，目标、责任、共同维度都是现成的，由 HR 定标。二是有事实：业务系统里积累了大量工作记录，业务目标、项目管理、团队管理、人事数据都在，业务侧能核验。三是有理解：国产大模型能做中文语义理解和结构化提炼，把行为抽取出来，把证据归纳好，把评价总结出来。标尺、事实、理解，三样齐了，才有绩效辅助评估。

AI 不打分：它只做两件事，算，和留证据

这个产品的架构，一句话能说清：量化模型与行为证据，共同支撑绩效评价。

评价对象分两类，管理者，和 IC，也就是个人贡献者，芯片设计、设计验证、软件开发、工艺整合、封装测试，都在里面。往下是两条腿。左边是量化模型，走指标体系：指标计算、特征构建，还专门做了混杂控制、异质性分析，强调因子可解释性。右边是行为证据，走非结构化数据：工作日志、项目复盘、协作文档、荣誉奖惩、合规审计，经过语义抽取、事件对齐、同源去重、多源核验、标签交叉验证，最后能回到原文溯源。底座是数据中台，结构化和非结构化数据多源接入、统一治理，再往下是国产大模型服务。

落到管理者手里，是评价和校准两个场景。评价时，AI 给出绩效建议和排名，给一段 AI 评价，同时把与业绩相关的过程行为按正向、负向列出来。每条行为都能点开，溯源到具体日期、具体数据源的原始记录。

校准时，管理者可以把一组人放在一起排，横向比业务结果，再点开个人报告：AI 综合结论给出建议绩效等级，多维排名一目了然，四维分析接着往下拆。这里要说明一句：现场演示用的是 Mock 数据，屏上的良率、交付率这些数字是演示用的，不是长鑫的真实业绩。真实的部分是形态：评价有据可查，校准有据可比。

数据安全单列了一栏：访问和使用权限、敏感信息保护、模型与输出控制、操作审计与追溯。绩效数据有多敏感，做 HR 的都懂，这四件是底线，不是选配。

五轮迭代，两个 60% 要分开看

长鑫的一期，五轮迭代跑了三个多月。做法是四步循环：设定评价维度，定标基线；数据采集加工，一到两周；模型构建迭代，一到两周；效果验证，一周，用历史数据回测，再收业务主管的反馈校验。然后根据反馈调整，接着转下一轮。

五轮实践记录全在大屏上：从 3 月 17 日到 6 月 26 日，五轮分别是 12 天、24 天、17 天、18 天、15 天，单轮平均 17 天。前三轮试点验证，后两轮试点全量。传统的大型信息化项目，光需求梳理到产品规划就要一两个月，这个节奏是另一种打法。

一期的结果，两个数：试点覆盖核心项目 3% 以上；整体一致率 60% 以上，这个一致率指的是模型预测与主管评估之间的一致。一期上线之后，主管们的反馈很具体，也很不客气。Tina 总结过，主管最看重的是头尾两段的识别准不准，中间段的一致性反而不那么重要；高绩效的建议，必须给出能支撑的证据和理由；过程行为的展示要按角色区分，管理者看管理动作和战略拆解，专家看有没有带头，IC 看主动性和协作。大屏上的三条反馈是：岗位差异未充分体现，管理者与 IC 的划分还比较粗；过程信息仍有遗漏；报告表达不够贴近业务语言。

二期就围着这三条改。第一，绩效建议更贴合业务，核心是模型可解释：从岗位与角色出发，到指标组合，再到关联解释。第二，行为标签更客观，核心是证据可核验：事件对齐，多源核验，最后主管确认。第三，评价数据持续积累：把组织目标拆解、个人 KPI、项目里程碑、具体任务连成一条全关联链路，让每条数据都知道自己在为哪个绩效结果服务。

证据这条，值得多说一个细节。二期在行为日志提炼之后，新增了证据校验：多源证据核验，再做证据评级与采纳。屏上给了一个真实例子。一位工程师的结项总结里写，自己独立定位了根因；缺陷报告里写的却是，他和另一位工程师共同定位。系统核验同一事件的责任表述之后，给主管呈现的是：参与有据，“独立完成”存疑，保留“参与根因定位”，独立还是共同，待主管核实。日常细节也一样处理：参加例会、同步进度、更新文档，未说明评价相关贡献的，暂不纳入评价摘要，但原始记录保留、可追溯。

模型可解释这条，两个例子。一个在招聘：单个招聘特征和绩效的相关性都很弱，他们用降维把聚合后的招聘相关特征构建成一个“招聘效能因子”，和绩效的关联一下子变强了。一个在培训：当期培训和当期绩效相关性弱，加入中介变量管理幅度之后，路径通了：培训让管理者的管理幅度变大、权责有效下放，当年绩效显著提升。这类分析的价值不在算出一个数，在于能把“为什么”讲给业务听。

二期的阶段性结果，是另外一组数：高绩效一致率，从一期试点的 10% 以上，提升到当前测试的 60% 以上；应用覆盖，从核心项目的 3% 以上，扩到核心业务部门的 20% 以上。注意，高绩效一致率和一期的整体一致率不是一回事，名字像，口径不同，别混着引用。

一致率，不是越高越好

这套东西的价值，Tina 分了三层。公司层面，把考核标准真正落到岗位评价上，主管和员工对标准形成共同理解。主管层面，共同标尺帮新主管建立评价框架，少花时间查事实，多花时间做判断、反馈和辅导。人才层面，看清个人在关键任务中的贡献，为绩优人才识别提供依据，支持认可、激励和发展。

长期建设里有四件事：目标拆解，从公司 MBO 一路拆到个人目标与责任；丰富数据，广度、深度、安全性一起补；评价体系，总体导向保持一致，维度和模型组合按业务与岗位灵活配置；大模型，跟着技术演进走，用场景评测验证效果。第四件里还藏了一句分量很重的话：他们计划设 AI 伦理委员会，明确应用边界与公平性要求，做人工责任与应用风险评估。

点评环节，一位导师先肯定了方向：把过程数据、生产数据、结果数据融进绩效管理，是在推动人力资源成为一门科学；层级组织里，中层的判断未必准确，这个系统是一种矫正。他提醒，绩效本质上是对员工“生杀予夺”的权利，必须科学地用好。然后他问了一个全场最尖锐的问题：一致率从 10% 涨到 60%，听起来是进步，但这个指标默认了高管的判断是对的，这个前提本身就可以讨论。一致率不是越高越好。他还建议，引入能代表长鑫企业文化与价值观的专家评估来把关，让 AI 的评估更有人味，也避免被中层管理者既有的评价左右；同时提醒，能量化的之外，还有潜能、主观能动性、创新这些不可量化的部分，越往前走越要谨慎。Tina 的回应很实在：她也不认为分数绝对越高越好，但模型培育的阶段，需要一个客观参照的过程。

另一位导师看到的是另一面：把绩效证据的收集和生成交给 AI，信息更透明，对一家有大量新任干部的快速增长企业，这是给公平公正上的保险；而且它不是等到结果环节才打分，是日常持续收集数据做预测，给主观判断一个补充参考。他建议，这套模式可以复用到干部评估、核心人才评估、青年英才储备这些高价值场景。

再往后，长鑫想把数据底座和协作方式沉淀下来：人事数据与工作成果打通，业务、HR、开发三方共同定义问题、共同设计方案、联合验证效果，逐步形成 AI 原生的协同组织。产品本身，则想从事后评价往前走，做到过程管理和事中预警，用日报的形式推给管理者。

Tina 收尾的那句话，值得放在所有绩效讨论的最后：让每一份贡献都被看见，让每一位人才都能放大。AI 绩效评估走到最后，拼的不是模型有多准，是事实够不够全，证据够不够硬，判断有没有留给人。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING