1704387910
1704387911
绩效和学习发展有着天然的连接，企业未来会更加关注绩效的学习发展。在设定目标和分解目标的过程中，经理可以随时追踪目标过程，并且帮助有问题的同事。而且，沟通窗口内嵌于平台中。使用绩效信息板，经理可以发现绩效问题，从而采取纠正措施。借助沟通窗口，员工可以在特定商机或活动环境中发起实时指导对话。情境式沟通和指导不仅能够促进期望的行为，还能影响业务成果及提高业绩。
1704387912
1704387913
人类的疯狂：绩效管理的“智能”与“超级智能”
1704387914
1704387915
管理者未来需要更加关注人类的脆弱，它的来源之一：可能超乎想象的强大外部入侵者智能机器。高端玩家如何胜出？玩家胜出的关键在于练就超高技能的读心术。打破预设，会呈现太多未被充分开发的领域。因为在大多数情况下，员工个人实际上拥有第一手的信息或任务，而且，有时会不得不手动创建文件。人工智能（Artificial Intelligence，AI）概念在20世纪50年代很快被提出。人力资源管理领域的智能服务（Intelligence Service）可以取代上一代员工自助和经理自助的全新人力资源服务技术，不再通过设定复杂和僵化的流程来规定员工和经理的服务动作。
1704387916
1704387917
数字化未来大行其道，如应用于绩效管理，会出现一些比现在更为准确和智能的可实时对人才进行反馈和考察的工具，新算法包括通过对现有人才的数据分析看出未来他是否有可能成为一名高潜力者，谁会辞职，谁会是高绩效者。例如，思爱普智能服务的每日头条可以预测主动离职风险：评级为3的高绩效员工最有可能主动离职，其他依次为评级为5的员工、任期时长少于1年的员工等，如图8-19所示。图8-19中将主动离职风险因素的重要性由高到低排列，并分别用灰色、橙色和红色分别显示离职风险因素的重要性。
1704387918
1704387919
市场竞争处于优势地位的企业往往会通过合理的数据管理，比较基础数据，确定数据和绩效的相关关系进行趋势分析。经理更多的是根据确切的数字进行管理，而不是凭空猜想。处于优势竞争地位的企业善于利用基础数据，确立关键指标，并确定劳动力管理问题如员工绩效问题产生的根源。同时，这些组织还会配置先进的劳动力管理工具监测那些对业务领域起到关键影响的指标，并即时提供给经理关于绩效数据或其他关键数据（如成本、产出、质量等）的可视报告。
1704387920
1704387921
1704387922
1704387923
1704387924
图8-19 智能服务预测主动离职风险
1704387925
1704387926
资料来源：思爱普（SAP），凯哲（HRoot）：《未来e-HR领域的员工服务分水岭——智能服务VS自助服务》。
1704387927
1704387928
今天的“智能”，只是“开始”，因为随着复杂数据的产生及采集量呈现爆炸性增长，数据源非常多元化，如图8-20所示。如此多元化的数据可能产生很多不可能的事情，而我们现在所创造的东西，实质上只是处于开始的阶段。
1704387929
1704387930
1704387931
1704387932
1704387933
图8-20 多元的大数据
1704387934
1704387935
资料来源：麦肯锡：《机器的崛起：中国高管眼中的人工智能》。
1704387936
1704387937
未来的智能在涉及领域的范围、质量和深度上，一定是超级疯狂且超出人类想象的。那么最后会得到何种超级智能？学者波斯特洛姆（Nick Bosreom）认为未来最有可能出现的超级智能是人工智能和全脑仿真（Whole Brain Emulation），尤其是前者。他认为超级智能有三种，高速、集体、素质超级智能。(16)
1704387938
1704387939
对于绩效管理模块的机器学习与超级人工智能，优秀的人力资源的技术供应商会选择将机器学习算法与传统程序结合，而不是要在现有系统之外再搭建一个专门做人工智能的平台。未来，机器学习和超级智能的能力会作为云平台（Cloud Platform）的一项核心能力，允许用户调用。企业在开发自己的应用时，并不需要写代码来实现人工智能，这跟谷歌、脸书等人工智能玩家的做法如出一辙。
1704387940
1704387941
由于网路和组织方式获得超级智能难以实现，最终我们可能见到的是一个比人类更为聪明，并且结算能力超快的智能体。(17)人工智能先驱和认知科学专家皮埃罗·斯加鲁菲在《人类2.0：在硅谷探索科技未来》表示：“今天人类延伸自我最让人印象深刻的方式就是发展出能够改变生命本身的技术，未来将是有机世界和合成世界的联姻，正如未来一定是人类和机器人的联姻。”
1704387942
1704387943
错过提高员工绩效的绝佳机会到底是什么？战略分析与决策层，更多的是跟很多传统的战略分析、经营分析层面的方法论相似，最大的差异是数据来自大数据和令人类无法想象的“超级智能”。而超级智能服务需要思考的是如何作用于雇员全生命周期的各个重要阶段，如何改善雇员体验，如何连接事件并进行预测，企业如何收益于共享服务带来的成本减少。在这一过程中，人力资源管理者需要冲破存在的技术壁垒：需要将招聘、入职、试用期、培训、绩效、发展、离职等数据打通，冲破信息孤岛。同时，智能服务驱动的人力资源管理自动化变革成功与否的关键还在于既需要数据点之间的连接，更需要事件和行为的连接。在绩效管理的“大数据”海洋中，需要利用超级智能能剔除更多无效信息，将绩效管理要素与整个人力资源管理要素能“超级智能匹配”。
1704387944
1704387945
面对“超级智能”对管理领域的影响，会不会违背当前新绩效改革中所关注的增加人与人之间的沟通和互动？出于这样的担心，超级智能会更加交互化、个性化和参与度，并且，需要研究分析和引导。数字化平台交互界面预示着未来人力资源管理者不需要制作幻灯片，而是直接利用数字化的交互平台来完成报告的统计、呈现和说明。
1704387946
1704387947
管理者需要提防机器至上的“幻觉”，人类从来都不应该因为新技术的出现而忘记自己的天生能力。因为面对强大的变化和未知如“超级智能”，人类不可能袖手旁观、置之不理。最终获得控制权的超级人工智能还可能是增强的人类，而非冰冷的机器。以上也许能给我们在陌生、混沌、无条件的情况下解决某些问题的思路。但最重要的是，我们预测的对象，要随着出现的相关性的证据和事实，不断进行相应的修正和调整，遵从事件A发生条件下事件B发生的概率即贝叶斯定理（Bayes’ theorem）。早在18世纪，英国学者贝叶斯曾提出计算条件概率的公式来解决如下问题：假设H[1]，H[2]，…，H[n]互斥且构成一个完全事件，已知它们的概率P（H[i]），i=1，2，…，n，现观察到某事件A与H[1]，H[2]，…，H[n]相伴随机出现，且已知条件概率P（A/H[i]），求P（H[i]/A）。而遵从贝叶斯定理，就需要人类克服认知偏见，不断调整和实践。正如科普及解密类纪录片导演詹姆斯·巴拉特所称：“在某些时候、某些特别的情况之下，智能并非不可预测。可出于我们将要探讨的诸多原因，高级到能够以人类同等水平进行智能行动的计算机系统，绝对是无法预测、难以理解的。”(18)
1704387948
1704387949
(1) 菲利普·泰洛克．超预测：预见未来的艺术和科学[M]．熊祥，译．北京：中信出版社，2016．
1704387950
1704387951
(2) 马成功．重新定义组织：用户如何与企业联盟[M]．北京：机械工业出版社，2016．
1704387952
1704387953
(3) 杰里米·里夫金．熵：一种新的世界观[M]．吕明，译．上海：上海译文出版社，1987．
1704387954
1704387955
(4) 科恩·保韦尔斯．数据化营销[M]．李文远，译．北京：当代中国出版社，2016．
1704387956
1704387957
(5) 甲骨文．管理的最高境界是“被催眠”——OKR在企业中的具体实践及注意事项[R]．2017．
1704387958
1704387959
(6) 马丁·林斯特龙．痛点[M]．陈亚萍，译．北京：中信出版社，2017．