本周，快速发展的中端市场人力资源科技公司 Rippling 推出了一款名为 Talent Signal 的迷人产品。该产品从Github（针对工程师）、Salesforce 和Gong（针对销售人员）以及Zendesk（针对服务代表）读取工作输出数据，并使用人工智能来分析他们的绩效。
它是如何工作的？该系统使用多个输入。仅使用有关员工工作级别的信息（没有有关年龄、任期、性别的数据），它会执行以下操作：
首先，它衡量绩效（代码行数、同行评审、已结束交易的数量、已结束案例的数量）等），所有这些都可以在这些企业系统中使用。它使用由所有 Ripplings 客户数据开发的广泛标准，将性能评估为正常、高性能或需要关注。
其次，它关注行为（语言、代码质量、情绪）并尝试将这些规则应用到其他人身上。因此，如果所有顶级销售人员都非常好奇，它就会根据这个标准评估其他人。
第三，它会导入您的评分标准，根据公司价值观评估绩效。因此，如果您的公司重视协作、创新、客户亲密度，或者质量，您就可以教授它。
输出具有三种形式。
首先，它提供评级（对-跟踪、高性能或需要关注）。其次，它根据职能和工作级别对团队中的员工进行排名。
第三，可能是最有价值的，它提供了发展反馈。经理可以看到有关员工为何以某种方式进行评级的叙述，并可以深入研究具体的建议。根据经理的判断，此信息可以与员工共享。
如今，为了限制成本并获得早期反馈，系统仅针对过去 90 天的绩效运行。
影响人工智能驱动的绩效评估
既然秘密已经泄露，我们来讨论一下它的含义。我们应该让生成式人工智能评估员工绩效吗？我们相信它可以将我们与同行进行比较吗？工作中隐含的软技能怎么样？
在您担心之前，请注意这种情况已经发生了。Meta 和 Atlassian 都根据代码质量对工程师进行分级。Fivefold、HiredScore (Workday) 等平台和大多数 ATS 供应商都会根据职位描述对求职者进行评分。广告系统每天根据产品偏好对我们进行数百次评分。
这是我的看法。
这一切来得很快，我们只需要为此做好准备。Workday 大约一年前推出了人工智能驱动的开发计划，大多数 L