一句话看懂：Headway 调查显示，33% 的管理者曾用 AI 撰写反馈或准备绩效评估，57% 用 AI 预演过棘手对话。当决定加薪与晋升的评语可能出自大模型之手，绩效管理的透明度和公平性正在成为新的职场议题。
事件核心：发生了什么
据 TechRadar 报道，心理健康与职场支持平台 Headway 对 1000 名管理者做了一项调查：33% 的受访者承认用 AI 撰写反馈或准备绩效评估，31% 用 AI 处理团队冲突，27% 用 AI 起草那些难以开口的对话内容。更值得注意的是，57% 的管理者表示曾借助 AI 提前“排练”过一场困难谈话。
这并非孤立现象。一年前的类似调查中，承认用 AI 起草或修改绩效评估的管理者比例高达 41%，本次虽有所回落，但仍处于高位。Headway 的 burnout 预防专家 Thalia-Maria Tourikis 对此持保留态度，她认为 AI 的“完美”读起来反而显得表面化，涉及信任与共情的内容由人来写才更有效。
为什么重要
绩效评估往往直接挂钩薪酬调整和晋升机会，属于高利害的人事决策。大模型在几秒内就能生成一段结构完整、措辞得体的评语，对需要一年写十几份评估的管理者来说，确实是实打实的效率工具。但问题在于：调查并未区分管理者只是用 AI 润色语法，还是整段由模型生成。这两者之间的合规风险和伦理风险差距巨大。
与此同时，员工端对 AI 的戒备也在上升。Owl Labs 一项覆盖全球 8000 名员工的研究显示，58% 的人认为雇主已经部署了基于 AI 的监控工具。评估被 AI 代写、工作被 AI 监控，两条线索叠加，构成了当下职场 AI 应用最敏感的一面。
对用户/开发者/创作者的影响
对普通职场人而言，这意味着你收到的评语可能经过了 AI 加工，但你几乎无从知晓。合理的做法是在绩效沟通中主动追问评价依据，把模糊的结论拉回到可验证的事实上。对开发者和企业采购方来说，这里存在明确的产品机会：HR 场景需要的不是通用大模型，而是带审计日志、能区分“AI 建议”与“人工定稿”的企业级工具。一旦绩效结果引发劳动仲裁，谁写的、改了几稿、模型给了什么建议，都可能成为需要举证的环节。合规与可追溯，可能比生成质量更早成为采购决策的硬指标。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Headway 的调查没有区分润色与全文生成，后续是否会有更细颗粒度的数据公布；二是企业 HR 系统会不会引入 AI 使用披露机制，让员工知道评语是否由模型参与；三是随着 AI 监控和 AI 评估同时渗透，各国劳动监管是否会对人事决策中的算法使用提出明确要求。
来源：TechRadar
