用 AI 寫績效考核：客觀具體的評語、目標設定與改進建議，主管省時又不失溫

又到考核季，HR 系統的截止日在倒數，你手上有八位部屬要寫。打開那張表，第一欄「整體表現評語」的游標一閃一閃，你腦中浮現的卻只有「還不錯」「滿認真的」這種講了等於沒講的詞。寫得太籠統，部屬會覺得主管根本沒在看他；寫得太尖銳又怕傷感情、引發爭議。於是你拖到最後一天，把去年的評語複製貼上改幾個字，交差了事——而這份本該幫助人成長的文件，就這樣變成一年一度的罐頭作文。

這篇要解決的問題：教你一套把零散觀察，穩定轉成「具體事實＋客觀評語＋下季目標＋改進建議」的 AI 寫考核方法，讓主管省下大半寫評語的時間，又能讓部屬讀得到「被看見」的溫度。 適合誰讀：要替團隊寫績效考核的部門主管、組長、店長、專案負責人，以及要設計考核制度與範本的 HR，不需要寫程式。 讀完你會得到：兩個可直接複製的 Prompt、一張績效考核 Workflow 流程圖，以及一個台灣企業把單人寫評語時間從 40 分鐘壓到 12 分鐘、同時提升回饋具體度的實作案例。

寫考核從來不是「文筆問題」，而是「整理問題」。主管腦中其實累積了一整年的觀察，只是它們散落在 Slack 訊息、會議片段、專案結案信裡，沒有被收斂成可下筆的素材。AI 真正的價值，不是幫你「生成」你沒做過的判斷，而是幫你把這些散落的觀察整理、分類、寫成具體而中性的語言。先把這個定位想清楚，後面整套方法才用得對。

為什麼績效評語總是又空又難寫？

把「寫考核」想成一條生產線，傳統做法的卡點其實很清楚：

• 記憶折舊：考核常一年一次，但人腦只記得住最近一兩個月，於是「近因效應」讓上半年的努力被忽略，評語自然失真。
• 事實沒被收集：平常的觀察散在各種對話與文件裡，到了寫評語時沒有一份統整的素材，只能憑模糊印象硬擠形容詞。
• 怕衝突而模糊：改進建議寫太直接怕傷和氣，於是用「可以再加強」這種安全但無用的話帶過，部屬完全不知道要改什麼。
• 每個人標準不一：同樣是「主動」，寫 A 的時候標準很鬆、寫 B 的時候很嚴，自己也沒察覺，造成不公平。

這四個卡點，沒有一個是靠「多花時間硬寫」能解決的，因為問題出在素材與結構，不是文筆。AI 剛好擅長補這兩塊：給它結構化的事實，它能穩定地分類、佐證、寫成中性語言，並用同一套標準套在每個人身上。把人力從「擠形容詞」轉到「蒐集事實與確認判斷」，正是這套方法省時又不失溫的關鍵。

核心概念：好評語是「事實 × 維度 × 未來」的三層結構

很多人以為寫評語就是「給個總評」，其實一條站得住腳、又讓人服氣的評語，是三層疊出來的。我們用一個對照表把「罐頭評語」和「好評語」拆開看：

這張表想說的是：評語的溫度不來自華麗的形容詞，而來自「你真的看見了我做的具體事」。AI 的工作就是幫你把第一層（事實）整理乾淨、對齊到第二層（維度）、再延伸出第三層（未來）。少了事實這層地基，再多的修辭都是空的；而事實這層，恰恰是 AI 最會幫你收斂的部分。

另一個要建立的觀念是「對事不對人」。好的考核語言描述的是「行為與結果」，不是「人格與標籤」。說「他很被動」是貼標籤，會引發防衛;說「過去三個專案都等到我指派才開始，主動提案次數為零」是描述行為，對方無從反駁、也知道要改什麼。寫 Prompt 時，這個原則要明確下達給 AI。

實際教學：五步驟用 AI 寫出一份站得住腳的考核

Step 1：蒐集具體事實，建立「事實清單」

打開空白表格前，先別急著寫評語，而是先為每位部屬建一份「事實清單」。把這半年到一年的素材撈出來：完成了哪些專案、扮演什麼角色、結果有沒有數字、誰在什麼場合回饋過他、踩過哪些雷又怎麼處理。來源可以是專案結案信、會議記錄、客戶或同事的回饋、你自己的隨手筆記。

這一步是整套方法的地基。如果你平常沒有累積，這次先補做一次，並養成習慣：之後每季用 AI 分析回饋 把零散意見整理進清單，到考核季就不必臨時翻箱倒櫃。記住一個原則——寧可清單裡是「乾巴巴的事實」，也不要是「我覺得他還不錯」這種印象。AI 沒辦法幫你變出沒發生過的事，只能幫你整理發生過的事。

Step 2：用公司既有維度，讓 AI 分類事實

每家公司的考核都有自己的維度（職能、價值觀、KPI）。把這份維度清單先給 AI，請它把你蒐集的事實逐條歸類到對應維度，並標出哪些維度「事實偏少」。這一步有兩個好處：一是讓評語結構對齊公司制度，HR 看得懂；二是讓你立刻發現盲點——若某個維度幾乎沒有事實，代表你對這位部屬在這塊的觀察不足，該補問或保守評分，而不是硬掰。

Step 3：事實佐證評語，禁止 AI 腦補

進到寫評語環節，核心 Prompt 的護欄是：每一句評語都必須對應到事實清單裡的具體事例，缺佐證的維度就輸出「事實不足，待補」，不准自行生成成就。這條規則是這套方法不出包的關鍵。AI 生成式模型天生會「補滿」，你不約束它，它就會替你的部屬編出沒發生過的好表現，等部屬一讀就穿幫，反而傷信任。下達這類精準護欄的技巧，可以搭配 ChatGPT Prompt 教學 練習。

Step 4：把改進點寫成「成長型建議」與 SMART 目標

改進建議最容易寫壞，不是太兇就是太虛。請 AI 用固定句式產出：現況（描述行為與結果，不貼標籤）＋影響（這對團隊或成果造成什麼）＋具體下一步（可執行的行動）。接著請它根據現況提案二到三個下季 SMART 目標草稿（具體、可衡量、可達成、相關、有期限）。注意這裡 AI 只是「提案」，真正的目標要在一對一面談時和部屬共同確認，作法可參考 AI 規劃 OKR 教學。

Step 5：主管人工潤飾、定調、把關

AI 產出的是「中性而結構完整的草稿」，但它看不到脈絡——它不知道這位部屬上半年家裡有事所以狀況差、不知道某個專案失敗其實是跨部門的鍋。最後這一步由你來補：調整語氣輕重、加入只有你知道的肯定與體諒、確認沒有敏感或可能引發爭議的措辭。AI 負責把雜訊整理成結構，主管負責注入溫度與判斷，這才是「省時又不失溫」的真正分工。

範例：Prompt 與 Workflow

下面提供兩個可直接複製的 Prompt：一個寫評語草稿，一個做客觀度與一致性審查。

# 角色
你是一位資深 HR 顧問，擅長把零散觀察寫成客觀、對事不對人的績效評語。

# 任務
根據我提供的「事實清單」與「評核維度」，為這位員工撰寫績效評語草稿。

# 鐵則（務必遵守）
1. 每一句評語都必須對應「事實清單」裡的具體事例，並盡量帶出可量化結果。
2. 描述「行為與結果」，禁止使用人格標籤（如懶散、積極）等主觀形容。
3. 若某個維度在事實清單中佐證不足，直接輸出「此維度事實不足，待補」，禁止自行虛構成就。
4. 只使用我提供的事實，不得臆測或延伸我沒給的資訊。

# 輸入
評核維度：{貼上公司維度清單}
事實清單：{貼上整理好的事實，註明專案、角色、結果、回饋來源}

# 輸出格式
依「維度」分段，每段含：
- 客觀評語（事實佐證）
- 改進建議：現況 + 影響 + 具體下一步
- 下季 SMART 目標草稿 2～3 個（標註此為提案，待面談確認）

審查用的第二個 Prompt：

你是績效考核的審查者。請檢查以下評語草稿，逐項標出問題並給修改建議：
1. 有沒有「沒有事實佐證」卻寫得像事實的句子？
2. 有沒有貼標籤、主觀評斷、可能引發爭議的措辭？
3. 改進建議是否都包含「具體下一步」？只說缺點沒給方向的請標出。
4. 和我同批的其他員工相比，這份評語的標準是否一致（過鬆或過嚴）？
請輸出：問題清單 + 建議改法，不要直接幫我改寫。

把整套流程畫成 Workflow 流程圖（文字版）：

平日累積事實
   ↓
蒐集 → 整理成「事實清單」（每位部屬一份）
   ↓
餵入維度清單 → AI 依維度分類事實 → 標出佐證不足的維度
   ↓
AI 寫評語草稿（事實佐證 + 成長型建議 + SMART 目標提案）
   ↓
AI 審查（客觀度 / 一致性 / 是否有具體下一步）
   ↓
主管潤飾定調（語氣、脈絡、肯定、把關敏感措辭）
   ↓
一對一面談 → 共同確認目標 → 留下行動項紀錄

整條流程的精神是：AI 處理「整理與結構」這段重複勞動，主管把時間留在「判斷與對話」這段真正需要人的環節。

常見錯誤

• 只丟一句「幫我寫小王的考核」：沒有事實輸入，AI 只能生成空話，產出當然像範本。問題不在 AI，在你沒給素材。
• 放任 AI 編成就：沒下「禁止腦補」的護欄，AI 會替部屬補出沒發生的好表現，一被看穿就傷信任，比寫得平庸更糟。
• 改進建議只說缺點不給方向：「主動性不足」這種話讓人挫折又無從改起。一定要逼出「具體下一步」。
• 每個人用不同顆粒度的事實：替愛表現的人寫滿三頁、替默默做事的人只寫兩句，這是制度性的不公平，要用同一份維度、同樣顆粒度蒐集事實來防。
• 把面談省略，寄出評語就結案：考核的價值在對話，不在文件。沒有面談，再好的評語也只是單向通知。

最佳實務

• 平日就累積，不要等考核季：建一個簡單的「部屬觀察筆記」，每完成一個專案就記一筆事實。到考核季，AI 整理現成素材只要幾分鐘。
• 先寫審查 Prompt，再寫生成 Prompt：很多人只用生成、跳過審查。其實審查那步最能擋掉腦補與標準不一，是品質保險。
• 同批一起檢查一致性：八位部屬的評語都寫完後，讓 AI 橫向比對標準鬆緊，揪出自己沒察覺的偏差。
• 敏感資料先代號化：用 A 員工、B 專案取代真名再餵 AI，降低個資外洩風險，定稿時再換回。
• 把目標接到追蹤系統：SMART 目標確認後，用 AI 整理會議記錄 的方式留下行動項，下季考核時直接回頭對照，形成閉環。

實際案例：台灣電商團隊的考核改造

情境：台中一家中型電商，行銷部主管帶八人團隊，每年兩次績效考核。

導入前：主管每到考核季就頭痛。憑印象寫評語，平均一人花 40 分鐘，八人就是五個多小時，還常拖到截止日前一晚趕工。評語多半是「表現穩定、態度良好、可再加強溝通」這類安全話術。部屬私下抱怨「看不出主管到底有沒有在關注我做的事」，年度滿意度調查裡「主管回饋具體度」這項分數偏低，連續兩年敬陪末座。更麻煩的是，曾有部屬對考核結果不服，要求說明，主管卻舉不出具體事例，場面尷尬。

導入後：團隊改用「事實清單 + 兩段式 Prompt」的流程。主管平日在 Notion 開一頁「團隊觀察」，專案一結束就記一筆事實與數字；考核季把清單貼進 AI，依公司六大職能分類、產出評語草稿，再用審查 Prompt 過一輪，最後自己潤飾定調。寫一人的時間從 40 分鐘降到約 12 分鐘，八人不到兩小時收工。

成果數據：

• 單人寫評語時間從 40 分鐘降到 12 分鐘，降幅約 70%，整季省下逾三小時。
• 每份評語平均引用具體事例從 0.8 條增加到 4.5 條，回饋從空泛變得有憑有據。
• 隔次員工調查「主管回饋具體度」分數從 3.1 升到 4.2（5 分制），首次脫離末段。
• 面談時因為評語有事實佐證，「對結果有異議」的爭議案例從一年 2 起降到 0 起。

主管的回饋是：「以前覺得 AI 會讓考核更冷冰冰，結果剛好相反。因為整理事實的苦工被接走了，我反而有餘力在面談時好好跟人聊未來，那才是考核真正該花時間的地方。」

結論

用 AI 寫績效考核，省時是表象，真正的價值是「逼自己回到事實」。當你被迫先蒐集具體事例、再讓 AI 對齊維度、佐證評語、指向未來，那些年復一年的罐頭話術就自然消失了——不是因為 AI 文筆好，而是因為流程把「憑印象」換成了「憑事實」。

請記住三件事：第一，AI 是文書助理不是判官，它整理你的觀察，但判斷與溫度永遠由你注入；第二，禁止腦補的護欄與一致性審查，是這套方法不出包的底線；第三，評語寫完只是中段，真正讓部屬成長的是那場以事實為基礎的一對一面談。把寫評語的苦工交給流程，把對話的價值留給自己，這才是「主管省時又不失溫」的完整解法。

最後提醒，本文聚焦寫作與整理方法，考核結果涉及薪酬、升遷與勞動權益的法律效力，以及員工個資保護，請依貴公司政策與當地勞動法規辦理，本文不構成法律或人資合規建議。

❓ 常見問題 FAQ

🔗 延伸閱讀

• AI 規劃 OKR：把考核目標寫成可追蹤的 SMART 目標
• AI 角色扮演演練：開考核面談前先預演對話
• AI 整理會議記錄：把面談決議變成可追蹤行動項
• ChatGPT Prompt 教學：寫出穩定可控的指令
• AI 分析回饋：把零散意見整理成具體洞察