员工说“这个分数不公平”，经理打开系统回答：“AI 根据数据算出来的。”这句话听着客观，往往只会让争议更大。员工真正想知道的，是标准是不是事先讲过、事实有没有漏、同样的情况有没有同样处理。
AI 能帮管理者找证据、找口径冲突，也能提醒哪些判断缺少记录。但分数的解释、复核和申诉，不能交给一个没参加过工作现场的模型。
先核标准：是不是考核结束才改说法
岗位职责、评价周期、权重和特殊情况的处理，最好在周期开始前让双方知道。若季度末才说“协作表现也很重要”，却没有讲过怎样观察，员工很难信服。销售、研发、交付的工作差异，也不能靠同一张空泛的表格抹平。
AI 可以对照制度版本和当期目标，提示标准是否变过、同一结果是否在两个项目里重复计分。它能指出不一致，不能替公司追认一条从未公布的规则。
再核事实：分数背后能不能找到原始记录
绩效记录至少能回答“什么事、什么时间、谁确认、对结果有什么影响”。客户反馈、项目节点、质量记录、同事协作都可能是材料，但需要区分事实、评价和传闻。只把周报丢给 AI，让它概括谁更努力，容易把会写总结的人评得更好。
可让 AI 按评价项列出支持材料和缺口，并把矛盾处标红，供经理与员工逐条核对。员工提出新的证据，应能回到原始数据复查。涉及个人资料时，限定可访问范围，不要把整个团队的薪酬和评价无差别上传。
最后谈处理：允许复核，才能谈信任
如果双方对事实仍有分歧，记下争议点、补充材料的期限、复核负责人和反馈方式。复核后无论是否改分，都要说明依据。AI 可以生成待确认的会议纪要，不能做最终裁决，也不能把“系统算的”当成不解释的理由。
考核的目的不是把每个人说服到完全同意，而是让规则可预期、证据可查看、异议有去处。经理若能坐下来回答“这项判断依据是什么”，往往比亮出一个 AI 分数更有用。
把争议发生前的那份考核规则找出来，看看员工当时能否知道评价人、权重和复核办法。这比事后拿出一串 AI 分数更有说服力。源目标绩效管理有不同评价角色和权重设置的说明；你可以借此对照自己的规则，缺的部分仍得由公司补上。
考核结束后还要谈下一步行动，可参考《绩效考核打完分，下一步怎么谈？》。
发布于源课堂 · 源目标信息科技（上海）有限公司
