人力资源行业文章

人力资源管理软件职场干货：拼“人效”的时代，HR如何找到绩效增长的发动机？

发布于 2024-4-15 10:32:46 阅读次数：

导语：

几年前，当日本科技公司日立（Hitachi）着手提高组织的生产力和效率时，它决定尝试一种非常规的方法。这种方法并不涉及寻求从工作时间中挤出更多工作方法，也不涉及重新调整流程以从生产过程中节省时间成本。它没有促使工人用更少的钱生产更多的产品，也没有要求领导者加倍监控员工的每一次流动，以寻找那些没有负重的工人。

相反，Hitachi 专注于跟踪一个意想不到的指标：员工幸福感。

Hitachi 使用可穿戴设备和附带的移动应用程序，为参与的员工提供基于人工智能的建议，通过提高心理资本（自信和动力）、心理安全感以及与管理目标的一致性来增加全天的幸福感。

可见，随着员工绩效成为焦点，传统的生产力指标远远不够，在以人为本的工作时代，新的数据来源和人工智能可以帮助组织从衡量员工生产力转向衡量员工绩效，本文与你一起探讨。

Hitachi取得人效新突破带来的启示

Hitachi此项突破早期结果令人惊叹。Hitachi工人的心理资本增长了33%——这是一个特别有意义的改善，因为心理资本的增加会导致工人敬业度的提高、工作满意度的提高以及离职意愿和倦怠的降低。利润增长了10%。

呼叫中心的每小时销售额增长了 34%，零售额增长了 15%。更重要的是，大多数参与者表示他们“很高兴”，这只是一个迹象，表明在快速发展的工作时代解锁组织绩效的关键可能不再与传统的生产力指标联系在一起。

Hitachi 专注于衡量和建立员工幸福感，这代表了衡量和提高员工绩效的传统努力的转变，后者倾向于关注以活动为中心的生产力指标，例如工作时间、任务时间、生产的产品和每位员工的收入。

这些将员工绩效作为一系列产出来衡量的传统方法仅反映了组织的观点。相比之下，新方法可以而且应该将员工视为一个人，对他们如何为组织做出贡献有更细致入微的视角。

实现从知道到行动的飞跃（图 1）对于希望在日益人性化的工作环境中茁壮成长的组织来说非常重要。曾经将个人员工活动（例如，工作时间或完成的电话）与有形结果（客户满意度或研发项目的商业潜力）联系起来的清晰界限现在变得模糊，取而代之的是复杂的协作网络和对复杂技能的需求，而这些技能不容易被传统的生产力指标所观察到。即使在一线、物流和制造环境中，每次通话的分钟数或产生的小部件等传统指标似乎最适用，技术和人工智能也越来越多地用于自动化此类任务。

然后，劳动力可以自由地进行复杂的问题解决，这需要技术性较低且抽象性较强的技能，例如创造力、批判性思维和协作。

例如，在农业中，自主无人机可用于播种、施用化肥和杀虫剂，以及检查害虫或环境破坏。然后，工人将能够花时间学习新技能，使他们能够管理技术、优化流程、处理异常情况或制定作物健康和维护的可持续战略。

曾经将员工个人活动与有形成果联系起来的清晰界限现在已经模糊不清，取而代之的是复杂的协作网络和对复杂技能的需求，而这些技能是传统生产力指标不容易观察到的。

与此同时，一些组织正在超越收入和利润等传统指标，考虑如何创造共享价值，从而使个人员工、团队和团体、组织和整个社会受益。成功驾驭这种新环境的组织很可能是那些从理解生产力的旧方法转变为采用人类绩效新范式的组织。

组织应优先考虑人员绩效指标的信号：

您的组织主要衡量工作产出指标，而不是您正在推动的更广泛的组织成果。
您的领导者对他们可用的数据量感到不知所措，并希望专注于衡量真正重要的事情。
尽管您在技术上进行了投资，但传统生产力相对平稳。
你的员工正在参与“生产力剧院”，他们做一些任务，让自己看起来很忙，并表明他们正在提高生产力。
您的员工因为对持续活动监控的感知或现实而筋疲力尽。

重新思考传统的生产力指标

各行各业的领导者开始认识到传统生产力指标在当前工作环境中的局限性：在德勤的 2024 年全球人力资本趋势调查中，74% 的受访者表示，寻求更好的方法来衡量员工绩效和价值非常重要，而不是传统生产力。但变化是缓慢的。

只有 17% 的受访者表示，除了跟踪活动或产出之外，他们的组织在评估组织中单个员工创造的价值方面非常有效或非常有效。

随着新的数字技术提供了比以往任何时候都更多的工作和劳动力数据，转向新的测量系统似乎很容易做到。组织能够跟踪人类绩效的结果并了解其驱动因素的能力，这得益于他们收集、衡量和分析这些数据的能力呈指数级增长，并在机器学习或人类判断的帮助下，将数据转化为可操作的建议。

他们可用于此类数据收集和分析的资源包括：

工作场所工具和技术（如电子邮件、协作平台、社交工具和共享日历）会生成被动数据，这些数据可以实时洞察人员和组织系统的工作方式。一家大型全球石油和能源公司分析了匿名协作数据（电子邮件、日历、会议和聊天数据），以了解其 500 人公司法务部门的团队如何协作。为了更好地培养和留住人才，该组织利用调查结果重新设计了工作场所，从而加强了协作。
组织网络分析可用于衡量组织中人员之间的联系和协作。作为晋升更多女性的努力的一部分，一家全球金融服务组织使用组织网络分析来了解女性员工内部和外部网络的规模和质量与她们晋升机会之间的关系。
传感器和连接设备，如可穿戴设备、徽章扫描、神经技术、生物识别传感工具、扩展现实耳机和精确位置跟踪技术，可以生成有关工人行为和交互的数据。例如，当一家芬兰铁路公司转向混合办公并希望更有效地优化其物理空间时，它使用占用传感器来检测工人的移动和空间使用情况。这些数据帮助该组织将建筑空间从五层缩小到两层，同时确保员工能够轻松走动并访问关键的工作场所资产，从而降低了房地产成本。
员工与机器和 AI 系统的交互生成的 AI 语音或音频分析，例如评估代码质量或呼叫中心交互情绪基调的算法，可以为评估业务运营的各个方面提供有价值的见解。在大都会人寿，客户服务座席平均每周接听 700 个电话，人工智能辅导帮助座席进行了更多“人性化”对话，客户满意度提高了 13%。

虽然一些组织正在向前迈进，但哪些潜在挑战可能会阻止其他组织将他们的绩效观点扩展到传统生产力之外？

1.来自外部利益相关者的压力

尽管高层领导者希望找到更好的方法来衡量员工绩效，但他们目前面临着来自外部利益相关者的压力，要求他们在高通胀、利润率下降和经济衰退威胁迫在眉睫的情况下展示生产力和效率的提高。10因此，他们可能会专注于实现短期的底线结果，而不是不太明显的预期人类结果（例如，改善工人福利）。

2.盲目测量数据

更多的数据并不自动等同于更好的结果。许多组织可能会发现自己迷失在数据海洋中，因为他们收集数据的能力超过了他们分析和采取行动的能力。因此，他们最终可能会得到太多的数据和太少的洞察力，让领导者不确定哪些指标是最重要的，哪些行动是真正推动绩效的。

3.过分跟踪生产活动

在 COVID-19 大流行期间，许多组织迅速采用了新的员工监控工具，这些工具可以跟踪击键、鼠标活动等，以了解谁在做什么以及工作了多长时间——这与他们一直跟踪的生产力标准相同。但新的工作方式需要新的指标。

现在，一些组织发现自己与工人在这种加强监控方面存在分歧。生产力妄想症——对远程工作者效率低下的担忧可能导致监控状态和信任崩溃，而不是关于当今工作环境中有效绩效的重要对话。

4.缺乏对结果预判

许多组织仍然专注于衡量工人的投入和产出，而不是结果。当组织开始衡量人类绩效时，他们可以开始跟踪两个方面：为组织创造价值的业务成果和人类的可持续性，或人类成果（两者都可能因员工而异）。

一条前进的道路需要从根本上重新思考在工作场所中哪些措施很重要，因为技术的快速进步和优先事项的转变正在发生变化。如果领导者想要在组织中发挥人类的潜力并实现创新，那么重点应该从单纯的生产力转移到更广泛的绩效视角。

什么是员工绩效的新方程式

现在，组织可以获得前所未有的工作和劳动力数据，这释放了大量的可能性，这提出了一个重要问题：如果传统的生产力指标在工作场所变得不那么重要，那么组织应该衡量什么来有意义地评估员工绩效，以及这些新指标应该如何运作？

新的数学涉及业务和员工可持续性的平衡——为组织和员工创造共享的、相辅相成的结果。业务成果定义了工作的质量、价值或结果，以及它如何为组织创造价值。人类的可持续性定义了一个组织在多大程度上为员工创造价值，使他们拥有更大的健康和福祉;更强的技能和就业能力;有可持续工资的好工作;晋升机会;以及更大的归属感、公平性和目标感。

毕竟，组织本质上在两个行业竞争：它所从事的行业和人才管理行业。领导者应利用人力和业务成果之间的联系，提高这两个行业成功的可能性（图2）。

当一个组织利用其收集的有关其劳动力的数据来造福每个人（个人员工、团队和团体、组织和整个社会）时，它就会创造共享价值。在每个层面上创造的价值可以在它们之间流动，加强和放大在其他层面上创造的价值。

在日立提高员工幸福感的实验中，不难看出，在员工个人层面创造价值如何带来企业层面的价值——增加收入和利润。最初旨在实现更高成本节约或质量提高等好处的组织计划也有助于提高员工的满意度和绩效。

例如，一家大型能源组织最近使用工作场所徽章数据来分析不同群体在计划办公室搬迁时互动的位置和方式。研究发现，随着跨职能团队变得更加分散，他们的非正式互动越来越少，而是过于依赖偶尔的正式会议。该组织利用这一发现来规划团队成员在搬迁期间的位置，以创造更多非正式的联系机会，将团队归属感和工作流程效率提高 5.3%。

此外，考虑一下这种共享价值动态在一家大型汽车供应商中是如何发挥作用的，该供应商部署了人工智能驱动的视频分析，以提高其对工厂运营的可见性。分析表明，生产线上物理站的配置减慢了操作速度，并给工人带来了疲劳。该组织利用这些发现重新配置了工位，减少了闲置时间和整体生产时间。该分析帮助组织做出明智的决策，直接影响工人的福祉，同时还改善了产能规划、质量改进、劳动力管理和流程工程等领域，工厂的运营产品经理还注意到生产线工人的幸福感、健康和生产力得到了改善。

组织如何捕捉有效的员工绩效指标

尽管有许多工作和工作场所数据被用于推动组织中人类绩效提高的例子，但普遍的说法倾向于将员工和组织对立起来。在收集和使用工作和劳动力数据时，典型的假设通常是，员工一致反对任何类型的监控，高管们希望跟踪每个可用的指标，无论多么具有侵入性。

然而，德勤对量化组织的研究表明，情况并非如此：员工和高管对工作和工作场所数据如何以有利于组织和员工的方式改善结果有着惊人的相似看法。

量化组织：

德勤的量化组织研究深入探讨了组织采取战略方法来衡量他们应该做什么，而不仅仅是他们能做什么意味着什么。通过对全球高级企业高管的深入访谈、对 2,000 名员工和领导者的全球调查，以及对 50 多个案例研究和 30 个不同用例的分析，量化组织系列研究报告强调了负责任地使用新的数据源和人工智能工具如何为员工、组织和更大的社会创造共享价值。

例如，员工和领导者在很大程度上同意，新的数据来源对业务和员工的成果都产生了积极影响。

此外，对于组织应该收集哪些数据源以及应避免哪些数据源，他们在很大程度上达成了一致。例如，每个组中超过四分之三的人对从员工电子邮件和日历中收集数据感到满意。但其他数据来源可以先停止，包括位置跟踪技术或对社交媒体和个人电子邮件等外部网站的审查。

这种基本一致性可能为领导者提供了一个关键机会，以释放工作和劳动力数据在衡量人类绩效方面的潜力。虽然我们最近的量化组织研究表明，员工对组织数据收集工作的信任度相对较高，但它也表明信任是脆弱的：员工对他们的组织以负责任的方式使用数据的信心低于领导者（70% - 93%）。

在这里，透明地传达数据收集和使用的方式和原因，以及让员工选择加入或退出，这一点很重要：可能很难想象员工会反对使用位置跟踪技术，特别是出于安全目的，例如当有人站在危险地点时禁用设备。然而，除非领导者继续投资于建立员工信任并通过他们的数据收集工作创造共享价值，否则机会之窗可能会在组织实现价值之前关闭。

虽然员工和组织在工作和劳动力数据的使用方面似乎比人们预期的更加一致，但这些数据的使用仍然很复杂。在实施新指标和使用新可用的劳动力数据来捕捉员工绩效时，组织应仔细考虑向谁透明以及如何透明——考虑关键因素，例如员工满意度、为员工提供福利以及其他负责任的数据收集。考虑到潜在的回馈，这些努力是必不可少的：对我们量化的组织调查数据的预测结果分析表明，员工对组织数据管理方法的信任可以提高大约 50% 的业务增长概率。

为以人为本奠定基础

使用工作和劳动力数据来衡量人类绩效的转变仍处于起步阶段，因为组织仍在确定哪些指标最适合其行业和组织的特定需求。大多数（53%）的受访者同意，他们的组织正处于寻找更好的方法来衡量员工绩效和价值的早期阶段，而不是传统的生产力。只有 8% 的人表示他们的组织在这一领域处于领先地位。但是，组织现在可以采取一些措施来为向员工绩效指标的转变奠定基础。

与员工共同创建指标和解决方案
组织可以通过为员工提供机会来建立对员工数据使用的信任，以提供应优先考虑员工绩效指标的输入，以及对数据可能揭示的见解做出回应的机会。考虑一下这种伙伴关系可能是什么样子的例子：一家石油和天然气公司使用壁挂式摄像头观察维护和制造设施的工人和资产，人工智能将汇总的匿名视频数据转化为对生产力模式的见解。员工从一开始就参与其中，选择加入数据收集，查看人工智能分析的结果，并协作解决如何使用数据来改善他们的体验和结果的问题。一组数据洞察使员工修改了休息区域并更频繁地休息以尽量减少疲劳，这些决策也提高了他们的工作效率。
衡量你应该做什么，而不仅仅是你能做什么
对组织最重要的人员绩效指标将根据行业、地理位置、劳动力以及组织当前的运营方式而有所不同，并且可能需要进行一些实验才能找到业务和人类可持续发展成果的平衡。例如，在呼叫中心，生产力通常通过每次通话的时间量或销售数量等因素来衡量。但是，当员工绩效成为主要关注点时，客户满意度、保留率和追加销售等指标可能会让呼叫中心经理更好地了解员工的表现。组织应该继续关注其数据收集工作的“原因”，问问自己：仅仅因为它可以被衡量，它是否真的需要——如果是，为什么？例如，物流中关注安全或工人疲劳的指标可能不一定是错误的衡量标准，但当它们以改善工人条件为目的进行衡量时，它们可能会变得更加以人为本。德勤的量化组织研究表明，缺乏使用劳动力数据的预定战略目标与员工对组织收集和使用这些数据的意图缺乏信任有关。为数据收集和使用制定与组织战略和目标直接一致的明确目标，可以大大有助于赢得和加强员工的信任。
在绩效管理方法中实施这些策略
如果对员工的期望不明确或不切实际，并且人为判断有错误的机会，传统的绩效管理可能是一个具有挑战性的过程。例如，每年只进行一次的绩效评估可能会导致新近偏差，即评估中仅包括员工最近的活动。随着组织向人类绩效的转变，组织的绩效方法应该从管理演变为发展。人工智能工具有望帮助领导者重新定义绩效，而不仅仅是提高绩效。这些工具不仅可以收集公正的数据来促进基于事实的绩效评估，而且生成式人工智能工具可能能够在总结和综合多个数据源方面发挥关键作用。当领导者向员工明确人工智能在绩效评估中的使用方式时，这种数据驱动的系统可以帮助保持透明度并建立信任。此外，人工智能可以充当工人的额外教练，根据他们既定的绩效结果提供个性化反馈。
将新指标整合到人才生命周期的其他流程中
随着组织过渡到使用员工绩效指标，他们应该仔细考虑如何最好地利用这些数据来改善单个员工的工作和体验。组织应该考虑关注哪些人类驱动因素，然后校准团队领导者如何与员工和团队讨论这些指标。这个过程从实验开始，因为组织和团队会发现哪些指标，在什么情况下进行沟通，创造了他们所寻求的人类和业务成果。
建立可靠的数据和 AI 实践
负责任的数据实践为员工提供了有关如何在整个组织内共享其个人数据的意见，并帮助组织遵守不断变化的数据使用全球法规要求。这些做法可能包括促进提高对收集哪种类型的数据以及为什么收集数据的可见性，尊重隐私和数据完整性问题，并在可能或需要时征求员工的同意。例如，汇总和匿名化数据可以帮助维护员工的隐私。虽然人工智能可以成为评估和改进员工绩效指标的宝贵工具，但如果使用不当，它也会损害组织的声誉和绩效。出于这个原因，组织应该依靠多维的道德框架来管理人工智能的潜在风险和回报。
立即计划解决围绕使用新兴技术的紧张局势
虽然我们的量化组织研究表明，员工对从电子邮件、日历和其他传统技术等已知技术收集数据相对满意，但当涉及到从可穿戴设备和 XR 耳机等新兴技术捕获的数据时，他们就不那么舒服了。尽管如此，大多数领导者表示，他们希望在未来几年内使用这些技术进行数据收集（图4）。这可能会使领导者和员工产生分歧，并威胁到组织的信任。领导者现在应该计划如何弥合这一差距，注意员工对隐私的担忧，并加强专业和个人数据收集之间的界限。