AI+绩效体系搭建 课程大纲（一天版）
| 主讲：柯建峰
一、课程定位
本课程面向制造业中高层与 HR 管理者，用一天时间完成"公司级 BSC → 高管萃取 → 部门分解 → 岗位指标卡 → 校验计分 → 30 天落地"的全链路搭建，全程在 A 机电公司的真实经营数据上完成。
一句话概括定位：不是教你怎么"填考核表"，而是教你怎么让 AI 把指标体系快速做出来，再由你把它判准、改对、压实责任。
二、AI+绩效课程与传统绩效课程的区别
这是学员在开班时最需要先建立的一个认知：AI 不是给课程加了个时髦标签，而是改变了指标体系的生成方式和讲师的角色结构。
对比维度 | 传统绩效课程 | 本课程（AI+绩效） |
起点 | 从指标模板库、KPI 词典讲起 | 从学员本厂现有考核表的病灶体检讲起 |
指标从哪来 | 讲师给模板，学员照着抄、回去改 | AI 按企业画像批量生成候选，人判断因果是否成立 |
课程主线 | 知识点分块讲授：KPI、BSC、OKR 概念对比 | 一条真实业务链贯通：公司 17 项 → 高管 6 项 → 部门矩阵 → 岗位 3—5 项 |
AI 的位置 | 不提，或只做演示噱头 | 嵌入六个环节，形成"写提示词—取初稿—人工改判"的固定工作流 |
学员的角色 | 听讲、记笔记、课后自行消化 | 出题人兼裁决人：每场演练都要推翻 AI 给出的错误结论 |
案例 | 通用案例或虚构企业 | A 机电真实经营数据：248 人、2025 营收 1.2 亿、2026 预计 1.3 亿、利润率 8% |
产出 | 一本笔记、一套模板 | 五件可用实物：体检清单、17 项指标卡、六部门矩阵、岗位指标卡、计分规则 |
落地 | 课后自行摸索 | 30 天三步计划：宣贯对齐 → 数据试跑 → 复盘定版 |
风险控制 | 无 | 明确 AI 能力边界与失真类型，人的裁决责任写进流程 |
差异的本质：传统课程交付的是"知识"，本课程交付的是"一套能跑起来的指标体系和一套可复用的 AI 工作流"。
需要说明的一点：AI 并没有让指标体系的设计变简单，它让"初稿"变便宜了，但"判断"变贵了——因为候选多了，取舍的责任更重。这正是本课程把 40% 时间放在演练与点评上的原因。
三、课程目标
目标按三层设定，逐层可验收。
（一）认知层：讲得清
· 说清绩效管理不是打分、排名、扣奖金，而是把战略意图转化为每个岗位的具体行动
· 分清绩效考核与绩效管理的三个分野：时间、主体、结果
· 说清 BSC 四维为什么是"财务后视镜 + 三个前置视角"，以及四维因果链怎么检验
· 识别四类病症（断链、口径、取数、做数）与五类废指标（完成率、台账、可做数、越权、重复）
· 说清 AI 在绩效工作中的能力边界：能做什么、不能做什么、会在哪四类地方失真
（二）技能层：做得对
· 会用职责四要素把岗位说明书改写成指标素材
· 会写四段式提示词（角色与背景／任务与输入／约束与标准／输出与格式），让 AI 输出可控
· 会填九字段指标卡，做到任何字段不空白
· 会做部门分解：区分直接承接、转化承接、支撑承接，并用 RACI 锁定唯一的 A
· 会设三档目标值与阶梯计分规则，会给进攻型指标配防守约束
（三）产出层：带得走
· 《指标体检问题清单》：本厂考核表的病灶与整改建议，按优先级排序
· 《公司级指标卡》：BSC 四维 17 项，含口径、来源、目标值、承接部门
· 《高管指标卡》与《六部门分解矩阵》：责任到人、A 角唯一
· 《岗位指标卡》：3—5 项、主指标权重不低于 40%、九字段齐全
· 《计分规则》与《30 天行动计划》：回厂即可执行
四、课程收益
受益对象 | 具体收益 |
学员个人 | 从"每年填考核表的人"变成"能独立设计一套指标体系的人"；掌握一套可复用的 AI 提示词工作流，换企业、换岗位都能用 |
直线经理 | 知道自己该背哪几项、为什么背这几项；拿到"三件事测试"这类可当场判断指标是否越权的方法 |
HR／绩效团队 | 获得统一的指标口径语言与校验工具，大幅减少来回扯皮；指标上线周期从数月压缩到数周 |
部门之间 | RACI 把模糊协作逼成清晰责任契约，每项公司指标都有唯一的 A，考核时板子能打到具体人 |
企业整体 | 战略到岗位的传导链被打通：战略不再是墙上的口号，而是每个岗位 3—5 项可算、可控、可守、有牵引的指标 |
收益的验证方式：结课时五件实物全部产出且通过校验，即为达标；30 天后按计划完成数据试跑与定版，即为落地。
五、AI 与人的分工：AI 提效，人判断、决策、修订
这是全课程贯穿始终的一条主线，也是所有演练的组织原则：AI 出初稿，人做裁决。
（一）AI 负责"多和快"
AI 承担 | 具体动作 |
批量生成候选 | 按企业画像生成四维指标库、部门承接初稿、岗位指标卡初稿，把原来几天的活压到几分钟 |
结构化体检 | 按断链／口径／取数／做数四维度逐条扫描现有考核表，输出风险等级与修改建议 |
格式成稿 | 按九字段、按表格结构直接成稿，省掉排版与格式返工 |
批量宣贯材料 | 指标体系定版后，按部门批量生成口径说明与计分规则宣讲材料 |
（二）人负责"对和准"
人必须做 | 判断内容 | 不能交给 AI 的原因 |
判断因果 | 这条指标变好了，上一层哪个指标会改善？ | AI 只按行业通用逻辑匹配，不知道你厂里真实的因果是否成立 |
裁决责任 | 这项指标的 A 是谁？板子打谁身上？ | 涉及组织授权与人事判断，AI 无权也不该决定 |
修订口径 | 合格率按首检还是终检？交付按承诺日还是下单日？ | 口径背后是部门利益与历史约定，必须人来定并签字 |
修订权重 | 主指标给 40% 还是 50%？ | 权重是价值排序，是管理者的取舍，不是算法结果 |
承担结果 | 指标上线后的考核后果 | AI 不承担任何管理后果，责任永远在人 |
（三）三个不能交给 AI 的红线
① 不能把 AI 输出的指标库直接当定稿——通用模型不懂你的厂，不写企业画像就会给出零售业的坪效、互联网的用户增长。
② 不能让 AI 决定 A 角归属——责任分配是组织权力，不是文本生成。
③ 不能用 AI 的"低风险"结论免检——台账型、签到型指标伪装得最好，AI 从文字看不出问题。
课程现场的做法：每场演练都固定为"AI 起手 → 人工改判 → 对比校准"三步，学员必须亲手推翻至少一条 AI 结论，才算完成演练。
六、为什么这套方法更符合企业现实
企业现实 | 传统做法的失效点 | 本课程的应对 |
数据现实 | 指标设计得很漂亮，但制造企业的数据在 MES、ERP、QMS 里，不在 PPT 里，最后取不到数 | 17 项指标每一条都标注取数系统与频率；取不到数的当场换指标 |
组织现实 | 部门墙真实存在，一项指标多个部门都在做，却没人真正负责 | 用 RACI 锁定唯一的 A；三种承接关系把"配合"逼成可考核的责任 |
人的现实 | 中层没时间学理论，学完仍不会写指标卡 | 所有方法都收敛成模板：四要素、四段式提示词、九字段卡，当天填完带走 |
战略现实 | 中小制造企业的战略常在老板一句话里，没有成文 | 战略地图把这句话画成四层因果图，让战略第一次可以被讨论和校验 |
AI 现实 | 通用大模型不懂你的工艺、你的口径、你的台账 | 提示词强制写企业画像与口径约束；AI 只做初稿，人做终判 |
