Система управления результативностью с поддержкой ИИ, в которой инициатива принадлежит сотруднику: концептуальная модель

1. Введение

В организациях с большим числом измеримых видов деятельности информация о результатах часто проходит через уровни управления, прежде чем дойти до человека, отвечающего за задачу. Такой порядок может задерживать исправление и превращать сотрудников в получателей управленческих интерпретаций, а не в активных пользователей информации о результатах. Вопрос не в том, способен ли ИИ создать больше дашбордов, а в том, кто получает его первоначальную интерпретацию и какие права к ней прилагаются.

Исследования управления человеческими ресурсами с поддержкой ИИ выделяют возможности в оценке, аналитике, персонализированном развитии и поддержке решений и одновременно фиксируют риски непрозрачности, предвзятости, слежки и сопротивления (Malik et al., 2023; Meijerink & Bondarouk, 2023). Система, обращённая к сотруднику, сама по себе не расширяет его возможностей: её действие зависит от проектирования, порядка управления и реальной возможности оспорить рекомендации.

В статье предлагается направлять первое аналитическое сообщение сотруднику. Система не заменяет руководителя, не ищет виновных и не принимает дисциплинарных решений. Она сообщает о наблюдаемом отклонении, предлагает предварительные объяснения и подсказывает уместный следующий шаг. Руководитель сохраняет ответственность за решения с существенными последствиями и за ситуации, которые требуют суждения, поддержки или разрешения спора о данных.

2. Теоретические основания и исследовательский пробел

2.1. Управление результативностью и обратная связь

Управление результативностью не ограничивается периодической аттестацией: оно включает постановку целей, мониторинг, обратную связь, развитие и реакцию сотрудников на оценку (DeNisi & Murphy, 2017; Aguinis, 2019). Обратная связь не улучшает результаты автоматически: её эффект отчасти зависит от того, куда она направляет внимание и позволяет ли внести полезную корректировку на уровне задачи (Kluger & DeNisi, 1996). Теория саморегуляции также рассматривает расхождение между текущим и желаемым состоянием как пусковой механизм поведенческой адаптации (Lord et al., 2010).

2.2. Управление персоналом с поддержкой ИИ и алгоритмическое управление

В литературе описаны как расширяющие, так и контролирующие последствия алгоритмического управления. Алгоритмы могут улучшать доступ к информации и координацию и одновременно перераспределять полномочия и усиливать мониторинг (Kellogg et al., 2020; Noponen et al., 2024). Исследования управления персоналом с поддержкой ИИ отмечают стратегические возможности наряду с проблемами справедливости и внедрения (Malik et al., 2023; Pereira et al., 2023). Связь между алгоритмическим управлением, автономией и результативностью условна и не всегда положительна (Meijerink & Bondarouk, 2023; Lu, 2026).

Недавние работы изучали конфигурации алгоритмического управления и опыт сотрудников при оценке результатов на основе ИИ (Chen et al., 2026; Pan et al., 2026). Эти исследования предостерегают от того, чтобы считать техническую доступность доказательством пользы для организации. В частности, информацию, обращённую к сотруднику, не следует смешивать с его реальной возможностью действовать на её основе.

2.3. Конкретный исследовательский пробел

Общие идеи доступа сотрудников к информации о результатах, алгоритмической обратной связи, автономии и человеческого надзора не новы. Более узкая проектная задача, которой посвящена статья, состоит в том, чтобы соединить контекстное сравнение, объяснение с учётом неопределённости, выбор сотрудника и явный порядок передачи вопроса руководителю в одну последовательность организационных решений. Заявленный вклад - интегрированное проектное положение, а не изобретение его отдельных компонентов и не доказательство того, что эта конфигурация превосходит альтернативы.

Kellogg et al. (2020) выдвигают на первый план оспариваемый организационный контроль, а Meijerink и Bondarouk (2023) исследуют двойственность алгоритмического управления. Принципиально важно, что Bernstein и Li (2025) экспериментально изучили предоставление сотрудникам первой линии прямого доступа к данным о результатах, которые прежде проходили через руководителей. Их результаты показывают, что доступ сотрудника к данным сам по себе не является новым вкладом. Поэтому в статье предлагается более узкий и неподтверждённый проектный синтез: сравнения с учётом контекста, предварительные объяснения ИИ, свобода выбора сотрудника, повторная оценка и определённый порядок передачи вопроса человеку. Даёт ли такая конфигурация дополнительную пользу, остаётся эмпирическим вопросом.

3. Исследовательские вопросы

RQ1. При каких условиях ИИ может перенести первичную диагностику результатов от руководителя к сотруднику, не усиливая слежку?

RQ2. Какие диагностические функции могут поддерживаться алгоритмически, а какие суждения должны оставаться за руководителями?

RQ3. Какие требования к проектированию и порядку управления нужны, чтобы защитить автономию, объяснимость, возможность оспаривания и право человека отменить решение системы?

4. Концептуальный исследовательский подход

Статья представляет собой концептуальное проектное исследование, а не эмпирическую оценку и не систематический обзор литературы. Предлагаемые связи опираются на избранные работы по управлению результативностью, обратной связи, саморегуляции, управлению персоналом с поддержкой ИИ, алгоритмическому управлению и методологии концептуальных исследований (Jaakkola, 2020; Snyder, 2019). Воспроизводимый поиск по базам данных, исчерпывающий отбор источников и схема PRISMA не заявляются.

Различаются три уровня утверждений: выводы или теории, изложенные в предшествующей литературе; проектные решения настоящей статьи, полученные из сопоставления этих подходов; проверяемые предсказания, которые остаются неподтверждёнными. Синтез построен вокруг пяти практических вопросов: кто первым получает сигнал; как определяется ожидаемый результат; как можно оспорить интерпретацию; какое действие доступно сотруднику; когда необходимо вмешательство руководителя.

5. Предлагаемая архитектура с инициативой сотрудника

Архитектура состоит из семи связанных этапов: (1) данные о KPI, относящиеся к задаче, и данные о контексте; (2) контекстный ориентир результативности; (3) выявление разрыва в результатах; (4) альтернативные гипотезы о причинах разрыва; (5) обратная связь для сотрудника с конкретными действиями; (6) выбор и действие сотрудника; (7) повторная оценка с передачей вопроса руководителю при необходимости. Это предлагаемый рабочий процесс, а не внедрённый или проверенный ИИ-продукт.

Данные и контекст → контекстный ориентир → разрыв в результатах → предварительные гипотезы → обратная связь с действиями → действие сотрудника → повторная оценка / передача руководителю.

5.1. Контекстный бенчмаркинг

Единый целевой показатель или среднее по подразделению удобны для отчётности, но могут вводить в заблуждение при индивидуальной диагностике. Сотрудники на одной и той же должности могут различаться стажем, составом портфеля, структурой клиентской базы, территорией или сезонностью. Поэтому предлагаемый ориентир означает ожидаемый диапазон в сопоставимых условиях работы, а не нескорректированное среднее по организации.

Ожидаемый результат = f(роль, стаж, портфель, структура клиентской базы, территория, сезонность, прошлые результаты).

Это выражение - концептуальный перечень возможных предикторов, а не подобранное статистическое уравнение. Для внедрения потребуются явно заданные единица наблюдения и горизонт прогноза, обоснованный отбор признаков, проверка на отложенной выборке, оценки неопределённости и проверки на справедливость. Исторические данные о результатах могут воспроизводить прежнее структурное неравенство. Поэтому нельзя считать контекстный ориентир справедливым только потому, что в нём больше переменных.

5.2. Разрывы в результатах и конкурирующие гипотезы

Наблюдаемый разрыв должен запускать выяснение причин, а не автоматический причинный диагноз. Слабые продажи одного продукта при нормальных значениях других показателей могут объясняться знанием продукта, клиентским спросом, составом портфеля, системой стимулов или временными операционными ограничениями. Система должна отделять наблюдаемый факт от предварительных интерпретаций, указывать использованные данные и степень неопределённости и предлагать сотруднику дополнить недостающий контекст.

5.3. Обратная связь с действиями, адресованная сначала сотруднику

Ценность обратной связи определяется тем, помогает ли она сделать осмысленный следующий шаг, а не количеством показанных метрик. Сообщения для сотрудника должны разделять результат, базу сравнения, возможные объяснения и небольшой набор выполнимых действий. Сотрудник должен иметь возможность выбрать, изменить или отклонить предложенное действие без автоматических санкций. Так сохраняется различие между развивающей помощью и алгоритмическим приказом.

5.4. Передача вопроса руководителю

Участие руководителя не должно зависеть только от того, как долго KPI остаётся ниже цели. Немедленная передача вопроса может понадобиться, если исходные данные оспариваются, неопределённость высока, сотрудник оспаривает рекомендацию или решение влечёт существенные юридические или финансовые последствия, последствия для безопасности или для трудовых отношений. Дополнительным основанием могут быть повторные безуспешные корректировки. Пороговые значения и сроки реагирования следует устанавливать на месте и проверять до внедрения, а не придумывать как универсальные правила.

6. Условный сценарий из розничного банковского бизнеса

Рассмотрим условного сотрудника подразделения розничного банка. Пример придуман, чтобы показать последовательность действий, и не является ни полевым экспериментом, ни кейсом. Доказательств эффективности он не даёт.

Система отмечает отрицательное отклонение по кредитным картам, но не делает вывода о его причине. Она может предложить альтернативные объяснения, запросить у сотрудника описание контекста и предложить обучение по продукту или разбор разговоров с клиентами. По истечении заранее определённого срока показатель будет оценён повторно. Спор об ориентире или отсутствие улучшения повлекут рассмотрение вопроса человеком. За сотрудником сохраняется реальное право оспорить и данные, и предложенную интерпретацию.

7. Проверяемые положения

P1. При прочих равных условиях развивающая обратная связь, адресованная сначала сотруднику, будет связана с более высокой воспринимаемой автономией, чем обратная связь, адресованная сначала руководителю, только если сотрудник может по-настоящему выбрать или отклонить предложенные действия; противоположный эффект также возможен.

P2. Надлежащим образом проверенный контекстный ориентир уменьшит число ошибочных классификаций сотрудников по сравнению с единым нескорректированным средним при оценке по независимо определённым эталонным меткам и с проверкой предвзятости на уровне групп.

P3. При одинаковом доступе к исходным данным о результатах обратная связь с действиями, сфокусированная на задаче, сократит время до начала уместного корректирующего действия по сравнению с показом одних KPI. Неуместные действия и последующие результаты нужно измерять отдельно.

P4. Доступная и действенная процедура оспаривания с рассмотрением человеком будет положительно связана с воспринимаемой процедурной справедливостью и принятием обратной связи. Эффект зависит от реального качества рассмотрения, а не просто от наличия кнопки.

P5. С учётом издержек ложных сигналов и передачи вопросов архитектура, в которой сигнал сначала получает сотрудник, с явными критериями передачи вопроса руководителю сократит время руководителей на первичную диагностику по сравнению с процессом, где сигнал сначала получает руководитель, и не ухудшит качество решений.

8. Управление, этика и границы

Объяснимость требует, чтобы сотрудник понимал показатели и контекстные допущения, на которых построен ориентир, и причины предлагаемого вмешательства. Возможность оспаривания требует доступного пути, чтобы исправить данные, дополнить упущенный контекст и запросить повторное рассмотрение человеком. Чисто декоративный интерфейс не отвечает ни одному из этих принципов.

Развивающая система должна сводить слежку к минимуму и собирать информацию, непосредственно относящуюся к задаче и результату. Накопление максимально возможного объёма поведенческих данных грозит превратить поддержку в контроль. Развивающие сигналы, сформированные ИИ, не должны автоматически становиться дисциплинарными доказательствами без надлежащей проверки человеком. Эти соображения согласуются с литературой об алгоритмическом контроле, автономии и воспринимаемой справедливости (Kellogg et al., 2020; Noponen et al., 2024; Pan et al., 2026).

Человеческий надзор должен включать реальное право отклонять алгоритмические предложения, а не только ответственность за утверждение заранее определённых результатов. В предлагаемой системе должны быть также решены вопросы доступа к данным, их хранения, конфиденциальности, аудита предвзятости и организационных стимулов, которые могут подталкивать к злоупотреблениям.

9. Теоретический и практический вклад

Теоретический вклад состоит в разграничении трёх видов полномочий: доступа к данным о результатах, права интерпретировать эти данные и права назначать последствия. В дискуссиях об автоматизации управления их часто смешивают. Предлагаемая архитектура отдаёт сотруднику первую возможность развивающей интерпретации, а решения с существенными последствиями и спорные случаи оставляет за подотчётным рассмотрением человеком.

С практической стороны статья предлагает логику проектирования для организаций, которые рассматривают применение ИИ в управлении результативностью. Помимо вопроса о том, какие управленческие решения можно автоматизировать, она ставит вопрос, какой анализ можно передать непосредственно в руки сотрудников, сохранив осмысленную интерпретацию, выбор и обжалование. Полученное предложение остаётся гипотезой, которую нужно сравнить с существующими системами.

10. Ограничения и направления дальнейших исследований

В исследовании нет эмпирического набора данных, внедрения, проверенной прогностической модели и исчерпывающего систематического обзора. Оно не доказывает улучшения KPI, автономии, доверия, справедливости или нагрузки руководителей. Иллюстративные банковские данные синтетические. Насколько предложенное сочетание отличается от существующих коммерческих и академических систем, требует дополнительного изучения.

В будущем полевом эксперименте можно сравнить три группы: (а) обратная связь, адресованная сначала руководителю; (б) прямой доступ к тем же данным KPI без рекомендаций ИИ; (в) прямой доступ к контекстным рекомендациям ИИ с определённым порядком передачи вопроса руководителю. Основные исходы следует зарегистрировать заранее; в них должны входить изменения KPI, ошибка диагностики, время до уместного действия, время руководителя и качество решений. В дополнительные исходы должны входить воспринимаемая автономия, доверие, справедливость, частота обжалований и нежелательные события.

В протоколе исследования следует указать правила рандомизации или распределения по группам, размер выборки, критерии исключения, срок наблюдения и статистический анализ. Сравнение только вариантов «сначала руководитель» и «сначала сотрудник» не позволит выделить дополнительный вклад ИИ. Будущим исследованиям следует также изучить предвзятость ориентиров, пропуски в данных, различия между должностями и отраслями и межстрановые институциональные различия.

11. Заключение

Аналитика результативности на основе ИИ не обязательно означает усиление управленческого контроля. Альтернатива - сократить информационную дистанцию между наблюдаемым результатом и сотрудником, способным на него отреагировать. Прямой доступ сотрудников к данным о результатах уже изучался (Bernstein & Li, 2025). Предлагаемая же модель описывает, как можно объединить контекстное сравнение, предварительные объяснения, обратную связь с действиями, выбор сотрудника, повторную оценку и передачу вопроса человеку. Эта архитектура - проверяемое проектное предложение, а не доказанное улучшение существующей практики.

12. Декларации

12.1. Конфликт интересов

Автор заявляет об отсутствии конфликта интересов.

12.2. Финансирование

Исследование выполнено без внешнего финансирования.

12.3. Доступность данных

Новые эмпирические наборы данных в рамках настоящей концептуальной статьи не создавались. Все значения в таблице 1 условные.

12.4. Использование генеративного ИИ

ChatGPT использовался для помощи в структурировании рукописи, языковой редактуре, подготовке черновика и предварительном отборе литературы. Автор несёт ответственность за точность ссылок, интерпретацию литературы и все научные утверждения.

12.5. Рецензирование

Рукопись прошла Double-Anonymous Peer Review не менее чем двумя независимыми профильными рецензентами в соответствии с действующей редакционной политикой IAE Review. Автор не аффилирован ни с редакцией, ни с издателем журнала; финальное решение о публикации принято редакцией.