Paradokset ved feedback om præstationer: Når AI fungerer bedre i det skjulte
AI-feedback: AI-genereret feedback forbedrer medarbejdernes præstationer mere end menneskelig feedback, hvis dens oprindelse forbliver uoplyst.
Effekten af oplysning: Når AI afsløres som kilden til feedbacken, skaber det modstand og forringer præstationerne på grund af tillidsproblemer.
Tillidskrise: Medarbejdernes tillid til arbejdsgivernes brug af AI er lav, og mange mener, at det øger bias.
Transparensstrategi: Det anbefales at oplyse åbent om brugen af AI i feedbackprocesser for at forebygge langsigtede tillidsproblemer.
Langsigtet påvirkning: Valget mellem transparens og uigennemsigtighed afspejler organisationens værdier og påvirker dens modstandsdygtighed.
De bedste systemer til performancefeedback fungerer på én måde som et trylletrick: De er mest effektive, når man ikke ved, hvordan tricket udføres.
En undersøgelse fra 2021, der blev offentliggjort i Strategic Management Journal, viste, at AI-genereret feedback forbedrer medarbejdernes præstationer mere end feedback fra menneskelige ledere. Hvad er hagen? Det virkede kun, hvis medarbejderne troede, at et menneske havde skrevet den. Når metoden blev afsløret, forsvandt magien.
Feedbacken var mere konsekvent, mere personlig og objektivt set mere effektiv til at forbedre præstationerne, men da medarbejderne fandt ud af, at algoritmer havde genereret deres præstationsindsigter, forsvandt gevinsterne.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Den samme feedback, som forbedrede resultaterne, når den blev tilskrevet en menneskelig leder, udløste modstand, lavere engagement og dårligere præstationer, når medarbejderne kendte dens sande kilde. Forskerne kaldte dette "oplysningseffekten", et målbart fald i præstationer, der udelukkende skyldes viden om, at AI var involveret.
AI i performance management er i dag stadig mere udbredt, ligesom det er blevet almindeligt at integrere AI i andre dele af livet på grund af den udbredte brug af AI-værktøjer som ChatGPT, Claude og Gemini. Men det faktum, at brugen er steget, betyder ikke nødvendigvis, at tilliden er fulgt med.
For HR-ledere, der navigerer i indførelsen af AI, skaber det paradoks, som forskerne afdækkede i 2021, en umulig situation. Implementér AI-feedbacksystemer gennemsigtigt, og giv afkald på præstationsgevinsterne. Skjul AI's involvering, og risikér alvorlige tillidsbrud, når sandheden uundgåeligt kommer frem.
Beslutningen afslører noget grundlæggende om, hvad organisationer optimerer efter. Er det dette kvartals resultater eller evnen til langsigtet transformation?
Konteksten for tillidskrisen
Oplysningseffekten opstår ikke i et tomrum. Nyere forskning fra SHL viser, at kun 27 % af medarbejderne har fuld tillid til, at deres arbejdsgivere anvender AI ansvarligt i HR-beslutninger. Endnu mere bekymrende er det, at 59 % mener, at AI gør bias på arbejdspladsen værre og ikke bedre.
Det gør paradokset endnu tydeligere. Den teknologi, der kunne levere bedre feedback med mindre bias, mødes med mistillid fra flertallet af de medarbejdere, der skulle modtage den. Og forskningen tyder på, at deres mistillid bliver selvopfyldende. Viden om, at AI er involveret, får dem til at præstere dårligere, uanset om selve feedbacken objektivt set er bedre.
Dr. Ryne Sherman, videnskabelig chef hos Hogan Assessments, som arbejder sammen med over 75 % af Fortune 500-virksomhederne, ser to kræfter, der driver medarbejdernes modstand.
Den første er antagelsen om, at AI ikke kan forstå arbejdspladsens nuancer. Vi antager, at en menneskelig bedømmer af præstationer har en bedre fornemmelse for den organisatoriske kontekst og større forståelse for præstationer, der måske ikke kommer til udtryk i ting, som en computer nemt kan tælle.
Den anden faktor går dybere. Det handler ikke om, hvorvidt AI præcist kan vurdere præstationer, men om hvad valget om at bruge AI signalerer om, hvordan en organisation ser på sine medarbejdere.
"Manglen på menneskelig involvering får medarbejderne til at føle, at de blot bliver behandlet som bogstavelige menneskelige ressourcer uden empati eller omsorg for deres trivsel som mennesker," siger Sherman. "Vores forskning viser, at de mest effektive ledere udviser ægte omsorg for deres medarbejdere. Brug af AI til at gennemføre præstationsvurderinger antyder, at organisationens ledere faktisk er ligeglade med deres medarbejdere."
Om disse antagelser er korrekte, betyder mindre end det faktum, at de eksisterer. Medarbejdernes opfattelse former deres adfærd, og adfærden former præstationerne.
Hvorfor bedrag ikke virker
Organisationer, der håber på at opnå AI's fordele for præstationerne og samtidig undgå oplysningseffekten, står over for et praktisk problem: Medarbejderne ved det allerede.
Edie Goldberg, arbejds- og organisationspsykolog samt forfatter til den kommende bog Performanceaktivering, peger på de afslørende tegn, der røber AI-genereret feedback.
De fleste medarbejdere kan se, om feedbacken er skrevet af en computer på grund af alle de lange tankestreger. Denne type feedback mangler ofte den specificitet, som en leder kunne bidrage med.
De stilistiske mønstre i AI-genereret tekst er blevet så genkendelige, at det måske er nytteløst at forsøge at skjule AI's involvering. Selv når organisationer ikke udtrykkeligt oplyser, at de bruger AI, opdager medarbejderne de algoritmiske fingeraftryk.
Det underminerer hele strategien om at skjule det. Hvis medarbejderne har mistanke om, at AI er involveret, men ikke får det direkte at vide, får organisationerne det værste fra begge verdener: faldet i præstationer som følge af den opfattede brug af AI kombineret med bruddet på tilliden som følge af det forsøgte bedrag.
Goldbergs anbefalede tilgang omgår hele paradokset.
Forskellen er vigtig. AI kan integrere feedback fra flere perspektiver, såsom kolleger, kunder og interne kommunikationsplatforme, og kombinere den med konkrete data fra interne systemer.
"Alle disse faktorer gør feedbacken grundlæggende mere retfærdig, fordi den ikke kun bygger på én persons perspektiv," siger Goldberg med henvisning til den omfattende forskning i lederes bias i præstationsevalueringer.
Men fordelen ved retfærdighed bliver kun virkelig, hvis medarbejderne har tillid til processen. Goldberg fremstiller dette som et problem med arbejdsfordelingen snarere end et problem med gennemsigtighed. Brug AI til sammenfatning og mønstergenkendelse, hvor teknologien excellerer. Lad mennesker være ansvarlige for kontekst, specificitet og de relationelle aspekter, som medarbejderne har brug for for at tro på, at feedbacken er ægte.
I sidste ende er løsningen ikke at skjule AI's rolle, men at omdefinere den.
Gennemsigtighed først
Kate O'Neil, administrerende direktør for platformen til præstationsstyring Opre, har bygget hele sit produkt op omkring en afvisning af tilgangen, hvor man skjuler AI. Al feedback, som Opre-brugere modtager, er tydeligt markeret som AI-genereret, og hverken ledere eller medarbejdere kan manipulere den, så den fremstår som skrevet af et menneske.
Der bør aldrig være forvirring om, hvad der er AI-genereret, og hvad der er menneskegenereret. For hvordan kan vi ‘have et menneske med i processen’, hvis ingen ved, hvad der er menneskeligt, og hvad der er AI i processen? Manglende klarhed om, hvem der genererer feedbacken, tjener i sidste ende kun til at mudre lederansvaret.
Opre's designfilosofi er centreret omkring det, O'Neil kalder en dynamik mellem "leder og medarbejder kontra Opre". Systemet sender indsigter om præstationer til begge parter samtidig, hvilket skaber et fælles referencepunkt for dialogen i stedet for en topstyret bedømmelse.
Ved deres næste en-til-en-samtale drøfter lederen og medarbejderen, hvad Opre ramte rigtigt, hvad systemet overså, og hvad det muligvis misforstår om konteksten.
"Det erstatter den langt mindre produktive dynamik, som vi ofte ser i dag: leder kontra medarbejder, især når præstationen er lav, eller samtaler om præstationer bliver undgået," forklarer O'Neil.
Men O'Neil erkender, at hun ikke har sammenligningsdata. "Jeg ved ikke, om det havde nogen betydning, at medarbejderne vidste, at det var AI-genereret, fordi jeg ikke har en gruppe medarbejdere, som ikke vidste, at det var AI-genereret, at sammenligne med."
Da hun bliver spurgt, om hun går glip af præstationsforbedringer ved at prioritere gennemsigtighed, tøver O'Neil ikke.
Jeg tror ikke, at det underminerer effektiviteten at vide, at feedbacken er AI-genereret. Jeg tror, at illusionen om, at feedbacken er ægte, når den ikke er det, underminerer tilliden og de sociale kontrakter mellem ledere og deres teams. Svækket tillid svækker præstationen.
Hun går videre med spørgsmålet om bias. Selv hvis AI-genereret feedback objektivt reducerer bias på kort sigt, skaber det et tillidsproblem at skjule dens kilde, hvilket i sidste ende øger bias over tid.
"Hvis AI-genereret indhold faktisk reducerer bias, men medarbejderne oplever, at det øger bias, vil den langsigtede effekt være, at tilliden forringes," forklarer O'Neil. "Ledere, der udgiver AI-genereret feedback for at være deres egen, forringer tilliden mellem dem og deres teams, og det fører senere til øget bias."
Det er derfor, Opre's system forhindrer ledere i at redigere eller blødgøre AI-genererede indsigter. Både leder og medarbejder modtager identisk feedback samtidigt, hvilket eliminerer muligheden for bedrag. Ledere og medarbejdere kan tilføje kontekst eller bede systemet om en afklaring, men de kan ikke ændre det, systemet producerer.
Hendes holdning bygger også på en beregning af tidshorisonter. Organisationer kan optimere efter umiddelbare resultatmål eller efter evnen til at forandre sig over flere år. Efter hendes opfattelse er de to mål uforenelige, når det gælder implementering af AI.
"Uigennemsigtighed er ikke en strategi for resultater," siger hun. "Det er en kortsigtet udnyttelsesstrategi. Man kan måske opnå en kortvarig ekstra arbejdsindsats, mens medarbejderne forsøger at finde ud af reglerne. Men kort efter mister man sine bedste medarbejdere, udmatter resten og skader sin evne til at tiltrække nye talenter."
Når tilliden bryder sammen
Både Goldberg og Sherman advarer om, at bedrag omkring brugen af AI medfører konsekvenser, der langt overstiger eventuelle kortsigtede resultatforbedringer.
"Det er let at bryde tilliden og meget svært at genopbygge den," siger Goldberg. "Der er ingen fordel her, kun risiko."
Den advarsel er ikke blot etisk positur. Både Goldberg og Sherman arbejder i miljøer, hvor de ser følgerne af brudt tillid udspille sig på tværs af flere organisationer. Deres sikkerhed på, at bedrag mislykkes, bygger på mønstergenkendelse snarere end filosofi.
"Det er katastrofalt for organisationer at benytte vildledende praksisser for medarbejdervurdering," advarer Sherman. "For det første er der i enhver organisation af enhver størrelse overhovedet intet håb om, at bedraget ikke kommer frem. Alle organisationer har informationslækager, og denne type information vil helt sikkert komme ud.
Efterspillet vil ifølge Shermans vurdering blive alvorligt.
"Når denne information bliver kendt, vil tilliden til organisationen ramme det absolutte lavpunkt," siger han. "Medarbejderne vil protestere, sige op og måske endnu værre blive fuldstændig uengagerede."
Hans anbefaling til organisationer, der havner i et sådant scenarie, lægger ikke fingrene imellem. Medarbejderne vil kræve ansvarlighed, hvilket sandsynligvis betyder, at de øverste ledere, der er involveret i bedraget, må fjernes.
"Selv da," siger han, "vil organisationen være nødt til nøje at overveje at omdanne hele sin proces for medarbejdervurdering til en proces med radikal gennemsigtighed for at begynde at genvinde tilliden."
Goldbergs råd til organisationer, der befinder sig i denne situation, er enklere, men fører til samme konklusion.
Hvad valget afslører
Beslutningen om, hvorvidt man skal oplyse om AI's involvering i resultatstyringen, bliver sjældent formuleret som et valg mellem resultater og tillid. Oftere præsenteres den som et spørgsmål om teknisk implementering eller en udfordring inden for forandringsledelse. Men forskningen antyder, at det faktisk er en lakmusprøve for organisationens værdier.
Virksomheder, der optimerer efter kortsigtede resultatmål, har et klart incitament til at skjule AI's involvering. Effekten af implementeringen er reel og målbar.
Virksomheder, der bygger med henblik på langsigtet forandring, har ikke råd til tillidsbruddet, selv hvis det betyder, at de må acceptere lavere umiddelbare resultater.
Der er også en bekymrende klasseopdeling, som fagfolk sjældent forholder sig direkte til. Hvem får kendskab til AI-brugen i organisationer, der kun delvist oplyser om den? Modtager ledere gennemsigtige AI-systemer, mens medarbejdere i frontlinjen får skjult AI-feedback? Tillidskløften mellem ledelsen og medarbejderne er allerede stor. Selektiv oplysning kan få den til at bryde fuldstændig sammen.
Shermans pointe om, at opdagelse er uundgåelig, fortjener at blive fremhævet. I en tid, hvor medarbejdere tager skærmbilleder af intern kommunikation, skriver anonymt på virksomheders anmeldelsessider og organiserer sig via private Slack-kanaler, er det usandsynligt, at AI's involvering i medarbejdervurderinger kan forblive hemmelig.
Føj Goldbergs observation til, at medarbejdere allerede kan genkende AI-genereret tekst på dens mønstre, og tilgangen med at skjule det ligner mindre en strategi og mere en taktik til at udskyde det uundgåelige.
Spørgsmålet bliver ikke, om medarbejderne finder ud af det, men hvad der sker, når de gør.
AI Transparency in Performance Management
More Articles
- Problemer med AI-lønpræmier: Hvorfor højere løn for AI-kompetencer kan give bagslag
- 9 virksomheder med de bedste praksisser for præstationsstyring
- 10 bedste softwareløsninger og værktøjer til præstationsledelse & i 2026
- 10 bedste softwareløsninger til styring af virksomhedens resultater anmeldt i 2026
- 10 bedste softwareløsninger til efterfølgerplanlægning i 2026
En anden anvendelse
Goldberg ser AI's reelle potentiale inden for præstationsledelse komme fra en helt anden retning: feedback i realtid i stedet for årlige eller kvartalsvise evalueringer.
"AI-systemer kan hjælpe med at give en masse feedback i øjeblikket, når det er mest gavnligt," forklarer hun. "Men AI kan integrere alle disse feedbackpunkter over en præstationsperiode for at give et mere balanceret og mindre forudindtaget billede af den individuelle præstation. Det er styrken ved AI inden for præstationsledelse, ikke blot at skrive evalueringen."
Det omformulerer spørgsmålet om oplysning. Hvis AI giver øjeblikkelig, kontekstuel feedback om specifikke handlinger — markerer, når projektplaner skrider, bemærker, når samarbejdsmønstre ændrer sig, fremhæver, når kommunikationsfrekvensen falder — betyder kilden mindre end aktualiteten. Medarbejderne kan se den direkte forbindelse mellem deres handlinger og feedbacken, hvilket opbygger tillid til systemets nøjagtighed i stedet for at undergrave den.
Den årlige præstationsevaluering, der er skrevet af AI, udløser stadig oplysningseffekten, fordi den forsøger at efterligne menneskelig dømmekraft i en kontekst, hvor relation og autoritet spiller en rolle.
Feedback fra AI i realtid fungerer på en anden måde. Den foregiver ikke at være menneskelig visdom, men leverer datadrevne observationer, som mennesker ville have svært ved at levere i stor skala.
Om denne tilgang undgår det fald i præstation, som oplysning skaber, er stadig ikke blevet testet i stor skala, så vidt jeg kan finde, og opfattelserne af dette kan være under forandring, efterhånden som kendskabet til, hvordan AI fungerer, vokser. Men det antyder, at debatten om at skjule eller oplyse måske stiller det forkerte spørgsmål om den forkerte anvendelse af teknologien.
Det uafklarede spørgsmål
For ledere, der træffer beslutninger om implementering af AI i dag, tilbyder forskningen ingen bekvemme muligheder.
Tilhængerne af åbenhed — O'Neil, Goldberg, Sherman — hævder, at det at skjule AI's involvering garanterer en tillidskatastrofe, når det opdages, og at medarbejderne allerede kan genkende AI-genereret tekst. Det er bedre at opbygge AI-klare kulturer gennem ærlighed, selv hvis det koster på præstationen på kort sigt.
Modargumentet er sværere at afvise, end det umiddelbart ser ud til. Hvis AI-feedback objektivt reducerer bias, leverer mere ensartede evalueringer og forbedrer resultaterne, er åbenhed så en dyr luksus, der primært tjener til at få HR-ledere til at føle sig etiske?
Ingen af siderne kan pege på langsigtede data, der viser, hvad der sker tre år efter implementeringen af transparent AI-feedback. Teknologien har udviklet sig for hurtigt, og implementeringerne er for nye. Men valget afslører, hvad ledere mener om deres medarbejdere, og hvad de er villige til at ofre for at opnå resultater.
Organisationer, der valgte uigennemsigtighed, satsede på, at præstationsforbedringerne ville være den efterfølgende tillidskrise værd. De, der valgte åbenhed, satser på, at opbygning af AI-klare kulturer kræver ærlighed om AI's rolle, selv når det koster på præstationen på kort sigt.
Forskningen viser, hvad der sker umiddelbart efter oplysningen. Det, vi endnu ikke kan besvare med samme sikkerhed, er, hvilken tilgang der over tid skaber mere robuste organisationer med højere præstationer.
Indtil videre er det et spørgsmål om filosofi, risikotolerance og hvilken type organisation lederne forsøger at opbygge.
