यह बताना कि परफ़ॉर्मेंस रिव्यू AI ने लिखा है, आपको रिश्ते की कीमत चुकाता है, संदेश की नहीं

दो कर्मचारी बिल्कुल एक जैसा परफ़ॉर्मेंस फ़ीडबैक पढ़ते हैं — वही आलोचना, वही ढाँचा, वही समापन पंक्ति। एक को बताया जाता है कि उसके मैनेजर ने लिखा है; दूसरे को, कि एक AI ने तैयार किया है। उस मैनेजर के साथ निकटता मापने वाले आइटम पर पहले ने 2.89 और दूसरे ने 1.67 दर्ज किया — घोषित स्रोत ने 24% विचरण समझाया (η² = 0.24)। और इस पर कि उन्होंने बाद में उस आलोचना को मन में दोहराया या नहीं, उसने कुछ भी नहीं समझाया (p = 0.64) (Marót, Palcsó & Szabó, Frontiers in Psychology, 2026)।

संदेश पहुँच गया। रिपोर्टिंग लाइन नहीं — और यही AI से लिखे परफ़ॉर्मेंस रिव्यू की असली कीमत है।

यही असमानता अगला चक्र खुलने से पहले आपके ध्यान की हकदार है, क्योंकि मध्य-आकार की कंपनियों के लिए यह 2027 का सवाल नहीं है। जो मैनेजर पहले से ही लोगों के प्रबंधन में AI का उपयोग करते हैं, उनमें 91% इसका उपयोग परफ़ॉर्मेंस आँकने के लिए और 88% परफ़ॉर्मेंस सुधार योजनाएँ लिखने के लिए करते हैं (ResumeBuilder.com, 2025)। लेखन तो हो ही रहा है। जिसकी कीमत नहीं आँकी गई है, वह है घोषणा का असर।

प्रयोग ने टेक्स्ट स्थिर रखा और केवल लेबल बदला

Marót, Palcsó और Szabó ने 192 कार्यरत वयस्कों के साथ एक विनेट प्रयोग किया (230 भर्ती किए गए; 18 बेरोज़गार होने के कारण और 20 ध्यान-जाँच में विफल होने के कारण बाहर रखे गए)। प्रतिभागियों ने कल्पना की कि वे किसी मैनेजर से परफ़ॉर्मेंस फ़ीडबैक प्राप्त कर रहे हैं। फ़ीडबैक का टेक्स्ट हर स्थिति में पूरी तरह एक जैसा रखा गया। एकमात्र परिवर्तन था घोषित निर्माण-प्रक्रिया, चार रूपों में: पूरी तरह मनुष्य द्वारा लिखा गया, पूरी तरह AI द्वारा तैयार, AI द्वारा तैयार और फिर मनुष्य द्वारा परिष्कृत, तथा मनुष्य द्वारा लिखा और फिर AI द्वारा परिष्कृत।

यह डिज़ाइन नमूने के आकार से ज़्यादा महत्व रखता है। लोगों के प्रबंधन में AI पर हुए अधिकांश अध्ययन दो चीज़ों को मिला देते हैं — AI ने क्या तैयार किया, और यह तथ्य कि AI शामिल था। टेक्स्ट स्थिर रखना दूसरे को अलग कर देता है। यहाँ जो भी हिला, वह लेबल के कारण हिला, इसलिए नहीं कि AI ने कुछ घटिया लिखा।

और बहुत कुछ हिला। घोषित स्रोत का समग्र बहुचर प्रभाव सार्थक रहा (Pillai का ट्रेस V = 0.37, F(27, 546) = 2.86, p < 0.001), और नौ में से आठ परिणाम खिसक गए:

परिणाम	मनुष्य	AI	AI लिखे, मनुष्य परिष्कृत करे	मनुष्य लिखे, AI परिष्कृत करे	η²
मनोवैज्ञानिक दूरी (निकटता)	2.89	1.67	2.15	2.54	0.24
मैनेजर के साथ रिश्ता	4.69	3.23	3.98	4.22	0.21
मदद मांगने का खुलापन	5.31	3.43	4.57	4.82	0.17
संगठनात्मक प्रतिबद्धता	4.57	3.46	4.00	4.38	0.16
गलती सुधारने की इच्छा	6.02	4.43	5.18	5.56	0.14
कार्य-प्रेरणा	4.79	3.66	4.30	4.68	0.13
अपेक्षित प्रदर्शन	5.19	4.29	4.68	4.82	0.10
भावनात्मक प्रतिक्रिया	4.76	3.86	4.43	4.48	0.08
बार-बार सोचना	3.64	3.45	3.20	3.48	0.01

स्तंभों का क्रम पढ़िए, केवल पहले दो स्तंभ नहीं। हर पंक्ति में क्रम वही है।

AI से लिखा परफ़ॉर्मेंस रिव्यू आपको वास्तव में कहाँ भारी पड़ता है

इन प्रभाव-आकारों को क्रम में रखें तो शीर्ष चार हैं: मनोवैज्ञानिक दूरी (0.24), मैनेजर के साथ रिश्ता (0.21), मैनेजर से मदद मांगने का खुलापन (0.17) और संगठनात्मक प्रतिबद्धता (0.16)। सूचनात्मक परिणाम नीचे हैं: अपेक्षित प्रदर्शन (0.10), भावनात्मक प्रतिक्रिया (0.08), बार-बार सोचना (0.01, सार्थक नहीं)।

परफ़ॉर्मेंस की बातचीत को दो काम करने चाहिए। काम के बारे में सटीक संकेत पहुँचाना, और वह रास्ता खुला रखना जिससे वह कर्मचारी अगली समस्या आपके पास समय रहते लाता है। घोषणा का कर लगभग पूरी तरह दूसरे काम पर पड़ता है। मदद मांगने का खुलापन सात-बिंदु पैमाने पर 5.31 से 3.43 तक गिरा — अध्ययन में सबसे बड़ा निरपेक्ष अंतर।

महँगा यही है। जिस मैनेजर ने "कुछ गड़बड़ हो तो मेरे पास आओ" वाला रास्ता खो दिया, उसने 50–500 पूर्णकालिक कर्मचारियों वाले संगठन की एकमात्र पूर्व-चेतावनी प्रणाली खो दी। आप इसे एंगेजमेंट सर्वे में फ़ीडबैक की समस्या के रूप में नहीं देखेंगे; आप इसे देर से आने वाले झटकों के रूप में देखेंगे।

पहला मसौदा कौन लिखता है, यह अंतिम पास कौन करता है उससे अधिक मायने रखता है

व्यवहार में काम आने वाला निष्कर्ष यही है, और सार-संक्षेप इसे कम आँकता है। दोनों मिश्रित प्रक्रियाएँ आपस में बदली नहीं जा सकतीं।

मनुष्य द्वारा लिखा और फिर AI द्वारा परिष्कृत, हर जगह पूर्णतः मानव के करीब रहा: प्रेरणा में 4.68 बनाम 4.79, प्रतिबद्धता में 4.38 बनाम 4.57, मदद मांगने के खुलापन में 4.82 बनाम 5.31। नौ परिणामों में से किसी पर भी वह पूर्णतः मानव फ़ीडबैक से सार्थक रूप से भिन्न नहीं था।

AI द्वारा तैयार और फिर मनुष्य द्वारा परिष्कृत ने खराब प्रदर्शन किया और, अधिक महत्वपूर्ण, वह पूर्णतः AI फ़ीडबैक से स्वयं को अलग नहीं कर सका। पूर्णतः AI स्थिति के मुकाबले उसने नौ में से केवल तीन परिणामों पर सार्थकता पाई — मदद मांगने का खुलापन (4.57 बनाम 3.43, p = 0.002), मैनेजर के साथ रिश्ता (3.98 बनाम 3.23, p = 0.003) और मनोवैज्ञानिक दूरी (2.15 बनाम 1.67, p = 0.023)। इसके विपरीत, मनुष्य-पहले-AI-बाद वाली प्रक्रिया ने पूर्णतः AI फ़ीडबैक को नौ में से आठ पर मात दी।

अर्थात प्रभाव क्रम से आता है, श्रृंखला में कहीं मनुष्य की उपस्थिति से नहीं। मैनेजर से AI का मसौदा संपादित करवाना रिश्ते की लागत का एक अंश वापस दिला पाया। मैनेजर से पहले लिखवाना और भाषा कसने के लिए AI का उपयोग करना लगभग पूरी लागत वापस दिला पाया।

और यह उपकरणों के वर्तमान उपयोग का ठीक उल्टा है। "इन कॉम्पिटेंसी स्कोर से एक रिव्यू तैयार करो, फिर मैं संपादित कर दूँगा" — 2026 में असिस्टेंट लॉन्च करने वाली हर HR सुइट में यही डिफ़ॉल्ट प्रक्रिया है। इस साक्ष्य के अनुसार दोनों मिश्रित रूपों में यही बुरा है — और आपके मैनेजर इसे ही चुनेंगे, क्योंकि यह अधिक समय बचाता है।

प्रति-तर्क, और वह कहाँ तक टिकता है

ईमानदार आपत्ति: यह एक विनेट है। प्रतिभागियों ने एक काल्पनिक परिदृश्य पर अपेक्षित प्रतिक्रियाएँ बताईं, वास्तविक रिव्यू के बाद का व्यवहार नहीं। नमूना ऑनलाइन भर्ती किया गया हंगेरियन सुविधा-नमूना था, अधीनस्थ स्तर के कर्मचारियों की ओर झुका (66%), औसत आयु 32 वर्ष। कोई व्यवहारगत परिणाम नहीं, कोई अनुवर्ती माप नहीं। 1.67 बनाम 2.89 को अपने आँकड़ों का पूर्वानुमान न मानें।

आपत्ति के बाद भी जो टिकता है वह दिशा और क्रम है, और दोनों को अध्ययन की अपनी मज़बूती-जाँच पुष्ट करती है। घोषित स्रोत को सही पहचानने वाले 123 प्रतिभागियों (64%) तक सीमित करने पर — अर्थात जिन्होंने वास्तव में परिवर्तन दर्ज किया — हर प्रभाव उसी दिशा में चला और अधिकांश बड़े रहे, η² 0.19 से 0.42 के बीच। यह प्रभाव असावधानी की उपज नहीं है। उलटे, पूर्ण-नमूने के आँकड़े उन लोगों से पतले पड़े हैं जिन्होंने लेबल पर ध्यान नहीं दिया।

"AI साक्षरता" इस लागत को वापस नहीं खरीदती

लुभावना आंतरिक पाठ यह है कि यह तकनीक-सहजता की समस्या है जिसे प्रशिक्षण हल कर देता है। अध्ययन ने इसे सीधे परखा। AI-चिंता को सहचर के रूप में मापा गया, और उसका बहुचर प्रभाव सार्थक नहीं रहा (V = 0.08, F(9, 179) = 1.73, p = 0.085)। एकचर स्तर पर उसने ठीक एक चीज़ का पूर्वानुमान दिया — बार-बार सोचना — और कुछ नहीं।

मुख्य निष्कर्ष के साथ मिलाकर इसका अर्थ देखिए। बार-बार सोचना वही एक परिणाम है जिसे घोषित स्रोत ने नहीं हिलाया। AI-चिंता ने बार-बार सोचना हिलाया और कुछ नहीं। दोनों प्रभाव लगभग पूरी तरह अलग हैं। कर्मचारी AI के प्रति सामान्य असहजता से प्रतिक्रिया नहीं कर रहे। वे एक विशिष्ट निष्कर्ष पर प्रतिक्रिया कर रहे हैं: कि उनका मूल्यांकन करने के लिए ज़िम्मेदार व्यक्ति ने काम का वही हिस्सा सौंप दिया जो उनके बारे में था।

इसे प्रशिक्षण की समस्या मानना छोड़ने का एक दूसरा कारण भी है। केवल 16% संगठनों को भरोसा है कि उनके मैनेजर कर्मचारियों को AI-संबंधी वेतन और कार्य परिवर्तन समझा भी सकते हैं (Korn Ferry, 2026, N = 135 देशों में 5,512 संगठन)। जिस समूह से आप लेखन-प्रक्रिया की सावधान व्याख्या कराना चाहेंगे, वह अपने ही नेतृत्व के आकलन के अनुसार अभी ऐसा करने में सक्षम नहीं है।

ग्राहक-पक्ष का घोषणा-परिणाम यहाँ लागू नहीं होता

यदि आप घोषणा-संबंधी शोध देखते रहे हैं, तो आपकी अपेक्षा उलटी हो सकती है। 1,337 ग्राहकों तक पहुँचे एक यादृच्छिक क्षेत्र-प्रयोग में पाया गया कि AI वॉइस एजेंट की घोषणा अब गैर-घोषणा की तुलना में कन्वर्ज़न कम नहीं करती (Habel, Zawadzki & Freise, SSRN 7013259, 2026)। व्यावसायिक अंतःक्रिया में घोषणा लगभग मुफ़्त हो चुकी है।

इससे यह नहीं निकलता कि वह भीतर भी मुफ़्त है, और कारण सांस्कृतिक से अधिक संरचनात्मक है। ग्राहक का रिश्ता आपकी कंपनी से है; नुकसान पहुँचाने योग्य कोई निरंतर रिपोर्टिंग लाइन नहीं है, और वह बड़े हद तक पहले से मान लेता है कि सामने एजेंट है। कर्मचारी का रिश्ता एक नामित व्यक्ति से है जो उसकी रेटिंग, उसका बैंड और उसकी प्रगति थामे हुए है। उस संदर्भ में घोषणा इस बात की सूचना है कि उस व्यक्ति ने अपना ध्यान कहाँ खर्च किया।

भर्ती-संबंधी शोध भी उसी दिशा में इशारा करता है। साक्षात्कारों के एल्गोरिदमिक मूल्यांकन में पारदर्शिता ने उम्मीदवारों का व्यवहार सुधारा — AI स्कोरिंग से उत्पन्न तनाव और भ्रामक प्रभाव-प्रबंधन घटा — लेकिन मूल्यांकनकर्ता की ओर कुछ नहीं किया, जहाँ मनुष्य AI स्कोर पर टिक गए और अपने निर्णय को कम आँकने लगे (Lakhiwal et al., Information Systems Research, 2026)। पारदर्शिता उस व्यक्ति को ठीक करती है जिसे बताया जाता है। वह उस सौंपने को ठीक नहीं करती जिसे वह उजागर करती है।

अगले रिव्यू चक्र से पहले क्या बदलें

पाँच निर्णय, जिनमें से किसी के लिए नई खरीद की आवश्यकता नहीं।

1. क्रम को प्राथमिकता नहीं, नीति बनाइए। मैनेजर पहले विवरण लिखे; AI उसके बाद भाषा, संरचना या लंबाई कस सकता है। उल्टा क्रम वही प्रक्रिया है जिसे इस अध्ययन ने सबसे कड़ाई से दंडित किया।
2. AI को विशेष रूप से रिश्ते वाले वाक्यों से बाहर रखें। साक्ष्य कहता है कि नुकसान निकटता, भरोसे और मदद मांगने पर केंद्रित है — रिव्यू के वे हिस्से जो रिश्ते के बारे में हैं, काम के बारे में नहीं। वे अनुच्छेद मैनेजर को अपने शब्दों में संभालने होंगे।
3. कोई पूछे उससे पहले अपनी घोषणा-स्थिति तय कर लें और लिख लें। यह मानकर कोई अघोषित प्रक्रिया न चलाइए कि किसी को पता नहीं चलेगा; 64% प्रतिभागियों ने केवल टेक्स्ट से स्रोत सही पहचाना, और उनमें प्रभाव बड़े थे।
4. इनपुट ठीक करें, गद्य नहीं। अधिकांश मैनेजर AI लेखन की ओर जाते हैं क्योंकि वे सामने कोई साक्ष्य न रखते हुए एक खाली बॉक्स देख रहे होते हैं। उन्हें प्रति-चक्र कॉम्पिटेंसी साक्ष्य, पहले से संश्लेषित 360° विचलन और कैलिब्रेशन संकेत दें, तो विवरण तैयार करना एक लंबी निर्माण-प्रक्रिया के बजाय छोटा लेखन कार्य बन जाता है — और Scovai की परफ़ॉर्मेंस व उत्तराधिकार परत ठीक यही उपलब्ध कराने के लिए बनी है।
5. संतुष्टि स्कोर नहीं, रास्ता मापें। चक्र के बाद एक आइटम जोड़ें: "इस रिव्यू के बाद, आप कोई समस्या अपने मैनेजर के पास समय रहते लाने की कितनी संभावना रखते हैं?" यह अध्ययन कहता है कि यही चर हिल रहा है, और यह अधिकांश रिव्यू सर्वे में मौजूद नहीं है।

बजट का सवाल अपने आप हल हो जाता है। 50–500 पूर्णकालिक कर्मचारियों वाली कंपनी में रिव्यू की गुणवत्ता की अड़चन लेखन-क्षमता नहीं है — अड़चन यह है कि मैनेजर स्मृति से रिव्यू लिखते हैं क्योंकि कोई प्रणाली उन्हें साक्ष्य नहीं देती। AI लेखन लक्षण का इलाज करता है और उसका बिल रिपोर्टिंग लाइन के रूप में वसूलता है।

इस तिमाही के लिए एक निर्णय

AI से लिखा परफ़ॉर्मेंस रिव्यू आपकी नीति में हो या न हो, आपके मैनेजरों के ब्राउज़र में पहले से मौजूद है। आप यह नहीं चुन रहे कि AI रिव्यू के टेक्स्ट को छुएगा या नहीं। आप संचालन का क्रम चुन रहे हैं — और यह अध्ययन कहता है कि पूरा खेल वहीं है: पहले मनुष्य और बाद में AI, सभी नौ परिणामों पर पूर्णतः मानव से सांख्यिकीय रूप से अभेद्य रहा, जबकि पहले AI और बाद में मनुष्य, नौ में से छह पर पूर्णतः AI से अभेद्य रहा।

चक्र खुलने से पहले अपने रिव्यू दिशानिर्देश में एक पंक्ति लिखिए जो तय करे कि पहला मसौदा कौन तैयार करेगा। इसकी कोई कीमत नहीं, यह लागू करने योग्य है, और यहाँ यही एकमात्र चर है जो पूरी तरह आपके नियंत्रण में है।