两名员工读到完全相同的绩效反馈——同样的批评、同样的措辞框架、同样的结尾句。一人被告知是主管写的；另一人被告知是 AI 生成的。在衡量"与该主管的亲近感"的题项上，前者得 2.89，后者得 1.67——披露的来源解释了 24% 的方差（η² = 0.24）。而在"事后是否反复咀嚼这段批评"上，它什么也没解释（p = 0.64）（Marót, Palcsó & Szabó, Frontiers in Psychology, 2026）。
内容送达了。汇报关系没有——这才是 AI 起草绩效评语的真实代价。
这种不对称值得你在下一个考核周期开启之前认真对待，因为对中型企业而言这不是 2027 年才要面对的问题。在已经用 AI 管理团队的管理者中，91% 用它评估绩效，88% 用它起草绩效改进计划（ResumeBuilder.com, 2025）。起草早已在发生。没有被计入成本的，是披露本身的影响。
实验固定了文本，只改动了标签
Marót、Palcsó 与 Szabó 以 192 名在职成年人为样本做了一项情景短文实验（招募 230 人；18 人因未就业被剔除，20 人因未通过注意力检测被剔除）。参与者设想自己从一位主管那里收到绩效反馈。反馈文本在所有条件下完全一致。唯一的操控变量是被披露的生成流程，共四种：完全由人撰写、完全由 AI 生成、AI 生成后由人润色、人撰写后由 AI 润色。
这一设计的重要性超过样本量所暗示的程度。多数关于 AI 参与人员管理的研究混淆了两件事——AI 产出的内容本身，以及"有 AI 参与"这一事实。固定文本正是把后者单独分离出来。此处发生的一切变化都源于标签，而不是因为 AI 写得更差。
变化幅度很大。被披露来源的总体多变量效应显著（Pillai 迹 V = 0.37，F(27, 546) = 2.86，p < 0.001），九个结果变量中有八个发生移动：
| 结果变量 | 人类 | AI | AI 起草、人润色 | 人起草、AI 润色 | η² |
|---|---|---|---|---|---|
| 心理距离（亲近感） | 2.89 | 1.67 | 2.15 | 2.54 | 0.24 |
| 与主管的关系 | 4.69 | 3.23 | 3.98 | 4.22 | 0.21 |
| 愿意开口求助 | 5.31 | 3.43 | 4.57 | 4.82 | 0.17 |
| 组织承诺 | 4.57 | 3.46 | 4.00 | 4.38 | 0.16 |
| 纠正错误的意愿 | 6.02 | 4.43 | 5.18 | 5.56 | 0.14 |
| 工作动机 | 4.79 | 3.66 | 4.30 | 4.68 | 0.13 |
| 预期绩效 | 5.19 | 4.29 | 4.68 | 4.82 | 0.10 |
| 情绪反应 | 4.76 | 3.86 | 4.43 | 4.48 | 0.08 |
| 反复思虑 | 3.64 | 3.45 | 3.20 | 3.48 | 0.01 |
请看整行列序，不要只看前两列。每一行的排序都一样。
AI 起草的绩效评语真正让你付出代价的地方
把这些效应量排序，前四位是心理距离（0.24）、与主管的关系（0.21）、愿意向主管求助（0.17）和组织承诺（0.16）。信息类结果排在后面：预期绩效（0.10）、情绪反应（0.08）、反复思虑（0.01，不显著）。
一次绩效对话要完成两件事：传递关于工作的准确信号，以及保持那条让员工把下一个问题提早带给你的通道畅通。披露的代价几乎全部落在第二件事上。愿意开口求助在七点量表上从 5.31 降到 3.43——这是全研究中最大的绝对差距。
这是昂贵的那一项。一位失去了"出问题时来找我"这条通道的管理者，就失去了 50 至 500 名全职员工规模的组织所拥有的唯一预警系统。你不会在员工投入度调研里把它看成反馈问题；你会看到的是坏消息总是来得太晚。
谁写第一稿，比谁做最后一遍修改更关键
这是真正可用的发现，也是摘要低估的那一条。两种混合流程并不等价。
"人撰写后由 AI 润色"在所有指标上都贴近完全由人撰写：动机 4.68 对 4.79，组织承诺 4.38 对 4.57，愿意求助 4.82 对 5.31。在九个结果变量上，它与完全由人撰写的反馈都没有显著差异。
"AI 生成后由人润色"表现更差，更关键的是它无法与完全由 AI 生成的反馈区分开来。与完全 AI 条件相比，它只在九项中的三项达到显著——愿意求助（4.57 对 3.43，p = 0.002）、与主管的关系（3.98 对 3.23，p = 0.003）和心理距离（2.15 对 1.67，p = 0.023）。相比之下，"人先写、AI 后润"在九项中的八项都优于完全 AI 的反馈。
所以承载效应的是顺序，而不是链条中某处有人参与。让管理者去编辑 AI 的草稿，只挽回了关系成本的一小部分。让管理者先写、再用 AI 收紧文字，几乎挽回了全部。
而这恰恰与当前工具的用法相反。"根据这些胜任力评分生成一份评语，我再改"是 2026 年推出助手的每一套 HR 系统的默认流程。按这份证据，它是两种混合方式中更差的那一种——而且正是你的管理者会选的那一种，因为它省下的时间更多。
反驳意见，以及它成立的边界
诚实的质疑是：这是情景短文实验。参与者报告的是对假设情境的预期反应，而不是真实考核之后的行为。样本是在线招募的匈牙利便利样本，偏向无管理职责的员工（66%），平均年龄 32 岁。没有行为结果，也没有后续追踪。不要把 1.67 对 2.89 当作你自己数字的预测。
经得起质疑的是方向与排序，而研究本身的稳健性检验强化了这两点。把样本限定为正确辨识出披露来源的 123 人（64%）——也就是真正接收到该操控的那批人——所有效应方向一致，且多数更强，η² 介于 0.19 至 0.42。该效应不是注意力不足的产物。恰恰相反，全样本数字被那些没注意到标签的人稀释了。
"AI 素养"买不回这项成本
诱人的内部解读是：这是技术适应问题，培训就能解决。研究直接检验了这一点。AI 焦虑作为协变量被测量，其多变量效应不显著（V = 0.08，F(9, 179) = 1.73，p = 0.085）。在单变量层面，它只预测了一件事——反复思虑——别无其他。
请注意这与主结果结合起来意味着什么。反复思虑是披露来源唯一没有撼动的结果变量。而 AI 焦虑撼动的正是反复思虑，别无其他。两种效应几乎完全不重叠。员工的反应并非源自对 AI 的泛化不适，而是针对一个具体推论：负责评价他们的那个人，把工作中关于他们的那一部分外包了出去。
还有第二个理由不该再把它当培训问题。只有 16% 的组织有信心自家管理者能向员工解释与 AI 相关的薪酬与工作变化（Korn Ferry, 2026，N = 5,512 家组织，覆盖 135 个国家）。你要请去仔细解释起草流程的那群人，按其自身领导层的判断，目前并不具备这个能力。
客户端的披露结论无法照搬到内部
如果你一直关注披露相关文献，你的预期可能正好相反。一项触达 1,337 名客户的随机田野实验发现，披露 AI 语音代理不再降低转化率（Habel, Zawadzki & Freise, SSRN 7013259, 2026）。在商业互动中，披露已接近零成本。
但这并不意味着它在组织内部也零成本，原因是结构性的而非文化性的。客户的关系对象是你的公司；不存在一条持续的汇报关系会被损害，而且他们大体上本来就假定对方是代理。员工的关系对象是一个具名的人，这个人掌握他的评级、他的薪档和他的晋升。在这种情境下，披露传达的是这个人把注意力花在了哪里。
招聘领域的文献指向同一方向。在面试的算法化评估中，透明度矫正了候选人的行为——降低了 AI 评分引发的压力与具欺骗性的印象管理——但在评估者一侧毫无作用：人类锚定在 AI 分数上，贬低了自己的判断（Lakhiwal et al., Information Systems Research, 2026）。透明度修正的是被告知的那一方。它修正不了它所揭示的那次授权。
下一个考核周期前该改什么
五项决定，没有一项需要新的采购。
- 把顺序定为制度，而不是偏好。管理者先写叙述部分；AI 之后可以收紧语言、结构或长度。相反的顺序正是这项研究惩罚得最重的流程。
- 特别要把 AI 挡在关系性语句之外。证据表明损害集中在亲近感、信任与求助意愿上——也就是评语中关于关系而非关于工作的那些部分。这些段落必须由管理者用自己的话承担。
- 在有人问起之前就定好你的披露立场，并写下来。不要抱着"没人会发现"的心态运行一个不披露的流程；64% 的参与者仅凭文本就正确辨识出来源，而且他们身上的效应更强。
- 修的是输入，不是文字。多数管理者之所以转向 AI 起草，是因为他们面对一个空白框，手上没有任何证据。给他们逐周期的胜任力证据、已经归纳好的 360° 评价分歧，以及校准标记，叙述就从一项生成任务变成一项简短的写作任务——这正是 Scovai 的绩效与继任层所要提供的东西。
- 测量通道，而不是满意度分数。在周期结束后加一道题："这次考核之后，你把问题提早带给主管的可能性有多大？"这正是本研究所说正在移动的变量，而它在多数考核调研中都缺席。
预算问题自己就有答案。在 50 至 500 名全职员工的公司里，评语质量的约束不是写作能力——而是管理者凭记忆写评语，因为没有系统把证据递到他们手上。AI 起草治的是症状，而向你收取的账单是那条汇报关系。
本季度的一个决定
无论你的制度里有没有写，AI 起草的绩效评语已经在你管理者的浏览器里了。你要选的不是 AI 是否触碰评语文本。你要选的是操作顺序——而这项研究说，胜负全在这里：人先、AI 后，在全部九个结果变量上都与完全由人撰写在统计上无法区分；而 AI 先、人后，在九项中的六项上与完全由 AI 生成无法区分。
在周期开启之前，在你的考核指引里写下一行，明确谁产出第一稿。它不花钱，可以执行，而且是这里唯一完全由你掌控的变量。
