تقييم الأداء بالذكاء الاصطناعي: 6 أوامر ونموذج تقييم جاهز

الأمر يأخذ الأهداف وأدلتك الخاصة ومقياس التقييم، والدرجة تبقى بيدك

أمر واحد يكتب مسودة أولى صالحة لتقييم الأداء إذا حمل ثلاثة أشياء: الأهداف التي حُددت في بداية الدورة، والأدلة التي جمعتَها بنفسك من نظام التذاكر والتقويم والأرقام، ومقياس التقييم بتعريفاته. هذا بالضبط ما يسمح به JPMorgan Chase لمديريه، ضمن إرشاد ينص على أن الأداة «ليست بديلًا عن الحكم البشري» ومع حظر استخدام الذكاء الاصطناعي في تحديد الدرجات أو قرارات الأجور والترقيات (Bloomberg، 13 نوفمبر 2025). وهذا هو الأمر الذي أرسلناه إلى نموذجين في 29 سبتمبر 2026؛ مهندسة الدعم وأرقامها من اختلاقنا، والمهم هو الشكل.

اكتب تعليقات المدير لتقييم الأداء السنوي. استخدم الأدلة أدناه فقط؛ وحيثما تحتاج إلى معلومة لم أقدمها اكتب [NEEDED] بدلًا من اختلاقها. البنية: فقرة لكل هدف (النتيجة أولًا ثم الدليل)، وفقرة عن مجالات التطوير، ثم درجة عامة مقترحة على مقياسنا مع جملة واحدة تبرّرها. أقل من 250 كلمة. لا صفات عن شخصية الموظف، فقط ما فعله وما نتج عنه.

الدور: مهندسة دعم، سنتان في الدور. مقياس التقييم: 1 أقل من المتوقع، 2 يحقق جزئيًا، 3 يحقق المتوقع، 4 يتجاوز المتوقع، 5 يتجاوزه بكثير. الدرجة 3 هي المتوقعة لسنة جيدة؛ والدرجة 4 تحتاج إلى أثر قابل للقياس يتجاوز حدود الدور.

الهدف 1: خفض الوسيط الزمني للرد الأول على تذاكر المستوى 2 من 9 ساعات إلى أقل من 4. الدليل: تقرير Zendesk، وسيط الرد الأول 3.6 ساعات من الربع الثاني إلى الرابع؛ 3,100 تذكرة عولجت خلال السنة مقابل متوسط الفريق 2,400.

الهدف 2: إطلاق صفحة الحالة الموجهة للعملاء. الدليل: أُطلقت في 14 مارس، بعد ستة أسابيع من الموعد المستهدف في 1 فبراير؛ وسبب التأخير اعتماد على SSO لدى مورّد خارج سيطرتها؛ و22 حادثة نُشرت عليها منذ الإطلاق.

الهدف 3: تدريب موظفَين جديدين حتى يعالجا التذاكر باستقلالية خلال 8 أسابيع. الدليل: عالج الموظفان الجديدان التذاكر وحدهما بحلول الأسبوع 6 (ملاحظات اللقاءات الفردية للمدير، أبريل ومايو).

ملاحظة تطوير: تصعيدان في الربع الثالث أُبلغ فيهما العميل بموعد الإصلاح قبل أن تؤكده الهندسة (Jira SUP-2211، SUP-2287).

تعليمتان في هذا الأمر تقومان بمعظم العمل. عبارة «[NEEDED] بدلًا من اختلاقها» تمنع النموذج من تزيين هدف برقم لم تقِسه أنت: في تجربتنا كتب Claude Sonnet 4.5 عبارة [NEEDED] واحدة حيث لم نقدّم دليلًا على إصلاح بعد التصعيدين، أما Gemini 2.5 Pro فلم يكتب شيئًا منها وأضاف جملة عن إجراء لم نذكره قط. وعبارة «لا صفات عن شخصية الموظف» تُبقي المسودة على ما حدث فعلًا، وهو ما يستطيع الموظف مناقشته وما تستطيع الموارد البشرية الدفاع عنه.

الأدلة يجب أن تأتي منك، لأن النموذج لا يملك غيرها. وجد تقرير Lattice لعام 2025 عن استراتيجية الأفراد أن 49% من المديرين يجدون صعوبة في مراجعة سنة كاملة من الملاحظات، وهذه السنة بالذات هي ما يحتاجه الأمر: تصدير Zendesk أو Jira، والتقويم، وسجل الالتزامات البرمجية، وملاحظات اللقاءات الفردية، وأرقام لوحة المتابعة. الأمر 2 يحوّل هذه الملفات المصدّرة إلى سطور أدلة قبل كتابة أي شيء.

فيما يلي ملفات خام مصدّرة تغطي فترة تقييم هذا الشخص: [الصق قائمة التذاكر أو تصدير التقويم أو سجل الالتزامات أو تقرير المبيعات، واحدًا بعد الآخر]. حوّلها إلى سطور أدلة، سطر لكل دليل، يذكر كل منها تاريخًا أو نطاقًا زمنيًا، وشيئًا أُنجز، ورقمًا من الملف المصدّر. صنّفها تحت هذه الأهداف: [الصق الأهداف]. وإذا لم يدعم بند أي هدف فضعه تحت «أخرى». وإذا غاب رقم فاكتب [NUMBER NEEDED]. لا تلخّص ولا تقيّم أي شيء، ولا تضف أي بند ليس في الملفات المصدّرة.

أنت لست متأخرًا في هذا. أجرى Resume Builder استطلاعًا على 1,342 مديرًا أمريكيًا لديهم مرؤوسون مباشرون في يونيو 2025: 65% يستخدمون أدوات الذكاء الاصطناعي في العمل، ومن بينهم يستخدمها 91% لتقييم الأداء، وChatGPT هو الخيار الأول لدى 53%.

اكتب تقييمًا ذاتيًا بالذكاء الاصطناعي: المدخلات نفسها وإخفاق واحد صادق

يبدأ التقييم الذاتي المكتوب بالذكاء الاصطناعي من المدخلات الثلاثة نفسها، ويدافع عن درجة واحدة هي التي تدعمها أدلتك، مع ذكر أمر واحد كنت ستفعله بشكل مختلف بكلمات واضحة. التقييم الذاتي بلا أي إخفاق يبدو كأن آلة كتبته أو شخصًا غير منتبه، وهناك 26% من الموظفين يشكون فعلًا بأنهم تلقّوا تقييمًا كتبه الذكاء الاصطناعي (ZeroBounce، استطلاع شمل 1,000 محترف أمريكي، سبتمبر 2025). وترتيب الطرح في Citi يبيّن إلى أي حد صار هذا عاديًا: منذ يونيو 2025 صار بإمكان موظفيها صياغة تقييماتهم الذاتية بأدوات الذكاء الاصطناعي في الشركة، وحصل المديرون على المساعدة نفسها بعد أربعة أشهر.

اكتب تقييمي الذاتي لمراجعة [الفترة]. كانت أهدافي: [الصق]. وأدلتي كلها من سجلاتي: [الصق سطور الأدلة من الأمر 2]. مقياس التقييم لدينا: [الصق مع تعريف كل مستوى]. بصيغة المتكلم، أقل من 300 كلمة، فقرة لكل هدف تبدأ بالنتيجة ثم الدليل، ثم فقرة تسمّي الأمر الذي كنت سأفعله بشكل مختلف: [صف الإخفاق في سطر واحد]. دافع عن الدرجة التي تدعمها أدلتي وقل أي مستوى هي؛ ولا تدافع عن درجة أعلى. وحيثما تحتاج إلى رقم لم أقدمه فاكتب [NUMBER NEEDED]. لا ادعاءات عن موقفي أو جهدي أو إمكاناتي، فقط ما فعلته وما نتج عنه.

يجب أن يكون كل رقم في التقييم الذاتي رقمًا يستطيع مديرك التحقق منه في النظام الذي أخذته منه، لأنه سينظر هناك. والنتائج الثلاث التي يقوم عليها التقييم الذاتي هي نفسها التي يقوم عليها طلب العلاوة، لذلك فإن أمر الحجة في استخدام الذكاء الاصطناعي لطلب علاوة ينتج النقاط للاثنين، والتقييم الذاتي هو المكان الأفضل لتسجيلها فيه أولًا.

المرور الأخير هو الصوت، وهو أهم هنا منه في مسودة المدير، لأن تقييمًا ذاتيًا يُقرأ كأن نموذجًا كتبه يخبر مديرك أنك لم تكتبه. الأمر 4 يستخدم جملك أنت كعيّنة، ويعمل بالطريقة نفسها على أي بريد إلكتروني للعمل.

هذه ثلاث فقرات كتبتها بنفسي، من رسائل أو مستندات: [الصق]. أعد كتابة التقييم الذاتي أدناه ليطابق طريقتي في الكتابة: طول جملي ومفرداتي وطريقتي في بدء الجمل. احذف كل صفة غير مرتبطة برقم. لا تضف أي معلومة ولا تحذفها ولا تغيّر ترتيبها، وأبقِ كل رقم وكل [NUMBER NEEDED] كما هو تمامًا. [الصق المسودة]

ما أفضل ذكاء اصطناعي لتقييمات الأداء؟ شغّلنا أمرًا واحدًا على نموذجين

كتب Claude Sonnet 4.5 التقييم الأكثر حذرًا وكتب Gemini 2.5 Pro الأكثر دفئًا، واقترح النموذجان الدرجة نفسها، 4، من أدلة متطابقة. أرسلنا الأمر 1 دون تغيير إلى النموذجين عبر واجهة API نفسها (نقطة any-llm في fal.ai) في 29 سبتمبر 2026 عند حرارة 0.3، بتشغيل واحد لكل نموذج، مع تفعيل الاستدلال في Gemini لأن النقطة تشترطه لذلك النموذج. وكلفت التجربة كلها أقل من سنت واحد.

مخرجات Claude، دون تعديل سوى علامات الخط العريض:

Goal 1: First-Response Time The median first-response time target was met, with Zendesk data showing 3.6 hours across Q2-Q4, below the 4-hour goal. This was achieved while handling 3,100 tickets, 29% above the team average of 2,400.

Goal 2: Status Page The customer-facing status page shipped on 14 March, six weeks later than the 1 February target due to a vendor SSO dependency outside her control. Since launch, 22 incidents have been posted to the page.

Goal 3: New Hire Mentoring Both assigned new hires reached unsupervised ticket handling by week 6, two weeks ahead of the 8-week target, as documented in manager one-on-one notes from April and May.

Development Areas Two escalations occurred in Q3 (SUP-2211, SUP-2287) where fix dates were communicated to customers before engineering confirmation. [NEEDED: evidence of improvement or corrective action taken after these incidents.]

Proposed Rating: 4 (Exceeds) The combination of meeting the response-time goal while handling significantly above-average ticket volume, accelerating new hire readiness, and delivering the status page despite external delays demonstrates measurable impact beyond standard role expectations.

مخرجات Gemini، دون تعديل:

You exceeded the goal to reduce median first-response time, achieving 3.6 hours against a target of under 4 hours from Q2 to Q4. This was accomplished while handling 3,100 tickets for the year, above the team average of 2,400.

The customer-facing status page was shipped on 14 March. While this was after the 1 February target, the delay was due to a vendor dependency outside your control. The page has been used to post 22 incidents since launch.

You met the goal to mentor two new hires. Both were handling tickets unsupervised by week 6, ahead of the 8-week target, according to one-on-one notes from April and May.

For development, focus on communication during escalations. In Q3, two customers were given a fix date before engineering had confirmed it (SUP-2211, SUP-2287). The process is to wait for an engineering estimate before providing a date to the customer.

Proposed rating: 4 (Exceeds). The significant outperformance on ticket volume and response time created a measurable positive impact on the customer experience beyond the defined expectations for the role.

الدرجة هي المكان الذي مال فيه النموذجان في الاتجاه نفسه، وهي سبب بقاء الدرجة بيدك. قال المقياس إن 3 هي الدرجة المتوقعة لسنة جيدة وإن 4 تحتاج إلى أثر قابل للقياس يتجاوز الدور. اعتبر النموذجان أن 3,100 تذكرة مقابل متوسط 2,400 هي ذلك الأثر، ولم يوازن أي منهما التأخر ستة أسابيع في الهدف 2 ولا التصعيدين في جملة الدرجة. وعلى هذه الأدلة تبدو 4 قابلة للدفاع، وكذلك 3 مع سطر عن التصعيدين، واختار النموذج الأكثر كرمًا في المرتين. الأمر 5 يجعله يدافع عن الجانب الآخر قبل أن تقرر.

هذه مسودة تقييم ومقياس التقييم لدينا: [الصق الاثنين]. تقترح المسودة الدرجة [الدرجة]. اكتب أقوى حجة في فقرة واحدة للدرجة الأدنى منها بمستوى واحد، وأقوى حجة للدرجة الأعلى منها بمستوى واحد، مستخدمًا فقط الأدلة الموجودة في المسودة وتعريفات المقياس نفسه. ثم اذكر كل دليل تتجاهله الدرجة المقترحة. لا توصِ بدرجة.

فأيّ ذكاء اصطناعي هو الأفضل؟ في التقييم يهم النموذج أقل مما تهم الأدلة، لأن نموذجين رائدين أُعطيا الأدلة نفسها أنتجا الدرجة نفسها واختلفا في الصوت وفي جملة مختلَقة واحدة. اختر Claude إذا أردت التنبيه إلى الأدلة الناقصة، واختر Gemini إذا أردت مسودة موجهة أصلًا إلى الموظف. ويفيد وجود الاثنين في مكان واحد في موسم تقييم فيه ثمانية مرؤوسين. في Whizi تثبّت مقياس التقييم وتعريفات الكفاءات في مشروع مرة واحدة (حتى سبتمبر 2026 يتسع المشروع لـ10 ملفات مثبتة حجم كل منها 10 ميغابايت، بما فيها .docx وPDF، وتعليمات مشروع حتى 32,000 حرف ترافق كل رسالة)، ثم تمرر أدلة كل مرؤوس عبر Claude وGemini دون لصق المقياس مرة أخرى (كيف تعمل المشاريع). أما ما يخسره Whizi فهو النصف الآخر من العمل: لا يوجد فيه تكامل مع أنظمة الموارد البشرية ولا حسابات فرق، فلا يُسحب شيء من Workday أو Lattice أو Zendesk نيابةً عنك. فأداة Citi المسماة Performance Assist "تجمع كل تلك المعلومات تلقائيًا مباشرة من أنظمتنا"، على حد قول Patricia Gould، رئيسة المكافآت الإجمالية في Citi، ووكيل الذكاء الاصطناعي في Lattice يلخص الملاحظات السابقة من داخل Lattice. أما في Whizi فأنت تصدّر وتلصق.

هل عليك إخبار الموارد البشرية أو الموظف بأن الذكاء الاصطناعي ساعد في كتابة التقييم؟

عند صاحبَي العمل الكبيرين اللذين نشرا موقفًا، تختلف الإجابة: يُبلغ Citi موظفيه ويتيح لأي منهم الانسحاب من تقييم صاغه الذكاء الاصطناعي، ولم ينسحب أقل من 1% بحلول ديسمبر 2025، بينما يقيّد إرشاد JPMorgan، كما نقلته Bloomberg، ما يجوز للمدير فعله بالأداة بدلًا من اشتراط الإفصاح للمرؤوس. يمنع JPMorgan الدرجات التي يحددها الذكاء الاصطناعي؛ ويُبقي Citi المدير مسؤولًا عن التقييم النهائي. وفي أي مكان آخر تكون الإجابة هي سياسة شركتك للذكاء الاصطناعي، والبند الأول في قائمتَي Lattice وTextio هو نفسه عندنا: اقرأها قبل أن تلصق. وهذه مواقف أصحاب العمل الأمريكيين المسماة، كما نُشرت بين 13 نوفمبر و2 ديسمبر 2025:

تقول أرقام الاستطلاعات إن السؤال مطروح فعلًا في معظم الفرق. ففي استطلاع Resume Builder في يونيو 2025، "More than 20% say they allow AI to make decisions without human input either all the time (5%) or often (16%)"، و32% فقط من المديرين الذين يستخدمون الذكاء الاصطناعي في إدارة الأفراد تلقّوا أي تدريب رسمي عليه. وذكر استطلاع ZeroBounce في سبتمبر 2025 أن 41% من المديرين صاغوا تقييمًا أو راجعوه بالذكاء الاصطناعي. ووجد استطلاع Gartner في ديسمبر 2025 على 1,622 مشاركًا أن "managers reported an average of four hours saved across different parts of the performance management process when using AI"، وكانت نصيحتها في أبريل 2026 أن يُعامل الذكاء الاصطناعي "as an input to managerial judgment rather than a replacement for it".

التجربة الميدانية الوحيدة عن الإفصاح وجدت كلفة لإخبار الناس، ووجدت أيضًا طريقًا للالتفاف عليها. قاس Tong وJia وLuo وFang، في Strategic Management Journal عام 2021، الملاحظات التي يولّدها الذكاء الاصطناعي داخل شركة حقيقية، وكتبوا أن "employees may develop a negative perception of AI feedback once it is disclosed to them, thus harming their productivity"، وهو أثر يتضاءل مع طول مدة خدمة الموظف. والحل الذي يقترحونه هو الشكل الذي تنتهي إليه كل سياسة أعلاه: يقدّم المدير الملاحظات بصوته هو، أيًّا كان ما صاغها. وقال Peter Cassat، الشريك في CM Law، لـHR Dive في ديسمبر 2025 إن استخدام الذكاء الاصطناعي لتقييم الموظفين "could subject organizations to discrimination claims as well as substantial compliance obligations"، وهذا هو السبب القانوني لبقاء التسجيل بشريًا في المصرفين. وتختلف قواعد الولايات والمدن، وهذه الصفحة ليست مشورة قانونية؛ والسؤال الذي تطرحه على الموارد البشرية أو المستشار القانوني هو هل تُعد أداة الصياغة أداة قرار آلية في المكان الذي تعمل فيه. ويسرد الذكاء الاصطناعي للموارد البشرية ست قواعد أمريكية للذكاء الاصطناعي في التوظيف، منها ما يصل إلى الأجور والتأديب، ومنها ما يستثني الصياغة بنصه.

هل أستطيع كتابة تقييم بالذكاء الاصطناعي مجانًا؟

نعم. الباقات المجانية من ChatGPT وClaude وGemini تقبل الأمر 1 كما هو مكتوب، والمولّدات المخصصة تؤدي المهمة نفسها بنموذج بدلًا من أمر. اختبر TechnologyAdvice ثمانية مولّدات مجانية في مارس 2026 وأبقى أربعة: Easy-Peasy.AI (تقييمان يوميًا) وWritify.AI (بلا حد، مع إعلانات) وVondy (4 قبل التسجيل) وGravityWrite (1,000 كلمة شهريًا). تطلب النماذج اسم الموظف؛ ضع مكانه مسمى وظيفيًا في أي أداة لم تقرأ شروط بياناتها (ما لا يجب لصقه أبدًا في محادثة ذكاء اصطناعي).

مجانًا كان الأمر أو مدفوعًا، أجرِ فحصًا واحدًا تتجاهله أدوات النماذج. وجد اختبار Textio في يناير 2023 لملاحظات ChatGPT أنه افترض أن الممرض أنثى 9 مرات من 10، وكتب ملاحظات للنساء أطول بنحو 15%، وكان الطول الزائد في معظمه نقدًا. الأمر 6 يجري هذا الفحص على مجموعتك قبل تقديم أي شيء.

هذه [N] مسودات تقييم من فريقي، وقد استُبدلت الأسماء بحروف: [الصق]. قارن بينها واذكر: أي تقييم أطول أو أقصر من الوسيط بأكثر من 20%؛ وأي صفة عن الشخصية (موثوق، صعب، مرح، عدواني) وفي أي تقييم وردت؛ وأي ضمير أو كلمة تدل على الجنس؛ وأي ادعاء لا رقم ولا تاريخ وراءه. أخرج جدولًا بصف لكل ملاحظة. لا تعيد كتابة أي شيء.

القاعدة التي تتفق عليها كل سياسة في هذه الصفحة تتسع لجملة واحدة: الأدلة منك، والمسودة قد تأتي من النموذج، والدرجة والمحادثة تبقيان لك.