Contoh penilaian kinerja dengan AI: 6 prompt dan contoh review

Prompt memuat tujuan, bukti dari Anda dan skala nilai, sedangkan nilainya tetap Anda yang tentukan

Satu prompt bisa menghasilkan draf pertama penilaian kinerja yang layak pakai bila memuat tiga hal: tujuan yang ditetapkan di awal siklus, bukti yang Anda kumpulkan sendiri dari sistem tiket, kalender dan angka, serta skala nilai beserta definisinya. JPMorgan Chase mengizinkan manajernya persis begitu, dengan pedoman bahwa alat ini "bukan pengganti penilaian manusia" dan larangan memakai AI untuk menentukan skor atau memutuskan gaji dan promosi (Bloomberg, 13 November 2025). Berikut prompt yang kami kirim ke dua model pada 29 September 2026; insinyur dukungan beserta angkanya fiktif, yang penting adalah bentuknya.

Tulis komentar manajer untuk penilaian kinerja tahunan. Gunakan hanya bukti di bawah; bila Anda butuh fakta yang tidak saya berikan, tulis [NEEDED] dan jangan mengarang. Struktur: satu paragraf per tujuan (hasil dulu, lalu buktinya), satu paragraf tentang area pengembangan, lalu usulan nilai keseluruhan pada skala kami dengan satu kalimat pembenaran. Kurang dari 250 kata. Jangan pakai kata sifat tentang karakter orangnya, hanya apa yang dia lakukan dan hasilnya.

Peran: insinyur dukungan, 2 tahun di posisi ini. Skala nilai: 1 Di bawah harapan, 2 Sebagian memenuhi, 3 Memenuhi, 4 Melampaui, 5 Jauh melampaui. Nilai 3 adalah nilai wajar untuk setahun yang solid; nilai 4 membutuhkan dampak terukur di luar peran.

Tujuan 1: Pangkas median waktu respons pertama untuk tiket tier 2 dari 9 jam menjadi di bawah 4. Bukti: laporan Zendesk, median respons pertama 3,6 jam untuk Q2 sampai Q4; 3.100 tiket ditangani dalam setahun dibanding rata-rata tim 2.400.

Tujuan 2: Rilis halaman status untuk pelanggan. Bukti: dirilis 14 Maret, enam minggu setelah target 1 Februari; keterlambatan disebabkan ketergantungan SSO vendor di luar kendalinya; 22 insiden diposting sejak peluncuran.

Tujuan 3: Bimbing dua karyawan baru hingga bisa menangani tiket tanpa pengawasan dalam 8 minggu. Bukti: keduanya menangani tiket sendiri pada minggu ke-6 (catatan one-on-one manajer, April dan Mei).

Catatan pengembangan: dua eskalasi di Q3 ketika pelanggan diberi tanggal perbaikan sebelum tim engineering mengonfirmasinya (Jira SUP-2211, SUP-2287).

Dua instruksi dalam prompt itu paling berperan. "[NEEDED] dan jangan mengarang" mencegah model menghias sebuah tujuan dengan angka yang tidak pernah Anda ukur: dalam uji kami, Claude Sonnet 4.5 menulis satu [NEEDED] di bagian yang buktinya tidak kami berikan setelah dua eskalasi, sedangkan Gemini 2.5 Pro tidak menulis apa pun dan menambahkan satu kalimat prosedur yang tidak pernah kami berikan. "Jangan pakai kata sifat tentang karakter orangnya" menjaga draf tetap pada apa yang terjadi, yang juga bisa dibantah karyawan dan bisa dipertahankan oleh HR.

Bukti harus datang dari Anda, karena model tidak punya sumber lain. Lattice's 2025 State of People Strategy Report menemukan 49% manajer kesulitan meninjau umpan balik setahun penuh, dan setahun itulah yang dibutuhkan prompt: ekspor Zendesk atau Jira, kalender, log commit, catatan one-on-one, angka di dasbor. Prompt 2 mengubah ekspor itu menjadi baris bukti sebelum apa pun ditulis.

Di bawah ini ekspor mentah yang mencakup periode review orang ini: [tempel daftar tiket, ekspor kalender, log commit atau laporan penjualan, satu per satu]. Ubah menjadi baris bukti, satu per baris, masing-masing menyebut tanggal atau rentang tanggal, hal yang dikerjakan, dan satu angka dari ekspor. Kelompokkan di bawah tujuan berikut: [tempel tujuan]. Bila ada item yang tidak mendukung tujuan mana pun, taruh di bawah "Lainnya". Bila angka tidak ada, tulis [NUMBER NEEDED]. Jangan meringkas atau menilai apa pun, dan jangan menambah item yang tidak ada di ekspor.

Anda tidak sendirian. Resume Builder mensurvei 1.342 manajer AS yang punya bawahan langsung pada Juni 2025: 65% memakai alat AI di tempat kerja, dan di antara mereka 91% memakainya untuk menilai kinerja, dengan ChatGPT sebagai pilihan pertama bagi 53%.

Menulis self review dengan AI: masukan sama, satu kekurangan yang jujur

Self review yang ditulis dengan AI berangkat dari tiga masukan yang sama, dan ia membela satu nilai, yaitu nilai yang didukung bukti Anda, dengan satu hal yang akan Anda lakukan berbeda disebut dengan kata-kata lugas. Self assessment tanpa kekurangan terbaca seperti tulisan mesin atau orang yang tidak memperhatikan, dan 26% karyawan sudah curiga pernah menerima review tulisan AI (ZeroBounce, survei terhadap 1.000 profesional AS, September 2025). Urutan peluncuran di Citi menunjukkan betapa lumrahnya hal ini: sejak Juni 2025 karyawannya bisa menyusun evaluasi diri dengan alat AI perusahaan, dan manajer mendapat bantuan yang sama empat bulan kemudian.

Tulis self assessment saya untuk review [periode]. Tujuan saya: [tempel]. Bukti saya, semuanya dari catatan saya sendiri: [tempel baris bukti dari prompt 2]. Skala nilai kami: [tempel, beserta definisi tiap tingkat]. Sudut pandang orang pertama, kurang dari 300 kata, satu paragraf per tujuan yang diawali hasil lalu buktinya, kemudian satu paragraf yang menyebut hal yang akan saya lakukan berbeda: [jelaskan kekurangannya dalam satu baris]. Bela nilai yang didukung bukti saya dan sebutkan tingkat berapa itu; jangan membela nilai yang lebih tinggi. Bila Anda butuh angka yang tidak saya berikan, tulis [NUMBER NEEDED]. Jangan menyebut sikap, usaha atau potensi saya, hanya apa yang saya lakukan dan hasilnya.

Setiap angka dalam self review harus bisa dicek manajer Anda di sistem tempat Anda mengambilnya, karena di sanalah ia akan melihat. Tiga hasil yang menopang self review adalah tiga hasil yang menopang permintaan kenaikan gaji, jadi prompt kasus di pakai AI untuk meminta kenaikan gaji menghasilkan poin untuk keduanya, dan self review adalah tempat yang lebih baik untuk mencatatnya lebih dulu.

Tahap terakhir adalah gaya bahasa, dan di sini lebih penting daripada di draf manajer, karena self review yang terbaca seperti tulisan model memberi tahu manajer Anda bahwa Anda tidak menulisnya sendiri. Prompt 4 memakai kalimat Anda sendiri sebagai contoh, dan caranya sama untuk email kerja apa pun.

Berikut tiga paragraf yang saya tulis sendiri, dari email atau dokumen: [tempel]. Tulis ulang self review di bawah ini agar sesuai cara saya menulis: panjang kalimat saya, kosakata saya, cara saya memulai kalimat. Hapus setiap kata sifat yang tidak melekat pada angka. Jangan menambah, menghapus atau mengubah urutan fakta apa pun, dan pertahankan setiap angka serta setiap [NUMBER NEEDED] persis apa adanya. [tempel draf]

AI mana yang terbaik untuk penilaian kinerja? Kami menjalankan satu prompt di dua model

Claude Sonnet 4.5 menulis review yang lebih cermat dan Gemini 2.5 Pro yang lebih hangat, dan keduanya mengusulkan nilai yang sama, yaitu 4, dari bukti yang identik. Kami mengirim prompt 1 tanpa diubah ke kedua model lewat API yang sama (endpoint any-llm milik fal.ai) pada 29 September 2026 dengan temperature 0.3, satu kali jalan masing-masing, dengan penalaran Gemini diaktifkan karena endpoint mewajibkannya untuk model itu. Seluruh uji ini biayanya kurang dari satu sen.

Hasil Claude, tanpa disunting selain format tebalnya:

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.

Hasil Gemini, tanpa disunting:

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.

Pada nilai, keduanya condong ke arah yang sama, dan itulah alasan nilai tetap di tangan Anda. Skala menyebut 3 sebagai nilai wajar untuk setahun yang solid dan 4 membutuhkan dampak terukur di luar peran. Kedua model menganggap 3.100 tiket terhadap rata-rata 2.400 sebagai dampak itu, dan tak satu pun menimbang keterlambatan enam minggu pada tujuan 2 atau dua eskalasi itu dalam kalimat nilainya. Dengan bukti ini nilai 4 bisa diperdebatkan; begitu pula nilai 3 dengan satu baris tentang eskalasi, dan kedua kali model memilih yang lebih murah hati. Prompt 5 membuatnya membela sisi sebaliknya sebelum Anda memutuskan.

Berikut draf review dan skala nilai kami: [tempel keduanya]. Draf ini mengusulkan nilai [nilai]. Tulis satu paragraf argumen terkuat untuk nilai satu tingkat di bawahnya dan argumen terkuat untuk nilai satu tingkat di atasnya, hanya memakai bukti dalam draf dan definisi dari skala itu sendiri. Lalu daftarkan setiap bukti yang diabaikan oleh nilai yang diusulkan. Jangan merekomendasikan nilai.

Jadi, AI mana yang terbaik: untuk sebuah review, modelnya kalah penting dibanding buktinya, karena dua model frontier yang diberi bukti sama menghasilkan nilai yang sama dan hanya berbeda pada gaya bahasa serta satu kalimat karangan. Pilih Claude bila Anda ingin bukti yang kurang ditandai, pilih Gemini bila Anda ingin draf yang sudah ditujukan kepada karyawan. Memiliki keduanya di satu tempat berguna pada musim review dengan delapan bawahan. Di Whizi Anda menyematkan skala nilai dan definisi kompetensi ke sebuah proyek sekali saja (per September 2026 satu proyek menampung hingga 10 berkas tersemat masing-masing 10 MB, termasuk .docx dan PDF, dan instruksi proyek hingga 32.000 karakter yang ikut di setiap pesan), lalu menjalankan bukti tiap bawahan lewat Claude dan Gemini tanpa menempel skala lagi (cara kerja proyek). Kelemahan Whizi ada di separuh pekerjaan yang lain: tidak ada integrasi HRIS dan tidak ada akun tim, jadi tidak ada data yang ditarik otomatis dari Workday, Lattice atau Zendesk. Performance Assist milik Citi "mengumpulkan semua informasi itu secara otomatis langsung dari sistem kami", menurut Patricia Gould, kepala total rewards Citi, dan AI Agent milik Lattice merangkum umpan balik lama dari dalam Lattice. Di Whizi Anda mengekspor lalu menempel.

Apakah Anda harus memberi tahu HR, atau karyawan, bahwa AI ikut menulis review?

Di dua pemberi kerja besar yang punya sikap terbuka, jawabannya berbeda: Citi memberi tahu karyawan dan membolehkan siapa pun menolak review hasil draf AI, dan kurang dari 1% yang melakukannya hingga Desember 2025, sedangkan pedoman JPMorgan, seperti dilaporkan Bloomberg, membatasi apa yang boleh dilakukan manajer dengan alat itu dan tidak mewajibkan pemberitahuan kepada bawahan. JPMorgan melarang skor dari AI; Citi menjadikan manajer bertanggung jawab atas evaluasi akhir. Di tempat lain, jawabannya adalah kebijakan AI perusahaan Anda, dan butir pertama daftar periksa Lattice dan Textio sama dengan milik kami: baca dulu sebelum menempel. Sikap pemberi kerja AS yang disebut namanya, sebagaimana dilaporkan antara 13 November dan 2 Desember 2025:

Angka survei menunjukkan pertanyaan ini sudah hidup di sebagian besar tim. Dalam survei Resume Builder Juni 2025, "Lebih dari 20% mengatakan mereka membiarkan AI mengambil keputusan tanpa masukan manusia, baik selalu (5%) maupun sering (16%)", dan hanya 32% manajer yang memakai AI untuk mengelola orang pernah mendapat pelatihan formal tentangnya. Survei ZeroBounce September 2025 mencatat 41% manajer pernah menyusun atau merevisi review dengan AI. Survei Gartner pada Desember 2025 terhadap 1.622 responden menemukan "manajer melaporkan rata-rata empat jam yang dihemat di berbagai bagian proses manajemen kinerja saat memakai AI", dan saran Gartner pada April 2026 adalah memperlakukan AI "sebagai masukan bagi penilaian manajer, bukan penggantinya".

Satu-satunya eksperimen lapangan tentang keterbukaan menemukan ada biaya dari memberi tahu orang, sekaligus jalan keluarnya. Tong, Jia, Luo dan Fang, di Strategic Management Journal pada 2021, mengukur umpan balik buatan AI di dalam sebuah perusahaan nyata dan menulis bahwa "karyawan dapat mengembangkan persepsi negatif terhadap umpan balik AI begitu hal itu diungkapkan kepada mereka, sehingga merugikan produktivitas mereka", efek yang mengecil seiring masa kerja karyawan. Perbaikan yang mereka sarankan adalah bentuk yang dituju setiap kebijakan di atas: manajer menyampaikan umpan balik, dengan suara manajer, apa pun yang menyusun drafnya. Peter Cassat, partner di CM Law, mengatakan kepada HR Dive pada Desember 2025 bahwa memakai AI untuk mengevaluasi karyawan "dapat membuat organisasi menghadapi gugatan diskriminasi serta kewajiban kepatuhan yang besar", yang menjadi alasan hukum mengapa penilaian skor tetap di tangan manusia di bank-bank itu. Aturan negara bagian dan kota berbeda-beda, dan halaman ini bukan nasihat hukum; pertanyaan untuk HR atau penasihat hukum Anda adalah apakah alat penyusun draf dihitung sebagai alat keputusan otomatis di tempat Anda. AI untuk HR mendaftar enam aturan ketenagakerjaan AI di AS, yang menjangkau gaji dan disiplin, serta yang mengecualikan penyusunan draf dalam teksnya sendiri.

Bisakah saya menulis review dengan AI secara gratis?

Bisa. Paket gratis ChatGPT, Claude dan Gemini menerima prompt 1 apa adanya, dan generator khusus melakukan pekerjaan yang sama dengan formulir sebagai pengganti prompt. TechnologyAdvice menguji delapan generator gratis pada Maret 2026 dan mempertahankan empat: Easy-Peasy.AI (2 review per hari), Writify.AI (tanpa batas, dengan iklan), Vondy (4 sebelum mendaftar) dan GravityWrite (1.000 kata per bulan). Formulirnya meminta nama karyawan; isi dengan jabatan, pada alat mana pun yang ketentuan datanya belum Anda baca (apa yang tidak boleh ditempel ke chat AI).

Gratis atau berbayar, jalankan satu pemeriksaan yang dilewatkan alat berbentuk formulir. Uji umpan balik ChatGPT oleh Textio pada Januari 2023 menemukan bahwa ia menganggap seorang perawat perempuan 9 dari 10 kali dan menulis umpan balik untuk perempuan sekitar 15% lebih panjang, dengan tambahan panjang itu sebagian besar berisi kritik. Prompt 6 menjalankan pemeriksaan itu pada seluruh kumpulan review Anda sebelum apa pun dikirim.

Berikut [N] draf review dari tim saya, dengan nama diganti huruf: [tempel]. Bandingkan dan daftarkan: review mana pun yang lebih dari 20% lebih panjang atau lebih pendek dari median; kata sifat tentang karakter (andal, sulit, ceria, agresif) dan di review mana ia muncul; kata ganti atau kata bergender apa pun; klaim apa pun yang tidak punya angka atau tanggal di belakangnya. Keluarkan tabel dengan satu baris per temuan. Jangan menulis ulang apa pun.

Aturan yang disepakati semua kebijakan di halaman ini muat dalam satu kalimat: bukti datang dari Anda, draf boleh datang dari model, dan nilai serta percakapannya tetap milik Anda.