ダグ・デナーライン氏は、グローバル企業が実際のビジネス成果を生み出すためのパフォーマンス向上を支援するBetterworksのCEOである。
業績評価の季節がやってきた—リーダーたちがチームのパフォーマンスを厳しく見直す時期だ。しかし今年は、新たな複雑さが加わっている。CEOたちは別の種類の期待も意識している：組織がAIにどれだけ対応できているかという点だ。
カンファレンス・ボードの最近の調査によると、CEOの43%がAI早期導入企業に競争優位性を奪われることを最も懸念している。先行するためには、企業は人材のスキルアップだけでなく、従業員がAIを活用してイノベーションを起こし、戦略的目標を達成できるよう、AIを組織全体で運用可能にする必要がある。しかし、パフォーマンス向上のための堅固な基盤がなければ、このプランは失敗する。業績管理システムが機能していなければ、技術がどれほど先進的であっても、AI変革を成功させることは難しく、競争優位性をもたらす人材を失うリスクがある。したがって、業績管理はAI導入に向けた人材の準備において不可欠なのだ。
従来型の評価がビジネスの足を引っ張る理由
私は数千人規模のチームを率いてきた経験があり、旧来のサイクル—1月に目標設定、12月に評価、翌年6月に昇給—を経験してきた。これは改善ではなく、コンプライアンスのために設計されたプロセスだ。仕事が完了してから1年後に報酬を与えるのは、意味がない。
私が見る主な落とし穴は次の通りだ：
• 権利を奪われた従業員：上位15%が「高業績者」とされ、下位5%が解雇され、残りの80%は「平均的」とラベル付けされる。これはモチベーションを下げ、従業員がすでに断絶感を感じている時期に離反を促進する。ギャラップによると、米国の従業員の69%が離反しており、世界的にはさらに高い（79%）。
• 優秀な人材の可視性の低さ：6ヶ月前のデータに基づいて行動すると、気づかないうちに最高の人材を手放してしまう可能性がある。
• 文脈の欠如：従来の評価では、プロジェクトが外部要因によって失敗したのか、マネジメントの問題だったのかといったニュアンスがほとんど捉えられない。
• 高額な離職コスト：ギャラップによると、キャリアの停滞と離反により、米国企業は2023年に1.9兆ドルの生産性損失を被った。
業績管理が失敗するとき、それはリーダーシップの失敗だ。そして私は、破綻したシステムがビジネス結果に与える影響を目の当たりにしてきたCEOとしてそう言う。
業績評価をストレステストとして活用する
業績管理をビジネスの基盤と考えよう。それが弱ければ、亀裂が現れ始める—納品物の未達成、陳腐化した目標、離反、離職などだ。これらをHRの問題と見なすかもしれないが、実際には競争力に影響するビジネス上の問題なのだ。
業績評価は、基盤の強さを測るバロメーターとして優れている。自問してみよう：
• マネージャーと従業員は、誰も役立つと思わない評価に何時間も費やしているか？
• 従業員は評価が正確で公正だと感じているか、それとも記憶とバイアスに基づいていると感じているか？
• フィードバックは新鮮で実行可能か、それとも陳腐で効果がないか？
• 評価は人々の成長を助けるか、それとも過去を蒸し返すだけか？
• マネージャーはAIツールを使って評価を迅速化しているが、業績データに基づかない一般的なフィードバックを生成しているか？
これらの答えに自信が持てないなら、あなただけではない—しかし、AI変革の準備もできていないということだ。
より良いモデル：適応型業績管理
年に一度の評価ではなく、マネージャーが従業員と定期的な面談を行うことをお勧めする。理想的には、目標を追跡し、主要な目標に結びつける業績管理システムを使用するとよい。これにより、従業員は自分の仕事が戦略にどう結びついているかを理解し、マネージャーはより効果的に指導するためのタイムリーな洞察と、戦略的なビジネス目標の進捗状況の可視性を得ることができる。また、組織が埋める必要のあるスキルギャップを理解するのにも役立ち、業績をHRプロセスから成長エンジンへと変換する—それは各チームが戦略的優先事項に集中し続け、リスクを早期に発見し、規模に応じた測定可能な成果を推進するエンジンだ。
私はこのモデルがもたらす違いを直接目にしてきた。まず、エンゲージメントと生産性が向上する。私の会社の2024年パフォーマンス・エネーブルメント・レポートでは、従業員が業績管理を成功していると見なすと、高い生産性の感覚が31%上昇することがわかった。また2023年には、パフォーマンスが向上した従業員の49%がエンゲージメントを感じていると報告したのに対し、パフォーマンスが向上していないと感じた従業員では26%にとどまった。これには離職率の低下や、従業員が自分の仕事が結果に与える影響を理解することによる利点など、複合的な効果がある。
最後に
従業員が今年の評価サイクルを経験する中で、彼らのパフォーマンスだけでなく、あなたのシステムのパフォーマンスについても問いかけてみよう。それは仕事をより良くしたのか—それとも単に官僚的にしただけなのか？
後者であれば、今こそ変革の時だ。なぜならAIは壊れたプロセスを修正してくれないからだ。しかし、人を第一に考え、データに基づいた継続的なパフォーマンス向上へのアプローチと組み合わせることで、AIは俊敏で連携が取れ、次の段階に備えた人材を構築するのに役立つ。それこそが真のパフォーマンス優位性だ。そしてそれは、私たちがどのようにリードすることを選ぶかから始まる。
