VolgendeVolgende gids
Hoe u een zelfevaluatie of prestatiebeoordeling schrijft met AI
Toepassingen
ToepassingenGIDS
Prestatiebeoordelingen schrijven met AI betekent het gebruik van een taalmodel om de aantekeningen van een manager, of het verslag van een medewerker over zijn eigen werk, om te zetten in een duidelijke, specifieke conceptbeoordeling of zelfevaluatie.
Luister naar deze gidsAI-verteld · ~3 min
De persoon levert nog steeds het bewijs en velt het oordeel. Als het goed wordt gedaan, verkort het de schrijftijd en wordt feedback concreter. Als het slecht wordt gedaan, levert het vage lof op, herhaalt het vooroordelen en kan het vertrouwelijke werknemersgegevens lekken.
AI helps with performance reviews in three main ways. It turns scattered notes into a structured draft, it rewrites feedback so it is specific and about behavior, and it checks finished text for vague or biased wording. Many HR platforms, including Lattice, Workday and 15Five, now have built-in writing assistants, and many managers use general-purpose chatbots. Employees use the same tools on their self-assessments, turning a year of work into a clear story. The output is only as good as the input. Ask a model to 'write a review for a strong performer' and you get generic praise that could describe anyone. Give it dated evidence instead: shipped the billing migration two weeks early, missed two client deadlines in Q3, mentored a new hire through onboarding. It can arrange that into balanced, specific feedback. The model has no idea what happened during the year. It can only phrase what you tell it, and if you leave gaps it may fill them with plausible accomplishments that never happened. Bias is the main risk. Studies of written reviews keep finding that women and employees from minority groups get more comments on personality ('too quiet', 'abrasive') and fewer on concrete results. A model trained on human writing can repeat those patterns. It can also help you catch them if you ask it to flag personality-based language, compare how two reviews describe similar work, or check for recency bias, where the last few weeks crowd out the rest of the year. Privacy is the second risk. Reviews hold personal data and sometimes health or disciplinary details. If you paste them into a consumer chatbot, that data may go to a provider whose terms allow it to be kept or used for training. Use tools your employer has approved. A common misconception is that AI makes reviews objective. It does not. The judgement is still the manager's, and so is the responsibility for every sentence.
Een teamleider plakt een gedateerde lijst met het werk van een ingenieur uit dat jaar, waarbij de namen zijn vervangen door tijdelijke aanduidingen, in de goedgekeurde AI-assistent van het bedrijf. Ze vraagt om een ontwerp dat is ingedeeld op basis van de vier competenties van het bedrijf, met in elk één sterk punt en één groeigebied.
Een verkoopvertegenwoordiger die een zelfevaluatie schrijft, vraagt een chatbot om opsommingen (kwartaalquotaresultaten, twee nieuwe bedrijfsaccounts, een verloren verlenging) om te zetten in een kort verhaal waarin de misser wordt beschreven en wordt uitgelegd wat ze daarna heeft veranderd.
Een HR-zakenpartner voert voltooide beoordelingen uit via een AI-check die persoonlijkheidswoorden als ‘schurend’ of ‘emotioneel’ markeert en managers vraagt deze in te ruilen voor waarneembaar gedrag en resultaten.
Een manager met acht directe ondergeschikten vraagt het model om twee recensies te vergelijken die hij schreef voor mensen die soortgelijk werk doen. Hij ziet dat de ene de resultaten beschrijft en de andere de houding, en hij herschrijft de tweede.
HR-software begint het opstellen van AI te verbinden met werksystemen zoals ticketingtools, codeopslagplaatsen en CRM's, zodat bewijsmateriaal automatisch kan worden ingevuld in plaats van te vertrouwen op geheugen. Dat kan de recentheidsbias verminderen. Het zorgt er ook voor dat de beoordelingen in de richting gaan van wat gemakkelijk te meten is, en het roept zorgen op over monitoring. Regelgeving is ook relevant: de EU AI Act noemt AI-systemen die worden gebruikt om de prestaties van werknemers te beoordelen als risicovol, wat verplichtingen op het gebied van toezicht en transparantie met zich meebrengt. Werkgevers zullen waarschijnlijk duidelijker beleid schrijven over wanneer door AI opgestelde beoordelingen openbaar moeten worden gemaakt, en over de regel dat een mens de beoordelingen bepaalt.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
Prestatiebeoordelingen schrijven met AI betekent het gebruik van een taalmodel om de aantekeningen van een manager, of het verslag van een medewerker over zijn eigen werk, om te zetten in een duidelijke, specifieke conceptbeoordeling of zelfevaluatie. De persoon levert nog steeds het bewijs en velt het oordeel. Als het goed wordt gedaan, verkort het de schrijftijd en wordt feedback concreter. Als het slecht wordt gedaan, levert het vage lof op, herhaalt het vooroordelen en kan het vertrouwelijke werknemersgegevens lekken.
Het model kan niet weten wat er gedurende het jaar is gebeurd. Het kan alleen verwoorden wat het wordt gegeven, dus gedateerd, specifiek bewijsmateriaal leidt tot specifieke feedback.
Uit onderzoek blijkt herhaaldelijk dat er meer opmerkingen over de persoonlijkheid zijn, zoals 'schurend' of 'te stil', en minder over de resultaten. AI kan dit patroon herhalen of helpen het te signaleren.
Recency bias ontstaat wanneer recente gebeurtenissen de rest van de beoordelingsperiode verdringen. Een AI-controle kan markeren wanneer het meeste bewijsmateriaal uit de laatste maand komt.
Recensies bevatten persoonlijke en soms gevoelige gegevens. Door de werkgever goedgekeurde tools met geschikte datatermen zijn de veiligere keuze.
Regenereren levert verschillende resultaten op, en de verantwoordelijkheid ligt bij de manager. De beoordeling moet een menselijke beslissing zijn die vervolgens door het ontwerp wordt ondersteund.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
Hoe u een zelfevaluatie of prestatiebeoordeling schrijft met AI
Toepassingen