人才盘点：从能力建模到九宫格自动化

01 人才盘点为什么年了年做、年年失真

人才盘点是 HR 每年最重的仪式之一：把人塞进九宫格，开校准会，输出一张「人才地图」。但三个老问题反复出现。第一，它是静态快照——一年看一次，而人在一年内可能换岗、换项目、换老板，地图还没画完就过期。第二，标签会固化——被放进「低潜力」格子的员工，次年很难被重新看见；AIHR 引用的锚定效应研究显示，初始 placement 会污染后续评估。第三，也是最致命的：两张轴里，「绩效」勉强可测，「潜力」几乎全靠主观印象。九宫格把「潜力」当成和「绩效」一样的硬指标来打分，这是它所有偏见的源头。

02 能力建模：从 JD 清单到可验证技能图谱

盘点的底子应该是能力模型，而不是岗位说明书。O*NET 26.2 Content Model 给出了一套被美国劳工统计体系采用的标准化框架：把工作拆成能力（abilities）、技能（skills，含 technical skills）、工作活动（work activities）与职业要求，每一维都可被独立描述与评估。它的价值在于——把「这个人行不行」从 manager 的一句话，变成一组可被多人、多时点复核的标准维度。

AI 时代还要往前一步：用实时技能验证（real-time skill verification）替代一次性资格，让能力图谱跟得上技能半衰期被 AI 压短的现实。当技能有效期变短，一次性的「资格」不再够用，盘点必须从「入职即合格」的静态假设里走出来。

03 九宫格的致命伤：被神化的「潜力」维度

九宫格本身只是 3×3 矩阵，问题不在格式，在「潜力」这一维。teampredict.ai 的实操指南直言：potential is subjective and easily biased，若不加校验，格子会编码偏好、性别与种族偏见。AIHR 在九宫格替代方案一文中引用的近 30,000 名员工潜力数据研究更给出硬证据：女性获得的「潜力」评分系统性低于男性，尽管她们的工作绩效评分更高——这不是个别偏差，而是结构性的评分偏见。

再加上锚定效应（上一年的格子影响今年的判断），「潜力」成了最该被人工守住、却最常被草率打分的维度。结论很清楚：潜力不可自动化打分。

04 当 AI 接管盘点：能自动化什么、不能自动化什么

AI 已经在进 HR。SHRM《2026 人力资源领域人工智能现状报告》（样本 1,908 名 HR 从业者）显示：39% 的企业已在 HR 职能落地 AI，落地最集中的是招聘（27%），其次是 HR 技术（21%）与学习发展（17%）；87% 的使用者称效率提升，但只有 41% 认为决策质量改善——说明 AI 在 HR 主流仍是「流程自动化」，还没动「判断」。

但一旦 AI 碰判断，坑就来了。UNSW 商学院发表于《The Accounting Review》的「bias laundering（偏见洗白）」研究，让 242 名有经验的经理用算法给出的绩效分给虚拟员工打分：60% 的经理采纳了算法推荐的高分，却只有 42% 采纳低分。18 个百分点的不对称说明，经理在「算法帮我说了我想说的」时照单全收，在相反时悄悄覆盖——算法输出被经理的既有偏好过滤了一遍，看起来客观，实则把偏见洗白成了数据。

这正是 EU AI Act（Regulation 2024/1689）把招聘、晋升、绩效评估类 AI 列为高风险（Annex III 第 4 类）的原因：这类系统涉及人的就业根本权利，法律要求人为监督、数据治理与透明，而非黑箱打分。美国侧，EEOC 2023 年《ADA 与 AI》指引把 disparate impact（差别影响）原则延伸到算法评估；Mobley v. Workday、Harper v. Sirius XM 等判例正在把「算法偏见可诉」落到实处；Fisher Phillips 2026 年的分析提醒雇主：差别影响责任贯穿雇佣全周期，不止招聘。

所以边界要划清：可自动化的是数据汇总、跨管理者校准的统计、趋势与预警；不可自动化的是潜力判断、晋升 / 终止决定，以及任何直接影响人职业走向的结论。

05 HR 落地框架：把九宫格变成可审计的闭环

1. 能力建模标准化：用 O*NET 式标准维度定义「能力」，替代 manager 主观清单，让「行不行」可被多人、多时点复核。
2. 连续证据替代年度快照：把绩效与技能证据按季度滚动，而非一年一张静态图——地图过期的速度远快于一年一次。
3. 校准会议结构化：提前写清绩效与潜力的书面定义，引入多评估者（multi-rater），开会时把无证据 placement 当场打回。
4. 潜力判断人工负责 + 留痕：谁打的「潜力」分、依据什么，必须可追溯到人、可复核、可申诉——这是不可让渡的责任。
5. AI 做汇总，不做决定：算法只呈现证据与分布，最终落格由人拍板，避免「偏见洗白」。
6. 分布审计：每次盘点后按人口统计组别（性别、年龄、族群）查九宫格分布，发现不反映组织意图的模式就回溯。

红线只有一条：潜力评分不能交给黑箱算法。

06 结语

人才盘点的未来不是取消九宫格，而是给它换底座：用标准化能力建模替代主观清单，用连续证据替代年度快照，用人工负责的潜力判断替代黑箱打分。当「谁有潜力」从玄学变成有证据、可复核、可申诉的判断，九宫格才真正服务于人，而不是给人贴标签。对 HR 而言，新的专业主场是——定义 AI 能汇总什么、必须人来判什么，并让这条边界经得起审计与申诉。