Postkasti saabub 360-kraadise tagasiside päring, mis palub sul anda tagasisidet kolleegi kohta, või juht palub sul kirja panna konkreetse tagasiside kellegi kohta, keda sa juhid. Sul on üldine tunne, kuidas asjad on läinud — enamasti hästi, ühe korduva hõõrdumiskohaga —, aga selle üldise tunde muutmine selgeks, konkreetseks ja kasulikuks kirjalikuks tagasisideks on raskem, kui esmapilgul tundub. AI on siin struktuuri ja sõnastuse osas päris abiks. Tegeliku sisu allikas ta aga ei ole ja just siis, kui teda selleks peetakse, läheb asi viltu.
See on teistsugune probleem kui artiklis keeldu inimeste AI-ga reastamast, mis käsitleb konkreetset ohtu, mis kaasneb sellega, kui palud mudelil inimest hinnata või pingeritta panna. See artikkel eeldab, et sa hinnet ei küsi — sa kirjutad kvalitatiivset tagasisidet konkreetse käitumise kohta ja risk on teine: AI silub sinu tegelikud tähelepanekud millekski ähmasemaks, karmimaks või üldisemaks, kui sa päriselt nägid ja öelda kavatsesid.
Reegel: näited on sinu, struktuur on AI oma
Iga konkreetne väide tagasisides — „ei pidanud märtsikuu aruande tähtajast kinni“, „esitas planeerimiskoosolekul konstruktiivset vastuseisu“, „katkestas stand-up’is korduvalt kolleege“ — peab olema midagi, mida sa ise pealt nägid, ideaalis koos ligikaudse kuupäeva või konkreetse juhtumiga. AI-l puudub juhtunule sõltumatu juurdepääs; kui palud tal „kirjuta tagasisidet kellegi kohta, kes võiks paremini suhelda“, toodab ta usutavalt kõlavaid üldisi näiteid, mis mõjuvad konkreetsena, aga ei ole millegi reaalsega seotud. See on väljamõeldis detaili rüüs ja just see tekitab tagasiside saajas tunde, et talle tehakse liiga — ähmast või väljamõeldud näidet ei saa arutada, parandada ega isegi korralikult mõista, sest selle taga pole midagi konkreetset.
Ära lase AI-l kunagi genereerida näidet, juhtumit ega konkreetset käitumiskirjeldust tagasisides, mis käib päris inimese kohta. Kui sa ei suuda mõne punkti toetuseks konkreetset juhtumit meenutada, otsi see enne tagasiside kirjutamist üles või jäta punkt välja — üldine mulje ilma konkreetse näiteta ei ole kasulik tagasiside ja väljamõeldud näide on halvem kui mitte ühtegi.
Töövoog, mis hoiab näited reaalsena
Samm 1: pane esmalt kirja oma konkreetsed tähelepanekud
Enne kui avad ühegi AI tööriista, kirjuta üles, mida sa tegelikult mäletad: konkreetsed olukorrad, mida inimene tegi ja milline oli selle mõju. Center for Creative Leadershipi laialt kasutatav Situation-Behavior-Impact mudel annab selleks kasuliku raamistiku juba enne, kui AI mängu tuleb — olukord (millal/kus), käitumine (mis täpselt juhtus, neutraalselt kirjeldatuna), mõju (mis mõju sellel oli) (Center for Creative Leadership, „Use SBI (Situation-Behavior-Impact) to Inquire About Intent“).
Samm 2: kasuta AI-d korrastamiseks ja sõnastamiseks, mitte sisu genereerimiseks
Siin on konkreetsed tähelepanekud, mida tahan kolleegile tagasisidena
eda anda: [kleebi olukord-käitumine-mõju märkmed]. Aita mul need
selgelt ja professionaalselt sõnastada samas struktuuris. Ära lisa
ühtegi näidet, käitumist ega mõju, mida ma ülal ei kirjeldnud.
Hoia toon kooskõlas sellega, mida tegelikult kavatsen — ära tee
konstruktiivsetest punktidest karmimaid, kui ma neid kirjeldasin,
ja ära pehmenda päris muret ähmaseks kiituseks.
Teine juhis on sama oluline kui esimene — mudel, millel palutakse „tee see diplomaatilisemaks“, ümardab päris ja konkreetse mure mõnikord eufemismiks, mis on nii ähmane, et saaja ei saa arugi, mida tal tegelikult muuta tuleks.
Samm 3: kontrolli tooni oma tegeliku kavatsuse suhtes mõlemas suunas
Loe mustand üle ja küsi kaks eraldi küsimust: kas see kõlab karmimalt, kui ma tegelikult öelda tahtsin, ja kas see kõlab pehmemalt või ähmasemalt, kui ma tegelikult öelda tahtsin? Kahju tekitavad mõlemad suunad — üle korrigeeritud karmus võib esitada väikese probleemi tõsisena ja üle korrigeeritud pehmus võib matta päris mure, millega saaks midagi ette võtta, diplomaatilisse keelde nii sügavale, et inimene ei saagi aru, et seda tuleks muuta.
Samm 4: kontrolli enne saatmist iga näide oma mälu järgi üle
Veendu iga mustandis oleva konkreetse väite puhul, et suudad päriselt meenutada juhtumit, millele see viitab. Kui lause kõlab hästi, aga sa ei oska selle taha konkreetset sündmust paigutada, on see märk, et mustandi koostamisel lipsas sisse midagi üldsõnalist — kustuta see või asenda millegagi, mille taha sa päriselt seista saad.
Kui tagasiside hakkab mõjutama palga, edutamise või ametliku tulemushindamise protsessiga seotud otsust, kasuta oma organisatsiooni ametlikku tagasisidevormi või -kanalit, mitte mitteametlikku AI abil koostatud märkust, ja järgi seda protsessi, mille sinu HR-tiim on selle konkreetse olukorra jaoks paika pannud — hästi sõnastatud privaatsõnum ei asenda seda ülestähendust, mida ametlik protsess nõuab.
Milleks AI siin on ja ei ole hea
| Ülesanne | Ohutu | Riskantne |
|---|---|---|
| Sinu enda tähelepanekute korrastamine selgeks struktuuriks | Jah | — |
| Punkti professionaalsem sõnastamine ilma sisu muutmata | Jah | Jälgi, et see ei triiviks pehmendamise käigus ähmaseks |
| Tooni ühtluse kontroll mitme punkti lõikes | Jah | — |
| Näite või juhtumi genereerimine, mida sa ise ei esitanud | Ei | See on väljamõeldis |
| Otsustamine, kui karm või pehme tagasiside „peaks“ olema | Ei | See otsus on sinu teha, lähtudes tegelikust käitumisest ja selle tegelikust mõjust |
| Inimese omaduste, mitte konkreetse käitumise kirjeldamine | Ei | Keskendu käitumisele, mitte isiksusesiltidele — kirjeldatud tegu saab arutada ja muuta, omadust sageli mitte, ja käitumise juurde jäämine hoiab sind eemal sõnastusest, mis mõjub kommentaarina mõne kaitstud tunnuse kohta. USA EEOC materjalid AI ja ADA kohta käsitlevad automatiseeritud tööotsustuste tööriistu, mitte mitteametlikku mustandi koostamist, aga sama ettevaatus kehtib ka siin |
Miks see erineb tulemuslikkuse ülevaatest või reastamisest
Tasub olla täpne selles, mida see artikkel käsitleb ja mida mitte, sest neid kolme on kerge segi ajada. Oma tulemuslikkuse ülevaate enesehindamise kirjutamine tähendab enda töö kohta tõendite korrastamist. Keeldumine inimeste AI-ga reastamisest tähendab, et sa ei lase mudelil kunagi toota inimese kohta skoori, hinnet ega „kes on parem“ otsust. See artikkel jääb nende vahele: sa koostad kvalitatiivseid, tõendipõhiseid tähelepanekuid kellegi teise konkreetse käitumise kohta ja tema enda kasuks — mitte numbrit ega ülestähendust enda kohta. Vastutusreegel on kõigis kolmes sama — sisu eest vastutab nimeline inimene —, aga materjal ja eesmärk erinevad piisavalt, et nende käsitlemine ühe ja sama töövooguna toob igasse neist vigu.
Lihvimine ei ole õiglus
On lihtne eeldada, et AI-ga lihvitud tagasiside on automaatselt õiglasem, sest see mõjub rahulikuma ja struktureeritumana kui frustratsioonis või kiirustades kirjutatud esimene mustand. Lihvitus ja õiglus on eri asjad. Tagasiside on õiglane siis, kui see on konkreetne, tõendipõhine ja vastab sellele, mis tegelikult juhtus — mitte siis, kui see lihtsalt kõlab professionaalselt. Rahulikult sõnastatud tagasiside, mis toetub ähmasele või väljamõeldud näitele, ei ole parem kui toorem tagasiside, mis toetub millelegi päris — see on lihtsalt sama probleem paremini riietatuna.
Koosta järgmine tagasiside
Enne järgmist 360-kraadist tagasisidet või tagasisidevestlust kasuta töötagasiside mustandi kontrollnimekirja: pane esmalt kirja oma tegelikud tähelepanekud ja lase AI-l aidata ainult struktuuri ja tooniga. Kui tagasiside on osa 1:1 vestluse ettevalmistusest, käsitleb artikkel 1:1 päevakorra ettevalmistamine sama „ütle oma sõnadega“ distsipliini selle kohta, kuidas sa tagasiside päriselt edastad.
