Tiden for medarbejdervurderinger nærmer sig, og du stirrer på en tom selvvurderingsformular og prøver at rekonstruere et års arbejde ud fra hukommelsen. Du ved, at du lavede godt arbejde. Du kan ikke huske de konkrete projektnavne, det præcise kvartal, hvor en måling blev bedre, eller formuleringen af den ros, en kunde gav dig i marts. Det er netop her, AI kan være nyttig, og netop her det er fristende at lade den udfylde mere, end den bør.
Denne artikel handler om medarbejderens side af en vurderingsrunde: at forberede din egen selvvurdering. Den handler ikke om lederens vurdering eller rangordning af andre, som afvis at rangordne mennesker med AI allerede dækker. Hovedreglen er enkel og går kun én vej: AI kan organisere din dokumentation i et stærkt dokument. Den kan ikke skabe dokumentationen. Hvert faktum i en selvvurdering skal kunne spores til noget, der faktisk skete, og kun du kan levere det grundlag.
Gennemgangsprocesser, adgangsrettigheder, opbevaring, aktindsigt, overenskomster og klageveje varierer. Følg arbejdsgiverens aktuelle politik, og få rådgivning fra fagforening eller advokat, når registreringen kan få betydning for sanktioner, forskelsbehandling, tilpasninger eller opsigelse.
Hvorfor dette er en reel risiko, ikke en hypotetisk
En performance review er ikke en skriveopgave med lave konsekvenser. Den kan påvirke en lønstigning, en forfremmelse eller en forbedringsplan, og i mange virksomheder bliver den en del af den dokumenterede personalesag. En model, der bliver bedt om at »få mit år til at lyde imponerende«, kan producere selvsikkert og konkret klingende sprog – en procent, et ansvarsområde eller et navngivet resultat – selv om du ikke har leveret den detalje. Velformuleret tekst, som kildematerialet ikke understøtter, er en veldokumenteret fejltilstand i disse systemer, ikke en enkeltstående fejl (Ji et al., “Survey of Hallucination in Natural Language Generation,” 2023). At teksten er flydende, dokumenterer ikke, at påstanden er sand. Hvis en leder eller HR senere beder dig underbygge et tal, du ikke kan dokumentere, er problemet ikke længere blot et upraktisk udkast. Det er et troværdighedsproblem i et dokument med reelle konsekvenser.
Indsend aldrig et selvvurderingsudsagn — en procent, et beløb, et navngivet projektresultat — som du ikke personligt kan verificere op imod noget reelt: en e-mail, et dashboard, en ticket, et dokument eller en kollegas bekræftelse. Hvis AI producerede sprog, der lyder specifikt, men du ikke kan spore det tilbage til en reel kilde, så klip det, før det kommer i nærheden af reviewen — uanset hvor godt det læser.
Den fire-trins arbejdsgang
Trin 1: Saml din egen rå evidens først, før du åbner noget AI-værktøj
Saml ud fra din hukommelse og dine registreringer alt det, du kan finde: afsluttede projekter, målinger, du fulgte, positiv feedback, du modtog i e-mails, beskeder eller mødenoter, tildelte mål og deres resultater samt usædvanlige opgaver uden for dit normale ansvarsområde. Gør dette uden AI. Formålet er at etablere det faktuelle grundlag, som alt andet bygger på. AI kan ikke uafhængigt vide, hvad du lavede i år, og hele arbejdsgangen skal forhindre, at modellen bliver bedt om at gætte.
Trin 2: Brug AI til at organisere evidensen op imod din reviews faktiske kriterier
Når du har råmaterialet, kan AI være nyttig til at sortere det efter den struktur, din vurdering bruger – kompetencer, mål, værdier eller en vurderingsrubrik.
Her er en liste over ting, jeg arbejdede på og opnåede i denne review-
periode: [indsæt din rå liste]. Min review bruger disse kategorier:
[indsæt din virksomheds faktiske review-kategorier]. Organiser det, jeg
gav dig, under de kategorier, hvor det passer. Tilføj ikke noget
resultat, metric eller outcome, som jeg ikke inkluderede ovenfor —
hvis en kategori ikke har noget fra min liste, så lad den være noteret som tom
snarere end at opfinde noget til at fylde den.
Den eksplicitte instruktion om ikke at fylde huller betyder noget — en model uden angivet begrænsning vil ofte prøve at producere et komplet-udseende svar for hver kategori, hvilket i denne specifikke opgave betyder at sætte ord i din journal, der aldrig skete.
Trin 3: Udarbejd sprog ud fra dine verificerede fakta, ikke omkring dem
Med evidensen organiseret, bed AI om at hjælpe med selve skrivningen — tone, klarhed og præcision — mens hvert faktuelt udsagn holdes sporbar til det, du leverede.
Brug kun den organiserede evidens ovenfor til at udarbejde et selvvurderings-
afsnit til "[kategorinavn]"-sektionen. Behold hvert tal,
projektnavn og resultat præcis som jeg gav det. Afrund ikke
tal opad, tilføj ikke adjektiver, der indebærer en skala, jeg ikke angav
(fx "betydelig", "stor"), medmindre jeg selv brugte det ord, og
flag ethvert sted, hvor skrivningen ville læse stærkere med en detalje, jeg ikke har
leveret, så jeg kan beslutte, om jeg skal tilføje den eller lade den være generel.
Trin 4: Verificér hvert udsagn, før det kommer i nærheden af den faktiske indsendelse
Læs udkastet tilbage op imod din originale evidens, linje for linje. For hvert tal eller specifikt udsagn, spørg: kan jeg pege på kilden til dette lige nu? Hvis svaret er nej, så find enten kilden, eller blødgør udsagnet til det, du faktisk kan understøtte. Dette trin er ikke valgfrit og kan ikke delegeres til det samme værktøj, der producerede udkastet — et andet AI-gennemløb, der tjekker sit eget første gennemløb, er ikke uafhængig verificering.
En nyttig reserveløsning for et udsagn, du ikke straks kan verificere: blødgør det til det, du ved med sikkerhed, snarere end at slette det helt. “Bidrog til et projekt, der reducerede behandlingstid” er forsvarligt, også hvis du ikke kan citere den præcise procent; “reducerede behandlingstid med 40 %” er ikke forsvarligt uden en kilde til det tal.
En hurtig reference
| Brug af AI | Dom |
|---|---|
| At organisere dine egne listede resultater efter review-kategori | Sikkert — kun struktur |
| At udarbejde klarere sprog omkring fakta, du leverede | Sikkert — verificér før indsendelse |
| At bede AI om at “få dette til at lyde mere imponerende” uden nye fakta | Risikabelt — hold øje med opfundet specificitet |
| At bede AI om at estimere en metric, du ikke husker præcist | Usikkert — find det reelle tal, eller angiv det som omtrentligt, med egne ord |
| At bede AI om at gætte, hvad du sandsynligvis lavede baseret på din jobtitel | Usikkert — dette er fabrikation, ikke organisering |
Oplysning og en almindelig misforståelse
Nogle virksomheder spørger eksplicit, i selve review-formularen, om AI assisterede med at udarbejde dokumentet. Hvis din gør, så svar ærligt — behold dit navn på AI-assisteret arbejde dækker den generelle oplysningsnorm, og en selvvurdering, hvor du organiserede reelle resultater med AI’s hjælp, er en helt almindelig sag om passende oplysning — ikke noget at skjule eller føle sig defensiv over.
Misforståelsen værd at navngive direkte: at behandle en velorganiseret, poleret selvvurdering som evidens for et stærkt år. Det er evidens for god skrivning. De to er forskellige — og beskyttelsen her er ikke, at nogen vil bemærke, at skrivningen var AI-assisteret. I kontrollerede studier kunne folk ikke pålideligt skelne AI-genererede selvpræsentationer fra menneskeskrevne (Jakesch, Hancock and Naaman, PNAS, 2023), så “de vil kunne se det” er ikke en sikkerhedsforanstaltning, du kan læne dig op ad i nogen retning. Hvad der holder, er enklere: et understøttet udsagn fejler i det øjeblik, nogen spørger, hvad der er bag det, og en review er præcis det dokument, hvor nogen til sidst gør det.
Forbered dig i denne uge
Før din næste vurderingsrunde skal du bruge forberedelsesarket til medarbejdervurderingen til først at samle din rå dokumentation og derefter føre den gennem arbejdsgangen i fire trin. Hvis vurderingen også omfatter feedback, du vil give til eller modtage fra en leder, bruger forberedelse af dagsordenen til en en-til-en-samtale samme princip om dokumentation først.
Læsere i EU kan begynde med Kommissionens oversigt over ligebehandling på arbejdsmarkedet, EDPB’s samling af vejledninger om behandling af medarbejderdata og den relevante nationale myndighed. Estiske læsere kan bruge arbejdstilsynet og ligebehandlingskommissæren. Amerikanske læsere kan bruge EEOC’s portal om medarbejderrettigheder; for arbejdsgiversiden fremhæver EEOC’s vejledning om performance evaluations, at standarder skal kommunikeres og anvendes ensartet, og at relevante fakta skal medtages. Det er udgangspunkter for de enkelte jurisdiktioner, ikke en vurdering af din arbejdsgivers proces.
