Du får en begäran om en 360-gradersbedömning av en kollega, eller chefen ber dig skriva konkret återkoppling till någon du är chef för. Du har en allmän bild av hur arbetet har gått — i huvudsak bra, med en återkommande friktionspunkt — men det är svårare än det låter att omvandla bilden till tydlig, konkret och användbar text. AI kan hjälpa med struktur och formulering. Verktyget är inte en källa till själva innehållet, och det är när det behandlas som en sådan som arbetssättet går fel.
Det här är ett annat problem än att vägra rangordna människor med AI, som tar upp den särskilda risken med att be en modell poängsätta eller rangordna en person. Den här artikeln utgår från att du inte ber om ett betyg. Du skriver kvalitativ återkoppling om konkreta beteenden, och risken är en annan: att AI jämnar ut dina faktiska observationer till något vagare, hårdare eller mer allmänt än det du faktiskt såg och avsåg att säga.
Använd inte arbetsflödet för formella disciplinära åtgärder, skyddad rapportering av missförhållanden, beslut om diskriminering eller anpassningar, skyddsärenden, uppsägning på grund av arbetsbrist eller annan uppsägning. Följ den styrande processen och ta hjälp av en kvalificerad granskare.
Regeln: exemplen är dina, strukturen är AI:s
Varje konkret påstående i återkopplingen — »missade tidsfristen för marsrapporten«, »invände konstruktivt på planeringsmötet«, »avbröt kollegor upprepade gånger under det dagliga mötet« — måste bygga på något du faktiskt observerade, helst kopplat till ett ungefärligt datum eller tillfälle. AI har ingen oberoende tillgång till händelsen. Om du ber verktyget »skriva återkoppling om någon som behöver kommunicera bättre« kan det skapa trovärdiga, allmänna exempel som låter konkreta utan att vara knutna till något verkligt. Det är påhitt som ser ut som konkreta detaljer. Ett vagt eller uppdiktat exempel kan varken diskuteras, rättas eller förstås ordentligt eftersom inget verkligt ligger bakom det.
Låt aldrig AI skapa ett exempel, en händelse eller ett konkret beteende i återkoppling om en verklig person. Om du inte minns ett tillfälle som stöder punkten ska du hitta ett verkligt underlag innan du skriver eller stryka punkten. Ett allmänt intryck utan ett konkret exempel är sällan användbart, och ett påhittat exempel är värre än inget alls.
Ett arbetsflöde som håller exemplen verkliga
Steg 1: Lista dina egna specifika observationer först
Innan du öppnar något AI-verktyg skriver du ner vad du faktiskt minns: konkreta situationer, vad personen gjorde och vilken effekt det fick. Center for Creative Leaderships väletablerade modell Situation-Behavior-Impact är användbar redan innan AI kommer in i bilden: situation (när och var), beteende (vad som konkret hände, neutralt beskrivet) och effekt (vad beteendet ledde till) (Center for Creative Leadership, “Use SBI (Situation-Behavior-Impact) to Inquire About Intent”).
Steg 2: Använd AI för att organisera och formulera, inte för att generera innehåll
Här är konkreta observationer som jag vill ge som återkoppling till en
kollega: [klistra in dina anteckningar om situation, beteende och effekt].
Hjälp mig att formulera dem tydligt och professionellt med samma struktur.
Lägg inte till några exempel, beteenden eller effekter som jag inte
beskrev ovan. Bevara den ton jag faktiskt avser. Gör inte konstruktiva
punkter hårdare än jag beskrev dem, och tona inte ned en verklig oro
till vagt beröm.
Den andra instruktionen är lika viktig som den första. En modell som ombeds att »göra det här diplomatiskt« kan tona ned en verklig och konkret oro till en så vag omskrivning att mottagaren inte förstår vad som behöver ändras.
Steg 3: Kontrollera tonen mot din faktiska avsikt, åt båda håll
Läs igenom utkastet och ställ två separata frågor: låter det hårdare än jag avsåg, och låter det mjukare eller vagare än jag avsåg? Båda förskjutningarna kan göra skada. För hårt språk kan få en mindre fråga att framstå som allvarlig, medan för mjukt språk kan begrava en verklig och åtgärdbar oro så djupt i diplomatiska formuleringar att mottagaren inte förstår att något behöver ändras.
Steg 4: Verifiera varje exempel mot ditt eget minne innan du skickar
Kontrollera för varje konkret påstående i utkastet att du faktiskt minns det tillfälle som avses. Om en mening låter bra men du inte kan koppla den till en viss händelse är det ett tecken på att något allmänt har smugit sig in under arbetet med utkastet. Stryk det eller ersätt det med något du faktiskt kan stå bakom.
Om återkopplingen ska ingå i ett beslut om lön eller befordran eller i en formell prestationsprocess ska du använda organisationens officiella formulär eller kanal, inte en informell anteckning som tagits fram med AI. Följ den process som HR-funktionen har fastställt för sammanhanget. Ett välformulerat privat meddelande ersätter inte den dokumentation som en formell process kräver.
Vad AI är och inte är bra för här
| Uppgift | Säker | Riskabel |
|---|---|---|
| Organisera dina egna observationer till en tydlig struktur | Ja | – |
| Formulera en punkt mer professionellt utan att ändra dess substans | Ja | Se upp så att den inte tonas ned till vaghet |
| Kontrollera att tonen är enhetlig i flera punkter | Ja | – |
| Skapa ett exempel eller en händelse som du inte har lämnat | Nej | Det är ett påhitt |
| Avgöra hur hård eller mjuk återkopplingen »borde« vara | Nej | Det omdömet är ditt, baserat på det faktiska beteendet och dess faktiska påverkan |
| Beskriva en persons egenskaper snarare än ett konkret beteende | Nej | Fokusera på observerat arbetsbeteende som är relevant för rollen. Dra inga slutsatser om diagnos, funktionsnedsättning, motiv, personlighet eller skyddad egenskap. USA:s EEOC:s resurser om AI och ADA är en amerikansk utgångspunkt, inte ett juridiskt test för informellt skrivstöd. |
Varför det här skiljer sig från en prestationsbedömning eller rangordning
Det är värt att avgränsa artikeln noggrant, eftersom tre närliggande arbetssätt lätt blandas ihop. Att skriva en egen självutvärdering inför en prestationsbedömning handlar om att ordna belägg för det egna arbetet. Vägra att rangordna människor med AI handlar om att aldrig låta en modell ge en person poäng, betyg eller en dom om vem som är bäst. Den här artikeln ligger mellan dem: du formulerar kvalitativa och belagda observationer om en annan persons konkreta beteende, till den personens nytta, inte ett tal och inte din egen dokumentation. Ansvarsregeln är densamma i alla tre fallen — en namngiven människa ansvarar för innehållet — men material och syfte skiljer sig så mycket att ett gemensamt arbetsflöde skulle skapa fel.
En finslipad text är inte automatiskt rättvis
Det är lätt att anta att AI-bearbetad återkoppling automatiskt är rättvisare eftersom den låter lugnare och mer strukturerad än ett första utkast skrivet i frustration eller hast. Finslipning och rättvisa är olika saker. Återkopplingen är rättvis när den är konkret, belagd och stämmer med det som faktiskt hände, inte bara när den låter professionell. En lugnt formulerad text som bygger på ett vagt eller påhittat exempel förbättrar inte ett grövre utkast som byggde på verkliga händelser. Den döljer bara samma problem bättre.
Officiella utgångspunkter för respektive jurisdiktion är EU-kommissionens översikt över likabehandling i arbetslivet, Estlands arbetsinspektion och kommissionär för likabehandling samt USA:s EEOC-portal för arbetstagare. NIST AI Risk Management Framework är en utgångspunkt för styrning, inte arbetsrättslig rådgivning.
Skriv nästa återkoppling
Inför nästa 360-gradersbedömning eller återkopplingssamtal använder du checklistan för utkast till återkoppling på jobbet för att först samla dina verkliga observationer. Använd sedan AI endast för struktur och ton. Om återkopplingen ingår i förberedelserna inför ett 1:1-samtal beskriver artikeln om att förbereda dagordningen för ett 1:1-samtal samma krav på att du själv står för orden när du framför den.
