लगातार मूल्यांकन करना बेहतर समझ के समान नहीं है
दशकों तक, विमानन उद्योग ने एक पायलट की दक्षता को दो मापदंडों से मापा: कॉकपिट में संचित घंटे और प्रमाणित विमान का प्रकार। ये ऐसे संकेतक थे जिन्हें प्राप्त करना महंगा था, जाली बनाना मुश्किल था और जो उचित रूप से भविष्यसूचक थे। यह प्रणाली पूर्ण नहीं थी, लेकिन इसमें एक ऐसा गुण था जिसे बहुत कम संगठन अपने सही आयाम में पहचानते हैं: उसे ठीक-ठीक पता था कि वह क्या माप रही है और किस लिए।
आज, बढ़ती संख्या में कंपनियां निरंतर प्रदर्शन मूल्यांकन प्रणालियों की ओर पलायन कर रही हैं, जिनमें से कई कृत्रिम बुद्धिमत्ता द्वारा संचालित हैं, इस आधार पर कि अपने कर्मचारियों को बेहतर और अधिक बार जानने से उन्हें प्रतिभा, प्रशिक्षण और संगठनात्मक संरचना के बारे में बेहतर निर्णय लेने में मदद मिलेगी। यह वादा आकर्षक है। समस्या यह है कि माप की आवृत्ति समझ की गहराई के बराबर नहीं होती, और यह भ्रम रणनीतिक परिणामों को जन्म देता है जिनकी सही गणना बहुत कम कंपनियां कर पा रही हैं।
हार्वर्ड बिजनेस रिव्यू का एक हालिया लेख, जिसे संगीत पॉल चौधरी और जॉन विंसर ने लिखा है — दोनों कृत्रिम बुद्धिमत्ता और संगठनात्मक डिजाइन के संगम पर निरंतर काम करने वाली हस्तियां हैं — इस तनाव को सीधे तौर पर सामने रखता है। उनका मूल तर्क सटीक है: AI की प्रगति लोगों और मशीनों के बीच श्रम विभाजन को इतनी तेज गति से नए सिरे से परिभाषित कर रही है कि पारंपरिक उपकरण — पदनाम, रिज्यूमे, वार्षिक मूल्यांकन — उसके साथ नहीं चल सकते। वे जो विकल्प प्रस्तावित करते हैं वह है निरंतर मूल्यांकन प्रणाली जो क्षमताओं को गतिशील रूप से कैप्चर करे और उन्हें प्रशिक्षण, आंतरिक गतिशीलता और कार्यबल नियोजन के निर्णयों से जोड़े। वे निदान में सही हैं। बहस तब शुरू होती है जब उस समाधान की वास्तविक वास्तुकला की जांच की जाती है।
निरंतर मूल्यांकन क्या हल करता है और क्या नहीं कर सकता
निरंतर मूल्यांकन प्रणालियों के पक्ष में तर्क कमजोर नहीं है। पारंपरिक वार्षिक समीक्षाओं पर डेटा, सटीक शब्दों में कहें तो, दक्षता के मामले में विध्वंसकारी है। सौ लोगों की एक कंपनी औपचारिक प्रदर्शन समीक्षा प्रक्रियाओं में प्रति वर्ष लगभग 5,500 घंटे खर्च करती है, यह उस समय को छोड़कर जो कर्मचारी स्वयं स्व-मूल्यांकन में लगाते हैं। यह लगभग तीन पूर्णकालिक पदों के बराबर है जो एक ऐसे अनुष्ठान में अवशोषित हो जाते हैं, जिसके बारे में हालिया शोध के अनुसार 35% कर्मचारी इसे अनुचित मानते हैं और जो इतनी चिंता उत्पन्न करता है कि पांच में से एक कर्मचारी मूल्यांकन के दिन चिकित्सा अवकाश ले लेता है।
यदि जिस मॉडल को बदलने की कोशिश की जा रही है वह उस स्तर की घर्षण और अविश्वास पैदा करता है, तो परिवर्तन की आवश्यकता को अधिक तर्क की जरूरत नहीं है। और यहीं पर निरंतर मूल्यांकन प्रणालियां कुछ वास्तविक मूल्यवान चीज़ प्रदान करती हैं: वास्तविक कार्य डेटा को कौशल अंतराल के प्रारंभिक संकेतों में बदलने की संभावना, ऐसी प्रतिभाओं की पहचान करना जिन्हें औपचारिक सर्किट कभी दृश्यमान नहीं बनाते, और क्षमता संकट के अपरिवर्तनीय होने से पहले कार्यबल नियोजन को समायोजित करना।
दक्षता का प्रबंधकीय समय के कोण से भी एक तर्क है। यदि कृत्रिम बुद्धिमत्ता प्रदर्शन डेटा के संग्रह और प्रारंभिक विश्लेषण को स्वचालित कर सकती है, तो नेता मूल्यांकन के अभिलेखकार के रूप में काम करना बंद कर देते हैं और रणनीतिक प्रशिक्षकों के रूप में काम करना शुरू करते हैं। समय की यह मुक्ति सामान्य नहीं है: जिन संगठनों ने अपनी टीमों के त्वरित प्रशिक्षण में निवेश किया है, वे बताते हैं कि नेताओं को महत्वपूर्ण घंटे वापस मिलते हैं जो पहले कम मूल्य की परिचालन संदेहों को हल करने में खर्च होते थे।
लेकिन सिस्टम में एक संरचनात्मक सीमा है जिसे निरंतर डेटा की कहानी छिपाने की कोशिश करती है। अधिक बार मापने से यह समस्या हल नहीं होती कि क्या मापा जाता है। यदि AI द्वारा कैप्चर की गई मेट्रिक्स मुख्य रूप से प्रतिक्रिया की गति, आउटपुट की मात्रा या नियमित कार्यों की पूर्णता को दर्शाती हैं, तो निरंतर मूल्यांकन कर्मचारी की समृद्ध छवि नहीं देता: यह उसकी सबसे सतही गतिविधियों की अधिक विस्तृत छवि देता है। रणनीतिक रूप से, दोनों के बीच का अंतर बहुत बड़ा है।
इसके अलावा एक जोखिम भी है जिसे प्रतिभा प्रबंधन के शोधकर्ताओं ने बढ़ती स्पष्टता के साथ पहचाना है: जब मूल्यांकन प्रणाली आक्रामक प्रदर्शन लक्ष्यों से सीधे जुड़ी होती हैं और निगरानी निरंतर होती है, तो प्रभाव निरंतर प्रेरणा नहीं बल्कि संकीर्ण फोकस होता है। टीमें प्रयोग करना बंद कर देती हैं, सीखने के लिए आवश्यक जोखिम उठाना बंद कर देती हैं, और अपनी ऊर्जा उन मेट्रिक्स पर केंद्रित करती हैं जो उन्हें पता होता है कि देखी जा रही हैं। परिणाम, उच्च प्रदर्शन लक्ष्यों पर शोध में दर्ज, यह है कि अल्पकाल अच्छा दिखता है और मध्यकाल चुपचाप खराब होता जाता है।
असली समस्या तकनीक नहीं है, बल्कि सिस्टम का उद्देश्य है
एक कंपनी बाजार में सबसे परिष्कृत निरंतर मूल्यांकन प्रणाली लागू कर सकती है और फिर भी एक बुनियादी परिचालन प्रश्न का उत्तर देने में असमर्थ रह सकती है: वह जो मापती है उसे क्यों माप रही है। यह उपकरण की आलोचना नहीं है। यह बुनियादी ढांचा स्थापित करने और निर्णय लेने की क्षमता बनाने के बीच के अंतर पर एक टिप्पणी है।
यह अंतर महत्वपूर्ण है क्योंकि निरंतर मूल्यांकन प्रणाली तटस्थ नहीं हैं। वे सांस्कृतिक परिणाम उत्पन्न करती हैं जो सीधे इस बात पर निर्भर करते हैं कि उन्हें कैसे डिज़ाइन किया गया है और वे कर्मचारियों को इस बारे में क्या संकेत देती हैं कि संगठन क्या महत्व देता है। यदि सिस्टम डेटा कैप्चर करता है लेकिन उसे ठोस विकास वार्तालापों में नहीं बदलता, तो कर्मचारियों को जो मिलता है वह प्रतिक्रिया नहीं होती: उन्हें निगरानी मिलती है। और निगरानी, भले ही सहानुभूतिपूर्ण इरादे से हो, टीमों की मनोवैज्ञानिक सुरक्षा पर एक अनुमानित प्रभाव डालती है।
संगठनात्मक व्यवहार के शोध से पता चला है कि जब लोगों से किसी सहकर्मी के प्रदर्शन पर प्रतिक्रिया देने के लिए कहा जाता है, तो उस प्रतिक्रिया की गुणवत्ता उल्लेखनीय रूप से बेहतर होती है यदि अनुरोध को मूल्यांकन के बजाय सलाह के अनुरोध के रूप में तैयार किया जाए। सलाह भविष्य की ओर उन्मुख होती है, ठोस सिफारिशें उत्पन्न करती है और मदद करने की इच्छा को सक्रिय करती है। मूल्यांकन पीछे की ओर देखता है और रक्षा तंत्र को सक्रिय करता है। निरंतर मूल्यांकन प्रणाली के लिए वास्तविक विकास पैदा करने हेतु, डेटा को घेरने वाली मानवीय बातचीत उस तर्क के साथ डिज़ाइन की जानी चाहिए, न केवल विश्लेषण स्क्रीन।
एक शासन आयाम भी है जिसे संगठन कम आंक रहे हैं। जैसे-जैसे AI प्रणाली लोगों के मूल्यांकन में जगह बनाती हैं, यह प्रश्न कि स्कोर कैसे उत्पन्न होते हैं, ऐतिहासिक डेटा के साथ प्रशिक्षित एल्गोरिदम में कौन से पूर्वाग्रह हैं, और कर्मचारियों के उस जानकारी पर क्या अधिकार हैं, अपरिहार्य हो जाता है। यह एक अमूर्त नियामक प्रश्न नहीं है: यह परिचालन विश्वास का प्रश्न है। एक कर्मचारी जो यह नहीं समझता कि उसका मूल्यांकन एक स्वचालित प्रणाली द्वारा कैसे किया गया, वह सार्थक तरीके से व्यवहार को सुधार नहीं सकता। वह इसके बजाय, दृश्यमान संकेतकों को अनुकूलित करना सीख सकता है जबकि उन पर ध्यान देना बंद कर देता है जिन्हें सिस्टम कैप्चर नहीं करता।
जो संगठन इन प्रणालियों को पारदर्शिता और व्याख्यात्मकता की वास्तुकला के बिना लागू कर रहे हैं, वे विश्वास का ऋण जमा कर रहे हैं जो अंततः प्रतिधारण, सहयोग और सीखने की इच्छा में अपनी कीमत वसूलता है।
जब माप की आवृत्ति रणनीतिक निर्णय का स्थान ले लेती है
निरंतर मूल्यांकन प्रणालियों को बड़े पैमाने पर अपनाने में एक अंतर्निहित तर्क है जिसकी सावधानीपूर्वक जांच की जानी चाहिए। वह तर्क कहता है कि यदि अधिक डेटा, अधिक बार और अधिक विस्तृत हो, तो लोगों के बारे में बेहतर निर्णय लिए जाएंगे। यह एक ऐसा तर्क है जो उन क्षेत्रों में अर्थपूर्ण है जहां रुचि का चर स्थिर हो, जहां माप मॉडल मजबूत हो और जहां संकेतक और उस परिणाम के बीच संबंध जो मायने रखता है, अच्छी तरह स्थापित हो।
प्रतिभा प्रबंधन में, ये तीनों शर्तें स्वचालित रूप से पूरी नहीं होतीं। मानवीय क्षमताएं स्वाभाविक रूप से संदर्भात्मक होती हैं: कोई व्यक्ति खराब तरीके से डिज़ाइन किए गए रोल में साधारण प्रदर्शन कर सकता है और किसी अन्य में असाधारण रूप से अच्छा। माप मॉडल उन लोगों के पूर्वाग्रहों को विरासत में लेते हैं जिन्होंने उन्हें डिज़ाइन किया और उन ऐतिहासिक डेटा के जिनके साथ उन्हें प्रशिक्षित किया गया। और जो अल्पकालिक संकेतक सिस्टम कैप्चर करते हैं और जो दीर्घकालिक संगठनात्मक परिणाम मायने रखते हैं, उनके बीच का संबंध, सबसे अच्छे मामले में, आंशिक है।
यह निरंतर मूल्यांकन प्रणालियों की उपयोगिता को अमान्य नहीं करता। यह उन्हें लोगों के बारे में रणनीतिक निर्णय के विकल्प के रूप में अमान्य करता है। और वह अंतर, ठीक वही अंतर, वह है जो कार्यान्वयन की उत्साह में कई संगठन खो रहे हैं।
वह चेतावनी जो चौधरी और विंसर अपने तर्क में शामिल करते हैं — कि संगठनों को इन प्रणालियों को लागू करने के तरीके में सावधान रहना चाहिए — एक छोटी बारीकियां नहीं है। यह समस्या का मूल है। क्योंकि कार्यान्वयन का तरीका एक तकनीकी चर नहीं है: यह उद्देश्य का चर है। जो संगठन वार्षिक समीक्षा की लागत कम करने और परियोजनाओं को लोगों के असाइनमेंट को अनुकूलित करने के लिए निरंतर मूल्यांकन लागू करता है, वह मौलिक रूप से कुछ अलग कर रहा है उस संगठन से जो इसे सीखने के अंतराल का पता लगाने, आंतरिक गतिशीलता में तेजी लाने और उच्च गुणवत्ता की विकास वार्तालाप बनाए रखने के लिए लागू करता है। दोनों एक ही प्लेटफॉर्म खरीद सकते हैं। सांस्कृतिक और रणनीतिक परिणाम अलग-अलग होंगे।
जो जोखिम Gartner के विश्लेषकों ने 2026 के लिए बताया है, वह इस अर्थ में उदाहरणात्मक है: AI ऐसी परिचालन स्थितियां बना सकती है जो अव्यावहारिक प्रदर्शन दबाव को प्रेरित करती हैं, दीर्घकालिक परिणामों को नष्ट करती हैं जबकि अल्पकालिक संकेतक ठोस दिखते हैं। यह प्रबंधन के अन्य क्षेत्रों में एक जाना-पहचाना पैटर्न है: जो मापा जाता है उसे अनुकूलित किया जाता है, जो डैशबोर्ड में नहीं दिखता उसे छोड़ दिया जाता है, और संगठन चुपचाप रिपोर्टों में अच्छा दिखना सीख लेता है जबकि उन प्रक्रियाओं में पदार्थ खो देता है जिनका स्प्रेडशीट में कोई कॉलम नहीं है।
वह चुनाव जो कोई भी सिस्टम संगठन की जगह नहीं कर सकता
कुछ ऐसा है जो सर्वोत्तम निरंतर मूल्यांकन प्रणाली भी नहीं कर सकतीं: यह तय करना कि उन्हें उपयोग करने वाला संगठन किस प्रकार का संगठन बनना चाहता है। वे यह तय नहीं कर सकतीं कि मूल्यांकन का उद्देश्य नियंत्रण है या विकास। वे यह निर्धारित नहीं कर सकतीं कि डेटा का उपयोग बातचीत खोलने के लिए किया जाएगा या बंद करने के लिए। वे यह स्थापित नहीं कर सकतीं कि सीखने की गति का मेट्रिक त्रैमासिक लक्ष्यों की पूर्ति से अधिक या कम महत्वपूर्ण है।
ये संगठनात्मक वास्तुकला के निर्णय हैं, और ये किसी भी तकनीकी चयन से पहले आते हैं। जो कंपनियां निरंतर मूल्यांकन प्लेटफॉर्म को बिना इन निर्णयों को स्पष्ट रूप से लिए अपना रही हैं, वे भोलेपन से लापरवाह नहीं हैं। वे एक अधिक सामान्य कारण से लापरवाह हैं: कार्यान्वयन की तात्कालिकता यह भ्रम पैदा करती है कि सिस्टम वे निर्णय स्वयं ले लेगा, या कि उन्हें बाद में लिया जा सकता है। संगठनात्मक परिवर्तनों में संचित अनुभव यह बताता है कि जब उद्देश्य के बारे में निर्णय को स्थगित किया जाता है, तो सिस्टम उस संदर्भ के डिफ़ॉल्ट उद्देश्य को अपना लेता है जिसमें वह संचालित होता है। अधिकांश संगठनों में, वह डिफ़ॉल्ट उद्देश्य प्रदर्शन का विकास नहीं बल्कि नियंत्रण होता है।
कार्यान्वयन के निर्णय से पहले का क्षण — वह स्थान जहां एक संगठन को यह स्पष्ट करना होगा कि वह प्राप्त डेटा के साथ क्या करेगा, कौन-सी बातचीत उत्पन्न करेगा, मूल्यांकित लोगों के विश्वास की रक्षा कैसे करेगा और सिस्टम के परिणामों को किस प्रकार के निर्णयों से नहीं जोड़ेगा — वही वास्तविक रणनीतिक क्षण है। आपूर्तिकर्ता का चयन या संकेतक डैशबोर्ड का डिजाइन नहीं।
जो संगठन उस क्षण तक उद्देश्य, सीमाओं और जानकारी के उपयोग के बारे में स्पष्ट उत्तरों के साथ पहुंचते हैं, वे केवल बेहतर तकनीक लागू नहीं कर रहे होंगे। वे एक ऐसी मूल्यांकन प्रणाली बना रहे होंगे जो दबाव में संगठनात्मक सीखने को बनाए रख सके, जो ठीक वही है जो काम में कृत्रिम बुद्धिमत्ता का त्वरण आवश्यक बनाता है। जो इसे स्थगित करेंगे वे उच्च आवृत्ति और विस्तृत सटीकता के डेटा के साथ यह खोज करेंगे कि उन्होंने सब कुछ मापा और बहुत कम समझा।
