用AI按“事实-影响-期待-支持-后果”五步生成低绩效面谈提纲，把难开口的否定反馈变成可执行的对话脚本。含提示词模板、情绪识别转人工信号与排错清单，适合HR与业务主管直接套用。
绩效面谈最难的不是员工哭，是你手里只有“我觉得”三个字。把AI当成预演对手，按事实、影响、期待、支持、后果五步生成提纲，能把一次可能谈崩的低绩效沟通变成有文档、有路径、有底线的正式反馈。这不是让AI替你谈，而是让你在开口前，把情绪、措辞和法律红线过滤一遍。读完这篇，你能直接带走三套提示词、两张对照表，以及一份当天就能写完的低绩效面谈提纲。
成果预览：一次有底气的低绩效面谈长什么样
制造业质检主管王磊，4月17号下午要和下属李强谈连续两个月的漏检问题。去年他谈过一次，准备了3小时，结果开场5分钟就变成互相抬杠——李强说“标准太高”，王磊说“别人都能做到”，最后HR介入调解又花了两周。
这次不同。王磊把李强3月、4月的漏检记录、客户退货单编号、以及产线班长的一封邮件喂给AI。25分钟后，他拿到一份提纲：事实部分列出4条带日期和批次的记录；影响部分点出对Q2交付目标的延迟风险；期待部分是“未来30天漏检率降至1.5%以下”；支持部分是每周三下午1对1复盘；后果部分是“若30天后仍未达标，将启动PIP绩效改进计划，届时HRBP会参与后续评估”。4月17号的谈话持续了47分钟。李强没有否认数据，因为在提纲第二页贴着原始记录截图。他签署了改进计划。王磊的体会是：“AI没替我说一句安慰话，但它让我在前一晚睡了个踏实觉。”
这就是成果。不是美化批评，而是把模糊的不满翻译成双方都能看见的合同。
准备工作：把数据丢给AI之前的三项自检
别急着打开AI对话框。数据丢进去之前，先做三项自检。
第一项，数据颗粒度够不够。你输入“业绩不好”，AI只能输出“你的业绩需要提升”这种废话。你要准备到“3月15日漏检A批次导致退货23件”这种程度。小团队数据散落在钉钉日志、微信语音、Excel里，建议先用Kimi或通义千问的长文本功能把零散记录按时间线整理成“事件-结果-日期”三列。大公司有HRIS系统的，直接从系统导出绩效数据，但记得隐去其他员工隐私字段。数据量差异在这里很明显：如果你只有10条记录，直接贴在提示词里；如果超过1000条，比如全年客服聊天记录，先让AI做摘要提取5条典型，再进下一轮。
第二项，情绪基线排查。员工最近两周有没有休产假、丧假、手术、或家庭重大变故？如果有，先别谈低绩效，转给HRBP做关怀访谈。AI处理不了创伤反应，生硬的后果条款可能把一次管理动作变成情绪事件。
第三项，权限确认。你的公司是否要求低绩效面谈必须有HR在场？是否要求提前在OA备案？外企和大型国企通常有这套流程，小团队可能口头说就行。确认这一点再写提纲，否则后果部分写了PIP，发现公司根本没这个制度，你就成了空头威胁。
不同主体的准备差异很大。小团队主管通常自己就是一线管理者，数据靠手写，AI的价值是帮你“修辞降燥”；大公司HRBP手里有数据，AI的价值是帮你把多套数据整合成一条叙事线，避免财务说一套、业务说一套。
步骤一：锚定事实，把“感觉你不上心”翻译成可验证记录
锚定事实是最费神也最值钱的一步。大多数主管卡在“我感觉你态度不好”这种无法证实的判断上。
打开通义千问或Kimi（免费版即可），输入以下提示词：
【提示词模板1】
你是一位擅长非暴力沟通的资深HR顾问。请根据以下员工绩效数据，生成绩效面谈提纲中的“事实”部分。
【岗位】：【填写岗位，如质检员/销售代表】
【数据】：【粘贴具体记录，如4月12日漏检批次X；4月18日客户投诉工单#2024-0418】
要求：
1. 只写可验证的客观记录，禁止出现“态度差”“不认真”“不上心”等主观词汇。
2. 按时间顺序排列。
3. 每条事实注明信息来源（系统/邮件/客户反馈）。
输出格式：对话式提纲，适合主管口头表达。
AI会给你类似这样的输出：“4月12日，A批次检验记录显示有8件未检出外观瑕疵，该批次当日已发往客户。信息来源：MES系统工单#20240412-07。” 你把它和你手头的原始记录对一遍。我见过有主管直接把AI输出打印出来，结果AI把“4月12日”理解成了“上周”，来源也对不上——AI在长文本里会出现幻觉，所以回查原始记录这一步不能省。
这里有个对照表，帮你判断你原来的表达能不能进AI提示词：
| 模糊表达（AI无法处理） | 可验证的事实陈述（AI可优化） |
|---|---|
| 你最近总是拖延 | 本周三、周五的日报均在截止时间后2小时提交 |
| 客户投诉你态度不好 | 4月12日客户张三在工单#202405中反馈“回复冷淡，未解决问题” |
| 团队里你最不合群 | 过去四周的周会，你有3次未发言，且未在会议纪要中认领行动项 |
王磊的第一步输出是4条事实。他把其中一条“李强经常不在工位”删掉了——因为那是班长口头说的，没有考勤记录。没有来源的事实，宁可不写。
步骤二与三：从影响到期待，写出不攻击人的描述与路径
事实之后，要接影响。直接跳“你要改进”，员工会觉得你在找茬。影响要写两层：一层是对团队/客户，一层是对员工自己。
在AI对话框里接着输入：
【提示词模板2】
基于上述事实，请生成“影响”与“期待”两部分。
【团队目标】：【如Q2交付合格率达到99.5%】
【岗位核心职责】：【如负责出货前终检】
要求：
1. 影响：描述该事实对团队目标或客户体验的客观延迟/风险，不人身攻击。
2. 期待：提出未来30天内可观察、可衡量的改进动作，符合SMART原则。
3. 期待部分需包含主管可提供的支持资源。
不同工具在这里有微妙差别。通义千问和文心一言的中文职场语料更接地气，写出来的影响不会那么像翻译腔；ChatGPT和Kimi的长文本处理能力更强，如果你要同时输入员工过去12周的周报、3封客户邮件、以及一份岗位说明书，让它们自己提炼模式，效率更高。我实测下来的建议是：数据杂乱、需要中文语境润色时，用通义千问；数据量大、需要跨文档找规律时，用Kimi。
王磊拿到的“影响”段落是：“4月这两批漏检导致客户产线停线2小时，售后团队额外投入6人天处理返工。如果5月继续，Q2交付合格率将难以达标，团队奖金池也会受到影响。” 这里没有一句说“李强你坏了大事”，但李强能听懂。
“期待”部分是：“5月20日前，将个人漏检率从3.2%降至1.5%以下。支持动作：每周三下午4点，主管陪你复盘当周最易错的3个检验点。” 有数字、有日期、有支持。
步骤四与五：后果与支持，明确底线并识别情绪失效边界
后果不是威胁，是流程。支持不是恩赐，是条件。两者要同时出现。
【提示词模板3】
请基于以下制度框架，生成“支持”与“后果”两部分。
【制度框架】：【如公司设有30天绩效改进期，期满后由HRBP与直属主管联合评估】
【员工工龄】：【如1年3个月】
要求：
1. 支持：列出主管能提供的具体资源（培训/导师/频次），不要写“公司会支持你”这种空话。
2. 后果：若30天后未达期待，将触发的下一步管理动作。语气正式、平和，避免威胁。
3. 需提醒：本提纲仅作沟通预备，具体以贵司最新制度及法律顾问意见为准。
王磊的后果段落是：“如果5月20日评估时漏检率仍未低于1.5%，我们将正式启动绩效改进计划（PIP），届时HRBP会一起参与制定下阶段目标。” 这句话里没有“开除”“淘汰”，但底线清晰。
真正让主管冒汗的是情绪失控。AI提纲在以下场景会失效，必须转人工：
| 情绪信号 | 主管应对 | AI提纲状态 |
|---|---|---|
| 声音提高、拍桌子 | 暂停，递水，或建议休息10分钟 | 立即失效，转人工共情 |
| 哭泣超过2分钟 | 说“我们可以改天再谈” | 失效，不推进后果条款 |
| 提及仲裁、抑郁、辞职 | 停止谈话，联系HRBP | 完全失效，改期并升级处理 |
出现以上任何一种，立即把提纲反扣在桌上，切换为倾听模式。你可以说：“我理解这件事对你冲击很大，我们可以暂停10分钟，或者改到明天再谈。” 然后出门找HRBP。AI的价值是让你提前看见这些雷区，不是替你去踩雷。
做完之后：三步验收你的面谈提纲
提纲打印出来，不要直接拿着手机念。做三步验收。
第一，朗读测试。把每段话大声读一遍。如果哪句你自己都说不出口，或者读完感觉像在念判决书，立刻重写。AI喜欢用“我注意到”“此外”“综上所述”这种程式化连接词，把它们换成你的口语习惯。比如把“综上所述”直接删掉，把“此外”改成“还有件事”。
第二，数据回查。逐条点击或翻阅AI提到的原始记录。确认日期、金额、客户名、工单号没有张冠李戴。AI在涉及数字时最容易幻觉，这个我没有准确统计数据，但我的经验是每5条事实里可能有1条时间偏差。
第三，法律红线扫描。检查提纲里有没有出现“末位淘汰”“自动离职”“无条件解除”这类表述。中国劳动法里没有“末位淘汰”的合法依据，AI有时会从它训练语料里的旧新闻中捡起这些词。看到就删，换成“依据公司现行绩效制度进行评估”。
排错清单：为什么AI生成的面谈稿一读就露馅
电商运营主管赵婷踩过坑。她把“你业绩倒数第一，再不行就走人”直接丢进提示词，AI输出了一份威胁性极强的面谈稿，里面甚至编造了“连续两次C绩效自动解除合同”的条款。问题出在三个地方。
输入带情绪，输出必放大。AI不会过滤你的愤怒，它只会把你的愤怒润色得更逻辑自洽。正确的做法是先写客观数据，等AI输出第一版后，再单独开一轮提示词做“语气降温”。
不给制度框架，AI就会编。它可能生成“根据《劳动合同法》第X条”这种看起来很真的假条款。务必在提示词里写明“基于我公司以下制度框架”，如果公司没有成文制度，就写“请生成通用沟通建议，不涉及具体法条”。
不区分岗位，把销售话术套给研发。销售岗低绩效可以谈数字，研发岗低绩效往往需要谈需求理解、代码评审记录、或跨组协作反馈。让AI准备研发岗提纲时，事实部分要引入Jira工单号、代码评审评论、或项目复盘纪要，不能只看提交行数。
数据量差异还有一个隐蔽坑：当你给AI喂1000条记录让它自己找模式，它可能会把别人的错误算到目标员工头上。20人团队的客服聊天记录混发进去，AI可能把同事的客户投诉归给张三。解决办法是在提示词开头就限定范围：“以下记录仅涉及员工【姓名】在【时间段】的工单，请勿引用其他员工案例。”
成本与耗时方面，王磊从整理数据到定稿用了43分钟，赵婷第一次乱搞用了15分钟但返工了2小时。合理预期是：数据齐全的情况下，30-45分钟完成提纲；数据散落在微信里，先花20分钟整理，再进AI。这比传统写法省下的不是打字时间，是你在楼下抽的三根烟和前一晚的失眠。
