数字员工一旦进入真实业务，绩效管理就不能停留在“调用了多少次”或“节省了多少人力”。它本质上是对一套可授权、可执行、可审计的工作能力进行评价：既要衡量产出，也要约束风险；既要看效率，也要确认结果是否符合岗位目标。
先定义岗位，再设计指标
数字员工的绩效体系应从岗位责任出发，而不是从模型能力出发。企业需要先明确其承担的是客服分流、销售线索整理、研发辅助、数据分析，还是内部知识问答，再确定对应的结果标准。任务边界越清晰，绩效指标越容易稳定。
指标设计通常包含四个层次。第一层是任务完成度，例如任务是否按要求完成、是否需要人工返工；第二层是质量表现，关注准确性、一次完成率和输出的一致性；第三层是业务价值，观察流程效率、客户满意度或业务转化结果；第四层是风险控制，记录越权操作、错误执行、异常升级和人工接管情况。
不同岗位不能共用一套分数。客服类数字员工应重点观察解决率、升级率和客户反馈；研发类数字员工更应关注代码质量、测试结果和变更合规；运营类数字员工则要结合内容效果与流程执行质量。指标必须与岗位目标绑定，否则容易把“看起来很忙”误判为“真正有效”。
绩效不只是打分
数字员工的绩效评价还应包含过程审计。企业需要能够追溯其使用了哪些数据、调用了哪些系统、依据了哪些规则，以及关键结果是否经过人工确认。对于对外沟通、订单调整等中风险任务，可设置人工复核；涉及财务、合同、个人权益或核心数据的高风险任务，则应保留审批与回滚机制。
评价周期也不宜只看单次结果。知识库过期、业务规则变化或权限范围扩大，都可能导致原本稳定的数字员工出现偏差。因此，绩效复盘应同步检查任务质量、授权边界、异常类型和人工接管原因，把偶发错误转化为规则、流程或训练内容的改进依据。
更成熟的做法，是将数字员工与真人员工放进同一条协作链路中评价：哪些环节由 AI 完成，哪些环节必须由人判断，交接是否顺畅，责任是否清晰。数字员工绩效体系的最终目标，不是制造一个漂亮分数，而是确认这项数字能力能否稳定复制、持续改进，并在可控风险内创造业务价值。