如何建立AI时代的研发人员能力评价体系

从单一产出评价转向综合能力评价

传统考核通常关注项目进度、代码交付和缺陷数量；AI时代的评价还应关注需求理解、技术判断、人机协作、结果验证和风险控制。AI工具可以提升代码生成速度，但不能替代对业务价值、系统质量和安全边界的判断，因此不宜只用提交代码量或工具使用频率衡量研发人员表现。

考察完整的人机协作能力

可以从问题拆解与提示设计、工具选择、生成结果审查、测试验证、数据与代码安全、经验沉淀等方面评估。重点是研发人员能否借助AI解决真实问题，并对输出结果负责，而不是会不会使用某个工具或能否生成大量代码。

以工作成果和过程证据为依据

将评价嵌入真实研发任务，通过案例复盘、代码评审、测试记录和项目结果了解AI带来的实际影响。评价时关注效率、质量、可维护性和风险处理等变化，并结合团队协作表现，避免把使用次数、提示词数量或生成代码比例当作单独的考核标准。

统一能力框架，按岗位层级设置要求

可以建立共同的能力维度，再根据岗位职责调整评价重点。初级工程师侧重安全使用工具、理解和验证生成结果；资深工程师侧重技术方案判断、质量把关与知识分享；技术负责人还需关注团队流程改进、架构风险和治理机制。这样既保持评价口径一致，也能体现不同岗位的责任差异。