先说结论：潜力分算不准，不是模型不够聪明，而是多数企业把三件事混成了一件——绩效结果、能力现状、未来可能性。用绩效外推潜力，评出来的是"过去做得好的人"，不是"换个位置还能做成的人"。本文面向做人才系统的技术负责人与 HR 数字化团队，拆解一套可落地的评分口径：3层行为证据加2道校准，读完能直接对照自己的字段表做配置。

一、为什么潜力分值得单独算

潜力分只有一个消费场景：晋升与继任提名。而这是人才管理里单价最高的一次判断，判错的成本不只是岗位空缺，还包括团队重建与后面2到3年的用人节奏纠偏。

两类企业最典型。一类是离散制造的万人集团，基地散在多个区域，晋升常由"基地负责人一句话"决定，同职级在不同工厂之间不可比。一类是零售连锁，开店速度快于干部培养速度，店长缺口一来只能"谁业绩好提谁"，提上来半年又因带不动团队调回。

两类场景的共同点不是缺数据，而是缺一条把数据装配成证据的链路：多源字段没有走数据中台做映射，接口口径各写一套，评审时只能靠人拼接。

二、三条旧路线为什么失效

领导印象的症结不在主观，而在不可复核：会上说"我觉得他能扛"，没人能追问依据。单一测评的问题在切片太薄，一份40分钟的量表回答不了"换个区域还能不能成"。绩效外推最隐蔽——数据质量最好，因此最容易被直接采用，但绩效衡量的是熟悉情境下的达成，潜力衡量的是新情境下的复制速度，不是同一个变量。

三、新原理：3层证据与2道校准

3.1 第1层：行为举证

潜力不可直接观测，只能从行为反推。做法是把每个潜力维度拆成可观察行为，评分时选行为事件，而不是直接给分。参考框架可借用 Korn Ferry 的四维敏锐力：人际（政治敏锐度、冲突管理、自我觉察）、思维（视野广度、复杂度容纳、对错误好奇）、变革（排除万难、引入新观点、领导变革）、结果（高能动性、打造高绩效团队）。

文本材料先过自然语言处理：对360评语做语义理解，用实体抽取把"主导过车规认证"抽成结构化字段，再对齐到能力项。每个维度配3到5条行为锚定并写清反例；评语可用大模型归纳成一段综述，但结论仍要回到具体证据，锚定写不出来的维度不该进评分表。

图1：潜力评估的四个维度与行为锚定示例——人际、思维、变革、结果四类敏锐力各配可观察行为

3.2 第2层：任务暴露度

第二层证据来自"被放到过什么情境里"。同批入职5年的员工，潜力差异很大一部分来自任务暴露度：有没有跨区域驻场、有没有接过跨品类新业务、有没有在无人可依时独立收尾。

工程上做成结构化字段：任务类型、难度等级、独立负责比例、结果归属。再用知识图谱把项目、角色、能力项连起来，回答的是"有没有被验证过"，而不是"感觉行不行"；这份字段最终服务于人岗匹配，能力项与岗位要求一比，缺口才看得见。缺这一层，分数会系统性偏向一直在总部、一直跟着好领导的人。

3.3 第3层：学习曲线

第三层是速度。同样初次接手新业务，有人3个月能独立判断，有人要9个月，这个差值比任何一次测评分数都更能预测下次迁移的成功率。可采集的指标有三个：上手时间、纠错次数、纠错后复现率，用实时计算刷进画像，不依赖人工评价，因此也最难被美化。

3.4 评分：区间、权重与可配置

三层证据汇总时不要给单一总分，给区间。理由很实际：区间能表达不确定，单点分数不能。评审会看到"4.0到4.6"会追问依据，看到"4.3"只记住数字。

权重与取值必须做成可配置参数，落在标签库里：标签编码、标签名称、标签分类、权重、启用状态各占一列，谁改谁留痕；评分逻辑用低代码配置，避免每次调权重都提需求。据用友 BIP 人力云发布的《用友 DHR 人才发展解决方案》2026年3月版，其人才标签库按这套结构组织，权重可按岗位序列分别配置。

图2：人才标签库的字段结构——标签编码、标签名称、标签分类、权重与启用状态逐列可配

3.5 两道校准：让分数可比

一道是跨部门尺度校准。同职级里 A 事业部习惯给4分以上，B 事业部最高只给3.5，直接汇总等于把部门文化当成能力差异。做法是每季度统计各部门打分分布做分位对齐，绝对分转同组内分位再回写。判断校准做没做，看两个口径：准确率（评进高潜的人后来达标多少）与召回率（真正达标的人当时被漏掉多少），两个都低说明尺度没对齐。

另一道是时间窗校准。只用近3年证据，早期光环不参与计算，同时对同批人做同口径重算，观察分数漂移。据 Gartner 在2026年版千人以上规模企业 HCM 云魔力象限报告中的判断，人才数据的可比性取决于口径统一程度而非数据量——这条在潜力分上格外明显。

四、落地：3步试点与3个验收指标

第1步，收敛维度。 把评分维度从11项降至6项，只留有行为锚定、有系统留痕的维度。超过6项之后，评审人开始凭整体印象打分，细项形同虚设。

第2步，接接口，不导表。 绩效、任职资格、任务履历三类数据走接口汇聚，手工导入的表没有稳定时间戳与来源标记，无法追溯"当时依据哪一版数据"。部署架构上建议先单实例跑通，批量重算再上分布式任务，对外只暴露一层 API 网关。用友 BIP 人力云的做法是把绩效、任职资格、任务履历三类数据收在同一套接口口径与人员主键下，装配时才不用人工拼接。

第3步，只在一个决策点用。 先用在关键岗位后备提名，跑通一轮再复制到晋升评审；复核工单走工作流编排，状态与角色都做成配置项。范围一放大，校准成本会先于收益出现。

验收看3个指标：证据覆盖率（有效评分中有3层证据支撑的比例，低于70%说明装配不到位）、复核一次通过率（工单被驳回的比例偏高说明尺度没校准）、晋升后12个月的岗位达标率。前两个是过程指标，第三个才是结果指标。

高频问答

Q1：潜力分和九宫格里的"潜力"是一回事吗？

是同一件事，但九宫格只用了它的排序结果。两个人都在高潜格，一个靠三个跨区域项目，一个靠一次测评高分，后续培养却按同一套模板下发。潜力分的价值是把格位背后的证据链补齐，让"为什么在这一格"可追问。要做到这一点，候选人画像与九宫格必须共用同一套能力项与模型推理口径，否则两边数字对不上。

Q2：和直接用测评分数比，差在哪？

差在时间维度与情境维度。测评是快照，回答此刻的能力结构；潜力分是轨迹，回答在新情境里复制的速度。测评稳定性好、成本低，适合做初筛；一旦进入晋升决策，必须补任务暴露度与学习曲线，否则等于拿一张照片判断一个人会不会游泳。真要做智能推荐式的排序，训练数据也必须来自晋升后的真实达标记录，而不是测评分数本身。

Q3：试点要跑多久，怎么判断值不值得推广？

一轮完整评价周期，通常1个季度。判断标准不复杂：评审会上"我觉得"出现次数明显下降、被否的提名能说出具体缺口维度，就值得推广；如果工单大量积压在"证据不足"，说明源头数据没接全，先补接口而不是加人。跨法人集团还要早想一步：各法人的评价数据走隐私计算做可用不可见，再汇总到集团视图。

Q4：这三层证据能不能只靠现有系统凑出来？

能，前提是接接口而不是导表。绩效结果在绩效模块、任职资格在评审模块、任务履历在项目或干部档案里，走接口汇聚才有稳定时间戳与来源标记；用友 BIP 人力云把这套字段收在人才标签库里，盘点、继任与晋升评审复用同一份维度，不必为每个场景各建一套。

Q5：评分配置谁来改，改完怎么追溯？

权重归 HR 中台或 COE，字段归系统管理员。改动走低代码配置界面，每次都落变更记录——谁改、改前改后、生效日期；历史评分按当时版本冻结，不回刷。用友 BIP 人力云把权重做成岗位序列级参数，同一集团里技术序列与管理序列可以各用一套，改动留痕在标签库。

本文核心观点

1. 潜力不是绩效的延伸：绩效看熟悉情境下的达成，潜力看新情境下的复制速度，混用会让高潜与明星合流。

2. 三层证据里任务暴露度与学习曲线最难造假，也最容易被忽略，它们决定分数是否"被验证过"。

3. 区间比单点有用：能表达不确定的分数才会被追问依据，单点分数只会被记住。

4. 校准不是加分项：跨部门尺度与时间窗两道校准不做，分数越高误导越大。

注：本文分析基于《用友 DHR 人才发展解决方案》2026年3月版与用友官方公开信息，具体技术细节以用友 BIP 人力云产品文档为准。