Beoordelingsgesprek op basis van zes maanden 1-op-1's

2026-10-17

Een eerlijke halfjaarbeoordeling heeft het hele halfjaar nodig, en uw 1-op-1's bevatten dat al. Als elk 1-op-1 in Speak-Y is opgenomen en de tag van de persoon draagt, kan een AI-assistent die via MCP is gekoppeld ze allemaal lezen — zeg 24 gesprekken van april tot september — en opsommen wat de persoon aankaartte, wat u samen afsprak, wat er van elke afspraak terechtkwam en welke datum achter elke regel zit. Die lijst is de onderbouwing. Het oordeel, de score en de woorden van de beoordeling blijven bij u.

Deze handleiding volgt één geval: een manager schrijft de beoordeling van Anna, een engineer met een wekelijks 1-op-1 van 30 minuten, over 1 april tot en met 30 september 2026. Ze gaat uit van de gewoonte uit notities voor 1-op-1-gesprekken en laat zien wat er verandert als u zes maanden tegelijk leest. De productdetails zijn op 17 oktober 2026 gecontroleerd in de macOS-app en in de documentatie van de aanbieders.

Waarom schuiven beoordelingen op naar de laatste twee weken?

Omdat het geheugen weegt naar datum. Het incident dat Anna in september afhandelde, staat u helder bij; de migratie die ze in april voorstelde niet, tenzij iets u eraan herinnert. Onderzoek naar performancemanagement noemt dat recency bias, en het gebruikelijke advies — houd het hele jaar notities bij — mislukt om dezelfde reden als notities van 1-op-1's: niemand schrijft ze consequent op.

Een opgenomen 1-op-1 is de notitie die u niet hoefde te schrijven. Elk ervan heeft in Speak-Y een transcriptie per spreker, een AI-samenvatting die opent met de actiepunten, en de momenten die u met ⌥1 markeerde toen u iets afsprak. Vierentwintig zijn er te veel om vóór een beoordeling terug te lezen. Voor een assistent zijn het er niet te veel, zolang hij ze allemaal leest en niet alleen de nieuwste.

Wat moet er klaarstaan vóór de beoordelingsronde?

Het werk gebeurt tijdens het halfjaar, een minuut per 1-op-1. Drie gewoontes bepalen of de onderbouwing later te verzamelen is:

1. Eén tag per persoon, direct na elk 1-op-1 gezet: klik in de opname op Tags en kies 1:1 Anna. Via de tag vindt de assistent haar 1-op-1's; een gesprek met de titel "Meeting" dat niemand heeft getagd, is voor hem onzichtbaar.
2. Haar naam bij haar spreker. Klik op de chip Speaker 2 en typ Anna. Zonder naam is "ik neem de billing-migratie op me" van niemand in het bijzonder, en kan de assistent haar toezeggingen niet van de uwe onderscheiden.
3. Markeringen bij afspraken. Druk op ⌥1 als u iets vastlegt. Een markering bewaart haar tijdstip en de assistent leest haar mee met de transcriptie, zodat afspraken makkelijk te vinden zijn in een half uur gepraat.

Een notitie voor uzelf werkt ook: dicteer haar na het gesprek en geef het dictaat dezelfde tag. Het staat naast het 1-op-1 en wordt samen ermee gelezen.

Hoe vraagt u om onderbouwing in plaats van een oordeel?

Koppel Claude, ChatGPT, Cursor of een andere MCP-client één keer: Verbinden op de pagina Integraties (accountmenu → AI-assistent verbinden), ook bereikbaar via Instellingen → Integraties. Vergadernotities koppelen aan AI-assistenten legt uit hoe. De MCP-server van Speak-Y zit in elk abonnement, ook in Free, en leest de opnames lokaal op uw Mac.

Vraag daarna om feiten met data, en zeg wat niet moet:

Verzamel onderbouwing voor Anna's halfjaarbeoordeling uit mijn 1-op-1's
met de tag "1:1 Anna", 1 april tot en met 30 september 2026.
Lees elke opname in die periode, niet alleen de nieuwste.
Geef: onderwerpen die ze aankaartte (met hoe vaak), afspraken en wat
er van elke afspraak terechtkwam, wat ik heb beloofd en of ik erop
terugkwam. Zet achter elke regel de datum van het 1-op-1. Geen scores,
geen bijvoeglijke naamwoorden over haar persoonlijkheid, geen
vergelijking met anderen.

Twee details in dat verzoek doen echt werk:

• De periode. list_recordings geeft standaard de 20 nieuwste opnames terug. Vierentwintig wekelijkse 1-op-1's min de standaard laat de vier oudste weg — heel begin april, inclusief de eerste keer dat Anna de belasting van on-call aankaartte. Dat is opnieuw recency bias, nu binnen een tool-aanroep. Met de periode genoemd geeft de assistent date_from en date_to mee en een limit boven het aantal; de tool neemt er tot 100 per aanroep.
• Eerst de samenvattingen. Vierentwintig transcripties van een half uur zijn veel tekst voor één gesprek. Vraag de assistent om eerst de samenvatting en markeringen van elk 1-op-1 te lezen en de volledige transcriptie alleen te openen voor regels die hij moet citeren. get_transcript heeft daar precies het formaat summary voor.

Hoe ziet de lijst met onderbouwing eruit?

Voor Anna zag het antwoord er zo uit:

Anna — 1-op-1's 1 april – 30 september 2026
Onderwerpen die ze aankaartte
- Belasting van on-call: 5 keer (16 apr, 7 mei, 4 jun, 2 jul, 13 aug)
- Wil een project van begin tot eind leiden (23 apr, 18 jun)
Afspraken en wat ervan terechtkwam
- Zij leidt de billing-migratie (afgesproken 14 mei);
  op 3 sep gemeld als opgeleverd
- Twee peer reviews per sprint (afgesproken 30 apr);
  voor het laatst als gedaan genoemd op 25 jun
Wat ik heb beloofd
- Budget vragen voor een talk op een conferentie (9 jul): geen opvolging gevonden
- Het on-call-rooster aanpassen (13 aug): op 24 sep nog open
24 opnames gelezen, tag 1:1 Anna, 2 apr – 24 sep
(geen 1-op-1 op 28 mei en 6 aug).

Lees haar als een kaart, niet als een concept. Elke regel wijst naar een 1-op-1 dat u kunt openen, en de laatste regel zegt waar de lijst op steunt. Twee dingen erin gaan over u, niet over Anna: twee van uw eigen beloftes liepen nergens op uit. Een beoordeling die de belasting van on-call vijf keer noemt en weglaat dat het aanpassen van het rooster uw taak was, zou niet eerlijk zijn.

"Op 3 sep gemeld als opgeleverd" betekent dat Anna dat in een 1-op-1 zei. Speak-Y houdt niet bij of een actiepunt is afgerond; "wat ervan terechtkwam" is de lezing van de assistent van latere 1-op-1's. Voordat een regel in de beoordeling komt, opent u dat 1-op-1 en leest u het antwoord op het tabblad Per spreker of in de Samenvatting.

Wat moet de assistent bij een beoordeling niet doen?

Alles wat van onderbouwing een oordeel maakt. Het verzoek hierboven sluit dat uit, en toch loont het om het antwoord erop te controleren:

• Scores en cijfers. Een model dat 24 samenvattingen heeft gelezen, weet niet wat "voldoet aan de verwachtingen" in uw bedrijf betekent.
• Persoonlijkheidsduidingen. "Lijkt in juli weinig betrokken" is een gok over een mens op basis van de transcriptie van een gesprek van 30 minuten. Schrappen.
• Vergelijkingen. De assistent kan ook de 1-op-1's van anderen lezen als die getagd zijn; laat hem niet de ene medewerker tegen de andere afzetten.
• Gaten als feiten. Werk dat nooit in een 1-op-1 is besproken, staat niet in de lijst. Code reviews, incidentkanalen en peerfeedback staan elders.

Er is ook een regelgevende reden. De Europese AI-verordening (AI Act) merkt AI-systemen die bedoeld zijn om de prestaties en het gedrag van werknemers te monitoren en te evalueren aan als hoog risico (bijlage III, punt 4, onder b); na de Digital Omnibus van 2026 gelden die verplichtingen vanaf 2 december 2027. Of een bepaalde opzet daaronder valt, is aan uw juridische afdeling. Het veilige patroon is hoe dan ook hetzelfde: de assistent verzamelt, een mens beoordeelt.

Wie ziet de 1-op-1's, en moet Anna het weten?

Opnames van 1-op-1's zijn in Speak-Y persoonlijk: alleen u ziet ze, tenzij u op To channel klikt en er een in een teamkanaal publiceert, en een 1-op-1 heeft daar niets te zoeken. De MCP-server leest ze op uw Mac zonder daarvoor iets te uploaden. Wat de assistent leest, wordt wel onderdeel van uw gesprek met het model van de aanbieder — dezelfde afweging als bij elke AI-schrijftool, en bij een beoordeling gaat het om persoonsgegevens over een medewerker. Lokale vs. cloud-MCP laat zien waar de tekst precies heen gaat.

Anna moet het weten. Speak-Y neemt op zonder dat er een bot aan het gesprek deelneemt, dus niemand krijgt automatisch een melding. Zeg aan het begin van de cyclus dat de 1-op-1's worden opgenomen voor de notities van u beiden, en controleer het beleid van uw bedrijf en de wetgeving over het opnemen van vergaderingen waar u werkt. Het eerlijkste gebruik van de lijst met onderbouwing is Anna een kopie te geven vóór het beoordelingsgesprek: ze ziet dezelfde data en kan aanvullen wat de 1-op-1's hebben gemist.

Wanneer past een tool voor performancemanagement beter?

Als de beoordeling zelf daar plaatsvindt. Lattice kondigde bijvoorbeeld op 15 juli 2026 onderbouwde conceptbeoordelingen aan, opgebouwd uit 1-op-1's, feedback, doelen en updates die in Lattice worden bijgehouden, en sinds juni 2026 kan de AI-agent van Lattice aan 1-op-1's in Zoom, Google Meet en Microsoft Teams deelnemen om notities te maken, zonder meerprijs voor Lattice-klanten. Als uw bedrijf beoordelingen daar voert, houdt die route de onderbouwing naast het formulier, de kalibratie en het HR-proces.

De route in deze handleiding past bij een manager wiens 1-op-1's op een Mac zonder bot worden opgenomen, wiens bedrijf zo'n tool niet heeft of een andere gebruikt, en die de onderbouwing in een eigen formaat wil hebben voordat er ergens iets wordt geschreven. Dezelfde gewoonte betaalt zich ook wekelijks uit — een briefing vóór het volgende 1-op-1 komt uit dezelfde getagde opnames — en afspraken die voor het hele team tellen, horen in een gedeeld kanaal aan de kant van Speak-Y Teams, niet in een 1-op-1.

FAQ

Kan een AI-assistent me helpen een beoordeling te schrijven uit mijn notities van 1-op-1-gesprekken?

Ja, als onderzoeker en niet als rechter. Als uw 1-op-1's in Speak-Y zijn opgenomen met de tag van de persoon en een MCP-client zoals Claude, ChatGPT of Cursor is gekoppeld, kan de assistent elk 1-op-1 in de beoordelingsperiode lezen en onderwerpen, afspraken en wat ervan terechtkwam opsommen, elk met de datum van het gesprek. Het oordeel en de formulering van de beoordeling blijven bij u.

Waarom heeft de assistent maar een deel van het halfjaar gelezen?

Omdat list_recordings de 20 nieuwste opnames teruggeeft, tenzij u om meer vraagt. Wekelijkse 1-op-1's over zes maanden zijn 24 tot 26 opnames, dus de oudste weken vallen ongemerkt weg. Noem de periode in uw verzoek (van 1 april tot 30 september) en vraag om een limiet boven het aantal; de tool accepteert er tot 100 per aanroep.

Moet de medewerker weten dat onze 1-op-1's worden opgenomen en voor de beoordeling worden gebruikt?

Ja. Speak-Y neemt op zonder bot, dus niemand in het gesprek krijgt automatisch een melding. Vertel de persoon aan het begin van de cyclus dat de 1-op-1's worden opgenomen voor de notities van u beiden, en controleer het beleid van uw bedrijf en de lokale wetgeving. Het eerlijkst is om de lijst met onderbouwing vóór het beoordelingsgesprek met de persoon te delen.

Wie kan mijn opnames van 1-op-1-gesprekken in Speak-Y zien?

Alleen u, tenzij u op To channel klikt en een opname in een teamkanaal publiceert; 1-op-1's horen persoonlijk te blijven. De assistent leest opnames lokaal van uw Mac, maar het model draait in de cloud van de aanbieder, dus wat de assistent leest, wordt onderdeel van dat gesprek.

Heb ik hiervoor een betaald Speak-Y-abonnement nodig?

Niet voor de assistent: de MCP-server zit in elk abonnement, ook in Free. De grens is het opnemen: per 17 oktober 2026 neemt Free vergaderingen op van maximaal 30 minuten en 2 uur per maand, Pro maximaal 60 minuten en 10 uur per maand. Vier wekelijkse 1-op-1's van 30 minuten komen op ongeveer 9 uur per maand, en dat past in Pro.