自由读 — 第一节HR的AI时代：看清趋势，重塑定位

AI正从工具升级为伙伴，从局部应用迈向全面重构，从局部应用走向全面重构。在这场变革中，HR若想不被淘汰，第一步是看清趋势，找准方向。

关键不是追逐风口，而在于“站在未来，用好现在”。哪些能力正在被放大？哪些工作正在被重塑？这些问题的答案，将决定HR在未来组织中的定位。

一 AI发展趋势与HR应用情况

AI正在从“能回答”向“能思考”转变，从“识别内容”到“理解语境”，加速向类人智能发展。根据中国信息通信研究院发布的《人工智能发展报告（2024）》，当前AI发展呈现以下六大趋势。

一）大模型主导：AI日益“通用化”“聪明化”

以Transformer架构为核心的大模型不断突破，借助大数据和强算力，AI正在从单一任务智能向多任务协同转变，具备规模可扩展、任务适应广、能力可塑化的三大特征。过去的AI，只能处理单一任务；现在的大模型，已经能“一脑多用”——同时胜任文案撰写、逻辑推理、图像视频制作等多种职能。

未来，许多工作将被自动化流程接管。只要设定好目标，比如“整理调研，输出包含X、Y、Z要素的汇报草稿”，AI就能自动提取要点、分类归纳、生成结构，甚至起草PPT初稿。

麦肯锡（McKinsey）2023年发布的报告指出，到2030年，AI将接管约30%的工作时间。这意味着，大量过去由人完成的任务将转由AI执行。对HR来说，像数据清洗、报告撰写、信息归类等基础性工作将大幅减少，真正需要人介入的，将是流程设计、算法监督和复杂问题解决。

案例：百胜与康师傅的AI招聘

百胜中国在招聘餐厅储备经理时，每年要筛选上万份简历。为提升效率，他们开发了AI简历筛选系统。系统可分析候选人的学历、经历等70多个变量，提取600多个特征，为简历打分并排序。

更进一步，AI还能预测候选人是否会按约面试，并将简历分为“绿”“黄”“红”三档，帮助HR优先联系高到场率人选。借助这一系统，百胜的筛选效率和面试到场率显著提升。

康师傅百饮则与用友大易合作，引入基于YonGPT的大模型AI面试系统。在业务代表等高频招聘需求的岗位上，初筛环节几乎全由AI完成。

AI不仅能自动发起面试邀约，还能结合岗位要求生成个性化面试题，综合评估候选人的能力、表达和匹配度。面试结束后，系统会输出详细评估报告供HR参考。通过这套流程，康师傅百饮的复试通过率提升至90%，招聘效率和质量同步提高。

未来的HR将以“HRBP + AI助手”的组合形态，支持更大规模的业务单元，更深入地参与业务决策和组织发展。

二）多模态融合：构建类人“感知+理解”能力

新一代AI整合了文本、图像、语音等多种信息输入方式，具备接近人类的“感知-理解-表达”能力，是迈向通用人工智能的重要一步。它不仅能读懂文字，还能识别图像、分析语音、理解视频，甚至接收来自传感器的数据，大大拓展了AI的交互方式和应用边界。

案例：AI面试官

近屿智能推出的“AI得贤招聘官”融合文本、语音与图像信息，模拟人类面试官，显著提升了招聘效率与评估准确性。

在视频面试中，AI可同步捕捉语速、语调、表情和用词密度，综合分析语言内容、非语言信号和心理状态，自动生成评估报告，辅助HR判断候选人的表达能力、稳定性与岗位匹配度。

在双盲测试中，AI评分结果与人类面试官高度一致。该技术已应用于西门子中国、腾讯、美团、招商银行等企业，覆盖11个行业，完成了约95%的初筛工作。

其创始人指出，AI招聘的本质，是用数据重构决策科学性。传统面试中，受主观偏见影响，约有一半的录用决策接近“抛硬币”；而AI则通过标准化与数据驱动，将招聘从“运气游戏”变为“科学判断”。

随着多模态AI的应用，HR在人才评估、培训设计、员工管理和绩效分析等方面，将能做出更精准的判断，提升效率与决策质量。

三）AI工程化加速：AI工具“组装化”、使用“低门槛”

AI工程化正加速发展，工具链已覆盖从数据处理、模型训练到部署、运维与安全，逐渐成为企业智能转型的底层基础设施。

AI真正走进企业的关键，在于工程能力的成熟——训练、部署、调用变得更低门槛、模块化。HR不需要编程，只需像“搭积木”一样，组合现成的AI组件（如人才推荐、岗位匹配、绩效预测），就能快速构建智能化场景。

案例：拖拽即上线——HR的AI模块化改造

腾讯云TI平台提供简历分析API，HR只需拖拽配置流程，就能实现自动筛选、画像生成和岗位匹配。某大型零售企业的HRD通过Notion与AI插件结合，利用无代码构建了“岗位库+能力词典+任职标准”的知识库，并在3天内成功上线。

目前，主流大模型平台已开放API接口，企业可将AI能力嵌入现有HR系统，实现以下功能升级：

 在招聘系统中，接入DeepSeeK生成岗位JD、初筛建议与反馈话术；

 在培训平台中，调用文心一言生成学习总结与测评题目；

 在员工服务系统中，搭建智能问答Bot，自动应答HR政策和常见问题。

本质上，大模型是“能力中枢”，HR系统是“应用容器”。通过API连接，二者可组成“随调随用”的智能协作引擎。

四）软硬件协同：AI运行更快、更省、更强

以大模型为核心的智能系统，正在推动算力平台全面升级，形成“算法 + 软件栈 + 底层硬件”协同优化的新格局。目标是提升性能、降低成本，加快响应速度。

AI的表现不仅取决于算法，还离不开显卡、芯片、云计算等硬件的支持。这些共同构成了AI的“大脑与肌肉”。软硬件协同的进步，将直接改善HR使用AI工具的体验——反应更快、运行更稳、成本更低，甚至支持在本地运行小型模型，实现离线使用。

案例：某央企构建HR专属智能中枢

某央企信息中心基于国产框架，搭建了私有大模型平台，部署在内网中，支持HR等部门调用“加密版AI服务”。

HR只需在内部系统中输入问题，如“请解释最新绩效评估规则”，AI便可根据政策库和制度文件，生成规范答案并保留记录，方便追溯与监督。这一做法既确保了数据安全，又提升了员工服务响应速度，大幅减少了HR在日常事务上的时间消耗。

AI将更安全、更实时，也更贴近业务需求，真正成为HR稳定可靠的工作助手。

五）数据为中心：数据质量优先于数量

AI正进入“以数据为中心”的新阶段，重点已从模型复杂度转向数据质量与治理能力。新一代数据工程强调“质量胜于数量”，覆盖采集、清洗、标注、评估、合成与共享等完整流程。

对HR来说，关键不在于“是否有数据”，而在于“数据是否规范、结构清晰、便于AI理解”。信息越完整、逻辑越清晰，AI输出就越准确、可用。

这促使HR强化“结构化表达”能力，比如撰写清晰的职位JD、设定可量化的绩效指标、将业务语言转化为机器可读的格式。数据不是越多越好，而是越“清楚”越有价值。

演示案例：全域人才数据治理实践

某跨国经营能源集团拥有数万名员工和200多套异构人力系统，长期存在“数据孤岛”问题。为提升数据质量和决策效率，企业与某云服务商合作，启动“人才数据清洗”专项项目，重构数据链与决策链。

技术突破：引入OCR+NLP技术解析非结构化文档，建立200+标准化标签体系，实现员工信息的全字段动态清洗与保鲜管理。通过主数据管理（MDM）打通SAP、OA等系统接口，确保“一处维护，全局生效”。

场景赋能：构建岗位胜任力模型，AI人才匹配准确率从大幅提升；部署管理层驾驶舱与智能报表平台，支持集团至分支单位的数据钻取分析，实时监控人力成本与编制利用率。

核心成效：数据清洗周期压缩80%（从4个月缩短至35天），招聘周期缩短45%，高管决策数据支撑度提升70%。

良好的数据治理，是AI释放价值的前提。不论企业规模大小，只要从“可用数据”做起，通过清洗、结构化和标准化，就能为AI场景落地打下基础。

六）安全治理与伦理规范并重：从原则走向实践

人工智能的安全治理正从倡议走向落地。联合国、G20等国际组织已发布AI治理框架，中国也提出《全球人工智能治理倡议》，共同推动“负责任的AI”发展。随着AI能力不断增强，公众对透明性、公平性与隐私保护的要求也持续升高。

在HR领域，AI常用于简历筛选、意见生成和辅助决策。HR必须确保算法不会引发偏见，避免触碰合规红线，同时能清晰解释“为什么是这个结果”，确保决策过程可追溯、可解释、可监管。

案例：谷歌的人才评估机制

作为数据驱动型企业，谷歌在人力资源管理中高度重视AI工具的辅助作用。其People Analytics团队通过AI分析员工敬业度、协作行为与成长路径，为管理层提供人才发展建议。

但谷歌明确规定，所有与晋升、调整和人才评定相关的核心决策，必须保留人工复核环节。AI可以提出“可能的最佳答案”，但不能替代“人的最终判断”。

谷歌强调，AI应服务于组织，而不是取代人的判断。在涉及员工利益的高敏感场景中，“人性化判断”依然不可替代。

随着AI深度嵌入招聘、评估等关键流程，企业亟需建立AI伦理审查机制，明确技术的适用边界与责任归属。未来，相关法律法规也可能对算法透明度、自动化决策范围提出更具体要求。

对HR来说，这意味着不仅要掌握AI工具的使用方法，更要具备基本的伦理意识与风险识别能力，确保技术应用符合组织价值观与员工信任基础。

企业也应通过持续沟通机制，向员工清晰说明AI的使用方式、目的与益处，增强透明度与信任感，打造一个公开、可信、可控的人机协作体系。

能否看清趋势、有效运用AI并与之协同，将成为新时代HR的分水岭。HR无需成为AI专家，但必须成为人机协同的主导者。不必精通技术细节，但必须抓住方向、找到切入点，积极融入AI驱动的组织变革。

二再定位：AI时代HR的角色变迁

要理解AI如何重塑HR角色，不妨从一个未来的HR工作日开始想象。

AI时代的HR工作场景

早上9:10

HR打开AI助手工作面板，它已根据昨日的员工调研，自动整理出三类焦点问题，并生成了一份摘要草稿。