北森AI大考：当HR不再只做录入填表，数字专家Agent能解决企业真问题吗

这或许才是HR AI最值得期待的未来。

@数科星球DigitalPlanet原创

作者｜苑晶

编辑｜大兔

很多企业兴冲冲上线HR大模型，热闹过后发现只能做简历摘抄、回答员工考勤问题，真正识人育才的核心业务依旧原地踏步。

市面上多数HR AI停留在事务助手，而真正难啃的人才评估、领导力训练，恰恰是决定一家公司竞争力的关键。

一边是AI概念满天飞，一边是企业真实痛点悬而未决，北森抛出的15个HR专家Agent，到底是营销噱头，还是找到了垂直AI落地的可行路径？

01
褪去AI滤镜：HR行业的两类AI，助手不等于专家

打开各类厂商的HR AI宣传页，很容易产生一种错觉：AI已经可以包办人力资源的全部工作。但真实落地之后，大量企业发现落差巨大。绝大多数市面上的HR AI，本质上是“事务助手”——处理入离职资料归档、整理简历文本、解答社保假期制度这类标准化工作，它们得心应手。但一旦触碰人才判断、能力评估、领导力培养，立刻就漏洞百出。

举一个现实的例子。企业要招聘一名销售总监，通用大模型在网上看到岗位薪酬区间100-150万，就会直接判定该岗位合理薪资在150万，可企业内部实际预算仅有50万。如果完全交给AI输出结论，会直接误导招聘决策。

还有面试评估，如果单纯依靠大模型自由生成评价，报告文字看着头头是道，和真人面试官的判断经常出现巨大偏差。

这就是通用大模型的固有短板：它擅长网上公开的通识知识，但不懂一家企业内部独有的业务逻辑、岗位能力定义、企业文化标准。

北森在8·28用户大会上集中亮相的Mavens平台，推出超15个HR专家Agent，对外释放的核心信号，就是把HR AI分成“助手”和“专家”两个截然不同的层级。助手处理填表、查询、归档；而专家Agent，瞄准的就是过去只有资深HR、外部咨询顾问才能搞定的复杂人才业务，例如人才官研判、领导力教练、AI面试官、智能排班、人才盘点等。

“手搓一个Agent的身体很容易，但是要把思想，把专业东西放进去，其实挺不容易。”这是北森内部反复强调的一个观点。写代码搭建一个能对话的AI外壳门槛已经越来越低，但垂直行业真正值钱的，是沉淀几十年的专业方法论、企业独有的业务经验，这些东西互联网公开资料里找不到，无法靠通用大模型凭空生成。

过去做软件，工程师绝大多数时间在写代码；现在做专家Agent，大量工作变成让行业专家沉淀skill（专业技能集），把企业的业务场景、人才标准，萃取之后内置进AI系统。这也是To B垂直AI和通用大模型最本质的分水岭。

02
FDE团队：垂直AI背后看不见的“翻译官”

如果通用提示词解决不了企业个性化人才业务，那北森靠什么让AI读懂不同行业？答案是一支叫做FDE（Forward Deployed Engineer，前端部署工程师）的团队。

很多人会以为，AI产品上线只需要算法、大模型工程师就够了。但HR人才领域有大量特殊的概念，就连普通软件工程师都很难理解。比如什么叫“非权力影响力”，什么样的行为代表管理者的授权能力，哪些实际动作对应领导力短板。这些概念没有办法直接丢给大模型，需要有人深入企业一线，把老板、业务高管脑子里模糊的用人标准，翻译成AI可以识别、运行的规则与能力模型。

北森最早这批FDE，是从原本的咨询顾问转化而来。过去这些顾问的工作，就是上门帮客户搭建能力模型、绘制学习地图、开展人才盘点。现在他们角色升级，从单纯给人做咨询，转变为企业业务与AI之间的“翻译官”。团队现有200+人，未来规划扩充到300人规模。

他们要走进不同类型企业做场景抽象：给方太梳理制造业管理岗位的能力要求，给华莱士提炼连锁门店店长的业务标准，每家企业的岗位诉求都不一样，甚至同一个岗位，不同老板的用人偏好也存在差异。FDE的工作，就是把这些散落在业务现场的经验萃取出来，沉淀成AI可以运行的skill，内置到专家Agent里面。

这里需要厘清一个误区：FDE不是简单写提示词的人员。写提示词更多是临时调参，换一个场景就失效。而FDE要做的，是把一整套心理学、人才测评方法论、企业真实业务逻辑固化。同时北森提供对应的定制工作台，FDE可以在平台内完成面试出题、租户级别的能力调整，不用反复依赖底层算法团队。

而且企业业务永远在迭代。一家连锁企业每季度会推出新产品，调整销售渠道策略，对应的人才评判标准就要跟着变。FDE不是做完一次交付就结束，需要持续跟进业务变化，更新AI内部的专业能力集，这会变成类似财务审计一样持续性的服务。

03
15个专家Agent如何迭代：不是闭门造车，而是和客户共创

目前北森对外亮相的专家Agent一共超15个，公开表态未来会拓展到50个以上。很多人会好奇，这50个专家是内部产品团队拍脑袋规划出来的吗？

答案是否定的。北森的研发逻辑，是优先选择“客户愿意付费、能独立解决真实痛点、技术条件允许落地”的场景，而不是追求概念上的大而全。

人才官这个Agent就是典型例子。内部很早就看到这个方向的巨大价值，但早期条件不成熟，没有仓促开发，而是先做大量推演验证，确认可行性之后才正式动手；AI排班同样，中间遇到很多现实挑战，反复打磨之后才推向市场。

新的专家Agent，很多诞生于客户的实际使用反馈。

举一个领导力教练的案例：北森最早上线AI领导力教练产品之后，客户在使用过程中衍生出新诉求。北森过去线下就有报告解读业务，由真人专家给管理者集体做测评报告解读，但一对一服务成本极高，企业很难大规模铺开。客户提出，能不能把这套成熟的报告解读能力，封装成一个独立AI专家。于是，新的专家能力就在共创的过程中诞生了。

这也解释了，为什么北森并不急于打造一个“万能通用HR大专家”。现实企业HR体系内部本身就有明确分工：薪酬专家、绩效专家、培训专家、领导力专家各有所长。现实中不存在一个HR能精通全部模块，映射到AI世界，同样很难出现一个大一统通用HR Agent。如果哪天真的出现通用全能HR专家，那意味着已经迈入AGI时代，距离当下还很遥远。

在已经落地的1500多家AI客户中，15个专家Agent的使用情况也不均衡。

AI面试官客户覆盖面最广，其次是AI领导力教练、AI陪练，部分大客户可以为高阶专家能力支付百万级别的订单；AI排班专家、AI人才官等属于相对新推出的产品，还处在客户拓展阶段。绝大多数客户不会一次性全部启用15个专家，大多根据自身痛点选用其中若干个。

04

人机边界红线：AI只做辅助，最终决策权必须留给人

在其内部，被反复提及的一条底线：“AI不能独立做出人事最终决策”。

现实中我们可以看到一些案例，AI面试官完成面试之后，输出一份管理者评估报告，给高管打出D等级。拿到报告的管理者会产生很强的心理压力，面试表现被AI评价为“一般”，当事人甚至找不到人去辩解。但即便AI输出评价，录用、晋升、免职这类人事决定，依旧不能交由AI完成。

为什么要有这条硬性红线？第一，AI会产生幻觉，无法做到百分之百准确，人事决策关系到个人职业前途，AI不承担法律与伦理责任。第二，人的管理本身掺杂复杂现实考量，比如岗位试错机会、人员离职风险、团队情绪平衡，这些软性因素，是当前AI很难完整权衡的。

映射到HR场景，这条边界同样适用。AI面试官可以完成初面、输出基于行为证据的能力评估报告，但是“要不要录用候选人”必须由真人HR和业务负责人拍板；AI领导力教练可以模拟场景陪练管理者、输出能力短板分析，但是要不要提拔一名高管，依旧是人来做决定。

市面上有部分AI面试官产品，追求对话体验足够逼真，把重点放在“像真人一样聊天”。北森的产品逻辑完全不同，优先级第一是评估效度，也就是判断准不准。它的AI面试官背后，依托的是多年人才测评积累的心理学体系，面试问题、追问逻辑、评分标尺，全部由心理学专家、HR业务专家提前定义约束，并不是交给大模型自由发挥。大模型在这里只是对话载体，而不是评价主体。

这也是两类产品巨大的分野：只追求对话流畅，很容易生成天花乱坠但是失真的报告；把评估效度放在第一位，就要用大量规则、业务专家经验约束AI的输出，牺牲一部分“天马行空”的对话自由度，换取结果稳定可信。

05
AI浪潮下HR岗位的真相：不会大规模裁员，但能力范式彻底改写

几乎每一场HR AI的发布会，台下都会有HR从业者内心的疑问：AI来了，HR会不会大量失业？

行业里面有一个可以参照的历史：当AI编程工具普及，很多人预言程序员会大规模失业。现实结果却是，编程门槛降低，大量过去没有条件做软件的业务场景产生新需求，市场对开发人员的总需求反而上涨，变化的只是岗位的工作内容。北森的判断是，HR行业大概率会重演相似故事。

AI会接管大量事务性工作：整理简历、协调面试日程、标准化员工答疑。过去受成本限制，很多企业完全做不到的事情，现在可以大规模落地。比如，过去不可能给每一名管理者配置一对一的领导力教练，成本太高，AI把这件事变成现实。企业HR组织的能力边界被大幅度拓宽。

所以并不一定是企业HR总人数下降。一部分岗位事务性工作量变少，但同时会冒出很多新工作。但岗位能力要求会发生翻天覆地的改变。现在的HR，工作重心从亲自完成填表、整理资料，转向“指挥数字专家编队作战”。真人HR理解业务，制定人才标准，把控最终判断；各个AI专家Agent负责执行、采集信息、输出分析材料。也就是北森提出的“碳硅混合编队”模式。

对在校相关专业毕业生而言，死记硬背老旧人力资源理论已经不够。更重要的能力，是懂业务，懂得善用AI工具，具备校验AI输出结果的判断力。初级执行类岗位会受到冲击，但懂业务、会驾驭AI的复合型人才，价值会进一步放大。

06
企业AI转型最大坑：老板头脑发热喊口号，组织没有跟上

现在到处都能看到企业把AI转型写进PPT、挂在公司墙上。但大量项目上线之后效果不达预期。行业现在有一个共识：To B AI落地，最大瓶颈往往不是算法技术，而是企业内部组织与人的阻力。

北森在服务客户的过程中，见过不少反面样本。一类典型现象：老板拍板上马AI项目，出发点是拿行业创新奖项，而不是真正解决业务痛点。于是就出现“为了创新而创新”，系统采购回来，明明不好用，各部门还被强制要求使用，最后实际业务价值寥寥无几。

还有跨部门墙的问题。比如HR部门采购AI陪练，希望给到销售团队使用，但销售部门并不买账，项目就卡住。

针对这类乱象，北森内部选择比较克制的落地策略：要么不做，要做就要做到位。客户选定AI项目之后，前期需要完成充分预演，正式立项之后，每个季度评估业务进展，以真实业务收益作为衡量标尺。不会追求表面上轰轰烈烈的上线仪式，看重长期可衡量的业务结果。

什么样的企业更容易把HR AI做成功？核心一点：老板没有幻觉，不迷信AI万能。不是把AI当成拿来裁员降本的工具，而是把AI视作放大组织人才能力的手段。真正有业务压力，希望解决识人、育人真实难题的企业，更容易拿到正向结果。如果只是跟风追逐概念，最后大概率只会得到一堆演示Demo。

07
商业平衡：投入10亿做AI，守住不亏损的底线

AI转型离不开真金白银的投入。北森对外披露，未来两年在AI方向整体投入接近10亿元。但它并不打算依靠持续亏损换增长，选择的路径是盘活内部存量资源，而不是单纯烧钱。

具体资源来源分为几块：第一，研发团队当中有500-600人转向AI相关工作，是从原有研发资源重新调配而来；第二，原有200人的咨询顾问团队部分转型FDE，完成人力能力的迁移；第三，AI工具也反哺内部，内部实施、销售洞察等部门借助AI实现30%左右效率提升，释放出一部分资源投入创新业务；同时适度加大AI产品销售端投入。

换句话讲，如果不做AI转型，北森原本的利润表现会更好，公司主动放弃一部分短期利润，但是守住不亏损的底线。

放眼全球市场，不少通用大模型工具出现用户增长放缓、留存疲软的现象。这会传导到To B行业吗？北森的观点是，工具型AI产品切换成本很低，用户很容易因为竞品新功能就迁移。但是垂直业务软件不一样，企业的工资核算、社保、入离职、劳动纠纷全部跑在系统之上，业务深度绑定，切换代价巨大。通用Agent工具可以作为入口，但很难直接替代厚重的业务软件。

这也引申出另外一个行业判断：未来超级对话入口，不会完全吃掉垂直业务软件。对话式Agent适合简单查询，但业务操作一旦交互超过两轮，用户就会觉得麻烦，还是更习惯传统软件界面。未来的形态，是大模型入口和垂直业务软件深度融合，A2A（Agent对Agent）互相调用，页面可以嵌入对话入口，而不是对话完全取代软件。

08
复盘北森选择：二十年测评沉淀，在人才科学赛道守住差异化

国内做HR软件的厂商并不少，大家都可以接入大模型基座，为什么北森会走出专家Agent这条路线？这里有一段十年前的小故事。

大概2016-2017年，曾经有投资人给北森提出建议：把测评业务砍掉，all in HR软件。当时行业普遍看好标准化SaaS软件，测评业务重咨询、重专业，看起来不如标准化软件增长顺滑。北森没有采纳这个建议，但很长一段时间，怎么把测评、人才科学的价值融入软件，一直找不到合适的突破口。直到AI Agent时代到来，这套沉淀二十多年的人才测评、心理学、认知科学的方法论，找到了释放价值的出口。

这就是它和其他厂商的差异化。很多厂商做HR AI，更多聚焦入离调转这类事务流程，门槛相对低，各家都可以实现。而人才的评估、发展、领导力训练，属于更深一层，依赖人才科学积累。通用大模型本身并不自带这套知识，只靠调用公有大模型API做不出这套能力。

改变一个人，是行为先发生变化，再带动认知和观念改变，而不是反过来靠讲道理说服人。这个在心理学领域不算复杂的道理，但是绝大多数普通软件从业者并不掌握。AI领导力教练的底层逻辑，就建立在这类认知之上，经过反复试验发现，管理者要经过大约五次练习，行为评分才会出现明显正向变化，这套规律被内置进skill里面。

当然这条路也不是没有挑战。50个专家Agent，剩下三十多个具体会是什么，现在内部也无法全部提前规划完毕，很多会在服务客户的过程中被一步步发掘出来。

09
写在最后：HR AI的终局，不是取代人，而是拉高人的上限

今天行业充斥着各种AI神话，很多人幻想一套AI系统，就可以搞定企业全部人才管理工作。但北森在实践中，给我们展示了垂直AI更现实的模样。

大模型基座是基础设施，但不等于行业解决方案。把通用大模型丢进行业，得到的大多是好看却不能用的Demo。垂直AI真正的壁垒，是行业know-how、是心理学与业务方法论、是深入客户现场萃取业务经验的能力，是守住人机边界的伦理自觉。

AI不会把HR淘汰，但是会淘汰不会使用AI的HR。未来的人力资源，不会变成AI单方面做决策，而是真人HR指挥数字专家Agent协同作战的“碳硅混合编队”。AI负责海量执行、模拟演练、信息收集，人类守住业务理解、价值判断、人事最终决策。

对于企业管理者来说，在拥抱HR AI之前，先想清楚自己的真实业务痛点，拒绝PPT式AI概念。AI是放大器，而不是万能解药。如果业务本身逻辑混乱，AI只会把混乱放大。

从更长周期看，AI给中国人力资源行业带来的增量，不一定是颠覆过去几十年积累的管理理论。更大的价值，是把少数顶级咨询专家才掌握的人才科学能力，通过Agent的形式普惠输出，让更多大中小公司，都能消费得起高水平的人才评估、领导力训练服务。

这或许才是HR AI最值得期待的未来。

「图文案例」

小红书、Shopee、biuty.ai、零一汽车、小米汽车、比亚迪、弋途科技、华为、小米、小鹏、UU跑腿、百度文库、百度网盘、文小言、天幕大模型、真意、DeepSeeK、海新智能、天壤、APUS、出门问问、GEOTag、RunningHub、OpenCreator、Cre Pal、Skylow、Memories.ai、Openclaw、EvoMap、Open Agents、DataFlow、DataFlex、UUMit小龙人、白日梦科 技 、一览科技、燧氏科技、Hav iv i、Blinkko、伴笔AI、搭介、酸果AI、TEA、律动节拍、Seede.ai、CrowdCore、HeadAI、WotoHub、Worku s AI、Lucius、S un .ai、Noiz.AI、无界方舟、 汤问致新、逆矩阵、清研精准、章鱼动力、幻肤机器人、云迹机器人、灵初智能、优艾智合、宇构智核、Aida 、原 音科技、阿塔星、 猫王、李未可、数伴、万物时、奇妙 啦 比、AUREN、叩梦 科技、盒智 科技、美 刻智能 、麒麟合盛、思必驰、263、世纪互联、青云科技、海马云、百炼智能、久其软件、力码科技、数据宝、有伴AI、Psyfy、MeetAda、MirrorAI、Timing、花果山、Bubbl、N2my、StudySpace、Meowster、希之壁、金蝶、用友大易、探也智能、Moka、i人事、北森、聘才猫、小欧智能、ThinkSpace、ConnectNow、语核科技、智齿科技、三维家、万兴科技、硅基智能、诺视科技、行动元、汇川技术、Mocasa、DePA、MoltsPay、Wintopay、WAYO、百雀智能、氢田新材料、储比特、晶飞科技、橙帆医药、德联资本、美达东方、盛景嘉成、鳌图资本、伽利略资本、CES

「视频案例」

领英、弋途科技、水滴AI、李涛聊AI、光环新网战投部、橙石资本、清智资本、亚杰基金、有伴AI、回声APP、AI降临派、李未可、AI造物所、Cedas.ai、聘才猫、松应科技、超智能科、SwanLab、Mobius、Anyone大模型、希之壁、七天学会、北极九章、六诚九、硅基智能、一知智能、敏思达、易企秀、融易算、咖菲科技、MarketUp、爱赢销、小旭音乐、爱设计、平行云、西电科大电子工程

【长期关注】

AI漫剧、傅聪、YouChat、Bing、ChatSonic、Jasper