从个人提效到组织提效：AI+HR 的落地路径

打开招聘软件，AI 相关能力已经成了 HR 岗位的标配；回到工位，用智能体几分钟跑完简历的初筛，也不是什么新鲜事。但真要把 AI 从零散的个人提效落地成组织的稳定能力，不少 HR 还没摸索到清晰的路径。

量子教育特邀拥有500强企业16年IT经验+10 年HR经验的徐刚老师，做客量见赋能直播间，分享《AI如何从个人提效走向组织提效》（文末可预约后续干货直播）。

怎么把 AI 真正用出价值，徐刚总结了三个关键点。

• 第一是把目标说清楚。

业务核心、产出要求、格式标准、客户需求，讲得越具体，AI 给的结果越靠谱。

• 第二是把数据喂足。

通用大模型只拥有公开数据，企业内部的 HR 政策、员工信息、历史文档，它本身并不掌握。

• 第三是对结果保持判断。

徐刚认为，AI 是人的能力放大器。本来业务逻辑清晰的人，用 AI 之后能力会成倍放大；本来对事情就模糊的人，提的需求糊里糊涂，AI 只会把这份模糊也成倍放大。

他特别提到一个现象，现在很多文章满屏 AI 味，根源就是生成之后没人再过一遍。把一份带着大量 AI 痕迹的文档直接交给老板，反而会损耗个人信任。

徐刚自己的时间分配遵循721 的比例：70% 精力用来解决手头真实工作，20% 拿来做工具迭代和边界测试，10% 看行业趋势。

徐刚分享了多个自己亲手跑通的应用场景。

• 简历初筛。

用智能体选中本地目录，放入简历和岗位说明书，一条指令就能生成完整的候选人评估报告，优势、劣势、匹配度、面试建议都写得清清楚楚。通用岗位可以直接这么用，专业性强的岗位，把企业内部优秀员工的特质喂进去，AI 就能照着标准筛选。

• 入职合同自动化。

智能体连上办公文档，一边读取员工信息表，一边匹配劳动合同模板，批量生成每个人的合同并存到云盘。设置定时任务后，每天可以自动拉取新员工数据，甚至对接电子签系统，员工还没到公司，签约通知已经发出。

• 海报与 PPT 制作。

徐刚会用 AI 生成海报和 PPT 初稿，再人工调整细节。他也踩过坑 —— 让 AI 把真人照片放进海报，人脸经常变形。他的固定流程是，生成海报后，单独替换一次真人脸部，保证最终效果。

• 工资验算与绩效冲突分析。

徐刚不建议让 AI 直接算工资，但可以用来做数据验算，找出人眼没发现的异常。

更有价值的应用是绩效冲突排查。

比如公司战略重视老客户留存，客服部门的 KPI 却是缩短通话时长，两者天然冲突。把全公司绩效目标喂给 AI，这种跨部门的目标冲突能直接被识别出来，还能给出优化建议。HR 以前不方便直接指出业务部门的问题，现在可以用 AI 的分析结果作为切入点，更柔性地提出风险。

徐刚反复强调，数字员工可以帮你干活，但没办法帮你背锅。9 月 1 日生效的相关指导文件也明确，智能客服不能以 AI 回答错误为借口推卸责任。所有 AI 应用的背后，必须有人对最终结果负责。

当 AI 从个人应用走向组织落地，问题会复杂得多。徐刚总结了企业推进 AI 的三类核心卡点。

• 一是管理层期待高，但员工意愿弱。

大家怕出错担责任，也担心学会了工具反而被优化，主动使用的动力不足。

• 二是合规与数据安全约束。

尤其在大型企业，薪资、绩效这类敏感数据能不能接入公共大模型，边界非常模糊。徐刚的建议是，敏感数据先脱敏，或者做比例缩放再输入。

• 三是业务场景规则模糊。

很多工作例外情况多，没办法直接交给 AI 处理。

企业级智能体要打通身份认证、权限管控、数据治理、业务系统，是个系统工程，不可能一蹴而就。

徐刚举了一个很小的例子：个人用智能体报销发票，十张里有两张扫不出来，手动补一下就完了。可这件事交给财务部门来做，员工就会抱怨为什么不能全扫出来，财务也不愿意接这个锅。

责任主体一变，推动阻力完全不同。

所以徐刚的判断是：组织推 AI，最大的阻碍从来不是技术，是人和组织的摩擦—— 责任怎么分、奖励怎么设、谁愿意在前面趟雷。

推进企业 AI 落地，徐刚给出了四方分工的思路。

一把手要站台支持，业务部门提真实痛点，IT 部门把平台、权限、安全兜底做好，HR专门处理人的问题 —— 打消顾虑、分配责任、设计激励机制。

最关键的一步，是在公司里发掘 AI 种子选手。徐刚观察到，真正把 AI 用得好的人，往往不是部门经理，而是一线员工。他们懂业务、有好奇心、愿意反复试错，也敢对结果做判断。

他特别不建议企业设专门的 AI 工程师岗位。

原因很简单：AI 工程师不懂 HR 业务，HR 有时间跟他讲清楚需求，不如直接写成提示词让 AI 干活。外部顾问可以做思考伙伴，但项目做完后，企业内部必须有人接得住、担得起责。

具体启动可以分四步走：

• 先做统一认知培训

• 再通过小项目练出手感

• 接着落到真实业务场景跑通验证

• 最后把种子选手挖出来，给权限、给激励、给资源，让他们带动更多人

徐刚也提醒了一个雷区：有些老板特别激进，先用 AI，三个月后就拿 AI 当由头做人员优化。这种做法一旦传开，真正的种子选手立刻噤声，没人再愿意往前站。

反过来，给种子选手正向激励，承诺不因 AI 做激进裁员，组织的正向循环才能转起来。

分享的最后，徐刚留下了几个实用的判断标准。

想判断一个场景适不适合用 AI，先问自己三个问题：这件事谁负责？需要什么数据？能不能预判 AI 大概会在哪犯错？

如果第三个问题答不上来，说明风险点都没看清，这个场景暂时不适合上 AI。

如果公司的经验都存在老员工脑子里、没有文档沉淀，建议先老老实实做经验沉淀，通过访谈把做法、规则、制度写成文字，再让 AI 整理成规范。这是企业落地 AI 的基础门槛，绕不过去。

不用一开始就追求全流程全自动。先从手边一个高频、规则清晰、数据敏感度低的小事开始，跑通一个，再推下一个。

**预约量见赋能系列直播，获取更多企业培训实战方法，扫描下方二维码即可。

量子教育启航于2017年，核心管理团队源自浙江大学。我们汇聚全球优质教育资源，以前沿科技推动教育创新，致力于成为一所全球领先的无边界职场大学，让每一个人、每一个组织都能享受到一流的知识服务，成就不凡！

自2017年成立以来，已成功打造知识IP3000+，在线课程累计曝光150亿+，全网粉丝2600万+，为800+家大型国央企、金融机构及上市公司等500强企业提供优质内容资源、创新解决方案等人才培养创新服务！