夜雨聆风
HR别只让AI写周报:6大模块,已经可以软件化到这一步
如果你对AI的想象还停留在‘帮我润色一份通知’，那大概相当于买了洗衣机，只用它当脏衣篓。
现在的AI Agent，已经不只回答问题。它可以在授权范围内读取文件、生成表格和PPT、运行代码、批量处理数据，甚至做出一个能点、能查、能迭代的HR系统原型。OpenAI的Codex偏向可复现的软件与自动化工作流；Anthropic官方把Claude Code定义为能读取代码库、编辑文件和运行命令的智能体编码工具；Nous Research的Hermes Agent强调技能、长期记忆、定时任务和自托管；腾讯WorkBuddy则把文档、表格、PPT、数据分析和本地文件操作放进更面向普通职场人的桌面工作台。
但先泼一勺温水：工具能执行，不等于它应该替你决定。HR面对的不是普通文件，而是人的简历、薪资、绩效、健康和劳动关系。效率开得越快，安全带越要先系好。
先选工具：别问谁最强，先问交付物是什么
Codex：适合把重复工作做成可复现的流程。比如把每月人力数据清洗、指标计算、图表生成写成脚本；制作带公式和校验规则的表格；根据需求文档搭一个招聘管理或人才盘点系统原型。它的优势不是‘会聊天’，而是能围绕项目文件持续修改、测试和验收。
Claude Code：同样擅长跨文件编写与维护系统，适合分析现有HR系统代码、补功能、生成测试和技术文档。其官方安全文档强调权限架构、沙箱和工作目录边界，但这不是把敏感数据随手塞进去的通行证。
Hermes Agent：更像一套可以长期运行、积累技能并接入消息渠道的开源智能体框架，适合有技术能力的团队做自托管自动化，例如定时汇总招聘数据、在内部频道推送脱敏报告。灵活度高，也意味着部署、模型供应商、密钥和工具权限都要自己治理。
WorkBuddy：更适合不想先学命令行的HR。腾讯官方文档列出的场景包括文档、表格、PPT、数据分析、深度研究和授权的本地文件处理。做制度初稿、培训课件、数据报告和批量文件整理，上手路径更直观。
一句话分工：想做‘稳定重复的流程或小系统’，优先看Codex、Claude Code；想做‘长期运行、可自托管的助理’，研究Hermes；想让非技术同事直接交付办公文件，WorkBuddy更顺手。最终选择仍要看公司的采购合规、数据条款、部署方式和管理员控制。
人力资源6大模块，能软件化到什么程度？
01 人力资源规划：从编制表到人才盘点BI
把脱敏后的部门、岗位族、职级、技能标签、绩效区间和流动数据交给Agent，可以生成编制预算模型、人力成本情景测算、离职趋势图和人才结构BI。进一步还能搭九宫格人才盘点看板：点击某个格子查看岗位分布、继任准备度与培养建议。
注意，九宫格不是‘AI算命盘’。模型可以整理指标和发现异常，潜力、绩效和继任结论必须由管理者基于可解释证据校准。建议默认只展示员工编号或汇总数据，姓名按权限单独解锁。
02 招聘与配置：从招聘漏斗到结构化面试
Agent可以把岗位需求转成结构化JD，搭招聘漏斗BI，统计渠道转化、面试周期和Offer接受率；也可以生成面试题库、评分锚点、面试记录表和候选人沟通模板。若要做面试性格调查，应使用经过专业验证、与岗位确有相关性的问卷，并提前说明目的、范围和保存期限。
性格问卷只能提供补充线索，不能成为自动淘汰按钮；更不要根据候选人的脸、声音或几分钟视频推断‘忠诚度’‘抗压性’。个人信息保护法要求，对个人权益有重大影响的自动化决定应保证透明、公平，个人有权要求说明并拒绝仅由自动化决策作出决定。
03 培训与开发：从课程表到技能地图
把岗位能力模型和匿名化的技能差距输入Agent，可以生成技能矩阵、分层学习路径、课程大纲、讲师手册、测验题和PPT。再做成一个内部学习看板，员工能看到‘岗位需要什么—我还缺什么—下一步学什么’，培训就不再是年底突击消课时。
04 绩效管理：从催表到过程看板
Agent可以把战略目标拆成目标库，检查指标是否可衡量，生成进度看板、复盘提纲和校准会议材料；还能识别同一部门评分过度集中、文字评价与分数明显矛盾等异常。
但AI不应替经理打最终绩效分。历史绩效本身可能带偏见，让模型学习旧数据，有可能把旧的不公平包装成新的‘算法客观’。正确姿势是：AI提示问题，人类解释、复核并承担责任。
05 薪酬福利：从公式地狱到情景测算
Agent可以制作带校验的薪酬预算表、奖金模拟器、薪酬带宽和compa-ratio分析，也可以检查重复、缺失、异常波动，生成调薪方案对成本与内部公平性的影响报告。开发和测试阶段使用虚构数据；进入真实算薪时，应在批准的内网或企业环境运行，并由HR、财务共同复核。
06 员工关系：从到期提醒到政策问答
合同期限、试用期、休假和异动流程可以做成提醒看板；已审核的制度可以做成内部问答助手；匿名化的员工调研可以聚类主题并生成行动建议。劳动争议、投诉举报、医疗健康、处分记录属于高敏感场景，原则上不进入未经批准的外部模型，也不让Agent自动生成处理结论。
数据安全：先把数据分成红黄绿
绿区：公开政策、空白模板、虚构案例、合成数据。可以用于学习、试做和提示词调试。
黄区：去标识化的内部汇总数据，例如部门人数、职级分布、匿名技能标签。只有在公司批准的工具和工作区内使用，并限制导出、共享和保留时间。
红区：姓名、身份证、手机号、住址、简历原件、面试录音录像、薪资、银行卡、绩效、医疗健康、投诉与劳动争议、商业秘密，以及任何密码、API密钥和访问令牌。未经法务、信息安全和数据负责人的明确批准，不上传外部AI服务。
法律底线也很清楚：《数据安全法》要求实施数据分类分级保护；《个人信息保护法》对敏感个人信息、对外提供、跨境和自动化决策设置了更严格规则。企业至少要落实八件事：明确处理目的；只取必要字段；先脱敏再输入；按最小权限授权文件和工具；高风险命令需人工批准；核查供应商训练、留存、删除和数据所在地条款；保留审计日志；上线前由HR、法务、信息安全和业务共同验收。
记住：
‘文件在本地’不等于‘数据没有外发’；‘企业版’也不等于自动合规。先看实际调用的模型、插件、MCP、浏览器和云存储分别把数据送到了哪里。
HR最好用的Agent任务说明书
别只说‘帮我做个人才盘点’。一个能验收的任务至少包含六项：角色、业务目标、允许读取的输入、禁止读取的数据、交付格式、验收标准。
示例：‘你是人力分析助理。只读取当前文件夹中的匿名员工数据，制作一个可刷新的人才盘点BI，包含岗位结构、绩效—潜力九宫格、关键岗位继任覆盖率和筛选器。不得推断性别、年龄、健康或性格，不得访问其他目录，不得自动给出淘汰结论。先输出字段检查和风险清单，得到确认后再生成；最后提供数据字典、计算逻辑、测试结果和人工复核清单。’
最后：先做一个小闭环
不要第一天就喊‘重做整套HR系统’。选一个频率高、规则清楚、数据风险低的任务，例如把匿名招聘周报做成自动刷新看板，或者把已审核制度做成内部问答。让Agent完成一次‘读取—处理—交付—校验’，再逐步扩大权限。
AI Agent最有价值的地方，不是让HR看起来更像程序员，而是把你脑子里的流程变成团队能重复使用的软件。至于人的评价、机会和尊严，仍然必须由人负责。
说明：本文是通用管理与技术建议，不构成法律意见。具体项目请结合所在地区法律、公司制度及供应商合同，由法务和信息安全团队审核。
-
OpenAI：Codex 文档与工作方式 -
Anthropic：Claude Code Overview -
Anthropic：Claude Code Security -
Nous Research：Hermes Agent Documentation -
腾讯 CodeBuddy：WorkBuddy 简介 -
中华人民共和国个人信息保护法
本文为职场与人力资源知识分享，不构成个案法律意见。