AI正在快速进入人力资源管理领域。

从AI筛选简历、智能面试，到AI陪练、绩效分析、人才盘点，越来越多的HR工作开始有了AI的参与。

但一个值得追问的问题是：当AI已经能够帮助我们更快地完成工作，为什么企业的管理水平和组织效能，却未必同步提升？

北京大学光华管理学院讲席教授姜铠丰，在《AI赋能的人力资源管理》一文中，结合对中国企业的调查与相关研究，给出了一个值得关注的视角：AI应用正在增加，但从技术应用到真正创造组织价值，中间仍然存在距离。

结合我自己在HR AI产品上的实践，我对这个问题有了更具体的理解。

一、企业开始使用AI了，但真正的变化可能还没有发生

姜铠丰是谁？他是北京大学光华管理学院讲席教授，长期研究战略人力资源管理、组织管理与企业绩效。他关注的一个核心问题是：人力资源管理究竟如何帮助企业提升经营效果？

在他与团队开展的企业调查中，使用AI开展至少一项HR工作的企业比例，从2024年的37.2%上升到2025年的40.6%。

但与此同时，HR管理整体水平、AI与HR工作的匹配程度，以及AI应用成熟度，并没有出现明显提升。

这组发现提醒我们：

使用AI的范围扩大了，不代表组织能力也随之升级。

例如，HR用AI生成了一份人才盘点报告，报告写得更快、更完整，但管理者依然不知道应该重点培养谁、调整谁，人才盘点就很难产生真正的价值。

AI帮助员工完成了培训，但员工的实际工作能力没有改善；AI提供了绩效建议，但管理者依然沿用原来的管理习惯。这些情况下，AI完成了任务，却没有充分改变工作结果。

我认为，企业需要进一步追问的，是AI进入工作之后，究竟改变了什么。

二、从我的实践来看，AI可以帮助HR从“统一培训”走向“识别个体差异”

我在组织与人才发展工作中，做过两个比较有代表性的探索：面向新人的“三懂认知罗盘”，以及面向干部的“绩效管理健康度自评”。

这两个场景面向不同人群，解决的问题也不同，但背后的产品思路很接近。

案例一：三懂认知罗盘——让新人培训从统一讲解走向针对性辅导

过去，新人培训容易遇到一个问题：大家参加了同样的课程、学习了同样的知识，但每个人的掌握程度并不一样。

有人不熟悉产品知识，有人不了解用户需求，也有人知道知识点，却不知道在真实沟通中如何运用。

如果所有人都接受同样的培训，培训资源就很难精准地用在最需要的地方。

为了解决这个问题，我们探索了“三懂认知罗盘”，并开发了网页版的“三懂知识大挑战”。

它的思路是：先通过测评了解新人的知识掌握情况，再分析个人和团队的薄弱环节，帮助主管明确后续辅导重点。

在实际测评中，我们发现了一些值得关注的差异。例如，新人对用户的认知整体表现较好，但在“懂聊得好”方面存在更明显的共性短板。

这让我们能够把讨论从“新人还需要多培训”，推进到更具体的问题：究竟哪一类能力不足？哪些内容需要加强？主管应该优先辅导什么？

与此同时，测评也暴露出部分题目的区分度不足，需要进一步校准。这说明，AI产品的建设过程本身，也在帮助我们检验原有的知识标准和评价规则是否合理。

这个案例目前验证了测评、差异识别和针对性反馈的基本路径，也帮助我们发现了培训内容与评价工具需要改进的地方。至于这些改进能否持续提升新人真实的沟通能力，还需要结合后续训练和业务表现继续验证。

案例二：绩效管理健康度自评——帮助干部看见自己的管理倾向

第二个探索面向干部。

绩效管理中有一个常见问题：管理者可能知道目标管理、过程跟进、绩效反馈等基本方法，但面对具体情境时，未必能意识到自己的管理习惯存在哪些问题。

例如，目标设定是否足够清晰？过程管理是否及时？发现问题后，是否能够帮助员工找到改进办法？

如果只提供一份通用的绩效管理课程，干部很难知道自己究竟应该重点改进什么。

因此，我们设计了“绩效管理健康度自评”，通过情境题和PHAS四维模型分析个人作答，形成管理倾向画像、潜在盲区提醒及针对性的改进建议。

目前，我们已经形成34道情境题、评价模型和个人报告样例，初步验证了从作答到个性化分析、建议生成的产品路径。

这里有一个重要的边界：这套工具用于帮助干部自我认知、学习发展和带教，不能直接替代正式绩效评价、晋升或任用判断。报告能够生成，也不代表干部一定会采纳建议，更不代表管理行为已经改善。

后续还需要观察干部是否采取了实际行动，以及这些行动是否带来更好的管理效果。

两个案例让我更加明确：HR AI产品的价值，可以从识别差异开始，但最终需要走向改变行为。

三、两个案例背后，有一套可以复用的产品逻辑

三懂认知罗盘解决新人的业务认知问题，绩效管理健康度自评解决干部的管理认知问题。

它们的对象不同、题目不同、评价标准也不同，但背后的基本路径是一致的：

业务建模 → 规则与语料沉淀 → 数据采集 → 个性化分析 → 建议生成 → 行动反馈 → 持续校准。

这套路径中，我认为最值得重视的是前三步。

第一，业务建模。我们必须先说清楚，什么叫做好，什么叫存在问题，以及需要识别哪些差异。

第二，规则与语料沉淀。我们需要把原本分散在专家经验、业务要求和管理实践中的知识，整理成AI能够使用的规则、案例和判断依据。

第三，数据采集。我们需要获得能够支撑判断的信息，而不只是让AI根据有限的描述生成一份看起来合理的报告。

大模型可以帮助我们处理信息、分析作答、生成反馈，但如果业务标准本身不清晰，AI就很难给出真正有用的建议。

这也解释了为什么两个看似不同的HR场景，有机会共享一部分产品底座：业务模型、评价规则、题库与场景、知识资源，以及反馈验证机制。

后续如果探索工长、工匠招聘面试辅助，我们也可以沿着类似思路设计：候选人先填写基础信息，系统识别缺失信息和潜在风险，生成有针对性的面试问题，再由面试官结合真实证据作出判断。

不过，这个招聘辅助场景目前仍属于待验证方向，还需要通过小范围试点检验规则的合理性、问题的有效性和面试结果的改善程度。

从一个个独立工具走向可复用的产品模式，关键在于沉淀这些底层能力，同时保留不同业务场景所需要的专业判断。

四、回到姜铠丰的研究：HR为什么需要两项关键能力？

姜铠丰的研究还发现，HR负责人的数据与技术能力、文化与变革领导能力，对企业后续AI人力资源管理水平的提升具有显著的正向预测作用。

结合前面的实践，我对这两项能力有了更具体的理解。

1. 数据与技术能力：把业务问题分析清楚

在三懂认知罗盘中，我们需要理解测评结果背后的业务含义，判断哪些差异是真实存在的，哪些可能来自题目设计不合理。

在绩效管理健康度自评中，我们需要将管理要求转化为情境题、评价维度和反馈规则，并判断生成的建议是否符合实际管理逻辑。

这些工作都要求HR能够理解数据、设计评价规则，并与技术人员有效协作。

HR不一定需要亲自开发模型，但需要知道自己想解决什么问题、需要什么信息、如何判断结果是否可靠。

2. 文化与变革领导能力：推动建议真正进入工作

即使AI给出了合理建议，干部也可能没有时间执行，主管也可能没有形成新的辅导习惯。

因此，HR还需要设计后续的行动机制。

例如，测评发现新人在某项能力上存在短板之后，是否有对应的训练任务？主管是否知道应该怎么辅导？一段时间之后，能否再次测评，观察问题有没有改善？

如果没有这些安排，测评就容易停留在一次性的结果展示。

这也是我认为HR需要从产品设计进一步走向组织机制设计的原因：我们需要让分析结果能够触发管理动作，并通过反馈不断修正。

数据与技术能力帮助HR建立更好的判断机制，变革领导能力帮助这些机制真正运行起来。

五、AI赋能HR，下一步应该关注什么？

结合姜铠丰的研究和自己的实践，我认为接下来值得关注三个方向。

第一，从完成任务走向改变结果。

不要只看报告生成了多少份、测评完成了多少人，还要关注员工能力有没有提升、干部是否采取了行动，以及业务结果是否发生变化。

第二，从开发单个工具走向沉淀可复用的能力。

每做一个新场景，都应该积累业务模型、评价规则、知识语料和反馈数据。这样，后续开发类似场景时，就不必每次从头开始。

第三，把AI产品建设与组织能力建设放在一起。

AI可以帮助企业识别问题，但问题能否解决，仍然取决于管理者是否愿意改变、组织是否提供支持，以及工作机制是否能够持续运行。

对HR来说，这意味着我们既要关注技术，也要理解业务和组织；既要设计产品，也要推动行动；既要验证AI能否完成任务，也要验证它是否带来了真正的改善。

写在最后

姜铠丰的研究让我看到，AI进入HR之后，一个更重要的问题正在浮现：企业能否借助AI，把原本依赖个人经验、难以规模化的管理能力，转化为可以持续运行、验证和改进的组织能力？

从我自己的实践来看，三懂认知罗盘和绩效管理健康度自评，已经初步验证了一个方向：通过业务建模、规则沉淀和个性化分析，AI可以帮助我们更快地识别差异、形成针对性建议。

但这只是起点。

真正值得继续探索的，是如何让建议变成行动，让行动形成反馈，再让反馈持续改善产品和管理机制。

AI可以帮助HR更快地处理信息，真正决定组织能走多远的，仍然是我们对业务的理解、对人的判断，以及推动改变的能力。

这也是我理解的AI时代HR的价值升级：从提供人力资源服务，进一步走向解决组织问题、改善管理行为，并对最终结果负责。