夜雨聆风
今天，来看看小组讨论中最有亮点的内容——大家使用AI的新用法、新场景、新收获，分享3个小组的小组作业。
第一组：AI可以做离职预测，也可以做决策推演
这个小组的成员，主要来自互联网电商、新能源、金融保险、科技行业公司。HRBP只有一位同学，其余都是COE和HRD。
一、小组成员简介
二、小组AI新发现
1、Claude Code 可直接生成结构化面试题库
用Claude Code根据岗位JD一键生成行为面试题+评分标准+追问话术，从原来2小时缩减到10分钟。关键是prompt里加上"STAR原则"和"岗位核心能力维度"，产出质量远超手动编写。
2、用AI做员工离职风险预测
把考勤异常、绩效下滑、内网活跃度降低等数据喂给AI，让它做离职倾向分析并给出干预建议。目前试了3个部门，准确率约70%，已提前挽留2名核心员工。
3、"对话式写制度"——AI辅助制度起草的新范式
不再从零写制度，而是先跟AI对话明确制度目标、适用范围、关键条款，让AI出初稿，再人工精修。一部员工手册从原来3周缩短到5天，且条款覆盖更全面。
4、AI不只是"写东西"——它能帮HR做决策推演
之前以为AI就是写文案、做表格，今天发现可以让AI模拟不同薪酬方案的员工满意度变化、推演组织架构调整后的协作效率变化，相当于一个"低成本沙盘"。这完全改变了我们对AI的认知。
三、使用AI遇到的痛点
痛点一：数据安全与隐私合规——员工数据能不能喂给AI？
具体描述：HR数据最敏感（薪资、绩效、个人信息），公司目前没有明确的AI数据使用规范，不敢把真实数据放进AI工具，只能用假数据演练，落地时还得手动替换，效率打折。
目前有无解决方案？暂无——正在等公司信息安全部门出政策，预计Q3才有指引。
痛点二：AI产出质量不稳定——同一个prompt，每次结果不一样
具体描述：面试题生成有时很专业，有时像模板套话；制度起草有时逻辑清晰，有时条款遗漏。这种不确定性让HR很难把AI当作"可靠工具"依赖。
目前有无解决方案？初步尝试：把高质量输出保存为"参考范例"，下次prompt里附上范例让AI对齐风格，效果有所改善。
痛点三：团队推广阻力大——同事觉得AI是"抢饭碗"不是"帮干活"
具体描述：推广AI辅助写JD、做面评时，几位资深HR明确抵触，认为"这是在替代我们的专业判断"。年轻同事倒很积极，但缺乏经验导致AI输出需要大量人工校验。
目前有无解决方案？尝试了"先帮不替代"策略——让AI只做初稿和素材整理，最终决策完全由HR做，逐步建立信任。
痛点四：学习门槛——prompt写不好，AI就用不好
具体描述：群里大家都说AI好用，但自己上手发现prompt不好写，不知道怎么描述需求才能得到想要的输出。工作坊之前基本是"问一句等一句"，效率很低。
目前有无解决方案？今天工作坊学了"结构化prompt"方法（角色+场景+要求+范例），回去立刻试。
四、小组总结
今天最大的收获：AI不只是"写东西的工具"，而是HR的"思考伙伴"——它能帮我们推演决策、预判风险，这个认知转变是最值的东西。回到公司最想做的一件事：明天就用结构化prompt方法，把招聘面试题库生成流程跑一遍，给招聘团队做演示，从最具体的场景入手带动大家。对裙子老师的一句话：从"怕AI"到"会用AI"，中间缺的就是今天这样的实战拆解——谢谢裙子老师，干货太多，消化不完！
第二组：跨行业AI+HR底层逻辑相通
第二个小组，小组成员来自四个行业，A同学是贸易行业（HR运营），B同学是制造行业（HRBP ），C同学是互联网行业（业务负责人），D同学是消费品行业（HR负责人）。
一、小组AI新发现
二、使用AI遇到的痛点
三、每位成员AI体验
1、A同学 · HR运营 · 贸易行业
AI为HR工作带来了标准化和效率提升的新可能，贸易行业节奏快、链条长，AI 可以在流程跟踪、跨部门协调、进度预警等环节替代大量重复性人工操作。
贸易行业节奏极快，日常工作已高度饱和，留给 AI 学习和探索的时间碎片化严重。如何在高强度工作中挤出系统学习空间，是当前最大的实际困难。
2、B同学 · HRBP · 制造行业
参会后最大的认识——必须自己手搭一版智能体，才能真正理解 AI 工具的运行逻辑。以前通过飞书+公司自建工具直接使用，跳过了操作过程，导致使用停留在模板化层面。手搭之后才能指导团队，而不是被工具牵着走。
目前公司电脑有严格的权限管控，不允许安装各类 AI 工具。只能通过飞书搭配公司自建工具来使用，操作体验受限，工作方法难以系统化沉淀。
3、C同学 · 业务负责人 · 互联网行业
个人使用 AI 一年半，现在面临的核心命题不是"怎么用 AI"，而是"怎么让组织成为真正的 AI 原生组织"。这需要从组织架构、流程设计、决策机制三个层面做系统性重构，不能让新工具跑在旧框架里。
Claude Code 海外终端版封号后，被迫重新对接 DeepSeek 等工具。每次工具迁移都会打断已有的技能沉淀，团队小 HR 在 AI 技能积累上本来就慢，频繁切换让这个差距更难追赶。
4、D同学 · HR负责人 · 消费品行业
已完成人力资源全模块、全场景的 AI 应用落地。从招聘、薪酬、绩效、员工关系到组织发展，不是单点尝试，是全链路跑通。AI+HR 不是概念，是可以交付的真实产出。
目前API 配置和图片生成是实际踩坑最多的环节。折腾接口、调试参数、处理兼容性问题——这些纯技术环节消耗了大量精力，而它们本该是"配好就能用"的基础设施。
二、小组总结
一个共同感受
Claude Code 的现场演示让大家看到了"手搭"的真正威力。不是功能有多花哨，而是那种"说人话就让 AI 干活"的体验，跟之前模板化使用完全是两个概念。
一个共同需求
希望有更成体系的 AI+HR 方法论沉淀，而不是零散的教程或工具推荐。四个人来自四个行业，但卡点高度重合——这说明行业差异没有想象中那么大，方法论可以通用。
第三组：AI理性思考非常强，需清楚表达核心需求
第三小组有五个成员，分别来自贸易、机器人、互联网三个细分行业。
一、AI使用新发现
1、AI制度设计与文化生成
小智用DeepSeek、ChatGPT、Gemini做制度设计、激励设计、企业文化图片生成及项目底层框架。不同AI反馈不同，需清楚表达核心需求。
2、自研工具接入Boss直聘
潘同学自研工具接入Boss直聘实现批量自动打招呼触达精准候选人；Vickey也曾用自动化脚本实现类似功能，后被网页限制。
3、AI拆解复杂问题
Vickey说，AI理性思考非常强，善于拆解梳理复杂问题，遇到复杂问题可借助AI梳理思路。但也指出AI像「基础能力很强但缺乏上下文输入的实习生」。
4、AI提效实战经验
凯丽用AI完成组织氛围调研（问卷生成→访谈提炼→分析→报告输出），并用Workbuddy做面试评估，准确率不错。
二、AI使用新发现
痛点一：数据安全与公司限制
潘同学、柠檬 — 公司数据安全限制严格，工作中基本无法接入AI；老板推行AI但很少给预算。行业普遍存在因信息安全问题限制AI使用的情况。
痛点二：AI输出质量不稳定
小智、Vickey— AI有时会「偷懒」或输出不落地。Gemini图片功能无法生成。缺乏上下文导致AI像能力强但缺经验的实习生，项目性使用时需不断总结和输入背景信息，效率偏低。
痛点三：停留在单点提效，缺乏全局工作流
柠檬、凯丽— 大部分HR模块AI使用仍偏向问答型，尚未涉及Agent部署及工作流搭建；只在单点提效，没有整体工作流搭建。
痛点四：上下文限制与决策不确定性
Vickey — 公司决策常由小决策点组成且无法预知，AI处理时因缺乏完整上下文，造成输出不够精准，需要不断纠偏。
三、一句话总结
1、小智
今天最大的收获：认识不同的AI模型，利用飞书做智能体的搭建。回到公司最想做的一件事：搭建一个虚拟组织，做一个组织看板，以及建立不同的AGENT和职能体。对裙子老师的一句话：通过陈老师看HR的世界，结合AI反馈组织成长。
2、潘同学
今天最大的收获：看到AI可能性。回到公司最想做的一件事：让多个agent帮我工作。对裙子老师的一句话：如何实现一键调用多个飞书智能体，如何让多个智能体共用一个大脑？
3、柠檬
今天最大的收获：老师的那些角色部署好像挺有趣。回到公司最想做的一件事：学习老师搭几个机器人角色。对裙子老师的一句话：可以后续组织这次学习成果的后续使用心得分享。
4、凯丽
今天最大的收获：工具搭建、相互链接、种草硬件。回到公司最想做的一件事：搭建人才盘点工作流和组织人效看板。
对裙子老师的一句话：挺好
5、Vickey
今天最大的收获：终于装上了本地的Claude Code。回到公司最想做的一件事：看看公司电脑能不能装。对裙子老师的一句话：感谢活动组织！接地气又有启发。
写在最后：HR的AI进化地图
从5月16日杭州一期，到6月21日杭州二期，再到6月27日上海第二期，在最近三场活动中看到的不是技术的爆炸，而是HR使用AI的进化。
第一期，大家都在问"AI是什么"。
第二期，大家开始问"AI怎么做"。
到上海场，已经有伙伴在问"AI怎么融入组织系统"。
这是三个完全不同的阶段。
一个月前，大部分HR都被"锁在门外"——工具装不上、公司不让用、不知道从哪里开始。
一个月后，已经有HR"手搓Agent"——自己搭建智能体、跑通全流程、用AI做决策推演。
结语：AI不会一口气改变所有HR的工作，但它会每个月改变一批HR的工作方式。从"被锁在门外"到"手搓Agent"，中间隔的不是技术壁垒，而是一个月、一次线下活动、一次和同行交流的机会。各位，我们下一期CC活动见。
✅ 活动咨询，请备注：城市+CC活动
