《中國人力資源開發研究會：2023中國人力資源數智化發展白皮書（88頁）.pdf》由會員分享，可在線閱讀，更多相關《中國人力資源開發研究會：2023中國人力資源數智化發展白皮書（88頁）.pdf（88頁珍藏版）》請在三個皮匠報告上搜索。

1、1中國人力資源開發研究會智能分會China(HR)Intelligent ManagementAssociation CIMA中國人力資源開發研究會智能分會成立于 2020 年 12 月，作為中國人力資源開發研究會的分支機構，是一個全國性非贏利性社會團體，致力于成為一個研究和促進智能技術在人力資源開發與管理領域應用的生態平臺，全方位推動中國人力資源開發與管理的智能化發展。分會的任務和主要工作內容：構建基于移動互聯網技術的人力資源開發與管理智能化的在線應用生態平臺。在人力資源智能化領域進行科學調研和數據分析，出具相關研究報告，并基于報告出具相關行業指數。開發和推廣人力資源智能化研究與應用等有關專

2、業機構的相關業務，促進行業自律機制的建立，促進各種業務技術規范和服務標準的建立。組織評議、表彰和推廣人力資源智能化發展的學術成果。促進人力資源智能化研究與應用相關人才的培養和職業發展。建立人力資源智能化學術成果、專業知識、實踐案例分享平臺。組織人力資源智能化專業交流活動，為相關機構和專業人員提供專業化交流。推動人力資源智能化學術研究和專業化的咨詢服務。中國人力資源開發研究會智能分會數智化標準領導小組中國人力資源數智化標準領導小組的主要職責：定期發布中國人力資源數智化標準白皮書；定期發布中國人力資源數智化建設白皮書；研究并探索中國人力資源管理數智化發展、前沿技術、領先企業、領先實踐、市場趨勢等；

3、指導中國企業利用人工智能、大數據、大模型等技術進行數字化轉型，重塑人力資源管理，引領企業的創新與數字經濟變革；推動中國人力資源數智化的學術研究和標準研究；推動中國人力資源數智化和專業化的咨詢服務；賦能整個行業生態不斷良性循環迭代加速發展；推動企業運營管理和生態圈不斷智能化發展。目錄contents研究方法研究方法.1 1核心目標核心目標.2 2一、一、20232023 年中國人力資源數智化關鍵詞年中國人力資源數智化關鍵詞.3 31 技術六大關鍵詞.32 HR 業務六大關鍵詞.11二、中國企業數智化應用現狀調研二、中國企業數智化應用現狀調研.14141 調研企業的基本情況.142 人力資源數智化

4、所處階段現狀.173 各職能模塊數智化所處階段總覽.184 人力資源管理系統產品的使用現狀.205 人力資源系統數智化應用關注度.226 系統產品的使用現狀和數智化關注的程度對比.237 數智化過程中遇到的困難.248 數智化過程中遇到的阻力.259 希望解決人力資源管理的哪些痛點.2610 人力資源數智化解決方案的企業需求分布.2811 人力資源大數據分析和智能化技術的應用情況.2912 企業在人力資源數智化運營中已開展的工作.3413 企業人力資源數智化團隊規模.3514 企業人力資源數智化預算.37三、三、20242024 年中國人力資源數智化四大趨勢年中國人力資源數智化四大趨勢.393

5、91 無人值守的 HR 平臺.392 從大屏展示到作戰指揮中心.433 基于大模型的數字員工.454 從流程智能到決策智能.47四、中國人力資源管理數智化領先企業實踐案例四、中國人力資源管理數智化領先企業實踐案例.50501 無人值守的 HR用人工智能重塑人力資源管理實踐.502 美的人力資源信息化數字化簡史.563 關于 ESG 原則在 HR 數字化過程中的指導作用.614 信息化系統升級，從整合走向融合.715 當 AI 技術著力于“企業微觀數智化”.741研究方法研究方法本報告主要采用市場調查、專家訪談、案例研究等方法，并經過中國人力資源開發研究會智能分會人力資源管理數智化標準委員會撰寫

6、并審核。數據：以智能分會理事單位為基礎，進行廣泛市場調查和專家訪談，了解行業主要情況，獲得相應數據 分析：基于所獲取一手資料，結合統計學分析與數據可視化技術，對相關數據進行結論性洞察 趨勢：基于相關數據結論和專家研判，對人力資源數智化領域的發展趨勢進行解讀 案例：以人力資源數智化領域的代表型企業為標桿，進行專項案例的延伸研究，樹立數智化方向的全新標準本報告得到青貝克咨詢數據研究中心（KDRC）的技術支持。青貝克咨詢是專注于企業人力資源數智化轉型的專業咨詢機構。面向中國企業，提供全球頂級人力資源數智化轉型解決方案，詳情可咨詢 。2核心目標核心目標 提升行業影響力提升行業影響力：建立中國人力資源數

7、智化行業模型、標準、指數，通過標準化組織的活動和影響力，擴大市場規模，吸引更多企業走進數智化。推動行業發展推動行業發展：指導中國企業利用人工智能與大數據技術進行數字化轉型，重塑人力資源管理，引領企業的創新與數字經濟變革，賦能整個行業生態不斷良性循環迭代加速發展。培養數智化人才培養數智化人才：吸引一流企業數智化人才共創，沉淀行業知識，打造數智化人才認證、學習、交流、成長的平臺。3一、一、2023 年中國人力資源數智化關鍵詞年中國人力資源數智化關鍵詞1 1 技術六大關鍵詞技術六大關鍵詞中國人力資源管理在過去 40 多年里歷經了四個階段的發展規劃：人事管理階段、人力資源管理階段、戰略人力資源管理階段

8、和人力資本階段；與各個階段相匹配的，技術也從 IT 到 DT，從 BI 到 DI 到 AI 的演進，流程/系統從線上化、信息化逐步地走上了數字化、智能化的迭代路徑。這其中，技術的演進是關鍵因素，不斷推動人力資源管理向前發展。1 1人工智能人工智能：人工智能技術經過近 10 年的實踐探索與實際應用，持續發熱，在人力資源數字化領域中發揮著越來越重要的作用，它可以幫助企業重塑人力資源“入離升降調，選用育留管”流程，利用模型/算法對員工數據進行解析，以識別趨勢、做出預測、輔助判斷；提高管理效率和運營質量。常見的應用場景參考如下：對話機器人在人力資源領域常見的應用就是智能客服、訪客接待機器人、培訓機器人

9、等。語音識別在人力資源管理領域常見的應用就是共享服務中心的客服小秘、招聘小秘、培訓助手、虛擬個人助理等。計算機視覺在人力資源管理領域主要的應用是人臉識別，包括無感考勤、刷臉考勤、刷臉辦理入職、刷臉培訓簽到、刷臉繳納各種費用等。自然語言處理在人力資源管理領域中常見的應用就是客服對話機器人、輿情分析、組織掃描（組織 CT、業績診斷系統）、人才掃描（人才 CT、人才識別與推薦）等?；谌斯ぶ悄艿纳疃葘W習技術可以使企業的人才發展分析和輔助決策變成現實。4用戶畫像在人力資源管理領域中的應用就是人才畫像?；诖髷祿治?，可以將用戶畫像的結果用于描述用戶的特征，分析用戶的喜好。同時，用戶畫像的結果還可以用于

10、企業關鍵人才的選、用、育、留等環節，如進行精準培訓，分析外部市場的薪酬水平，進行人才刻畫分析，優化人才招募、配置、選拔、推薦等。推薦閱讀當 HR 遇見 AI一書，用人工智能重新定義人力資源管理，人民郵電出版社，王崇良 黃秋鈞著。大數據大數據：數據、模型、算法、算力是機器學習的四大核心要素，算法通過在數據上進行運算產生模型，算力是通過對數據進行處理，實現目標結果輸出的計算能力。我們可以利用大數據技術和思維方法去解決人力資源領域“小”數據的問題與訴求。人力資源數據同企業其他經營管理數據一樣，也是寶貴的無形資產，通過建立模型與算法可以總結過去、診斷現狀、預測未來，理解員工需求、做好服務，為管理提供分

11、析判斷、預測洞察，能夠在組織、人才、文化、運營層面進行效率的提升，有效提高人力資源精細化管理水平，支撐企業戰略目標分解和落地。常見的應用場景參考如下：人才供需規劃預測：人才供需規劃通?？刹扇〉姆绞接汹厔蓊A測法、成本控制法等。趨勢預測法是根據歷年的招聘情況（招聘總量、地域分布、業務單元分布、層級分布、組織發展形態、晉升速度、管理幅度、離職率等）進行綜合分析給出一定比例增長幅度的線性預測，體現的是企業用工總量的平穩、還是爆發式發展。成本控制法是根據企業人工成本總預算倒推招聘數量，人工成本包含工資、五險一金、商業保險、獎金、調薪、福利費用、培訓費用等，從總預算分攤到各事業部各個部門預算，再倒推到各個

12、部門、各個層級能招多少人，從而預估出總招聘量。當然這二種方式各有利弊，也可以結合使用，即雙控模式：既控制人頭，又控制成本。目前更精準的方式是通過大數據挖掘技術，實時分析，月度 review，季度調整，通過組織結構、人員配比、人力成本、升降調轉、績效、離職5等相關內部信息的加工處理與建模分析，同時結合外部社交數據的綜合多維度分析，模擬仿真可能發生的各種變化情景，對其合理性與風險進行評估，給出人才供需分析報告，供管理層科學決策使用，避免“拍腦袋”式決策。人才識別和選拔：求職信息與崗位信息自動匹配、智能評估、雙向推薦，對候選人的簡歷、社交媒體數據、在線行為等合規數據進行綜合分析，可以更準確地評估候選

13、人的能力、興趣和潛力，提高招聘匹配度和效率。通過大數據算法，對相關指標實現量化、標簽化，然后對指標進行綜合加權匹配，通過訓練、驗證、調優，實現求職信息與崗位信息的智能評估與自動匹配，向用人單位自動篩選精確的求職者簡歷，提升招聘效率與產出；也可以向求職者推薦合適的崗位信息，達到用人單位主動吸引人才的目的，實現雙贏。另外，智能匹配算法可以非監督學習功能，根據輸入信息變化、搜索歷史、地域熱度、人才貯備等變化，可以自我調整修正指標，從而自動匹配更加智能化。招聘運營效率提升：大數據分析在招聘渠道、招聘進展（漏斗分析）、招聘來源（人才雷達地圖）等方面都可以發揮很大作用，滿足基本要求：多（招人數量多）快（進

14、人效率高）好（人才質量優）?。ɑㄙM成本低），并向組織效能轉化。通過準確的甄選評測工具、正確的操作流程、合適的面試官、適當的技術，將最優秀人才招募進來。員工培訓和發展：通過對員工的學習需求、績效表現、能力水平、工作行為等數據進行建模與綜合分析，結合學習地圖，可以制定千人千面的課程推薦和個人發展計劃，提高員工的職業發展水平和績效。個性化推薦課程有了用戶的若干個行為偏好特征標簽，就可以對應于課程標簽進行個性化推薦了。但實際操作過程中，用戶可能不買賬，認為有些課程并不是他想要的。這就還需要根據用戶的學習風格以及學習習慣進行不斷機器學習調優，并最終達到用戶想看6到的時候我們已經推送到位?？冃ьA測：通過收

15、集對員工平時積累的工作表現、能力提升、工作行為、態度、團隊協作等多方面的數據，進行模型搭建以及綜合分析，可以更智能、更準確地評估、預測員工的績效表現，為升降、調薪、調配等管理動作提供科學參考依據。職業發展規劃：通過提取高績效、高潛力人才的顯著特征，得到不同序列的人才畫像：將候選人與之匹配，得到匹配指數，從而協助HR 快速找到最優秀的人才；也可以通過評估人的適崗性，把合適的人放在合適的位置上；結合學習地圖，匹配學習課程。這就需要平時要建立用戶標簽體系，通過當前員工崗位、職級、職責、績效、代碼產量、晉升速度、薪資漲幅程度、360 度評估、技能水平等打上標簽，與員工下一步職業規劃的崗位所需的能力標準

16、以及技能要求進行匹配，形成崗位匹配度、能力匹配度、技能匹配度等員工發展相關標簽，同時結合市場熱點崗位分析，綜合為員工提供職業發展評估和建議。薪酬與福利：新時代基本工資、獎金等對員工的激勵效果在逐步減弱，而股票、福利、內部創業等新形式則受員工關注。如何建立價值創造、價值評估、價值輸出的一個公平的薪酬評價體系，是努力的方向。通過對員工薪資、調薪、獎懲、福利、績效表現等細項數據的分析，對標業界市場薪酬水平，可以更準確地了解員工滿意度和流失率，及時調整管理策略，提高員工的工作積極性和忠誠度。員工關系管理：通過對員工溝通、交流、項目協作等合規數據日志的分析，通過模型與算法，可以更準確地了解員工之間的合作

17、情況和團隊氛圍，及時發現和解決潛在風險問題，促進員工關系的和諧發展。離職預測實現路徑主要是根據加薪時間、晉升時間、在崗時間、考勤狀況、參會記錄等 100+人力資源指標，加外部輿情分析，根據過去發生的已離職情況推導出指標的離職指數，根據離職指7數，利用回歸算法等大數據模型預測未來。數據包括了內部數據和外部數據。虛擬現實虛擬現實：虛擬現實技術廣泛應用在招聘、培訓等領域，幫助企業實現更加高效、精準的人力資源管理，提高員工的參與度和滿意度。常見的應用場景參考如下：虛擬面試：利用虛擬現實技術可以進行虛擬面試，求職候選人可以在虛擬環境中與面試官進行實時互動，更深入地詳細了解公司的文化、工作環境和崗位要求，

18、為求職候選人提供更真實的面試體驗，提升雇主品牌。虛擬入職：通過創建虛擬現實場景，讓候選人遠程模擬參觀公司的辦公環境、工廠環境或實驗室，提前感受與了解企業文化和工作環境。這種方式節省時間和成本，大大提高候選人加入公司的可能性。員工培訓：虛擬現實可以帶來了更深層次的沉浸感，學習者可以沉浸在體驗中，幫助員工更有效地學習和掌握各種技能。模擬各種工作場景，對求職者的技能和適應能力進行測試，以便更準確地評估其能力。通過虛擬現實技術，可以模擬各種培訓場景，如風險處理、緊急情況處理、銷售技巧培訓等，讓員工在安全的虛擬環境中進行實戰演練，提高技能水平以及應急能力。員工敬業度：虛擬現實能夠以動態的方式與他人互動，

19、可以應用于項目團隊合作，改善員工敬業度。RPARPA：RPA 在人力資源領域的應用場景非常廣泛，可以幫助企業實現人力資源流程的自動化和智能化，減輕 HR 的工作負擔，提高運營效率。常見的應用場景參考如：招聘流程自動化：快速分發招聘信息，篩選應聘簡歷，通知應聘人復試，減少手動操作，提高人才招聘率。RPA 可以根據設定的規則自動篩選簡歷，將符合要求的簡歷發送給 HR，大大節省 HR 瀏覽和8篩選簡歷的時間。此外，RPA 還可以自動發送面試通知，提高招聘效率。入職流程自動化：新員工入職涉及到許多數據處理任務，包括個人信息錄入、合同生成、工號分配、郵箱和 IT 系統賬號開通等。RPA可以自動完成這些任

20、務，快速準確地完成新員工入職流程。薪資和福利處理：每月的工資和福利處理是一項繁瑣且耗時的任務。RPA 可以自動收集員工的工時、出勤和其他相關數據，計算工資和福利，并生成工資單。這不僅可以減少錯誤，還可以確保員工按時收到工資?？记诠芾恚篟PA 可以自動收集員工的考勤數據，包括打卡時間、請假、加班等信息，并進行處理和分析。這可以大大減輕 HR 的工作負擔，并提高考勤管理的準確性。離職流程自動化：員工離職時，需要進行一系列的數據處理任務，如結算工資、辦理離職證明、關閉相關賬號等。RPA 可以自動完成這些任務，確保離職流程順利進行。人力資源數據分析：RPA 可以自動收集和分析人力資源數據，如員工滿意度

21、、招聘周期、人員流動率等，為管理層提供決策支持。員工績效管理：RPA 可以幫助 HR 自動收集員工的績效數據，進行計算和分析，生成績效報告。這可以提高績效管理的效率和準確性。人才分析人才分析（PeoplePeople AnalyticsAnalytics）：人才分析可以利用大數據和人工智能技術，對人才需求和候選人特征進行深度分析，幫助企業實現更加精準、個性化的人力資源管理，提高人力資源的利用效率和管理水平。常見的應用場景參考如下：人才盤點：通過對企業現有員工的能力、績效、職業發展需求等多方面數據進行綜合分析，人才分析技術可以幫助企業全面了解員工的現狀，識別出高潛人才，為企業制定更合理的人才規劃

22、和配置策9略提供數據支持。人才發展：通過對員工的學習需求、學習能力和職業發展目標等多方面數據進行綜合分析，人才分析技術可以為企業制定個性化的培訓和發展計劃提供數據支持，提高員工的職業發展水平和綜合素質。人才激勵：通過對員工的工作滿意度、薪酬和福利需求等多方面數據進行綜合分析，人才分析技術可以幫助企業制定更加合理的薪酬和福利政策，提高員工的滿意度和忠誠度。人才流失預測：通過對員工的工作滿意度、職業發展需求等多方面數據進行綜合分析，人才分析技術可以預測員工流失的可能性，為企業提供針對性的防范措施，減少人才流失對企業的影響。招聘優化：通過對招聘數據、候選人特征、面試表現等多方面數據進行綜合分析，人才

23、分析技術可以幫助企業更準確地評估候選人的能力和潛力，提高招聘的準確性和效率。生成式人工智能生成式人工智能：AIGC 是生成式人工智能的縮寫，它利用人工智能技術來生成全新的、真實的、有用的數據，例如文本、圖像、音頻和視頻等。AIGC是繼專家生產內容（PGC）、用戶生產內容（UGC）、AI 輔助生成內容（AIUGC）之后的新型內容創作方式。生成式是一個應用場景或應用形態，比如歌曲生成文本是一種應用形態。大模型是一種概念，例如人崗匹配是一個 AI 模型，離職預測是一個 AI 模型，績效預測是一個 AI 模型，每個都是單獨的模型；大模型是用所有人力資源里的這種訓練數據構建一個統一的訓練任務，各模塊都共

24、享一個 AI 模型，其中的參數可能巨大，一般是 10 億級別以上的，可以支持多個不同的任務，可以去做離職預測、績效、選拔等等。ChatGPT 被稱為世界模型，包括人力資源數據、財務數據、經濟學數據、物理學數據等等，幾乎把全世界能夠用到的數據都涵蓋在內，此時只需要用一部分的人力資源知識去引導ChatGPT，激發 TA 的這種能力，就可以解決人力資源的相關問題。世界模型或大模型，需要給他輸入人力資源的智慧，首先他擁有全部的歷史訓練數據，輸10入人力資源智慧只是為了讓他更具有人力資源知識，就是預訓練一個神經網絡模型，具備 SFT（Supervised Fine-Tuning）技術，即強化學習。例如從

25、小學到高中都是通識教育，而上大學就分科了，其實大學的知識，小時候都有接觸，但現在分科是為了強化這部分知識，通過專門的學科去再學習。因此，通過強化學習人力資源知識，讓人工智能達到專家的水平。AIGC 在人力資源領域的應用場景可能會帶來許多顛覆性的變革，具體包括以下幾個方面：招聘和篩選：利用 AIGC 技術，可以進行崗位描述，任何崗位只要簡單描述下崗位名稱，就能很容易生成非常專業的崗位描述。也可以快速生成對外發布廣告使用的招聘文案。利用自然語言處理（NLP）技術，可以對求職者的簡歷進行自動解析，并將簡歷信息進行結構化處理；然后通過機器學習算法，可以分析這些結構化的簡歷信息與職位要求的匹配程度，從而

26、快速篩選出合適的候選人，提高招聘效率和準確性，減少招聘成本和時間?？冃ьA測：利用自然語言處理技術，可以自動提取員工的工作表現和成果，并對其進行量化評估，提高績效評估的客觀性和準確性，減少主觀因素的影響；機器學習算法可以分析員工的表現和績效之間的關系，從而預測員工未來的表現和績效。利用 AIGC，可以設計不同部門都有什么考核 KPI 指標。培訓和發展：利用 AIGC 幫我們生成某個主題課程的大綱，利用這個大綱再去設計課程就會容易得多。利用機器學習技術，預測員工的職業發展方向和需要的培訓課程，提高員工績效和發展計劃的個性化程度和準確性。人力資源數據分析：AIGC 可以輔助生成程序，進行數據合并、拆

27、分等處理工作；處理完數據，還能進行數據分析。利用自然語言處理技術和機器學習技術，對大量的人力資源數據進行分析，提取有價值的信息，提高人力資源數據的分析能力，為決策提供更準確的支持等。112 2 HRHR 業務六大關鍵詞業務六大關鍵詞2023 年是三年疫情之后的第一年，本應復蘇的大環境變得更加復雜，不確定性增多，給人力資源管理工作也帶來了新的挑戰，既要做好本職工作，又要協助業務應對各種不確定性與風險?；仡?2023 年，如下的關鍵詞值得大家復盤，把握住確定性，防控好不確定性/風險，積極應對未來更大的挑戰。這些關鍵詞包括：1 1數據驅動決策數據驅動決策：百度人力資源部在 2014 年率先研究大數據

28、在人力資源領域的應用，第一個模型是機器選擇并推薦人選作為 360 度評估中的peer，并在當年成功應用落地；后續幾年不斷探索與實踐，逐步形成了一系列的智產品（智留辭、智組織、智文化、智選才、智績效等），輔助管理判斷與決策。經過近 10 年的發展與影響，業界也逐步認可百度的人力資源大數據應用標桿作用，紛紛建立自己的模型與應用，已然成為一種趨勢。通過數據分析工具對員工數據進行分析和挖掘，以更好地理解員工的行為和需求，了解人才市場動態和行業趨勢，為企業提供更準確的人力資源相關決策支持已漸成風尚，數據驅動決策逐漸成為主導?？梢詤⒖夹茌x教授、祝恒書博士主導的“百度人才智庫”。推薦閱讀人力資源大數據應用實

29、踐一書，清華大學出版社，王愛敏 王崇良 黃秋鈞，2017 年。數智化轉型：數智化轉型：人力資源數智化轉型主要轉變的是人力資源的管理方式（組織、人才、文化），通過應用最新數字化技術（人工智能、大數據、區塊鏈、云計算、物聯網等），重塑人力資源管理的業務流程（入離升降調、選用育留管），將人力資源管理全生命周期的過程數字化、自動化、智能化（比如無感考勤、機器人自動審批、大模型助力智能機器人客服、語音調取自助服務等），從而提升人力資源管理效率、優化人才使用效果、打造敏捷組織，實現人力資源的動態運營，提升企業整體績效。同時，人力資源數智化轉型也是企業數智化轉型的一部分，隨著人工智能、大數據等技術的不斷應用

30、與迭代，人力資源同企業其他職能（研發、生產、營銷、財務等）攜手轉型已成為企業快12速致勝的必然趨勢。員工體驗員工體驗：員工體驗是近幾年談論一直經久不衰的話題，尤其疫情過后，隨著員工需求和期望的不斷提高，員工體驗更是成為人力資源管理的重心之一。運用數字化技術，重塑業務流程，并在“入職、在職、離職”全生命周期各個階段中的關鍵時刻，提供千人千面的個性化服務：比如流程類（10 分鐘極速入職、目標設定提醒、課程學習提醒、個稅機器人申報等）、關懷類（7x24小時客服、證明自助領取、精準推送生日、周年祝福等）、消息類（發送入職指南、事項待辦等）、預警類（離職預測、團隊氛圍、調薪邊界等），通過關注員工在工作、

31、生活、學習、發展中的點點滴滴，主動創造并喚醒“意料之外”的驚喜，提升員工體驗，從而間接地提高員工滿意度和忠誠度，數據表明，這是正相關因素。敏捷績效：敏捷績效：績效管理是企業價值輸出的導向，進入移動互聯網時代后，OKR、人單合一、阿米巴、合弄制等紛紛流行，許多企業放棄了強制分布和末位淘汰，紛紛開始轉向敏捷績效，員工與主管可以隨時隨地通過移動 App 修改/確認目標、反饋意見，當然也可以征求其他專家或項目經理的反饋意見，而且績效的產出結果不與晉升、調薪直接掛鉤。這種方式極大地增強了員工與主管的溝通效果，可以幫助員工及時調整個人發展路徑，實現快速成長。當然，有些東西是不可量化的，如工作激情與創新動力

32、等，這就需要 HR 從業者平時多關注與收集員工的工作狀況、代碼生產情況、行為表現、團隊合作情況、溝通交流情況等，利用大數據、NLP、機器學習技術建模，開展定量與定性的綜合分析，明確哪些因素可以最大化地提高員工的業績，從而達到提升組織效能的目的。人工智能也可以預測績效，通過歷史數據和實時數據來預測員工的業績，為績效管理回顧性和前瞻性的分析；通過員工的歷史績效數據，可以確定構成組織中高績效或低績效的個人特征，這樣的分析可以針對部門、個人和團隊績效。智能薪酬：智能薪酬：在人力資源數據分析中占比最大的模塊就是薪酬，HR 在處理薪酬模塊的數據時，要先進行工資數據分析（如計算方法、構成分析、工資13支出、

33、預算分析），再做薪酬政策的數據分析，比如人力投入分析、人工成本分析、人均效能分析、人員激勵分析、外部對標與競品分析、薪酬政策數據分析、預算分析等；利用大數據和人工智能技術，實現這些薪酬活動的自動化和智能化，比如智慧算薪、智能定薪、薪酬模擬器、監控預警平臺（工資總額接近或超過預算警戒線、工資月度變動異常預警、激勵過度分析預警）等,提高薪酬管理的運營效率與準確性。智能人才發展與培訓智能人才發展與培訓：人才發展的核心是以人才盤點為基礎，做好人才選拔和人才培養。人才盤點的工作非常繁雜，需要看組織、崗位、人崗匹配，人工智能可以根據員工績效、能力、潛力的評估結果迅速提供企業需要的高潛人才分布（九宮格或 1

34、6 宮格），從而確保企業清楚需要招聘哪些的人才，需要保留哪些人才，需要培養哪些人才，需要淘汰哪些人員。在人才培養方面，企業也可以使用人工智能技術培養員工，根據員工的崗位、能力、技能、個人發展計劃（IDP）等數據的整理與學習地圖智能匹配，推薦個性化的學習課程。在人才培養的過程中，試用期轉正評估、晉升答辯、輪崗評測、年度總結述職等工作，都可以利用人工智能技術來完成，不僅節省了管理者大量時間，更重要的是，人工智能能夠更客觀更公平地給出評估結果。利用人工智能，基于人力資源知識圖譜構建員工標簽庫，建立人才畫像體系，通過人才發現、人才識別、團隊分析和發展路徑等功能，協助企業管理者和 HR 從業者有效發現核

35、心人才。人工智能將改變培訓模式，通過人工智能技術，不僅能夠為員工提供沉浸式的培訓體驗，還能夠結合員工興趣愛好及潛能，進行個性化課程推薦，形成員工定制化學習地圖，對員工進行 360洞察，為員工在企業中的學習發展提供導航。更有趣的是，通過人工智能技術能夠將培訓游戲化、盲盒設計來增強課程的吸引力，提升學習的興趣。培訓的個性化、碎片化、社交化、場景化、游戲化將會是未來的主流趨勢，只有運用人工智能技術才能發揮更大優勢，實現降本增效?；?AI 和知識圖譜的技術，整合企業內外部的學習資源，加快知識的智能化沉淀，優化知識領域的個性化推薦，為企業的人才技能培養提供智能化方案。14二、中國企業數智化應用現狀調研

36、二、中國企業數智化應用現狀調研1 1 調研企業的基本情況調研企業的基本情況1.11.1 調研企業所在的行業領域調研企業所在的行業領域參與本次調研的企業從所屬行業領域來看，主要分布在制造業、IT/互聯網/科技、高校/科研院所、房地產/建筑/物業、服務業等，其中，制造業占比最高，達到了 21.12%，其次 是 IT/互聯網/科技，占比 18.63%。高校/科研院所達到了 11.18%，房地產/建筑/物業約占 10.56%；其他行業共占約 38.51%。與 2021 年調研數據對比圖如下：1.21.2 調研企業的性質調研企業的性質參與本次調研的企業按性質來劃分，民營企業占到了絕大多數，為 49.69

37、%（同 2021 年相仿），國有企業的比例 31.06%（比 2021 年高 10pp）；外資企業占比約 9.32%。151.31.3 調研企業的規模調研企業的規模參與本次調研的企業按規模來劃分，超過萬人規模的企業占比 24.84%，說明大型企業不光注重內生，也開始關注外部影響；其次是 100-500 人規模的企業占比約 21.12%，1000-5000 人規模的企業占比約 18.01%。161.41.4 調研人的職務調研人的職務參與本次調研人的職務來劃分，從事 HR 工作的人占比最高，約占 46.58%，企業管理者次之，約占 25.47%，專家/教授占比也不少，約 10.56%；乙方（人力資

38、源服務商）占比約 9.94%。1.51.5 調研人的從業年限調研人的從業年限參與本次調研人的從業年限來劃分，超過 10 年工作時長的最高，約占50.91%，5-10 年工作時長的次之，約占 24.84%。172 2 人力資源數智化所處階段現狀人力資源數智化所處階段現狀按照“四化模型”，人力資源數字化建設可以分成四個階段：線上化、信息化、數字化、智慧化：線上化階段線上化階段：主要是把線下作業流程“搬”到線上，比如企業在這個階段可以通過引入外部商用套件（有條件的也可以自研），實現員工信息、薪酬福利、考勤等基礎數據的電子化管理，這一步提高了工作效率，減少了手工操作和數據錯誤。信息化階段信息化階段：在

39、“入離升降調、選用育留管”線上化的基礎上，打通拉通各個業務模塊進行協同管理，實現業務間的信息共享和端到端流程協同；這一步有助于提高企業整體的人力資源管理效率。數字化階段數字化階段：企業開始利用大數據、人工智能等技術，對數據進一步挖掘，借助建模與算法，預警預測，為企業提供更準確、更全面的決策支持。例如，通過對員工績效數據的分析，發現員工的潛在能力和提升空間，從而制定更有針對性的培訓計劃。這一步關注企業效能以及員工體驗。智慧化階段智慧化階段：人力資源管理具備了靈敏感知功能、自適應學習能力、預測判斷功能，并能給出行動建議的能力。這意味著人力資源管理系統能夠實時感知組織內外部環境的變化，自動學習和適應

40、新的情況，預測未來的趨勢，并為管理者提供決策支持。這一階段強調與組織戰略和業務目標的緊密結合，通過數據驅動和業務迭代不斷提升人力資源管理的價值和影響力。它致力于構建生態型組織，促進企業的多條曲線良性發展，為企業創造更大的價值。調研發現，中國企業管理對于數智化的應用已經開始，約 70%的企業已經開始了數智化進程，并開始形成趨勢，具體情況如下：多數企業（約 49.69%）已處在“開始探索應用”階段，開始部分場景的應用探索；比前年上升 13%；說明數智化應用在不斷發展，前景看好。已有約 9.32%的企業開始全模塊系統“全面落地”；比前年上升 1%。18 約 14.29%的企業開始部分模塊推廣應用階段

41、；比前年下降 10%.約 18.63%的企業處于了解但尚未開始后應用階段；比前年下降 2%只有約 10.81%的企業尚處于不了解階段；比前年下降 2%。3 3 各職能模塊數智化所處階段總覽各職能模塊數智化所處階段總覽人力資源數智化是企業運營管理數智化的一部分，企業內部各職能模塊數智化的應用場景已經非常廣泛，利用 AI、大數據等技術重塑企業內部流程價值鏈，提高企業的運營效率、降低成本并增強競爭力，已在各行各業如火如荼開展，比如，智能制造：利用物聯網、大數據和人工智能技術，進行工廠設計和規劃，實現工廠布局、生產線規劃、設備安裝調試等的數字化和智能化。通過引入自適應控制、智能感知、自主決策等功能的制

42、造裝備，如數控機床、機器人等，實現制造過程的自動化和智能化。營銷數智化：通過大數據分析了解客戶的購買行為和偏好，制定更加有針對性的銷售策略；利用人工智能和機器學習技術，構建智能銷售系統，實現自動化銷售流程和個性化的客戶服務，提高銷售效率和客戶滿意度。財務數智化：通過大數據分析和人工智能技術，預測未來的市場需求和財務狀況，為企業的戰略決策提供有力支持；利用智能化的財務報表生成和分析工具，實現財務數據的自動化處理和分析，實時監控財務狀況和經營成果，及時發現和解決財務風險問題，提高財務決策的準確性和19效率。研發數智化：通過大數據和人工智能技術，分析市場需求和產品趨勢，為研發項目提供更加精準的方向；

43、利用虛擬現實（VR）、增強現實（AR）等技術，構建數字化研發平臺，提高產品設計和開發的效率和質量、創新能力等等。調研發現調研發現：在企業內部管理的十三大模塊上，各個模塊都有不同的企業在數智化應用上進行了有效探索，比如，財務管理：約有 40.4%的企業在這個領域里開始了數智化應用，比前年提升了 12.7%；人力資源：約有 37.9%的企業在這個領域里開始了數智化應用，比前年提升了 3.4%；戰略管理：約有 27.3%的企業在這個領域里開始了數智化應用，比前年提升了 6.8%；行政管理：約34.8%，比前年提升了 17.2%；供應鏈管理：約 30.4%，比前年提升了 5.4%；質量管理：約 31.

44、7%，比前年提升了 12.1%；產品研發：約 31.1%，比前年提升了 2.8%；生產制造：約 37.3%，比前年提升了 13%；市場營銷：約 32.9%，比前年提升了 8.5%；客戶管理：約 35.4%，比前年提升了 12.1%；商務管理：約 30.4%，比前年提升了 6.1%；辦公自動化：約 37.3%，比前年提升了 8.3%；運營管理：約 35.4%，比前年提升了 11.7%。其中，涉及“人力資源”管理模塊的調研數據發現，企業的人力資源管理進入數智化階段、處于信息化階段的占比總和已超過四分之三，線上化階段的占比已不足四分之一，詳細描述如下：約有 37.9%的企業人力資源領域里開始了智能化

45、應用，比前年提升了3.4%，說明人力資源智能化已開始深入民心、穩步增長。約有 39.1%的企業仍處在人力資源管理信息化階段，業務要求他們急需邁入下一個階段（數字化、智能化階段），有迫切訴求。同時，約有 23%的企業在人力資源管理數字化程度上非常落后，分別處于線下作業或線上化初始階段，大多數為小微傳統企業。20調研數據表明，2023 年中國企業在數智化方面的發展呈現出整體穩步提高的特點，隨著中國企業不斷加快數字化轉型的步伐，數智化已經成為企業發展的必然趨勢。越來越多的企業開始重視數智化應用建設，通過大數據、人工智能等技術進行業務模式創新、產品創新和服務創新，打造差異化競爭優勢，推動業務創新，提升

46、數智化應用水平。頭部企業已經通過大數據、人工智能等技術進行業務模式創新、產品創新和服務創新，打造差異化競爭優勢，并開始享受數智化帶來的紅利。同時還應看到，中國企業的基礎設施建設仍需要持續完善，需要不斷加大在云計算、大數據、人工智能等方面的投入，提升數據處理能力、網絡傳輸能力等方面的技術水平，為企業數智化應用提供更好的基礎設施支撐。4 4 人力資源管理系統產品的使用現狀人力資源管理系統產品的使用現狀人力資源管理系統涵蓋了“入離升降調、選用育留管”的方方面面，從產品角度可以分為 CoreHR 系統（組織、崗位、人事管理）、薪酬管理系統、考勤系統、外包系統、招聘系統、辦公系統、入職系統、離職系統、異

47、動系統、培訓系統、績效系統、人才發展相關系統、組織發展相關系統、人效管理相關系統、調研系統、組織效能相關系統、文化氛圍相關系統、決策支持系統等等。21這些系統或模塊之間相互配合、打通拉通，才能實現人力資源數字化管理的目標，比如，流程端到端銜接與協同、數據互通與共享、統一入口與界面、智能分析與指揮作戰中心、預警與預測、數字人自助服務等。通過這些配合方式，企業可以實現全面的人力資源數字化管理，提高管理效率和工作質量，為企業的長遠發展提供有力支持。通過對人力資源管理系統產品使用現狀的調研，在基礎核心模塊上，各家企業使用程度上一直比較穩定，在流程自動化產品方面應用程度也還不錯，在決策智能化產品方面應用

48、程度雖然較低，但呈現明顯上升趨勢。詳細情況描述如下：有三大模塊使用程度顯著高于其他模塊，分別是：人事管理系統（約69.6%，比前年提升了 1.6%）、考勤系統（約 57.1%，比前年下降了 8.9%）、薪酬管理系統（約 51.6%，比前年下降了 8.4%），這仍然是人力資源管理系統的基礎核心構成部分。同時，培訓管理系統（約 44.1%，比前年下降了 1.9%）、智能招聘系統（約 42.2%，比前年下降了 7.8%）、績效管理系統（約 39.8%，比前年下降了 2.2%），仍然維持規模效應，比例有所降低說明數字化轉型過程中帶來的波動不可避免，但變革趨勢不可阻擋。22 流程自動化相關的產品，應用程

49、度相對較高，比如，人才發展管理系統（約 28%，比前年提升了 1%）。決策智能化相關的系統產品，應用程度雖然較低，但均有提升。比如，組織發展（約 14.3%，比前年提升了 5.3%）、人效管理（約 13.7%，比前年提升了 2.2%）、敬業度洞察（約 13%，比前年提升了 2%）、團隊效能（約12.4%，比前年提升了 5.4%）、文化氛圍（約 12.4%，比前年提升了 5.4%）、離職預測（約 10.6，比前年提升了 2.4%）。說明這里需求旺盛，機會多多。5 5 人力資源系統數智化應用關注度人力資源系統數智化應用關注度通過對人力資源系統數智化應用關注度調研發現，各個模塊受到的關注程度遠超過

50、60%（除了勞務外包約 59.6%），說明受訪的各家企業不僅關注人力資源數字化轉型，還希望各模塊均衡發展，都不想在未來競爭中落伍。人力資源系統的主要產品數智化應用均受到廣泛的關注，其中招聘和員工服務平臺模塊的關注度尤為突出。其余各模塊應用齊頭并進，不相上下，均衡發展，趨勢明顯上升，各個領域機會明顯，突破需要創新。236 6 系統產品的使用現狀和數智化關注的程度對比系統產品的使用現狀和數智化關注的程度對比通過調研發現，互聯網公司進行人工智能在人力資源領域的應用實踐層面上仍然走在前面，但同時也發現，頭部民營企業也紛紛購買智能化軟件或引入大咖建立團隊投入資源進行智能化自研，以期在人才供應鏈管理智能化

51、上取得競爭優勢。不少外企也進行了很多場景化探索；眾多傳統企業對數智化的期望與渴望程度非常高。具體發現如下：企業對智能招聘和員工服務平臺的關注程度，遠高于核心系統產品及其他人力資源模塊的關注度。這說明這兩個模塊是必需品，人才入口（招聘）仍然是熱點，同時員工更加關注體驗提升；人事管理/考勤系統，技術的實現與企業的期望仍然比較接近，說明這兩年市場上的考勤系統產品數智化程度跟用戶的期望比較相符,用戶容易接受，同時也說明創新空間不大了，當然無感考勤是個亮點。培訓管理/薪酬管理系統距企業對數智化的關注度距離拉大，說明甲乙方的創新優化空間都很大，仍有眾多機會可以嘗試；績效系統是近年來用戶期望較高的，通過人工

52、智能來實現自動化績效評估、實時反饋與調整、個性化評估與建議、預測與決策支持，可見這塊市24場潛力還有很大空間可挖；流程自動化相關的系統向流程智能化的迭代已成趨勢；自動審批、數字人客服已形成可推廣模式;人力資源管理決策支持系統的需求很旺盛，標準產品尚處在初期階段，除了頭部企業有了探索與應用實踐之外，大多數企業尚需跨越式發展，這塊充滿無限的市場機遇。7 7 數智化過程中遇到的困難數智化過程中遇到的困難人力資源數智化過程中可能遇到各種各樣的困難，主要包括以下幾個方面：業務流程 owner 職責與角色劃分不清、數據基礎薄弱、數據質量不高、歷史數據沉淀不足、缺乏數字化專業人才、技術儲備不足、領導重視程度

53、和認識程度不夠等，企業需要針對這些困難采取相應的措施，才能確保人力資源數智化的順利進行。通過調研發現，人力資源數智化的路途中溝溝坎坎不少，困難就是機遇，數據治理將存在潛在機遇，急需開拓。調研結果詳情描述如下：數智化過程中遇到的最大困難仍然是數據本身問題（例如數據基礎薄弱、缺乏大數據平臺、數據管理碎片化、數據積累時間較短、數據質量差、25缺乏數智化專業人才），調研中數據基礎薄弱占約 59.6%，比前年提升了7.2%，歷史數據的清理占約 46.6%，比前年提升了 4.6%；企業對人力資源管理數智化轉型認知有所提升（認知不足比前年下降了4.8%），仍然普遍缺乏數智化技能背景的專業人才（與前年占比持平

54、）；企業內部仍然存在部門壁壘，難以打通數智化鏈條的占約 32.3%，比前年下降了 2.7%，略有好轉；企業不知道如何推進數智化工作的占約 29.2%，比前年提升了 0.2%；即使知道但難以將分析結果落地的企業占約 21.7%，比前年下降了 7.3%；這說明人力資源數智化實施仍有市場可挖。數智化對于人力資源管理產出效果不顯著的占約 24.2%，比前年下降了1.8%。人力資源不能自嗨，要聯動人、財、物、事，推動運營管理智能化，方能對 CXO 們產生價值。8 8 數智化過程中遇到的阻力數智化過程中遇到的阻力根據本次數據調研發現，人力資源數智化的阻力來源情況匯總如下：最大阻力來自于數智化與業務無法有效

55、結合，占比 40.99%，比前年反而上升了 9.23%。這說明數智化已經進入了深水區，大家不再跟風，在深度思考數智化到底能給企業帶來哪些增值以及投入產出比。對內部 HR 的啟發是：專業是敲門磚，懂業務并給業務帶來價值才是出路。對外部供應商而言，這就是機會。阻力還來自于企業高管們（CEO、CHO、CIO）對人力資源管理數智化轉型認知水平不足且不統一：比如，戰略目標含糊不清占比約 35%，比前年上升了 5%；人力團隊對數智化理解存在偏差占比約 34.16%，比前年下降了 0.8%；公司頂層缺少重視度占比約 32.3%，比前年下降了 1.7%；轉型責任主體不明確占比約 29.2%，比前年下降了 5.

56、2%。CXO 們對數智化轉型的認知不統一是最大阻力，無法確保輪船往一個方向行駛。26 數智化的基礎建設不充分，無法支持上層應用：比如沒有合適的數智化平臺占比約 26.7%，比前年下降了 5.3%；仍然存在數據孤島/部門壁壘現象，造成數據積累不夠：比如企業各環節各部門缺少數據積累占比高達 29.2%，比前年下降了 3.8%；數智化應用對與業務的直接效果不明朗，缺乏業務驗證閉環。為了克服人力資源數智化過程中遇到的阻力并順利推進實施，企業可以采取以下措施：數字化轉型是一把手工程，要強化組織領導與頂層設計；通過內部培訓、研討會、分享會等方式，向管理者/員工普及人力資源數智化的概念、意義和價值，提升全員

57、認知與意識；建立跨部門的協作機制，形成工作合力，共同推進數智化的實施；積極引進和培養具備數據科學和人力資源管理知識的專業人才，構建數智化人才團隊；進行數據治理，確?？煽啃?、準確性、安全性。搭建適合的數智化工具與技術平臺，并持續改進與優化。9 9 希望解決人力資源管理的哪些痛點希望解決人力資源管理的哪些痛點如何解決人力資源管理的核心痛點呢？一句話，利用人工智能技術重塑業務流程，通過 BI、DI、AI，打通系統，拉通數據，建立數倉，依托模型與算法，建立起智慧 HR 平臺，形成智系列產品+慧系列產品，提升 HR 的專業度，聯動人27財物事，驅動業務增值。傳統的數據挖掘把獲得的知識用于人的決策支持而沒

58、有自動的上升到智慧的層面?，F在大數據、云計算和人工智能的結合的目標是不僅要使知識發現的過程自動化，而且還要從知識層面飛躍到智慧層面，例如 AlphaGo 學習了人類的棋譜之后會生成人類之前沒有實現過的下棋方法。傳統數據挖掘和未來智能化應用之間的差別類似于地圖導航應用和人工智能自動駕駛汽車之間的差別：地圖導航會收集汽車的位置數據、路況數據和地圖數據進而計算出可供選擇的路線，但是采用什么樣的路線和如何駕駛是由駕駛員決定的，地圖導航應用的作用就是決策支持；自動駕駛汽車在獲得目的地數據之后不僅要計算出路線而且還需要控制汽車的行駛，更重要的是要根據行駛過程發生的各種情況作出判斷和決策。因此，相比于傳統的

59、數據挖掘，這是范式上的全面升級。調研數據發現，人力資源希望數智化能解決的痛點如下：人才培養與發展（約占 68.3%，比前年上升了 9.3%）；人才的招聘（約占 67.1%，比前年上升了 5.1%）；人效評估（約占 55.9%，比前年下降了 1.1%）；人力規劃（約占 52.8%，比前年下降了 6.2%）；人才畫像（約占 52.8%，比前年下降了 2.2%）；組織創新（約占 44.1%，比前年上升了 1.1%）；敬業度洞察（約占 41%，與前年持平）已成為突出痛點；28 企業領導力（約占 32.9%，比前年下降了 0.1%）；組織穩定性（約占 31.7%，比前年下降了 0.3%）；組織文化（約占

60、 31.1%，比前年上升了 1.1%）；組織戰略（約占 28%，比前年下降了 14%）緊隨其后，也逐步成為企業轉型與發展的攔路虎。1010 人力資源數智化解決方案的企業需求分布人力資源數智化解決方案的企業需求分布前沿技術正在快速向前演變，企業也在以前所未有的速度加快步伐迎接全新技術，通過數字化手段進行業務轉型。我們人力資源管理正在面臨前所未有的壓力，組織邊界、崗位邊界、人員職責正變得模糊與不確定性，對人力資源數字化提出了更高的要求，利用最新技術、結合管理實踐，重新定義數字化的人力資源管理，是當前所有人力資源從業者的必修課。通過調研發現，從數智化場景工具（約占 59%，比前年提升了 6%）、數智

61、化咨詢（約占 55.3%，比前年提升了 6.3%）到數智化系統產品（約占 55.3%，比前年提升了 9.3%）和數智化培訓（約占 47.8%，比前年下降了 8.2%），均存在旺盛的企業需求；因此，無論是甲方企業選擇自主研發，還是乙方企業重塑產品、協助甲方建設，市場想象空間都十分巨大。實施方法可以參考四化模型，以及后29面的案例。1111 人力資源大數據分析和智能化技術的應用情況人力資源大數據分析和智能化技術的應用情況2021 年版白皮書發布了人力資源數智化各個階段典型應用總覽，今天依然適用，具有指導意義。在人力資源管理數字化發展過程中，經歷了數據庫、BI、DI、AI 的不斷迭代，從技術層面保障

62、了推動人力資源智能化向前進的步伐。人力資源數智化發展的各個階段代表性技術不同，從數據存儲框架，軟件架構到數據挖掘和機器學習算法的不斷發展。其中，數字化的信息存儲可以幫助人力資源信息的高效管理和利用；統計報表技術可以實現和集成多種人力資源管理所需的功能，提高管理效率；數據挖掘算法和機器學習算法則可以智能化的分析、診斷、預測人力資源管理中的眾多復雜場景，幫助人力資源團隊做出更好的決策。各階段典型技術目前主要包括以下的發展與實踐，1）數據庫相關技術主要包含關系型和非關系型數據庫，數據庫查詢優化，數據庫存儲優化，數據庫結構優化等等，這些技術可以將人才數據存儲持久化，實現高效信息檢索和高并發數據查詢，支

63、撐數字化人才系統的上層建設；2）BI 相關統計報表技術主要包含數據倉庫的構建，可視化報表技術，自助式 BI，移動 BI，云 BI 等等，這些技術可以對人力資源的效能進行分析，對員工培訓，員工關系，招聘配置等方面進行自動化分析，有利于人力資源的高效管理；3）DI 相關大數據分析和挖掘技術主要包含分布式數據處理，海量數據的關聯規則學習，大規模網絡計算，復雜文本數30據挖掘等技術，可以對復雜的招聘市場進行智能化洞察分析，構建人力資源圖譜，定量分析企業競爭力，協助進行企業內部組織診斷；4）AI 相關機器學習技術則主要包含深度學習，強化學習，AutoML，可解釋學習等技術，多樣的機器學習方法可以實現傳統

64、方法難以完成的工作，例如智能人崗匹配，智能技能定價，個性化知識推薦，離職原因的數據分析等等。各階段技術相互協作，共同實現人力資源的數智化。數據分析在實際應用中的一大挑戰是如何收集到分析所需的數據。這個問題本質上是如何把數據轉化為有效的信息，最終轉化為智慧。造成這個問題的主要原因是 75%的人力資源部門在實際操作中并沒有使用人力資源理論提供的矩陣，沒有對歷史數據進行收集、進行規范的定義與監控。沒有這些基礎工作的完成，無法一蹴而就的進行數據分析。人力資源數智化從智能化方向上來講，就是要實現兩個智能：流程智能與決策智能。其中流程的智能化一是實現端到端的流程自動化、智能化，二是協助人力資源管理的數據記

65、錄，處理和分析的過程，方便人力資源團隊更高效便捷的使用人力資源數據。主要技術包含 OCR 圖像識別，語音識別，文本解析，計算機視覺等等。其中 OCR 技術可以協助智能報銷，語音識別可以協助智能會議記錄，文本解析可以實現自動化簡歷解析，而計算機視覺可以協助刷臉考勤等便攜身份驗證功能。這些都可以提高人力管理的效率和員工工作的效率，將人力資源團隊從繁雜的事務中解脫出來，進行更具重要性和創造力的事情，提高工作熱情、敬業度、滿意度。31決策智能化則是協助人力資源管理團隊做出更好的決策，從數據的角度發現和分析問題，并提供定量的參考。主要技術包含自然語言處理，知識圖譜，深度學習，組織網絡分析等等，其中自然語

66、言處理可以實現智能人崗匹配，知識圖譜相關技術可以結合深度學習算法對員工的離職和績效進行預測，組織網絡分析可以定量的進行領導力評估。這些智能化決策是在人力資源數智化之前難以實現在的，現在基于這些技術人力資源的數智化可以提高決策的效率和準確性，并提供定量的分析支持。調研數據表明，這兩年采用大數據技術與 AI 技術用于人力資源領域的企業比例顯著提升，比如：使用 Hadoop/Spark 等大數據 ETL 技術的比例比兩年前提升了約 6%；使用預測建模等數據挖掘技術的比例比兩年前提升了約 6%；使用機器學習/圖像/語音/NLP 等人工智能技術的比例比兩年前提升了約 2%；使用基礎統計學技術的比例比兩年

67、前提升了約 8%。這說明企業內部已經開始高度重視并醒悟，這里是市場的熱點，路雖難走但前景廣闊。32自從百度 2014 年開始人力資源大數據應用首次嘗鮮以來，到今天整整十年，今天的調研數據表明：已有約 31.68%的企業已經開始使用大數據 約 39.13%的企業處于起步階段這說明盡管大數據技術趨于成熟，但在人力資源領域的全面應用仍有很長的路要走，也正說明大數據產品仍需要時間來證明它的價值與作用。這里缺少爆品。很明顯，人工智能與大數據分析將在未來幾年持續積極塑造新一代人力資源管理領域。數據分析按照層次的劃分可以分為描述性分析、相關性分析、預測性分析、處方式分析，分析的深度、廣度、難度是層層遞進的。

68、舉個大數據應用在組織與人才動態調配上的案例：人才智能調配是指從組織的戰略發展目標與任務出發，識別和把握人才群體結構的變化規律，建立一個較為理想的人才群體結構，發揮整體效能。隨著技術的發展，可以利用人工智能與大數據技術，對當前人才整體結構和布局進行更加智能全面的分析，針對組織配置的不合理性與失調的地方進行調整，形成一個多維的最佳組合，以提高團隊的整體效率。33有一種簡便的方法可以快速診斷組織配置的合理性，通過管理幅度和管理層級來調配組織規模，使其符合業務發展的要求。管理幅度指一個人直接管理的下屬人員數量。管理層級指組織縱向劃分的管理層次的數量；管理層級與組織規模成正比，組織規模越大，包括的成員越

69、多，則層級就越多。在組織規模相對穩定的前提下，管理層級與管理幅度成反比：主管直接管理的下屬越多，管理層級就越少；相反，管理幅度越小，管理層級就會越多。大數據分析研究表明，管理幅度為 7 到 12 人之間是最科學的組織架構，無論是管理者還是下屬，工作效率與組織效能都是最大化的。在被管理對象數量（全體員工）相對穩定的情況下，管理幅度越寬，需要設置的管理層級就越少；反之，管理幅度越窄，需要設置的管理層級就越多。假設每層管理幅度都是 8 人的話，一個 3 萬人左右的企業，管理層級至多需要 6 層就足夠了（即從最底層員工到CEO 之間的層級）；將近 30 萬人的企業，7 層架構也足矣支撐，保障了組織運營

70、的基本效率。當直接管理的下屬人數超過某個限度時，就必須增加一個管理層級，通過委派工作給下一級主管人員而減輕上層主管人員的負擔。如此下去，就形成了有層次的組織結構。山東省濟南某家企業的“人才有價”平臺，只要將“人臉”對準評估系統攝像頭并刷身份證，或掃一掃微信程序碼填寫相關信息，便可以得到測評者自身身價。該平臺采用人臉識別技術，采用“四 CAI”(才、彩、采、財)人才評價標準，通過數據采信和大數據算法，采用 400 多項指標、數千個要素，對人才的當前價值、潛在價值和未來價值進行綜合預判，并將人的綜合信用以“身價”形式呈現，給出身價、金融價值和崗位價值報告。在未來幾年，隨著組織通過基于數據洞察的人員

71、決策實現業務價值的增加，“數據智能”在人力資本管理中的應用可能性也越來越多。目前在新技術的應用方面，人工智能、大數據技術大多在各個模塊內實現“點狀”、“線狀”發展，場景化則是由“點、線”向“面、體”迭代的重要步驟。如果人工智能技術在選、用、育、留、管等各個方面均能發揮作用，將會連成一個完整的“面”“體”，就能更好地做出動態反饋并快速賦能業務或整個行34業生態。從戰場飛回來的戰斗機上留存的彈孔都是不致命的，真正致命的彈孔根本不會出現這些戰斗機上。打造數字化的智慧 HR 平臺，就是要解決“真正致命的彈孔”導致的問題，更加預測性、前置化、智能化地滿足合規要求、管理訴求、效率效能的期望?，F在僅僅只是一

72、個好的開始，未來更值得期待。1212 企業在人力資源數智化運營中已開展的工作企業在人力資源數智化運營中已開展的工作大數據分析與人工智能在深入人力資源數智化的運營管理過程中時，組織行為和人力資源的根本目標在于支撐技術創新，其中新技術環境下人才管理是核心環節。據調查，全國范圍內，超過 75%的企業已開展人力資源管理數智化運營活動，其中對人力資源管理流程進行數智化轉型的執行程度最高，占比約 69.6%，比前年提升了 8.8%。人力資源管理流程的數智化使得企業免去了自下而上、層層審批的繁瑣管理動作，簡化了辦公流程，使得員工擁有更智能的辦公環境，提高員工工作滿意度與組織承諾，有助于員工將更多的時間與精力

73、花在主動為企業創造更多價值上，進而有助于企業的長期發展。人力資源管理決策數智化的執行已達到約 27.95%，比前年提升了約 8%，具備后發優勢?；跀祿寗拥闹悄芙Y果實現管理決策數智化是企業進行人力資源數智化發展的必經之路，企業可以利用人工智能構建無組織邊界的平臺，打通平臺上各方的數據資源，通過資源匯聚與持續創新，不斷為企業提供深度科學的管理洞察，持續優化管理決策，進而提高企業的核心競爭力。目前管理決策的數智化已經實現了人基于機器結果進行判斷并做出管理動作的過程，在這個復雜的過程中，企業必然會面臨許多問題與挑戰，如人機協作與人機共生的問題，人對機器以及機器產生結果的信任問題，數據驅動的結果的可

74、解釋性問題等。解決以上問題的過程中，企業也可以實現更好的更加人性化的人力資源管理數智化，創建更健康的企業環境。35通過建立一套完整的人力資源管理信息系統，對內外部運營數據、輿情、對標數據的搜集、處理以及大數據技術智能分析，為企業管理者和決策者提供管理駕駛艙、用戶畫像，讓數據說話，建立事前有預測、事中有監控、事后有分析的決策新機制，從而讓管理者能更快更容易地做出更好的“選用育留”的決策，助力業務更大發展。人力資源數智化運營的有效開展需要制定數智化戰略、進行數據整合與治理、建立數智化平臺、利用大數據和人工智能技術、培養員工數字化素養、建立數智化安全保障體系以及持續改進和優化等方面進行；這些措施有助

75、于提升企業的管理效率和競爭力，推動企業的數智化轉型和創新發展。1313 企業人力資源數智化團隊規模企業人力資源數智化團隊規模據調查顯示，目前已成立的人力資源數智化團隊主要以企業內部自建團隊自主研發為主，依托于外部乙方企業的比例較低，其核心目標是基于 AI 等智能技術及數字化應用幫助人力資源管理決策充分數據化、精準化，為企業的人力資源管理數智化轉型提供技術和智力支持，推動企業管理模式向著決策數據化、管理賦能化、過程數智化、組織敏捷化發展。但是，據統計數據顯示，目前的人力資源數智化團隊尚處于發展雛形階段，有約 45.34%的企業尚未建立獨立團隊，整體上人力資源數智化團隊嚴重缺乏。36然而，人力資源

76、管理的數智化轉型勢在必行，在復雜多變的環境下，企業為了高效地應對新常態，必須自身具備戰略敏捷性和資源重組性，而這種能力必將需要人力資源管理突破傳統的組織結構，通過構建“數智化”新生態來實現跨越和革新。人力資源數智化團隊的規模一般會根據企業規模和業務需求，可以有不同的配置和規模，但總的來說，一個完善的人力資源數智化團隊應該具備全面的能力和專業的人才，能夠為企業提供高效的人力資源管理解決方案。一個完整的人力資源數智化團隊理想狀態應該包括以下角色：架構師：負責制定和實施人力資源數智化戰略、規劃、架構，需要具備數字化思維、戰略規劃能力、架構設計能力、項目管理與落地能力。產品經理：負責人力資源數智化產品

77、的設計和實施，需要具備需求提煉、產品設計、項目管理、溝通能力。算法工程師：負責搭建人力資源模型并用算法開發實現，需要具備統計學、人工智能、大數據知識。技術開發人員：負責人力資源數智化產品的開發、迭代和維護，需要具備軟件開發和數據庫管理知識，前端、后端開發與測試工程師又不同的37要求。用戶體驗設計師：負責人力資源數智化產品的用戶體驗設計，需要具備設計美學和用戶研究知識。數據開發工程師：負責數據整合、處理和分析，需要具備數據挖掘和數據分析能力。數據分析師：負責對人力資源數據進行分析和解讀，提供數據洞察和建議，需要具備統計學和數據分析知識。產品運營經理：負責產品的運營推廣與運維，與客戶溝通和協調，解

78、決客戶問題，需要具備客戶服務和溝通能力。1 14 4 企業人力資源數智化預算企業人力資源數智化預算人力資源數智化預算是一個復雜的過程，受到多種內、外因素的制約。企業需要綜合考慮各種因素，制定適合的人力資源數智化預算計劃，并采取有效的措施來保障預算的實施和管理。常見的制約因素比如：外部環境因素：包括經濟環境、政策法規、市場變化等因素會對企業的人力資源需求和預算產生直接或間接的影響；內部因素：企業內部的因素如企業的戰略目標、業務發展計劃、組織結構、人員現狀等都會直接影響到人力資源預算的制定和實施；技術因素：人力資源數智化預算需要依靠先進的技術和工具來支持，技術的成熟度和普及度、技術更新速度、技術成

79、本等因素都會影響人力資源數智化預算的實施和效果；人才因素：人力資源數智化預算需要具備相關技能和素質的人才來實施和管理。組織文化因素：文化的開放性和創新性、組織的協同性和執行力等都會影響數智化預算的實施效果。絕大部分企業在人力資源數智化方面的預算不高，約 27.33%的企業投入小于 50 萬，投入50-100萬的企業約有14.29%；投入100-500萬的企業約有 14.91%；投入 500 萬以上的企業僅有約 9.32%?？傮w來說，約 80%企業在人力資源數智化建設方面還是都有投入的，取決于業務發展不同階段。3839三、三、2024 年中國人力資源數智化四大趨勢年中國人力資源數智化四大趨勢1

80、1 無人值守的無人值守的 HRHR 平臺平臺智能化的盡頭應該是什么？這是一個不斷發展和演變的主題，將隨著技術的進步和企業需求的變化而不斷變化。未來智能化將繼續在各個領域發揮重要作用，但如何更好地平衡人類的利益和人工智能的發展，將是智能化發展面臨的重要課題。從技術上來說，智能化的盡頭可能是實現真正的人工智能，即具有人類級別的智能，甚至超越人類的智能；在實踐層面來講，智能化的盡頭可能是實現智能化與人類社會的深度融合，使人工智能成為人類生活和工作的一部分，實現人機協同、共創共生的發展模式。這意味著智能化將更加注重實際應用和解決實際問題，而不僅僅是理論上的突破。同時，智能化的發展也將更加關注人類的利益

81、和福祉，努力實現科技向善的價值目標。這還有很長的路要走，機遇無限。人力資源智能化的盡頭是什么？是智慧 HR，是 HR 智能體，是無人值守的HR 平臺。我們回顧一下過去人力資源信息化的發展歷程發現，四化模型已成為業界共識與實施指南：【1.0 線上化】以“數清人、發對薪、算總包”為目標來解決人力資源基礎服務和公司管理要求，把人力資源核心系統與基礎流程從線下搬到線上。40【2.0 信息化】在全面線上化的基礎上，以提升人力資源運營效率為目標，打通拉通“入離升降調、選用預留管”，解決合規性，生產與存儲數據，開始初步數據治理?！?.0 數字化】以提升組織效能、員工體驗為目標，通過 AI 重塑人力資源業務流

82、程，通過大數據技術挖掘與分析數據價值，建成人才大屏，打造人才供應鏈，辦公移動化自動化，為管理判斷提供決策支持?！?.0 智慧化】打造智慧 HR 平臺，建立人才智庫，為組織、人才、文化提供預警預測功能，鏈接人、財、物、事的數據，建立生態運營平臺，為企業持續健康發展賦能。智慧化階段的目標是實現企業發展過程中持續的人才供應，人才管理與組織能力已經成為企業的核心競爭優勢，此階段的關鍵詞是“生態”。通常來講，處于此階段的企業已基本具備三條曲線的業務發展路徑：第一條曲線是企業成熟業務，確?，F金流；第二條曲線是企業發展中業務（即成長業務），產品或服務具備隨時升級的潛力；第三條曲線是未來業務，探索未來趨勢，使

83、企業處于搶跑位置。智慧 HR 平臺就是要確保跑在這三條曲線業務上的組織/人才/文化相關流程和系統敏捷迭代并良性發展。如果說線上化、信息化、數字化分別解決的是“點、線、面”的問題，那么隨著大數據與人工智能的深入應用，智慧 HR 考慮的則是智能“體”的問題，它可以使“入離升降調、選用育留管”的各個環節具備靈敏感知能力、自適應學習能力和預測判斷能力，同時將各場景下的管理實踐通過“神經網絡”觸達并輸送41到大腦中樞，結合管理實踐給出行動建議，最終形成智庫。業務生產數據，數據驅動業務，不斷迭代循環上升發展。本階段的特征是網狀組織，目的是建立生態型組織，并可持續地支持企業多條曲線良性循環發展。無人值守的

84、HR 平臺將會成為一個熱點，首先要建成智慧 HR 平臺，在此基礎上少人化、無人化操作。這是一種新型的人力資源管理模式，它利用先進的技術和工具，如人工智能、大數據、大模型等，實現人力資源管理的自動化和智能化。具體來說，無人值守的 HR 具備以下特點：能感知：能夠收集、處理和分析大量的人力資源數據，通過智能終端設備，了解員工的需求和期望，以及組織的需求和目標。會思考：能夠運用人工智能技術對數據進行挖掘和分析，通過模型與算法，提供智能化的決策建議。自控制：能夠自動控制和智能化地調整管理流程，提高管理效率和質量?？膳袛啵耗軌騾⒄?DIKW（金字塔模型）根據數據和信息進行判斷和預測，為組織提供有價值的數

85、據支持。從實踐的角度來看，無人值守的 HR 也可以從兩個方面來理解：一方面，無人值守的 HR 能夠實現精細化管理，根據每個人的不同屬性，為其提供整體的人力資源管理。另一方面，無人值守的 HR 能夠隨時隨地、無時無刻提供人力資源服務。參考自動駕駛的分類標準，將無人值守的 HR 平臺從自動化操作層面分成L1L5 五級：42 L1-樣本級：主要實現關鍵流程線上化，滿足基本需求，以統計報表為主，簡單輔助決策級，決策最終需靠人判斷；常見場景有基礎分析報表、員工檔案、自助中心等。L2-主業務級：重點關注人才厚度與人才密度，積累沉淀數據，形成檔案，點狀智能應用，打樣跑通。此段位屬于信息化運營、中等輔助決策級

86、，常見場景有多維分析報表、人效分析、人才畫像與推薦、對話機器人客服、游戲化學習等。L3-融合級：重點關注人才效能，利用人工智能解決復雜場景問題，任用誰、培養誰、激勵誰、淘汰誰。此段位屬于數字化運營、半自動決策，典型場景有無感考勤、數字員工、智能人才推薦、人才掃描與診斷、離職預測、員工預測性維護、課程推薦、智能關懷等。L4-智能級：重點關注組織效能與員工體驗，利用人工智能解決組織效能問題，誰是領軍人物、承重墻、關鍵節點。此段位屬于智慧化運營、全自動決策，典型場景有績效預測、人才技能定價、組織掃描、管理風險預測、輿情監測、智慧決策等。L5-生態級：重點關注創新與復制能力，利用人工智能支持生態化，廠

87、家、供應商、客戶、員工協同與共生。此段位屬于生態化運營、全方位決策，典型場景有組織神經網絡、業人一體化、智慧 HR 平臺等。從 L1 到 L5，主要有兩套打法，一是“直拳”，按照點、線、面、體逐步推進實施；二是“組合拳”，三步并作兩步跑；取決于資源投入情況。當然，隨著43全球化的發展，數智化轉型進入深水區，加上數據合規性和個人信息保護法越來越嚴格，5A 架構（業務架構、應用架構、數據架構、技術架構、安全架構）也會有不同變化，會導致 L1 到 L5 的實施要適應業務的變化，需要不同的打法。從 HR 事務辦理在線化，迭代到檔案在線（數據盤活），再到到人才管理（數智結合），然后從組織管理（數據決策）

88、，進化到賦能型組織、網狀組織，支持生態化、協同與共生，最終實現 HR 少人化、無人化智能運營（機器決策）。無人值守的 HR 平臺就是一個智能體，是一種高效、智能的管理模式，它能夠提高人力資源管理的效率和準確性，降低人工成本和人為誤差，極大地提升員工的滿意度、敬業度、員工體驗。2 2 從大屏展示到作戰指揮中心從大屏展示到作戰指揮中心傳統的人才大屏或儀表盤通常是一個大型的、高清晰度的顯示屏，用于展示人力資源相關的數據和信息，這些信息可能包括員工基本信息（數量、分布、職級、年齡、司齡）、員工異動、員工績效、人效分析、成本分析、招聘/培訓數據等等。人才大屏通常采用圖形和圖表的形式展示數據，以便更直觀地

89、呈現信息和趨勢；大屏的設計簡潔明了，易于理解和操作。大部分企業都已通過商用套件/工具或者自研實現了數據大屏、人才大屏或儀表盤，可以多端顯示（PC 端、移動端、PAD、大顯示屏）。大多數數據大屏/人才大屏都是靜態的，單向的。但這不夠，面對日益復雜多變的競爭環境，企業要求大屏要能互動，要能事件預警，要能處理應急，要能指揮作戰。隨著大數據技術、人工智能、大模型的深入應用，大屏的發展趨勢是不僅僅能靜態展示數據，還能成為業務作業中心，智能化大屏實現的首要條件是數據全量全要素的實時連接，主要實施路徑有：第一步先有數字大屏，能展示、能預警；第二步能互動、能判斷；第三步能決策、能處理。智能人力資源大屏的自動化

90、管理功能主要體現在以下幾個方面：自動化招聘流程：智能 HR 系統可以通過自動化流程管理招聘的全過程，包括職位發布、簡歷篩選、面試安排等環節。系統可以根據設定的條件和要求，自動篩選合適的候選人，并生成面試日程表，大大節省了人力資源部門的時間和精44力，提高了招聘效率。智能化員工信息管理：智能 HR 系統可以對員工的基本信息、合同信息、薪資福利等數據進行集中管理。系統可以自動提醒人力資源部門關于員工合同到期、薪資調整等重要事項，減少了人為疏漏的可能性。此外，系統還可以生成各種報表和統計數據，幫助企業更好地了解員工情況。智能化績效評估：智能 HR 系統可以根據企業設定的績效評估指標，自動化地評估員工

91、的工作表現。系統可以根據員工的工作數據和績效指標，生成績效報告和排名，幫助企業更好地了解員工的工作能力和貢獻度，從而進行合理的激勵和獎懲。智能化培訓管理：智能 HR 系統可以根據企業的培訓需求和員工的能力水平，自動化地安排培訓計劃和課程安排。系統可以根據員工的培訓記錄和學習情況，生成培訓報告和評估報告，幫助企業更好地了解員工的培訓需求和提升空間。數據分析和預測：智能 HR 系統可以通過對員工數據的分析和挖掘，幫助企業了解員工的流動情況、離職原因等。系統可以根據歷史數據和趨勢分析，預測員工的離職概率和留存概率，幫助企業制定相應的人力資源策略。智能人力資源作戰指揮大屏是智慧 HR 平臺的一部分，是

92、一種集成化、智能化的人力資源管理平臺，它以大屏為中心，整合了各種數據、信息和功能模塊，為企業的人力資源管理提供全面的支持。以下是智能人力資源作戰指揮大屏的一些特點：大屏設計：智能人力資源作戰指揮大屏通常采用高清、大尺寸的顯示屏，45能夠展示豐富的人力資源數據和信息。大屏的設計簡潔、直觀，便于用戶快速獲取信息和做出決策。數據可視化：通過數據可視化的方式，智能大屏能夠將復雜的人力資源數據以圖形、圖表等形式展示出來，幫助用戶更好地理解數據和趨勢。實時更新：智能大屏能夠實時采集和更新人力資源數據，確保用戶獲取的數據是最新、最準確的。多維度分析：智能大屏不僅展示整體的人力資源狀況，還能夠從多個維度對數據

93、進行深入的分析，如員工績效、人才結構、招聘情況等。智能預測：基于人工智能和大數據技術，智能大屏能夠根據歷史數據和趨勢，對未來的人力資源狀況進行預測，幫助企業提前做好規劃和準備。整合多種功能模塊：除了展示數據外，智能人力資源作戰指揮大屏還可以整合多種功能模塊，如招聘管理、績效評估、培訓管理等。用戶可以通過大屏快速訪問這些模塊，進行相應的操作和管理。安全可靠：智能大屏具備高度的安全性和可靠性，能夠保護企業的人力資源數據不被泄露或損壞?？啥ㄖ苹焊鶕髽I的不同需求和特點，智能人力資源作戰指揮大屏可以進行定制化的開發，滿足企業的個性化需求。智能作戰指揮大屏的出現，為企業的人力資源管理帶來了新的機遇和挑

94、戰。通過智能化的管理判斷和決策支持，企業能夠更好地優化人力資源配置、提升運營效率、提高組織效能，從而在激烈的市場競爭中獲得決定性優勢。3 3 基于大模型的數字員工基于大模型的數字員工“數字員工”又稱數字化勞動力，是用人工智能、虛擬現實等技術武裝起來的面向職業場景的機器人，以數字化技術賦予“活力”的第四種企業用工模式。近年來，以大模型為代表的生成式人工智能得到了快速發展，大模型面向復雜場景的適應能力持續增強，逐步成為賦能產業發展的核心利器，數字員工相關產業也因而迎來了新的發展機遇?；诖竽Ｐ偷臄底謫T工將在提高數字員工的創建效率、降低數字員工的使用門檻、擴大數字員工的應用場景等方面得到能力躍遷。4

95、6如果采用簡單公式表述，數字員工=（AI+RPA+VR）*職業，基于大模型的數字員工=AI 大模型*（RPA+VR）*職業。數字員工應用場景比較廣泛，在財務層面，數字員工可以實現自動處理發票、報銷審核、對賬等標準化工作；在辦公層面，數字員工可以自動發送郵件、待辦消息、預警等工作；在制造層面，數字員工讓生產線上的實體機器人自動開展流水化作業，比如三一長沙的 18 號廠房里，通過機器人全自動化作業，每 45 分鐘可以下線一臺泵車，成為引領行業智能制造的新燈塔。數字員工在人力資源領域可以總結為三大應用場景：問詢類、流程類、決策類三大應用。問詢類問詢類：數字員工基于大模型與人力資源大數據進行學習，通過

96、聊天對話形式，回答用戶問題和訴求，例如智能客服機器人，實現“機器人輔助人工”加“機器人智能回復”等應答模式，“數字員工”不需要休息，可以 7x24小時不間斷提供咨詢服務；“數字員工”可以提供統一的標準化服務，不帶有情緒化，保障服務的準確性；“數字員工”在回答問題的過程中，可以收集合規的有效的數據，有助于構建更加全面的用戶畫像，實現“千人千面”的個性化服務，改善員工體驗；“數字員工”可以替代人工客服，節省人力成本?！皵底謫T工”可以通過模型更新、算法升級等技術手段，實現迭代升級，提供更加精準的咨詢服務。流程流程類類：“數字員工”基于人工智能、RPA、大數據、大模型等技術，自動處理有明確規則的事務，

97、例如流程智能審批、考勤打假、定向預警等；比如，有些公司命名數字員工為“數字戰警”，數字戰警主要負責基于公司層面的管理規則，自動對符合規則的流程進行審批，對不符合規則的行為進行處罰。以請假為例，一般員工請假需要上級審批，現在只要提交給數字戰警，只要請假理由符合規定，就可以自動審批，然后數字戰警會發給員工的上級領導告知員工的請假情況。對于有清晰門檻要求的晉升提報，可以讓數字戰警先進行一輪審批；對于有明確基本規則的人事崗位異動，也可以交由數字戰警預先判斷。數字戰警還以企業管理者的身份直接對員工進行工作任務下發及督辦、懲罰、警告、表揚等，形成閉環。數字47戰警可以完整看到公司各類單據的完成情況，并把一

98、些數據推送給管理者以提醒其組織、業務存在的問題。決策決策類類：人工智能通過打造知識圖譜，運用深度學習、大模型等技術，為數字員工提供決策能力，實現運營管理智能化；數字員工基于標簽庫，訓練推薦等算法模型，根據業務需求進行推薦和匹配，實現干部智能推薦等應用。數字員工提供的數據和行為記錄也為 HRBP 提供更好的個性化管理的依據。以晉升考核為例，通常情況下公司每年會有兩個晉升季，以前流程是通過 HRBP 與業務上級溝通，梳理部門人員的情況，推薦晉升人員?，F在通過數字員工進行晉升人員推送，基于部門現有人員在現績效數據、歷史績效數據、任職當前職位時間以及目前薪酬與當前薪酬框架的差距，向管理者推薦是否提報晉

99、升。數字員工也會直接生成若干報表，可以基于推薦的分數，總結一個推薦模型，當 HRBP 拿到這些數據時，就可以直接和業務部門溝通了。數字員工還可以幫助 HRBP 進行人才盤點，基于絕對數據做相對明確的盤點，公司通過多維度數據對人才進行明確的盤點，例如績效水平、管理行為測評數據、360 反饋數據以及各種學習類數據等。以往通過人工收集不同維度的評價報告，現在通過機器進行多維度的數據抓取，系統自動生成相應模板的意見和報告。目前的作用是提升工作的效率，判斷意見和數據不再基于人的經驗，而是將判斷規則的標準化沉淀。隨著技術的不斷進步，數字員工在人力資源領域的應用場景還將繼續擴大；未來，我們可以期待數字員工在

100、更多方面發揮更大的作用，為企業帶來更高效、更智能的人力資源管理體驗。4 4 從流程智能到決策智能從流程智能到決策智能從流程智能到決策智能的演進，仍然是人力資源數字化這幾年發展的重要方向，是人力資源部門不斷適應和驅動企業數字化轉型的重要體現，通過這一轉變，人力資源部門不僅提升了自身的專業能力和效率，更成為企業運營管理戰略決策中不可或缺的一部分。1流程智能流程智能是基石是基石：通過人工智能、RPA、大數據、大模型等技術重塑與48優化人力資源業務流程（入離升降調、選用育留管），消除斷點，打通端到端，實現核心業務場景全量全要素覆蓋，應用系統在互聯互通基礎上實現流程的自動化、智能化。2數據治理是關鍵數據

101、治理是關鍵：在流程自動化的基礎上，需要采集、清理、加工、整合來自不同來源的數據，如績效、培訓記錄、招聘數據等、以及財務、經營匯總數據（銷售額、利潤）等。通過數據集成與分析，可以洞察員工行為、績效趨勢、人才流動、人效等情況，為決策提供更全面的信息支持。通過定期數據清洗、驗證和校準等措施，可以提高數據質量。從BI（商務智能）、到 DI（數據智能）、再到 AI（人工智能），數據治理是個長期優化迭代的過程。3模型與算法是模型與算法是邁向決策智能的邁向決策智能的核心核心：為了實現決策智能，需要利用人工智能、機器學習等就技術，搭建預測模型，通過算法（算法反映的是HR 的思想）幫助 HR 分析復雜的數據模式

102、，預測員工流失、績效改進等方面的情況，并為制定策略提供科學依據。4智能決策支持系統智能決策支持系統是目標是目標：無論是智慧 HR 平臺，還是指揮作戰中心，背后基礎是依靠決策支持系統，將分析預測模型、實時數據監控和預警等功能整合在一起，為HR決策者提供一個全面的信息平臺和決策工具，通過實時監控關鍵指標和數據，HR 部門可以在問題出現之前采取行動。例如，人才地圖分布在哪里？如何排兵布陣？我們所需的關鍵人才在哪里？哪些員工最有潛力？哪些人才是組織中的承重墻？哪些是將才？哪些是帥才？這可以幫助 HR 更快地做出理性的決策，提高決策質量和效率。下圖是一個人力資源數智化產品架構的案例示意圖：1 個入口：通

103、過 Web端、移動端，連接用戶（決策層、經理、員工、HR）實現互動。2 個智能中臺能力：流程智能（AI 重塑流程、打通系統）、決策智能（數據治理+模型算法），實現核心業務場景智能。X 個智能應用：X 是容器，不斷地將選用育留中成熟的場景自動化、智能化、產品化，組合封裝，打造智能化的人才供應鏈和提升組織49能力。從流程智能到決策智能的演進是 HR 領域發展的重要趨勢。通過實現流程自動化、數據集成和分析以及利用高級分析模型和實時數據監控等功能，HR 部門可以提高工作效率、洞察員工行為和績效趨勢，并為制定科學決策提供有力支持。然而，在這一過程中也需要注意數據質量、技術集成和安全性以及員工接受度和培訓

104、等方面的問題。展望未來，隨著技術的不斷進步和應用場景的不斷拓展，HR 領域的決策智能將有望實現更廣泛的應用和更深入的發展。50四、中國人力資源管理數智化領先企業實踐案例四、中國人力資源管理數智化領先企業實踐案例1 1 無人值守的無人值守的 HRHR用人工智能重塑人力資源管理實踐用人工智能重塑人力資源管理實踐王崇良 三一集團副總經理 人力資源 CIO謝庚曦 三一集團 HR 資深產品經理近年來，人工智能的浪潮掀起了一波又一波，逐漸深入我們的工作與生活。三一集團（以下簡稱三一）以裝備制造業為主，近幾年加速數字化轉型，將核心業務全部轉移線上，打造智能制造的燈塔工廠，在數字化、國際化、電動化層面一直與時

105、俱進，不斷突破與創新。三一在數字化轉型的過程中引入人工智能，探索新趨勢下的人力資源數字化管理，以打造無人值守的 HR 平臺為目標，讓人力資源管理更便捷、反應更敏捷，讓員工獲得更好的體驗，讓人才釋放潛力做更多具有創造性的事情。什么是什么是“無人值守無人值守”概念闡釋概念闡釋隨著數字化進程的推進和深化，如何利用數字化技術提供更好的員工體驗？如何保障人才供應鏈源源不斷？如何實現組織效能最大化？如何將數字化應用由點成線，由線及面，最終連成體？這一系列的思考和探索引領大家在“無人值守”的旅程中持續前進?！盁o人值守”的概念可以從兩個方面理解無微不至和無處不在?！盁o微不至”是指實現真正的精細化管理，根據每個

106、人的不同屬性，為其提供整體的人力資源管理；“無處不在”是指能隨時隨地、無時無刻提供人力資源服務。實踐方向實踐方向為了不給業務增添負擔，讓無人值守的 HR 平臺在日常工作和流程中順利且有效地完成人力資源活動，“無人值守”定義了能感知、會思考、自控制和可判斷四個方向。能感知：搭建智能終端設備iSany，感知用戶，讓計算機擁有“視覺”和“聽覺”。會思考：搭建深度學習算法平臺HR 算法平臺，構建用戶畫像。自控制：構建 HR 微服務架構，重塑流程，實現流程端到端打通，并加強自動化控制?？膳袛啵捍罱ㄈ瞬胖菐?，通過數據輔助管理者做出判斷，讓決策更加智能。51 分級標準分級標準在實現智能化的過程中，三一提出了

107、人力資源智能化分級標準，參考自動駕駛 L1 到 L5的級別劃分了智能化的五個級別（如圖 1）。圖 1 智能化分級標準“無人值守無人值守”的應用場景的應用場景 總覽總覽在人力資源管理中，AI 目前主要用于招聘甄選、人才發展、學習培訓和 SSC 四個模塊。招聘甄選：當前技術應用成熟的場景是“AI 文本聊天機器人”，企業未來關注的場景是“AI 視頻面試”，這也側面反映出，企業期望實現從“劣汰”到“擇優”的技術跨越；在 AI 項目的準備過程中，數據準備是難度最大且必須跨越的難關，具體表現為在招聘過程中如何積累企業方（業務人員和 HR）與候選人互動過程的數據；在已實踐 AI 技術應用的企業中，通常呈現“

108、快速投放、大規模實施、更迭優化”的狀態；初代 AI 產品投放后，不斷優化算法模型的過程中，HR 需要提升訓練 AI 的能力。人才發展：AI 可負責多維度人才報告整合與生成，系統數據自主抓取，生成相應模板的意見和報告；將績效薪酬等歷史數據提供給管理者，幫助其做出相對客觀的決策（人才檔案）；提煉出人工審核的考量標準，通過系統自動給出是否需要重新定級、重新考核、晉升調薪等意見；篩選出需要績效輔導、績效優化措施的員工；針對管理者溝通技巧的提升，在模擬工作場景中進行對話練習，拓展強化其與下屬溝通的能力和輔導能力。學習培訓：AI 能根據學習行為記錄推薦符合學員自身特點的課程，讀取學習歷史數據，分析其是否適

109、合參加相應課程，若未具備足夠知識，則推薦“前導課程”；幫助銷售人員在無需拆解產品的情況下，更深入、清晰、可視化地理解產品性能地內在原理，進而更明確地52向客戶推薦產品；更貼近工作實質場景地模擬，適用于危險操作類工種，降低事故發生的概率；節省實際操作練習中的材料，增加實操中的準確性；增加趣味性與互動性，從而提升體驗和學習效率。SSC：AI 可支持業務場景多樣化、移動辦公、服務線上化以及智能考勤；通過考勤數據進行深度分析與研究，了解工作狀態與行為模式；滿足個性化的排班需求；提升排班“精益”程度，減少勞動力的浪費；提升工時統計精準性和效率。具體實踐具體實踐2022 年，三一人力資源總部推出了“無感考

110、勤”項目，通過引入員工車輛信息或者面部信息以實現無接觸打卡。比如，需要開車上班的員工，在開車進入停車場的瞬間就會被識別，從而自動打卡成功；不開車的員工則是在通過閘機時被識別面部從而自動打卡。此外，三一還設置了其它工作場景的無接觸打卡，比如打開工作 APP、電腦開機等，都視為完成打卡?！盁o感考勤”項目很好地避免了員工因為一時疏忽忘記打卡的情況出現，也就不存在“補卡”的麻煩了，既提升員工的工作體驗，同時也讓員工能夠更好地將注意力投入工作中。圖 2 圖像識別應用在無感考勤在員工入職層面，三一人力資源總部開發了一個入職小程序，可以將員工的身份證、銀行卡等相關信息通過 OCR 錄入。信息錄入之后不僅是為

111、了存檔，也是為了精準地向員工傳達關懷，比如有員工身份證快到期了系統會提醒員工，員工生日時系統會推送生日祝福、發放生日禮金，等等。53圖 3 OCR 應用在入職辦理OCR 是圖像識別的一種，那么處理的流程就和大多數圖像算法是一致的，即預處理圖像檢測圖像識別。以自然環境下的文字識別為例，OCR 算法的工作流程大致如下圖：圖 4 OCR 算法工作流程示例為了更好地處理人力資源事務和完成人力資源管理決策，三一人力資源總部搭建了智能運營框架（如圖 5），分別有兩大主體，一方面通過智能網絡協同推進 HR 事務辦理，另一方面通過數據智能中臺助力 HR 管理決策，并且兩大主體互聯互通，還有統一的用戶界面，能為

112、員工提供更好的體驗，同時也能更好地輔助 HR 完成決策。54圖 5 智能運營框架此外，三一人力資源總部在制定推薦算法時總結出了一個算法模型框架（如圖 6），需要經歷四個階段，共八個步驟，最終形成完整的算法模型。比如，公司如果要想通過內訓師推薦算法得出合適人選，那么按照此算法模型框架去操作時就可以按照這樣的流程來進行：首先便要明確選擇內訓師這一目標和規劃，然后全方位收集數據，比如目標人物是否經常參加演講比賽，對培訓的積極性如何，參加相關活動的意愿如何，等等。將所有相關數據收集完整之后進行整合分析，隨后根據數據整合結果逐步搭建算法模型，最后不斷迭代和完善，得出高準確性的內訓師推薦算法模型并投入使用

113、。圖 6 算法模型框架八步法三一人力資源總部制定了五年規劃逐步將 AI 應用于人力資源管理實踐中，并開始取得了一些成果，未來也希望通過 AI 更多地解決復雜場景下的問題，讓人力資源管理變得更靈活、更敏捷（例子見圖 7）。55圖 7 AI 應用場景圖思考與展望思考與展望人工智能的浪潮已經掀起，將會發展得越來越成熟，對于企業和個人而言都將會有不同程度的影響，也會帶來更多的發展機遇。在這樣的現實背景下，未來的組織、人才、工作環境和技術如何發展，作為企業又當如何應對，都是需要積極思考的問題。大部分企業應該從三個方面順應時代發展做出改變：第一，在企業內部采用協作性更強、敏捷性更高的工作流程，連接各個部門

114、和職能；第二，與日益發揮關鍵作用的外部合作伙伴開展合作，實現企業的核心目標；第三，參與更廣泛的生態系統，發揮真正的平臺經濟效益，并且與希望或需要利用所有平臺優勢以實現目標的企業開展合作。562 2 美的人力資源信息化數字化簡史美的人力資源信息化數字化簡史伍名躍伍名躍 資深數字化轉型專家，前美的資深數字化轉型專家，前美的 HRMSHRMS 負責人負責人離開人力資源信息化、數字化戰線多年了，大家也沒有完全忘記我，時常有朋友在做HR 系統選型時，會先問問我的意見或讓我推薦 HR 廠商?？吹胶芏嗥髽I的人力資源信息化、數字化剛剛進入美的八至十年前的階段，加上同行老友的勸說，決定對美的人力資源信息化、數字

115、化的歷程做個回顧，希望能夠對大家有參考價值。美的人力資源信息化、數字化的歷程大概可以分為四個階段，分別是：基礎事務支撐、專業體系運作支撐、人才與員工服務、全球一體化支撐?；A事務支撐基礎事務支撐(2005(2005 年以前年以前)這一階段，美的人力資源主要做的基于業務經營需要的人事(員工關系、員工入離職、勞動合同簽訂等)、工資發放、社保購買之類的基礎事務性工作。什么職群職種、職級職等、薪酬帶寬、薪酬預算、績效管理等體系和標準都還是沒有影的事。系統則是由美的信息科技公司(賽意的前身)開發的兩個系統，一個是人事系統，一個是工資系統。兩個系統都是 C/S 架構，需要客戶端下載安裝。2000 年美的營

116、收過百億，2002 年突破 150 億，集團人力資源部意識到，公司業務發展較快，人力資源管理水平已經不能滿足業務發展和應對復雜管理的需要了。能夠有這個意識，仍然得益于美的人才引進與培養機制。盡管那個時期，中國民營企業普遍人力資源管理水平都不太高，專業性不太強，但美的集團人力資源部已經有人大第一屆人力資源管理專業的畢業生在這里工作了六七年。集團人力資源部在 2003 年年底確定推動人力資源管理提升項目，準備選擇咨詢公司+IT實施公司組合的合作伙伴，在那個時候就有管理標準要通過 IT 落地固化的意識，也算是比較超前的吧？經過多輪角力，最后在 2004 年 10 月份與中標的“雙信”團隊正式啟動管理

117、咨詢+IT 落地的人力資源管理提升項目。參與這個項目的團隊是比較豪華的，美的集團參與項目的主力后來基本都成了高管，即使是當時才畢業一兩年的小姑娘，后來都成了上市公司的 HRD。57“雙信”團隊的主力也不差，咨詢公司中有寶潔背景的博士、重點大學的 MBA 畢業生，非常專業，后來這些人有的創業，有的成了大企業高管。合作的軟件實施公司也不乏北大、清華的高材生，項目組成員有的成了企業 CIO，有的在互聯網大廠發展得很不錯。經過一年的努力，承載著咨詢成果落地使命的新的 HR 系統于 2005 年 11 月份正式在試點單位上線使用。通過這一項目，將美的集團的組織、職位、薪酬、績效體系建立起來了，形成了集團

118、級標準，奠定了美的集團人力資源專業化發展的基礎。專業體系運作專業體系運作(2005-2012)(2005-2012)自 2005 年 11 月試點單位上線之后，再用了半年時間推廣，新的 HR 系統覆蓋到全國各地的生產基地。自此，美的集團人力資源管理全面進入專業體系運作階段。不過這里有一個插曲，由于“雙信”團隊中的軟件公司發生業務調整，支持不力，在2007 年換掉了原來的系統。這一次沒有涉及業務管理的變化，主要是系統和長期合作伙伴的選擇問題。對比的是國內軟件廠商與國外的 oracle ebs hcm、Peoplesoft hcm。oracle ebs 的匹配度和用戶體驗確實比較差，Peoples

119、oft 還是不錯的，但當時已經被oracle 收購，有傳聞 oracle 會用 ebs HCM 整合 peoplesoft，所以也不敢用，最終仍然選擇了國內的軟件廠商合作。當然，還有另外一個因素，美的在快速發展過程中，專業體系運作支撐上，除了組織、職位、薪酬等相對比較標準外，績效管理、人才管理等還是有非常多的個性化需求的，而當時的套裝軟件人才比較稀缺，不好找，而且貴。這一次系統切換比較順利，主要是因為上一次人力資源管理提升項目中形成了比較完善的組織、職位、薪酬相關的標準，無形中打好了主數據的基礎。同時，新舊系統切換時，數據遷移及初始化整理得比較徹底，所以這一次切換的時候，數據可以完整地遷移到新

120、系統。因此，給大家一個建議，一定要重視初期的核心人事系統的基礎數據標準建立，這個基礎打好了，未來其他的績效、招聘、培訓等系統建設的時候，才不會亂。2009 年之后，重點圍繞著績效管理下功夫，先是干部責任制考核，接著是全面矩陣式考核，也開始使用招聘系統，自此校園招聘、社會招聘全面線上化。2011 年啟動了 HR-BI 項目，在招標之前，已經將指標體系梳理得很清晰，RFP 寫得很詳細。將人力資源分析體系歸為內部勞動力市場、人力資本管理、人力資源運營管理、信息與知識管理四大類別。58這個項目是跟當時的四大之一的咨詢公司合作的，咨詢公司反饋，這是他們做 BI 業務以來，見到的最詳細的 RFP，從來沒有

121、哪個客戶在項目開始之前能有這么體系的思維。HR-BI 系統于 2012 正式上線，到現在大部分的分析主題和指標體系都還在使用，只是后來換了自研的大數據平臺，做了技術上切換，并且基于業務發展的需要，更新了部分分析主題和指標。人才與員工服務人才與員工服務(2012-2017)(2012-2017)如果說前面兩個階段，都是基于第三方軟件+定制開發為主，是比較傳統的軟件工具支撐管理需要的階段。這第三個階段可以說是受互聯網、移動互聯網影響比較大，逐步走向自研為主的階段。大家都知道，這一階段美的實施 632 變革，但人力資源系統一直是集團統一的，從“一個美的，一個體系，一個標準”的角度，人力資源一直都是符

122、合的。所以，在“632”的階段的流程梳理對人力資源體系影響較小，主數據也主要是與財務的標準和口徑統一?；趯θ瞬诺脑絹碓街匾?，在專業上，重點實施了人才管理系統，以支持美的“航系列”的人才分層培養與人才梯隊建設。同時實施了在線學習系統，叫“美課”。在 2014 年以后，重點是在員工服務上面做了較多的移動互聯網應用，員工體驗得到非常大的改善?；诿佬诺膯T工自助服務是美信推出來得到普遍認可的第一個應用場景，特別是一個“美的人生”小應用對大家的觸動很大。當時方洪波非常認可這種體驗的改變，忍不住在朋友圈分享自己的“美的人生”。59除了這個針對全員的員工自助服務應用之外，基于全員參與精益生產改善、一線管理

123、透明化、生產工人績效管理支撐的訴求，還做了一個專門針對車間員工的移動應用，叫“美+”。通過美+，一線員工可以對一線管理提出反饋意見，由專門團隊負責跟進解決，信息直達事業部總經理和集團人力資源部，整個處理過程是透明的，確保形成閉環。員工反饋意見是可以匿名的，有廠長級別的管理人員因為給反饋意見的施加壓力而被撤職。要讓一線管理透明化，必須從上到下有決心才行，不然沒有員工敢說真話。員工針對車間現場提出的小改善意見，被采納了會有積分，積分是可以兌換禮品。這也算是讓看得見炮火的人有發聲的渠道。在美+中，還實現了跟一線工人工資直接掛鉤的績效管理，美的叫“葡萄圖”績效管理，不同顏色的葡萄代表的當天的績效表現，

124、員工可以根據這個計算自己當天可以得到多少工資。60之后，在 2016 年，又推出了彈性福利平臺“美?！?。在這里就不展開敘述和呈現了。全球一體化支撐全球一體化支撐(2017(2017 以后以后)自 2017 年開始，美的集團人力資源啟動了新一輪 HR 業務轉型及數字化轉型，基于以員工為中心的理念全面重新梳理 HR 業務流程、機制，并從 0-1 自研建設 HR 數字化產品，提升員工、管理者體驗及 HR 工作效率。我認為對于大多數企業而言，遠沒有到這個發展階段，沒有必要開展自研，但可以考慮借鑒以員工為中心的業務流程、機制及數字化工具的全面優化完善，提升員工體驗、HR 工作效率及專業能力。對于學華為、

125、美的等標桿的小伙伴們拋幾個觀點，希望對大家有所啟發：標桿學習是以他人之“史”，照亮自己的過程。學習標桿是為了看清自己，成就自己，而不是成為學習的對象。無論是學華為，還是學美的，都要從其發展歷史中審視自己，自己現在的發展階段，放到華為、美的的發展歷史中，是在哪一個階段？他們在這個階段所面臨的環境跟現在有什么不一樣？他們面臨的哪些問題跟我現在面臨的一致，哪些是不一致的？他們的哪些舉措我們可以借鑒，哪些則需要根據當前的環境差異做出調整？比如說：美的做移動化，是通過自研實現的，因為美的走在前面，當時還沒有好的移動應用產品，自研的投入是巨大的，這就是做先進的代價。你現在做移動化，就沒有必要自研搞個類似“

126、美信”這樣的東西了，現在這方面成熟的產品不少了，效果都還不錯，你再去搞自研，就是浪費，而且并不先進了。學習之后，還是要形成自己的思考和沉淀。比如：做 HR-BI 之前，我們外出考察交流了一圈，發現大多數企業盡管用了 BI 的軟件，但仍然是當作傳統報表在用。這不是我想要的BI，于是我自己買書看，上網找資料，整理了一套自己的方法和模板，與人力資源部門的同事一起外出封閉討論三天，得出的分析主題和指標體系。613 3 關于關于 ESGESG 原則在原則在 HRHR 數字化過程中的指導作用數字化過程中的指導作用常曉東常曉東 施耐德電氣大中華區施耐德電氣大中華區 HRHR 數字化部負責人數字化部負責人近年

127、來，隨著我國 ESG（環境、社會、企業治理及道德）信息披露的體系逐步完善，央企控股上市公司 ESG 專項報告編制研究項目的啟動，國家積極推動更多的上市央企披露ESG 專項報告，制定了 2023 年實現相關專項報告披露“全覆蓋”的目標。根據中財大綠色金融研究院統計（圖 1），截至 2023 年 6 月底，450 家已在 A 股上市的中央國有企業中共有347 家披露了 2022 年度社會責任報告、可持續發展報告以及 ESG 報告，披露率高達 80.70%，顯著高于全部 A 股上市公司 33.2%的整體披露率。ESG 報告成了與財務報告同等重要的上市公司需要定期披露的義務。圖 1 A 股央企上市公司

128、 20202023ESG 報告披露情況施耐德電氣集團在 ESG 方面起步較早，自 2014 年起，就成立了人力資源與企業社會責任委員會專門負責ESG事務。因此在集團內ESG原則早已貫徹融入到了日常管理的方方面面，包括 HR 和 IT 戰略，都把 ESG 原則放在很重要的位置。在 HR 數字化的旅程中，施耐德電氣也自覺的把 ESG 原則充分落地，對 HR 數字化建設起到和指導和支撐的作用。施耐德電氣施耐德電氣 ESGESG 實踐實踐施耐德電氣制定了可量化的績效指標，依托兩個相輔相成的工具，即施耐德電氣可持續發展影響指數（SSI）和新發布的施耐德電氣可持續發展基本要素指數（SSE），以便跟蹤622

129、021-2025 年需履行的以下六項承諾的進展：積極應對氣候變化積極應對氣候變化：基于碳承諾，持續投資并開發創新解決方案，以實現短期和長期的脫碳目標。高效利用資源高效利用資源：充分利用數字化技術，以負責任的方式守護我們賴以生存的家園。堅持誠實守信堅持誠實守信：確保我們自己及身邊所有人遵守高水平的社會、治理和道德標準。創造平等機會創造平等機會：重視所有員工的價值并提供包容的環境，以激發他們的最大潛能?？缭酱H跨越代際，釋放潛能釋放潛能：促進每一代人不斷學習、提升技能、實現個人發展，助下一代開創未來。賦能本地發展賦能本地發展：因地制宜提出本地目標，賦能個人和合作伙伴為可持續發展貢獻力量。并對 20

130、30 年和 2050 年做出了鄭重承諾：到 2030 年公司運營層面實現凈零碳排放 承諾到 2030 年在我們的業務運營中高效利用資源，實現生物多樣性零凈損失 到 2030 年，為 1 億人提供綠色電力服務 到 2050 年在供應鏈層面實現凈零碳排放SSI 將六項長期承諾轉化為具有高度變革性和創新力的計劃，這些計劃采取季度跟蹤和公布方式，且每年進行審核。為了灌輸可持續發展文化，SSI 績效納入集團高管的短期激勵計劃中。SSE 工具旨在使長期計劃保持高水平的參與度和透明度。加拿大媒體和研究公司企業爵士（Corporate Knights）將施耐德電氣評為“全球最佳可持續發展公司”。在 MSCI

131、ESG評級中連續十三年保持 AAA 級。作為一家可持續影響力企業，施耐德電氣不斷提升自身在 ESG 各方面意義深遠的影響力，包括員工、供應鏈合作伙伴、客戶、當地社區以及地方和全球機構等。通過將可持續發展和社會影響融入業務的各個方面，為所有利益相關方創造長期價值，并推動盈利增長。ESGESG 對對 HRHR 數字化戰略的影響數字化戰略的影響ESG 的 14 個細分領域對企業的 HR 戰略和 IT 戰略分別都有一些重要影響，具體如下圖，并綜合起來對 HRIT 戰略提出了五個方面的要求：綠色低碳 安全合規 數據質量63 多元平等包容（DEI）精益敏捷圖 2 ESG 對 HRIT 戰略的影響下面具體展

132、開闡述這五方面的細節。綠色低碳綠色低碳最近幾年企業在數字化項目建設中貫徹綠色低碳的原則越來越得到重視。這既是 ESG對全球氣候環境保護的要求，也是企業降本增效的有效手段。具體來講，需要貫徹以下要點：避免公司內部的重復開發。從節省成本的角度，要嚴格避免不同部門重復采購和重復建設類似的數字化系統，不但能節省資金，也可以降低系統上線后日常運營的碳排放。盡量采用 SaaS 來替代本地部署(On Premise)SaaS 模式在越來越多的領域得到普及，其中一個原因就是 SaaS 模式比傳統的本地部署更集約，租用現成的 SaaS 系統可以使企業節省自建開發和運維隊的成本，降低自建服務器資源空置率，并且 S

133、aaS 企業也更容易實現軟件架構和硬件資源的及時升級換代，跟蹤最新的低碳技術確保日常運營的能耗保持最低水平。盡量采用云部署來替代本地部署。企業自主開發的系統也有必要從傳統的本地部署改為更集約的私有云部署，云廠家更有實力確保平臺架構和硬件設備及時跟上最新的標準，確保通過低碳技術保持低能耗。盡量采用成熟框架而不是從零開發?，F在 IT 市場上有很多優秀的開源或閉源的技術框架，企業即使要自建系統也沒必要自己寫每一行代碼，完全可以站在巨人的肩膀上，利用先進框架來提高開發效率，64節約開發和維護成本。內部開發盡量提高代碼復用率。企業在自建系統時，要確保開發團隊能夠盡量提高代碼復用率，在各個項目開發中積累可

134、復用的組件，從而逐步把開發效率向“大廠”的水平看齊。技術過時的舊系統擇機退休或遷移新平臺。大型企業一般多年來都建設了依托各個時代主流技術的各類系統，有些已經老舊過時，運維和改造成本居高不下，IT 領域將此類系統稱為“技術債”，既然是債，確實不是想還就立即能還掉，但是一直拖下去只會越來越被動，有機會時一定要當即立斷，下線老舊系統，用新技術平臺來取代。本地部署系統要監控使用情況和負載，及時維護和優化 在 SaaS 為主的潮流下，企業仍然會有部分系統暫時保持本地部署模式，但這類系統的運維也要學習 SaaS 廠家的最佳實踐，持續監控系統的使用率和負載，及時進行資源優化，確保保持較低的資源空置率。數據及

135、文件存儲減少冗余，及時刪除臨時數據和文件降低空間占用。在日常運維中，要注意盡量減少冗余的數據存儲，刪除不必要的臨時文件，這是綠色低碳的存儲管理好習慣。分享文件采用可同時編輯的云盤方式。同一個文件盡量保持最少的副本，不要每個使用者都復制一份，最好采用云上共享方式，這是綠色低碳的版本管理好習慣。對用戶請求只提供最小所需響應。在用戶需要查看某類信息時，僅展現該部分信息，不要強迫用戶看大而全的頁面，既可以降低網絡交通量，也可以給用戶更好的體驗。上述提到的過時的老舊架構，主要指老舊的部署架構和老舊的技術架構，對于部署架構，這些年已經發展了三代，從傳統自建單體服務器到虛擬機再到容器化部署，具體如下圖：65

136、圖 3 三代部署架構對于技術架構，這些年來發展了四代，從傳統的單體架構到 SOA，再到微服務和最新的組裝式架構，具體如下圖所示：圖 4 四代技術架構最后介紹一下如何量化的計算數字化系統消耗的碳量。國際公認的計算公式為：軟件碳指標 SCI=(E*I+M)per R其中：E=軟件消耗的能量 千瓦(kWh)I=每千瓦能量消耗的二氧化碳當量M=制造運行軟件的硬件所消耗的碳R=per user 或 per device根據 AWS 的研究:上云可減少 78%的能耗，云計算大約每千次訪問消耗碳量為：0.023 TCO2e(噸二氧化碳當量)。在施耐德電氣，把系統能耗標準分為以下幾個級別：A 級：按需運行 B

137、 級：容器化部署 C 級：SaaS66 D 級：IaaS D+級：私有云部署 E 級：本地部署(甲類開發商)F 級：本地部署-虛擬機(乙類開發商/自開發)F+級：本地部署-服務器(乙類開發商/自開發)安全合規安全合規企業運營的安全合規，是企業承擔社會責任的具體體現。針對數字化系統的安全合規，施耐德電氣采用嚴格的審核流程。圖 5 安全合規審核流程具體要審核以下幾方面：漏洞掃描。模擬黑客攻擊，找出系統的安全漏洞并整改后再測試。個人數據保護及數據出境。這兩年隨著我國的個人數據保護法規和限制數據出境的相關法規出臺，HR 數字化系統必須確保符合這些法律條文，否則會給企業造成嚴重的法律風險。因此在采購和部

138、署各類 HR 系統時必須從處理個人信息總量是否大于十萬、處理敏感個人信息總量是否大于一萬、是否面向外部數據主體、是否跨境提供個人信息等四個方面進行評估，并根據具體情況采取如下部分或全部整改措施：向個人信息主體進行告知并就跨境事宜獲得個人信息主體的單獨同意、為個人信息主體提供便捷的注銷和撤回途徑、與數據接收的第三方訂立法律文件明確約定數據安全保護責任義務、建立泄密響應處置流程和兜底機制、個人信息去標識化或數據本地化存儲等。67 權限管控。要求提供標準的基于角色的按模塊、按數據行訪問權限管理機制。訪問控制。一般要求 SSO 單點登錄，外部用戶注冊則需要提供短信、圖片驗證碼等機制。數據加密。薪酬、持

139、股計劃、繼任計劃、個人敏感信息等要采取加密存儲措施。第三方安全認證。要求供應商提供 ISO27001、SOC2 TYPE2 等國際標準的有效安全認證。WAF 互聯網應用防火墻。對于 SaaS 廠商，必須要求配備互聯網應用防火墻，確保其云產品有業界標準的安全保障。災備及高可用。條件允許的情況下，對訪問量大的系統要提供高可用機制和災備恢復機制。另外要特別注意所謂個人敏感信息不一定與大家日常的理解一致，按照我國法規，如下信息都屬于個人敏感信息：身份數據（姓名，證件照，員工號，電子郵箱地址，出生日期和出生地）。個人生活信息（家庭狀態，子女數，生活方式）。流量數據（設備 ID，IP 地址，登錄，密碼，時

140、間戳信息）。經濟和財務數據（收入，財務狀況）。位置信息（GPS/GSM 數據）?；驍祿?。健康相關數據。工會會籍。揭示種族或民族血統的數據。解釋政治觀點的數據。揭示宗教或哲學信仰的數據。68 用于唯一識別自然人的生物識別數據。與刑事定罪和犯罪有關的或與安全措施有關的數據。社保號碼。數據質量數據質量確保及時準確的在系統中記錄員工相關的信息才能為員工提供高質量的 HR 服務。因此HR 的數據質量至關重要，也是公司整體數據治理的重要組成部分。在施耐德電氣采用以下流程來管理 HR 數據質量：圖 6 數據質量管理流程 第 1 步：收集各 HR 系統中的數據字段 第 2 步：整理元數據字典 第 3 步：確

141、定關鍵數據和數據質量規則 第 4 步：監控數據質量 第 5 步：生成數據質量報表 第 6 步：解決數據質量問題前三步是屬于質量規劃階段，一般做好后不會輕易修改。日常主要通過后三步的逐月循環不斷提高和保障數據質量。其中數據質量報表要包括以下三方面的質量問題：數據完整性問題 數據時效性問題 數據準確性問題69多元平等包容多元平等包容 DEIDEI要在 HR 數字化系統中體現多元平等包容的理念，一方面要通過數據儀表盤引導 HR 同事關注 DEI 方面的數據指標，另一方面也要設計一些功能模塊更以人為本的給員工提供服務。前者比如：各代際員工占比統計圖、應屆畢業生入職情況統計圖、男女薪酬差異統計圖、年輕員

142、工離職情況統計圖、女性員工離職情況統計圖、志愿者服務天數統計圖、近退休員工統計圖等。后者的例子有：內部開放人才市場模塊（給員工提供職業發展機會）、安全和商業道德在線培訓模塊、數字化技能在線培訓模塊、職業后期員工的職業發展計劃模塊、女性專用調薪模塊等。精益敏捷精益敏捷精益的目標是：消除浪費，順暢且高質量地交付真正的價值。其核心是持續改進、低成本快速試錯。敏捷的目標是：更快地交付價值，更靈活的應對變化。其核心是迭代和持續交付。作為提高 HR 治理水平的有效措施，精益敏捷方法越來越多的在 HR 部門等到采用。在施耐德電氣已經在 SSC 組織結構上有所體現，各個臨時的敏捷項目小組在精益敏捷教練的指導下

143、執行項目：圖 7 SSC 組織示例在 SSC 的日常數字化項目中，貫徹落實了精益敏捷的方法閉環：70圖 8 精益敏捷的項目方法總結總結ESG 原則從公司總體戰略層面對 HR 數字化路線圖起到了指導作用，我們應該在數字化項目策劃執行中貫徹 ESG 原則，這不但能為公司總體戰略貢獻一份努力，而且也對項目本身的降本增效用正面作用。作為 HR 數字化項目的項目經理或產品經理，有必要了解和掌握 ESG原則，并自覺的指導項目活動。這將是未來幾年 HR 數字化的一個新的熱點。714 4 信息化系統升級，從整合走向融合信息化系統升級，從整合走向融合高朝輝高朝輝 西門子（中國）有限公司西門子（中國）有限公司 人

144、力資源應用系統運營經理人力資源應用系統運營經理德國西門子股份公司創立于 1847 年，是全球電子電氣工程領域的領先企業。西門子自1872 年進入中國，140 余年來以創新的技術、卓越的解決方案和產品堅持不懈地對中國的發展提供全面支持，并以出眾的品質和令人信賴的可靠性、領先的技術成就、不懈的創新追求，確立了在中國市場的領先地位。2020 年（2019 年 10 月 1 日至 2020 年 9 月 30 日），西門子在中國的總營收達到 73 億歐元，擁有超過 3 萬名員工，設立了 20 個研發中心、77 家運營企業。西門子（中國）有限公司通過人力資源共享服務支持所有在華業務單元的信息系統建設、運營

145、管理和創新。人力資源從信息化到數字化建設歷程：2005 年，西門子人力資源信息系統的結構相對簡單，主要應用 SAP 系統中 HR OM 和 HRPayroll 模塊進行組織管理和薪資計算。另外，西門子（中國）通過本地系統 HRDW 實現績效管理流程、入職流程、離職流程、內部調轉流程線上操作。2007 年，西門子在人力資源管理上進行了戰略調整，通過統一使用 SAP 系統，實現亞太地區人力資源標準化管理。根據業務需要，西門子（中國）內部開發了本地系統，員工能夠通過該系統提交加班申請、休假申請，經理可以進行在線審批。審批流程結束后，Nexus系統中的數據會同步到 SAP 系統中，進行薪資計算。在 S

146、AP 完成算薪后，信息數據又會從后臺流轉到 Nexus 系統，員工能夠在前端查看每月的工資單。同年，西門子收購了美國 PLM（產品生命周期管理）公司 UGS，這為西門子的數字化進程打下扎實的根基。PLM 能集成與產品相關的人力資源、流程、應用系統和信息，是企業信息化、數字化的數據基礎。2008 年，西門子成立了人力資源共享服務中心，希望通過人力資源信息系統，實現自動化管理。因此，西門子內部 HRIT 項目團隊開發設計了一個較完整系統DOE 系統，將原先在本地系統 HRDW 中實現的入、離、調、轉的流程在 DOE 系統上重新實現。試用后，通過外部服務供應商專業化地開發 DOE 系統并由其進行后臺

147、運維。目前，西門子人力資源共享服務中心的服務體系設置為“3+1 式”，其中 3 包括第一層員工熱線，熱線中心主要集中在北京；第二層為區域性服務中心，分布在各個城市，例如北上廣等大城市下屬還分細分多個小服務點，其中主要面對西門子中國本部員工，而西門子下屬工廠的員工服務，西門子主要通過 on-site 服務團隊提供相應的服務；第三層為后臺運營中心，分別在北京和蘇州，其涵蓋職責為更加集中化的 HR 工作。此外，+1 為員工自助服務。722011 年，西門子在全球范圍內推廣使用 4Success 云平臺，西門子 4Success 是 SuccessFactors 全球最大的私有云平臺。該平臺在 201

148、1 年以項目的形式在西門子（中國）推廣上線，主要實現招聘、績效管理模塊，實現招聘流程和績效管理流程全球統一。2013 年，西門子全球總部建立了西門子全球人員的組織架構模型，各個國家的員工登入平臺后，可以看到西門子整體的框架，包括人員結構、匯報關系。推行該項目，各國西門子的總部需要維護各國的數據，因此，西門子（中國）的 HRIT 團隊在 SAP 上設定新的字段要求，并建設了一套新的維護規則和邏輯。另外，西門子在全球范圍內推廣在線培訓系統，提出了一套培訓解決方案。2015 年，西門子在中國已有 20 多家工廠，部分工廠內部已使用考勤系統，部分工廠尚未搭建，主要以手工操作，統計員工考勤信息。手工統計

149、考勤數據一方面工作量巨大，另外很難避免“人情班”的情況出現。西門子（中國）收到工廠考勤自動化的需求后，對市場上的考勤解決方案做了細致的評估。經審批后，引入了勞動力管理服務供應商 Kronos 的考勤解決方案。2016 年，西門子人力資源信息化建設最大的項目是上線了 SAP HANA。從用戶角度，該項目實施后，系統的性能顯著提高，系統運維的速度明顯加快。另外，西門子（中國）在本地人力資源系統上增加了一個功能智能機器人。智能機器人以一問一答的模式，解答員工提出的問題。近年來，隨著西門子對于人力資源數據的敏感性增強，包括招聘、保險、員工福利等數據，西門子專門采購了部分本土軟件，比如招聘采用的本土軟件

150、圖譜等，用于提升數據安全和軟件能力。西門子共享服務中心的考核主要劃分為四個維度實施，包括財務指標（例如利潤率等）、運營和流程指標（例如人員服務數量）、顧客服務指標（例如員工滿意度）、員工服務（例如離職率）。此外，西門子為了共享服務中心的制度改革，在數字化方面做了很多創新突破，例如Dash 數據分析報告，將人力資源業務中的離職率指標、到崗率指標等綜合分析，給管理者提供決策輔助。雖然西門子對人力資源智能化建設的發展還不夠深入，目前所采用的感知設備主要應用在簡歷分析、簡歷匹配、門禁系統、人臉識別等功能，但西門子在數據流程方面有較深的梳理，包括打通流程界面的壁壘、研發一體機操作平臺、手機端實現人機交互

151、等。針對西門子下屬工廠的管理差異，工廠員工的薪資核對算法也不盡相同，各工廠通過流程申請服務，共享服務中心根據流程單進行相應的服務。在人才培訓方面，西門子強調 own your career（你的職業你做主）文化，公司會在人力資源共享服務中心提供職業生涯規劃的課程，也會由 HR 提供課程建議、個人長處測評等工具，以鼓勵員工主動地規劃、掌握、開拓自己的職業生涯。同時，西門子與北大光華管理學院一起合作開展了 EMBA 項目，針對智能制造的高管來做聯合培訓，以及與教育部簽訂了新一輪的教育合作備忘錄，在中德合作框架下為中國工業轉型升級培養新的人才。73在數字化進階過程中，西門子人力資源共享服務中心搭建了

152、包括產品管理、系統管理、人員管理、客戶管理、培訓管理等各方面的共享服務管理體系，以共享服務價值驅動集團業務發展。借助本地人事流程系統，整個人事流程得以清晰展示，執行狀態一目了然，不同步驟不同角色權限控制。西門子的數據管理采用“卷”管理的方式，兼顧數據的效率與采集，以法律邊界筑牢數據信息安全。尤其內部數據信息安全管理是企業信息化建設的核心內容，針對數據保密性、數據完整性、數據可用性三個維度來定義平臺及數據安全等級及生成對應的安全保護措施，從關鍵風險評估、制定分級預案措施、確認措施可行性、實施安全措施、數據安全狀態監控及定期檢查的規范流程上給予把控。745 5 當當 AIAI 技術著力于技術著力于

153、“企業微觀數智化企業微觀數智化”變革智力密集型生產工具，匹配變革智力密集型生產工具，匹配 AIAI 浪潮下的生產力要求浪潮下的生產力要求作者簡介 劉長江劉長江 OmegaOmega：歷任百度 HRIS 顧問，高德 HRIS 負責人，阿里巴巴招聘信息化產品經理，騰訊招聘效率與體驗產品經理，Bello 智能副總裁。長期活躍在互聯網一線大廠的數智化領域，積累了 14 年+的前沿經驗。擅長通過技術變革與產品變革的方式，正面突破企業遇到的業務難題。倡導通過構建數智化效率產品，實際提升一線工作效率和體驗，以沉淀真實的過程數據，從而實現可量化的降本增效，切實有效地推動企業數智化進程?；诠P者在 AI 領域和

154、企業數字化領域多年的經驗，對 AI 浪潮興起之下的數智化領域有些粗淺的見解，撰文于此，供大家參考：目前世界范圍內的“大環境”問題，比較好的突破口還是技術革命引發的生產力革命。拋開無人機、AI 引入戰爭重構戰爭形式這種宏觀話題不談，筆者嘗試從企業運營管理的數智化技術引入，舉例論證技術革命帶來生產力巨大提升的例子，從而一窺 AI 為智力密集型工作帶來大幅生產力提升的路徑。路徑路徑 1 1：通過 AI 的引入，讓業務流“自動化”成為可能案例 1：騰訊招聘“一鍵安排面試”能力的構建不為人知的是，早在 2020 年，騰訊的招聘面試安排，就有 60%都是由機器人自動完成的了。另外，這里所說的“機器人自動完

155、成”就是字面上的意思：當人類的招聘經理在系統上通過點擊發出一條指令：“為候選人劉長江安排面試”之后，所有的操作，包括“跟面試官確定面試時間”“跟候選人聯系，確定面試時間”“撮合雙方時間”“定會議室”“自動生成遠程視頻面試鏈接”“book 面試官日歷”“給候選人發出郵件/短信邀約”“給候選人進行訪客預約”“面試前溫馨提醒候選人”“引導候選人去到面試的會議室”“候選人面試完成后自動發送問卷”等一系列操作，均由系統（大家如果有印象，這個機器人叫“小約”）自動完成。75也就是說，上面這幅圖中幾乎所有的工作，都是由系統自動完成的。大家可以通過這幅對比圖，直觀地看到系統通過“集成”和“智能化”兩個維度生產

156、力的引入，為日常招聘工作帶來的革命性的變化。當時做過一個測算，就是僅通過這一項功能，為騰訊帶來的人力成本節省，每年就有近3000 萬人民幣之多。而較為長遠的候選人體驗提升、誤差率下降、人才競爭中的優勢提升，以及與之對應搶奪到優秀人才之后對業務帶來的巨大潛在價值，就無從核算了。也正是因為此類功能的大量出現，我們后來發現，招聘經理的工作內容需要重構了，不僅僅是簡單的“處理招聘瑣事”“負責招聘流程”的人，更應該成為深入業務，回答“在當前的業務階段，應該花 xx 錢從 xx 地方招聘到 xx 人”“為什么”這樣的角色。這樣一來，同樣是花一個 HC 雇傭的招聘經理，就不再只是負責低價值工作，從工作的深度

157、來講，可以為企業提供更大的價值。76需要注意的是，上圖中絕大部分功能，早在 2017 年，就已經在騰訊實現了，后續增加機器人實現了其中的和面試官候選人溝通時間地點的功能。但當時為什么只能做到替代 60%人工呢？因為候選人或者面試官要改時間這樣的復雜場景，通過機械式的多輪對話，其用戶體驗會很糟糕，所以我決定凡是此類問題一律轉到人工處理。那么結合當前火熱的大模型技術，對不同格式的語言理解能力大幅上升，剩余 40%，也大有持續突破的可能。即：業務流自動化=基礎功能高度集成化+AI（智能化），在這個場景中，AI 主要起到了“識別意圖”的作用，然后將意圖準確轉化為命令，觸發系統中已經高度集成化的各項功能

158、，最終實現業務流自動化。筆者在這里想表達的，并不是說大模型一出現，才有了這個功能，或者說大模型出現后，能基于它構建一個徹底顛覆掉原來功能的產品。九層之臺，起于累土。產品的構建也好，生產力的提升也好，都不是一蹴而就的過程，需要在前面的基座之上不斷迭代打磨。AI 不是神話，它只是技術提升的一種路徑，有了它之后，讓之前某些難以覆蓋的問題得到了很好的解答而已，如果我們選取的杠桿點足夠巧妙，可以讓原本 50%，60%，90%的功能突破臨界點，達到 100%，從需要耗費人力，到人類完全不需要關注這個業務節點，徹底釋放生產力用于其他領域。路徑路徑 2 2：通過 AI 的引入及可視化技術的應用，為智力密集型工

159、作執行“熵減”因為本刊的讀者均為高水準專業人士，故此處不再花費過多篇幅介紹“熵”以及“熵減”的背景知識。但必須特地指出一點，本文中的“熵減”主要研究的是如何減少工作者內在精神狀態的混亂度，以及其減少路徑，與華為語境中的“熵減”概念是有差異的。自然，與之對應的“熵增”，即工作者內在精神狀態混亂度的增加，將會極大削弱智力密集型工作者的工作效能和實際產出。相信在各大企業從事智力密集型工作的讀者們都有類似感覺，隨著職級的增長，或者外部環境壓力加大后，大家的亞健康狀態也與日俱增。其表現形式諸如“疲憊”、“做什么事情都提不起興致”、“焦慮不安”、“討厭接到電話或者IM 消息”、“不想跟人說話，只想自己呆著

160、”、“對什么事情都不滿意”、“麻木”甚至“感到痛苦”。因為工作的關系，之前從微觀的角度對其做過研究。所以借這個機會，把研究的情況跟大家做個分享，請大家不吝指正。下面，先通過 3 組圖說明智力密集型工作者內在的精神狀態是如何“熵增”的，即是怎樣一個過程使其越來越混亂：第 1 幅圖，如下：77圖 1假設你是一位招聘經理，給你 1 周，讓你單線程地完成一件極其簡單的任務（簡歷開源），完成有獎。前提是根據你的個人能力，大概 3 天就能很好地完成。我相信大部分人都不會感覺到焦慮?！皢尉€程”，“能力充足”，“時間充足”，“大概率成功”，“完成后有即時激勵”。這一系列的前提條件提供了一個極其輕松而有序的條件

161、以支持目標的達成。那么接下來，追加條件：這個任務存在一些特殊情況，一但發生了，整個工作就得重新開始，對應上圖中出現尖叫表情的幾條路徑。有一些人的焦慮感就開始產生了，但遠遠還達不到“熵”的地步，因為畢竟“能力充足”，“時間充足”，“大概率成功”，“完成后有即時激勵”，做好規劃，甚至提前做好 ABCDE 多個預案，完成任務也是戳戳有余的事情。單線程，多分支任務，對我們的大腦來說，并不是太困難。那么，咱們接著看第 2 幅圖：圖 2781條件再次追加：以這個案例中所舉“簡歷開源”來說，在某一個渠道直接完成任務的可能性是很低的。所以需要在多個渠道執行重復的動作，那就表示第 1 點中我們預設的“單線程”這

162、個條件不存在了。而現實生活中，工作給我們提出的要求往往都是“多線程”的。這就意味著我們的一份精力要能同時記住你在多個渠道的工作任務，并且要在一天的多個時間，重復去執行類似的動作，以真正完成“簡歷開源”這一個最終任務。從這一步開始，任務變得難了，人也更累了，多線程，多分支的任務確實讓“熵”在慢慢增加，但其實內心的精神狀態也還遠稱不上“混亂”，因為無論多苦多累，其單個任務目標是確定的，只是需要付出更多的代價來達成這個目標而已。這里，我相信絕大部分招聘經理也是能較為輕松地完成工作的。雖然大部分人的大腦喜愛單線程，但我們處理多分支，多線程的能力其實還蠻強的。第 3 組圖：圖 379圖 4圖 52在更加

163、現實的工作場景中，企業雇傭一位招聘經理，恐怕也不僅僅只讓你負責一個崗位的招聘，你需要對接數個不同的部門，數個不同的崗位，數位不同的面試官，以及每個崗位上的數位不同的候選人這就意味著你需要把圖 2 中的所有復雜操作在每個崗位上都重復操作一遍（如圖 4，圖5 中所示過程），雖然任務完成的時間有先有后，總時長得到了增加，但是整個任務的工作80量變得極其龐大，在之前的單線程基礎上形成了數輪幾何級增長，同時還有這么多并發任務帶來的海量臨時記憶要求?？吹竭@里，相信很多讀者已經能感受到迎面而來的壓迫感了，但大家不要小看我們大腦的潛力，即使是如此窒息的工作，我們平時也悄無聲息地就把它做完了，不是嗎？如果有做過

164、招聘的讀者可以回想一下自己的日常工作過程，看看是否如我所說。只是在之前沒有人把這些工作具象化成這種圖像給大家看到而已。其實，直到此處，都還沒有到達我所認為的“混亂”的臨界點。不開玩笑的說，我們人類才是最精密且廉價的“人工智能”。3真正讓工作者的精神到達混亂狀態的是：在以上的工作中，它們并不是按照順序，依次發生的而是亂序、帶著不可預知內容地隨機發生的。4是整個事務已經脫離了掌控，最終不是我們人類在推動著工作向前走，而是我們被無數重要或不重要的“步驟”或者“事務”推動著向前走。當原有的，連續的工作進程被打亂，紛亂而碎片化的工作會帶來極大的時間浪費和心力耗費。紛亂使之前我們在大腦中里建立的臨時記憶被

165、不斷清空，每次重拾工作都需要重新回憶之前做過的一切和思路；碎片化讓我們難以積聚足夠的時間和思考以突破一些困難的問題，工作中的“卡殼”現象便頻繁發生。5強大一些的職場人，還能保持著目標不散，于紛亂的事務中捋清脈絡，抵達目的地；經驗少一些的，就只能每天被事情逼著上下班，完全失去對工作的掌控，要么最終拼盡時間和身體健康強行達成目標，要么就只能面臨績效不合格的窘境。這種情況不僅僅發生在我所舉例的招聘領域，各類智力密集型崗位，都有出現的風險。綜上，智力密集型工作者的精神狀態出現混亂的核心原因，是事務的亂序，不受掌控，智力密集型工作者的精神狀態出現混亂的核心原因，是事務的亂序，不受掌控以及碎片化，打亂了整

166、個工作流的運作，從而產生混亂和隨之而來的一系列連鎖反應，讓以及碎片化，打亂了整個工作流的運作，從而產生混亂和隨之而來的一系列連鎖反應，讓大腦疲于應對大腦疲于應對。但筆者想強調的是，導致導致“熵增熵增”的根源，卻是現代化的智力密集型工作分工模式，的根源，卻是現代化的智力密集型工作分工模式，對工作者提出了很高的要求（包括工作量，工作復雜度，分支事務量等），但卻沒有配套對工作者提出了很高的要求（包括工作量，工作復雜度，分支事務量等），但卻沒有配套的生產工具為之提供對等的生產力的生產工具為之提供對等的生產力，導致工作量幾何數增長，最終工作者失去任何冗余精力應對隨機、突發、亂序情況的產生，從而引發“熵增

167、”及最終的混亂。因此，與之對應的破題思路也就很簡單了：鑒于我們對事務的亂序、隨機、突發是沒有任何掌控力的，從它們身上著手，需要重新構建對應的規則或者數字化產品，成本太高。那不如先從那不如先從“提供對等的生產工具提供對等的生產工具”和和“提高對整個工作流的掌控力提高對整個工作流的掌控力”著手著手。具體方法很多，但篇幅所限，此處，筆者就選取 2 個具備代表性的做個案例。案例 1：智能招聘系統中的“一鍵搜全網”功能利用數字化和 AI 工具，直接作用于簡歷開源過程中繁瑣的“重復步驟”，通過“在一個網站輸入搜索條件，在多個網站自動搜索并自動查重”等功能，將“需要在 n 個網站執行m 個操作”降維成“僅需

168、在 1 個網站執行 m-3 個操作”，大幅減少任務執行成本，為工作者節省下寶貴的時間精力用于執行更加復雜的任務。81流程對比圖如下：因為具體的產品思路和構建過程，就不在此處過多描述了，感興趣的讀者可以線下再深度交流。我想補充說明的是，這種搜索能夠真正提升效率的關鍵，是對搜索者意圖的識別足夠精準，同時，能將意圖分解為足夠準確的關鍵字，并利用這些關鍵字成功實現在多個異構網站的搜索，并為搜索者拿回結果。傳統搜索引擎的精準度大家都清楚，而大模型的出現，為這個古老的功能帶來了極其確定的，新的可能性。這就是我所謂的技術杠桿效應，帶來臨界點的突破。案例案例 3 3：騰訊招聘“check now”能力的構建通

169、過可視化的產品思路，構建實際作用于“流程執行”的任務管理工具“check now”（中文名“切克鬧”），可以將“任務推著人走”逆轉為“人提前掌控大盤，推著工作走”這個產品與 AI 并不是那么相關，但鑒于業界并沒有同類產品，我認為其產品思路可以給大家一些參考價值，故分享于此。這個產品的起源，是我在對騰訊招聘系統進行重構時，發現招聘經理們其實都更喜歡用excel 去自己管理自己手中的事務，而不是依賴于系統圖形化的界面或者 BI 現成的看板。在與大家深度討論之后發現，現有功能僅僅是對“結果”和“關鍵節點”的呈現和管理（傳82統流程化思路），卻缺少了對實際工作中微觀事務流，以及對“異?！钡墓芾砉δ?。而

170、這些，才是構成招聘經理日常細碎工作的主體。即“系統只關注宏觀，卻并未照顧到微觀”。于是，筆者當即在白板上畫出大家常用的 excel 表格，并就這表格與招聘經理們討論其每一個行、列的作用，形成了這個產品的草圖。后續又交由下屬團隊和研發部門數次打磨。最終，這功能應運而生，其核心使命，就是管理微觀事務中的“異?！?。故名：check now。見下圖，其橫軸為面試流程中的各個步驟，縱軸為候選人；綠色標記為正常流程，紅色標記為異常流程。點擊異常流程后，在彈出的卡片中可以直接處理異常，例如“一鍵拉群”或者“跳轉系統”等等，異?？梢杂啥鄠€維度自定義，常用的是時間。例如，某位候選人在復試階段呆了2 周了，還沒有

171、進入到下一輪面試或者被淘汰，這是需要面試官去正視并處理的。招聘經理此時就可以直接一鍵拉起企業微信群，進行問詢處理。又如，某位候選人在接到 offer 之后3 天了，還沒有回應，招聘經理可以一鍵呼出電話了解原因并催促候選人盡快接受 offer這樣，當招聘經理在被各路面試官、候選人、領導催著滿天跑之前，每天上班第一件事情先把這些可能發生的異常捋一遍，直接實現從被動到主動的角色變換，即：“在被打擾之在被打擾之前，先集中處理掉打擾自己的異常因素前，先集中處理掉打擾自己的異常因素”，從而很大程度上避免工作的亂序和碎片化。究其根本，異常并不是被我們直接消除了，而是提前被我們集中起來處理掉了異常并不是被我們

172、直接消除了，而是提前被我們集中起來處理掉了。而提供這種能集中處理異常的生產工具，就是“Check now”。我認為，當系統演進到一定階段之后，都應該要從原有的“宏觀管控思路”切換到“微觀生產力提升思路”，畢竟，當系統永遠只是一個跑流程單據的工具，生產力就永遠無法通過系統，注入到實際的生產過程中，更遑論“為組織提效”?？梢钥吹?，在應對新時代對我們提出的新挑戰之時，單純的信息化，已經變得較為無力；83而單純地認為 AI 可以解決一切，又過于樂觀，缺乏連通神話與現實的路徑。但仔細分析一些新出現的管理現象背后的原因，并從微觀層面上對其進行拆解，卻能引出龐大的場景，以及極具價值的數智化機會點。除了以上的

173、兩條路徑，三個案例之外，筆者已經接觸，甚至已經實現的案例還有很多，我相信將其擴展到人力資源管理的其他領域，也能發現巨大的、未經發掘的寶藏。這也是為何筆者將標題命名為：當 AI 技術著力于“企業微觀數智化”，個人認為，最終這一波 AI 浪潮帶來的生產力進步，必須要有效地作用于實際生產過程（微觀事務）才能真正產生價值，而如果要作用于生產過程，對業務流的微觀分析就成為了必要條件。單純的仰望星空太過宏大，也非筆者能力范圍內能做的事情，但對微觀場景的深度分析，以及連接一連串微觀場景構建起激動人心的產品，卻是筆者擅長的領域。如果大家對這個領域的話題有希望交流的點，歡迎通過協會與我聯系。筆力有限，真理無窮。愿筆者的分享，能給大家帶來一點小小的啟發，其中謬誤之處，還請大家海涵，不吝指正。84