1. 为什么“人力资源+人工智能”不能仅仅停留在概念层面
过去一年，情况变得更加复杂。 讲话 关于人工智能在人力资源领域的应用，比现实生活中的应用更甚。 实践操作.
在实际招聘工作中，我发现：
- 许多想法在幻灯片上看起来很“前卫”。
- 但一旦将它们置于真实的招聘场景中，它们要么 不要节省时间 或者 增加额外风险
所以，在本文中，我不会讨论大趋势或流行语。.
我只想回答一个实际问题：
在实际的招聘和人力资源工作中，人工智能究竟在哪些方面真正有用？我们应该在哪些方面继续使用人工智能？ 不是 用它吗？
以下所有内容均来自我日常的人力资源工作，涉及真实的职位、真实的候选人和真实的内部利益相关者。.
2. 人工智能真正发挥作用的 7 个人力资源工作流程
在以下这些场景中，人工智能始终能够帮助我进行招聘和人力资源运营。.
2.1 利用人工智能分解职位描述并撰写初稿（强烈推荐）
我如何使用它
当招聘经理发送以下信息时：
- 会议记录
- 聊天记录
- 语音留言或关于“我们想要什么样的人”的简要要点”
我将这些原始内容输入到人工智能模型中，并要求它执行以下操作：
- 总结 核心职责
- 分离 必备技能 vs. 可培训技能 技能
- 起草一份干净的 职责 和 资格 部分
实际影响
- JD 初稿时间缩短了 大约1小时到不到10分钟
- 我的工作方式从“所有东西都自己写”转变为 审阅和纠正
现在我不再从一张白纸开始，而是从……开始。 结构化草稿.
需要注意什么
人工智能喜欢写作 “万能JD” （通用、一刀切的职位描述）：
- 软技能太多了
- 诸如“优秀的沟通能力”之类的模糊要求到处都在重复。
- 角色细节不足
所以我总是：
- 删除 笼统或不切实际的要求
- 添加 招聘经理的具体、实际要求
- 确保职位描述反映出这一点。 我们的舞台，我们的堆栈，我们的现实
AI 是一个很棒的求职助手，但它不能取代你与招聘经理的沟通。.
2.2 AI简历预筛选（仅限第一轮）
最适合：
- 角色中 筛选标准明确
- 职位与 许多申请者 以及可重复的模式
我如何使用它
- 收集以下方面的例子：
- 简历 经过
- 简历 拒绝
- 将这些示例输入到人工智能模型中
- 制定明确的规则，例如：
- 我们优先考虑那些“真正做了工作”的人。”
- 我们寻找的是真正的执行经验，而不仅仅是“参与”。”
- 请人工智能将每份简历标记为：
- 经过
- 边缘
- 拒绝
- 另附简短说明
举一个实际应用案例（为人工智能电影节招募学生志愿者），我让人工智能执行以下操作：
- 重点 活动运营、社区、校园体验, 而非技术技能
- 优先考虑具备以下条件的候选人 实际活动执行, 不仅仅是俱乐部会员资格
- 标记潜在方向，例如 活动/社交/校园 对于每位候选人
边界条件
- ✅ 适合 初步分诊
- ✅ 非常适合查找明显无关的个人资料
- ❌ 不可直接用于 核心、高风险角色
- ❌ 不能替代人力资源部门或招聘经理的判断
实际上，我让人工智能执行…… 第一轮, 然后我 手动审核通过和临界值 在进入下一阶段之前，请先考虑候选人。.
2.3 并排比较多个候选方案（非常有用）
当你拥有 两到三个候选人，看起来都不错。, 人工智能对比功能非常实用。.
为什么有效
- 所有部队都恢复了原状 相同的评估维度
- 亮点 不对称性:
- 一家公司执行力强，但利益相关者管理能力差。
- 另一位经验丰富但深度不足。
- 一个更适合当前阶段；另一个更适合未来阶段。
我的做法
- 输入职位描述和几份匿名简历
- 请人工智能对它们进行比较：
- 核心能力
- 相关经验
- 风险和缺失部分
- 然后我会通过面试或背景调查来核实这些要点。
人工智能帮助了我 更清楚地看到权衡取舍, ， 但：
最终决策总是由人做出，出于人为因素，并根据公司的发展阶段和优先事项而定。.
2.4 生成面试问题和后续逻辑
我在这里如何使用人工智能
- 输入 京东 + 候选人简历
- 请人工智能生成以下内容：
- 行为问题
- 基于情景的问题
- 风险验证问题（例如，差距、任期短、结果不明确）
好处
- 面试变得更加注重 实际能力
- 维护起来更容易 一致的结构 多个候选人
- “面试官提出的”自由发挥式”问题明显减少
但这里有个陷阱 （见下文陷阱 4）：
- 人工智能生成的问题通常 声音 专业的
- 但如果你不让它们适应 真实商业环境, 他们无法测试真正重要的东西。
所以我现在的做法是：
- 让人工智能来起草 问题框架
- 对于每个问题，我都会手动添加至少一个。 具体后续行动 基于我们的背景
2.5 总结面试反馈并构建最终评估框架
常见的人力资源痛点
- 多位面试官提供的反馈意见如下：
- 碎片化的
- 主观
- 难以比较
- 很难得出明确的“推荐/不推荐”结论。
人工智能如何提供帮助
我将所有反馈（必要时进行匿名化处理）粘贴到人工智能系统中，并要求它将评论整理成：
- 客观事实
- 例如“领导一个5人团队”、“负责X功能”
- 能力判断
- 例如“擅长跨团队沟通”、“不擅长冲突管理”
- 风险信号
- 例如“不清楚失败案例”、“在不到一年的时间内离职”
然后我运用我常用的框架（例如能力、文化契合度、风险水平）进行完善和调整。.
结果
- 我发给招聘经理的总结如下：
- 更有条理
- 更容易讨论
- 更容易证明其合理性
人工智能不会替我们做决定，但它可以帮助我们。 更清晰地思考.
2.6 跨时区招聘沟通
这是人工智能在人力资源领域一个影响之大的应用案例，尤其对于…… 海外或远程团队.
典型场景
- 写作：
- 面试邀请
- 后续邮件
- 礼貌的拒绝
- 澄清 时区:
- 自动转换时间
- 建议重叠插槽
- 定制沟通方式：
- 根据不同国家调整语气
- 调整正式程度
- 突出不同的工作吸引力要点
在这里，人工智能帮了我大忙：
- 写更多 听起来像本地人 用英语或其他语言进行交流
- 避免因时区错误而尴尬
- 节省重复撰写电子邮件的时间
我仍然 审核和个性化 关键信息，尤其是与要约或拒绝相关的信息。.
2.7 整理人力资源流程和政策文件
人工智能在以下方面也表现出色 流程和文档工作, 这是人力资源部门在招聘周期之间经常需要做的事情。.
它在哪些方面有所帮助
- 优化现有政策和标准操作程序
- 将当前政策文本粘贴到人工智能系统中
- 请它检查以下内容：
- 逻辑漏洞
- 不一致之处
- 合规性或风险问题（基本、非法律方面）
- 起草新流程或政策提案
- 利用人工智能生成：
- 草拟工作流程
- 职责
- 公告措辞示例
- 利用人工智能生成：
- 编写标准解释
- 常见问题解答
- 项目规则
- 内部通知
长期效益
- 更好的 逻辑结构 和 标准化
- 减少花在以下方面的时间 查找旧文档 复制粘贴
- 更多的 创意产生 在设计新程序时
再次强调，人工智能是 助手, 人力资源是 所有者.
3. 我在人工智能游戏中遇到的6个陷阱，以及我如何巧妙地避免了这些陷阱
这些并非理论上的“锦上添花”的原则。.
这些例子都基于我曾经犯过一次错误，或者做出过非常明确的决定的情况。 不是 走上那条路。.
陷阱一：在角色标准不明确的情况下，要求人工智能进行判断
症状
- 该职位的要求仍在变化中。
- 招聘经理无法明确回答“优秀是什么样子的？”
在这种情况下，如果你问人工智能：
“帮我决定谁最合适。”
然后：
- 人工智能将产生 答案看起来非常完整。
- 但这只是 填补空白 标准不明确
- 实际上，这会增加人力资源部门的心理负担。
我的结论
当角色标准不明确时，使用人工智能并不会提高效率，只会加剧混乱。.
在这种情况下，我首先关注的是：
- 与招聘经理进行校准
- 澄清 必备品 vs 锦上添花的品
- 只有到那时我才会将人工智能引入这个过程。.
误区二：将人工智能的“概括能力”与“判断能力”混淆”
常见误解
- 人工智能生成一份美观、结构清晰的简历摘要。
- 我们潜意识里会想：“哇，它真的了解这位候选人。”
实际风险
- 人工智能往往 平滑不确定性
- 它可能会把模糊或微弱的经历夸大得比实际更强烈。
- 写作能力强 ≠ 实际能力强
我的规则
- 人工智能可以 总结 信息
- 人工智能无法 代替 批判性判断
对于任何关键风险点，我：
- 明确标记
- 面试或背景调查时亲自核实。
误区三：简历筛选过度自动化
我曾一度这样想过：
“如果人工智能可以阅读简历，为什么不让它承担更多的筛选工作呢？”
经过测试，我发现：
- 人工智能非常擅长发现 显然无关紧要 简历
- 但是…… 边缘候选人, 错误率上升
- 它可能会拒绝那些拥有非常规但宝贵经验的人。
- 或者过分吹捧那些文笔优美但内容肤浅的人。
我的调整
- 人工智能确实 仅仅是第一次粗略的经过
- 任何看起来哪怕只有一点点希望的简历都是：
- 人工审核
- 有可能从人工智能拒绝中拯救出来
自动化固然有用，但是 只是在不扼杀潜力的前提下。.
误区四：未经校准就使用人工智能生成的面试题
会发生什么
- 问题清单看起来专业且合乎逻辑。
- 但它与……脱节 实际工作场景 该角色
结果
- 面试感觉很有条理。
- 但它未能检验这份工作中真正重要的是什么。
我的修复
- 让人工智能发挥作用 问题框架
- 对于每个问题，我手动添加：
- 后续条件类似：“如果考生给出 X 类型的答案，则询问他们 Y。”
- 我们产品或团队的真实案例
人工智能设定 脚手架, 人力资源和招聘经理带来了 现实.
误区五：直接复制人工智能生成的文本进行敏感沟通
典型情况：
- 提供沟通
- 拒信
- 薪资及调整说明
- 绩效或行为反馈
为什么这很危险
- 人工智能的默认语气通常是：
- 中性的
- 有礼貌的
- 但情绪平淡
- 在人力资源领域，这很容易让人产生以下感受：
- 寒冷的
- 遥远
- 甚至不尊重
我的规则
每当一条消息涉及 情感、人际关系或风险, 人工智能可以起草——但是 我必须重写.
我可能会利用人工智能来：
- 拟定结构
- 建议措辞选项
但最终版本总是 经过审核和人性化 发送前我已核实过。.
陷阱六：让人工智能取代人力资源部门的主人翁意识
这是最隐蔽也最危险的一个。.
通常听起来是这样的：
“嗯……这是人工智能的建议，并非我的决定。”
现实检验
- 如果判断错误，, 人力资源部仍然负有责任
- 人工智能不会是罪魁祸首：
- 解释招聘失败的原因
- 解决文化不适应问题
- 承担法律或声誉风险
所以我给自己设定了一个非常明确的底线：
人工智能可以 参与我的思考, 但它不能 承担我的后果.
人工智能可以辅助判断。.
人工智能无法取代问责制。.
4. 我在人力资源中使用人工智能的4个不可妥协的原则
经过多次实验，我总结出了四项基本原则：
- 人类必须保留最终决策权。
人工智能可以对人进行排名、提出建议和总结，但不能“自动批准”或“自动拒绝”人。. - 输入质量决定输出上限
角色定义不明确、提示混乱 → 无论模型多么“智能”，都会导致糟糕的 AI 输出。. - 只有能够被验证的东西才有价值。
如果无法在现实中测试或验证人工智能提出的建议，请将其视为假设，而不是结论。. - 角色越关键，对人工智能的依赖就越少。
对于高影响力职位，人工智能可以辅助决策过程，但人工评估应占据主导地位。.
5. 人工智能在人力资源领域的适用场景——以及不适用场景
尤其适用于：
- 人工智能/互联网/产品团队
- 节奏快、职位空缺多的组织
- 已经拥有以下阵容的队伍：
- 明确的角色标准
- 能力模型
- 可重复的招聘流程
不太适用于：
- 团队规模很小，而且没有明确的招聘标准。
- 招聘工作非常重视的环境：
- 基于关系
- 信任网络驱动
- 或者纯粹基于推荐
在这些情况下，人工智能仍然可以提供帮助。 文件和沟通, 但并非与 核心选择.
6. 结论：人工智能并没有让人力资源工作变得更轻松，但它确实让人力资源工作更加专业化。
对我来说，人工智能已经 不是 使人力资源工作变得“轻松”或“毫不费力”。.
如果说有什么特点的话，那就是：
- 提高了标准 我们的专业精神
- 迫使我更清楚地认识到：
- 角色标准
- 评估框架
- 我真正要负责的
人工智能 有 请帮帮我：
- 减少重复性、低价值的任务
- 提高我的判断结构和质量
- 多花时间在真正重要的事情上：
- 深入的候选人对话
- 与招聘经理保持一致
- 设计更完善的流程和文化
这就是我为什么继续在人力资源工作中使用人工智能的原因：
不是为了取代人力资源部门，而是为了提升人力资源部门的功能。.
只要我们：
- 将决策权掌握在人手中
- 对结果负责
- 将人工智能视为工具，而非权威
那么人工智能对人力资源来说就不是威胁——它是一种…… 乘数 适用于希望在组织内部更加专业、更加系统化、更加值得信赖的人力资源从业者。.
注：本文基于我真实的人力资源招聘经验。我仅使用人工智能工具辅助措辞、翻译和格式调整，并未用于创建案例、数据或结论。.
关于作者
