1. 為什麼「人力資源+人工智慧」不能只停留在概念層面
過去一年，情況變得更加複雜。 演講 關於人工智慧在人力資源領域的應用，比現實生活中的應用更甚。 實踐操作.
在實際招募工作中，我發現：
- 許多想法在幻燈片上看起來很「前衛」。
- 但一旦將它們置於真實的招募場景中，它們要么 不要節省時間 或者 增加額外風險
所以，在本文中，我不會討論大趨勢或流行語。.
我只想回答一個實際問題：
在實際的招募和人力資源工作中，人工智慧究竟在哪些方面真正有用？我們應該在哪些方面繼續使用人工智慧？ 不是 用它嗎？
以下所有內容均來自我日常的人力資源工作，涉及真實的職位、真實的候選人和真實的內部利害關係人。.
2. 人工智慧真正發揮作用的 7 個人力資源工作流程
在以下這些場景中，人工智慧始終能夠幫助我進行招募和人力資源營運。.
2.1 利用人工智慧分解職位說明並撰寫初稿（強烈推薦）
我如何使用它
當招募經理發送以下訊息：
- 會議記錄
- 聊天記錄
- 語音留言或關於“我們想要什麼樣的人”的簡要要點”
我將這些原始內容輸入到人工智慧模型中，並要求它執行以下操作：
- 總結 核心職責
- 分離 必備技能 vs. 可培養技能 技能
- 起草一份乾淨的 職責 和 資格 部分
實際影響
- JD 初稿時間縮短了 大約1小時到不到10分鐘
- 我的工作方式從「所有東西都自己寫」轉變為 審閱及糾正
現在我不再從一張白紙開始，而是從…開始。 結構化草稿.
需要注意什麼
人工智慧喜歡寫作 “萬能JD” （通用、一刀切的職位說明）：
- 軟技能太多了
- 諸如「優秀的溝通能力」之類的模糊要求到處都在重複。
- 角色細節不足
所以我總是：
- 刪除 籠統或不切實際的要求
- 添加 招募經理的具體、實際要求
- 確保職位說明反映出這一點。 我們的舞台，我們的堆棧，我們的現實
AI 是個很棒的求職助手，但它不能取代你與招募經理的溝通。.
2.2 AI履歷預篩選（僅限第一輪）
最適合：
- 角色中 篩選標準明確
- 職位與 許多申請者 以及可重複的模式
我如何使用它
- 收集以下方面的例子：
- 履歷 經過
- 履歷 拒絕
- 將這些範例輸入到人工智慧模型中
- 制定明確的規則，例如：
- 我們優先考慮那些「真正做了工作」的人。“
- 我們尋找的是真正的執行經驗，而不僅僅是「參與」。“
- 請人工智慧將每份履歷標記為：
- 經過
- 邊緣
- 拒絕
- 另附簡短說明
舉一個實際應用案例（為人工智慧電影節招募學生志工），我請人工智慧執行以下操作：
- 重點 活動運作、社區、校園體驗, 而非技術技能
- 優先考慮具備以下條件的候選人 實際活動執行, 不僅僅是俱樂部會員資格
- 標記潛在方向，例如 活動/社交/校園 對於每位候選人
邊界條件
- ✅ 適合 初步分診
- ✅ 非常適合尋找明顯無關的個人資料
- ❌ 不可直接用於 核心、高風險角色
- ❌ 不能取代人力資源部門或招募經理的判斷
實際上，我讓人工智慧執行… 第一輪, 然後我 手動審核通過和臨界值 在進入下一階段之前，請先考慮候選人。.
2.3 並排比較多個候選方案（非常有用）
當你擁有 兩到三個候選人，看起來都不錯。, 人工智慧對比功能非常實用。.
為什麼有效
- 所有部隊都恢復了原狀 相同的評估維度
- 精彩片段 不對稱性:
- 一家公司執行力強，但利害關係人管理能力差。
- 另一位經驗豐富但深度不足。
- 一個更適合當前階段；另一個更適合未來階段。
我的做法
- 輸入職位說明和幾份匿名履歷
- 請人工智慧對它們進行比較：
- 核心能力
- 相關經驗
- 風險和缺失部分
- 然後我會透過面試或背景調查來核實這些要點。
人工智慧幫助了我 更清楚地看到權衡取捨, ， 但：
最終決策總是由人做出，出於人為因素，並根據公司的發展階段和優先事項而定。.
2.4 產生面試問題和後續邏輯
我在這裡如何使用人工智慧
- 輸入 京東 + 候選人履歷
- 請人工智慧產生以下內容：
- 行為問題
- 基於情境的問題
- 風險驗證問題（例如，差距、任期短、結果不明確）
好處
- 面試變得更加重視 實際能力
- 維護起來更容易 一致的結構 多位候選人
- “面試官提出的「自由發揮式」問題明顯減少
但這裡有個陷阱 （見下文陷阱 4）：
- 人工智慧產生的問題通常 聲音 專業的
- 但如果你不讓它們適應 真實商業環境, 他們無法測試真正重要的東西。
所以我現在的做法是：
- 讓人工智慧來起草 問題框架
- 對於每個問題，我都會手動添加至少一個。 具體後續行動 基於我們的背景
2.5 總結面試回饋並建立最終評估框架
常見的人力資源痛點
- 多位面試官提供的回饋意見如下：
- 碎片化的
- 主觀
- 難以比較
- 很難得出明確的「推薦/不推薦」結論。
人工智慧如何提供協助
我將所有回饋（必要時進行匿名化處理）貼到人工智慧系統中，並要求它將評論整理成：
- 客觀事實
- 例如“領導一個5人團隊”、“負責X功能”
- 能力判斷
- 例如“擅長跨團隊溝通”、“不擅長衝突管理”
- 風險訊號
- 例如“不清楚失敗案例”、“在不到一年的時間內離職”
然後我運用我常用的框架（例如能力、文化契合度、風險程度）進行完善和調整。.
結果
- 我發給招募經理的總結如下：
- 更有條理
- 更容易討論
- 更容易證明其合理性
人工智慧不會替我們做決定，但它可以幫助我們。 更清晰地思考.
2.6 跨時區招募溝通
這是人工智慧在人力資源領域一個影響之大的應用案例，尤其對於… 海外或遠距團隊.
典型場景
- 寫作：
- 面試邀請
- 後續郵件
- 禮貌的拒絕
- 澄清 時區:
- 自動轉換時間
- 建議重疊插槽
- 客製化溝通方式：
- 根據不同國家調整語氣
- 調整正式程度
- 突顯不同的工作吸引力要點
在這裡，人工智慧幫了我大忙：
- 寫更多 聽起來像本地人 用英語或其他語言進行交流
- 避免因時區錯誤而尷尬
- 節省重複撰寫電子郵件的時間
我仍然 審核和個人化 關鍵訊息，尤其是與要約或拒絕相關的訊息。.
2.7 整理人力資源流程與政策文件
人工智慧在以下方面也表現出色 流程和文件工作, 這是人力資源部門在招募週期之間經常需要做的事情。.
它在哪些方面有所幫助
- 優化現有政策和標準作業程序
- 將目前政策文字貼到人工智慧系統中
- 請它檢查以下內容：
- 邏輯漏洞
- 不一致之處
- 合規性或風險問題（基本、非法律面）
- 起草新流程或政策提案
- 利用人工智慧生成：
- 草擬工作流程
- 職責
- 公告措辭範例
- 利用人工智慧生成：
- 編寫標準解釋
- 常見問題解答
- 項目規則
- 內部通知
長期效益
- 更好的 邏輯結構 和 標準化
- 減少花在以下方面的時間 尋找舊文檔 複製貼上
- 更多的 創意產生 在設計新程式時
再次強調，人工智慧是 助理, 人力資源是 擁有者.
3. 我在人工智慧遊戲中遇到的6個陷阱，以及我如何巧妙地避免了這些陷阱
這些並非理論上的「錦上添花」的原則。.
這些例子都是基於我曾經犯過一次錯誤，或是做出過非常明確的決定的情況。 不是 走上那條路。.
陷阱一：在角色標準不明確的情況下，要求人工智慧進行判斷
症狀
- 該職位的要求仍在變更中。
- 招聘經理無法明確回答“優秀是什麼樣子的？”
在這種情況下，如果你問人工智慧：
“幫我決定誰最合適。”
然後：
- 人工智慧將產生 答案看起來非常完整。
- 但這只是 填補空白 標準不明確
- 實際上，這會增加人力資源部門的心理負擔。
我的結論
當角色標準不明確時，使用人工智慧並不會提高效率，只會加劇混亂。.
在這種情況下，我首先關注的是：
- 與招聘經理進行校準
- 澄清 必備品 vs 錦上添花的品
- 只有到那時我才會將人工智慧引入這個過程。.
迷思二：將人工智慧的「概括能力」與「判斷能力」混淆“
常見誤解
- 人工智慧產生一份美觀、結構清晰的履歷摘要。
- 我們潛意識裡會想：“哇，它真的了解這位候選人。”
實際風險
- 人工智慧往往 平滑不確定性
- 它可能會把模糊或微弱的經驗誇大得比實際上更強烈。
- 寫作能力強 ≠ 實際能力強
我的規則
- 人工智慧可以 總結 資訊
- 人工智慧無法 代替 批判性判斷
對於任何關鍵風險點，我：
- 明確標記
- 面試或背景調查時親自核實。
迷思三：履歷篩選過度自動化
我曾經一度這樣想過：
“如果人工智慧可以閱讀履歷，為什麼不讓它承擔更多的篩選工作呢？”
經過測試，我發現：
- 人工智慧非常擅長發現 顯然無關緊要 履歷
- 但是… 邊緣候選人, 錯誤率上升
- 它可能會拒絕那些擁有非常規但寶貴經驗的人。
- 或者過度吹捧那些文筆優美但內容膚淺的人。
我的調整
- 人工智慧確實 只是第一次粗略的經過
- 任何看起來就算只有一點點希望的履歷都是：
- 人工審核
- 有可能從人工智慧拒絕中拯救出來
自動化固然有用，但是 只是在不扼殺潛能的前提下。.
迷思四：未經校準就使用人工智慧產生的面試題
會發生什麼
- 問題清單看起來專業且合乎邏輯。
- 但它與…脫節 實際工作場景 該角色
結果
- 面試感覺很有條理。
- 但它未能檢驗這份工作中真正重要的是什麼。
我的修復
- 讓人工智慧發揮作用 問題框架
- 對於每個問題，我手動添加：
- 後續條件類似：“如果考生給出 X 類型的答案，請詢問他們 Y。”
- 我們產品或團隊的真實案例
人工智慧設定 鷹架, 人力資源和招募經理帶來了 現實.
陷阱五：直接複製人工智慧產生的文字進行敏感溝通
典型情況：
- 提供溝通
- 拒絕信
- 薪資及調整說明
- 績效或行為回饋
為什麼這很危險
- 人工智慧的預設語氣通常是：
- 中性的
- 有禮貌的
- 但情緒平淡
- 在人力資源領域，這很容易讓人產生以下感受：
- 寒冷的
- 遙遠
- 甚至不尊重
我的規則
每當一則訊息涉及 情感、人際關係或風險, 人工智慧可以起草——但是 我必須重寫.
我可能會利用人工智慧：
- 擬定結構
- 建議措辭項目
但最終版本總是 經過審核和人性化 我已在發送前核實過。.
陷阱六：讓人工智慧取代人力資源部門的主人翁意識
這是最隱蔽也最危險的一個。.
通常聽起來是這樣的：
“嗯……這是人工智慧的建議，並非我的決定。”
現實檢驗
- 如果判斷錯誤，, 人力資源部仍負有責任
- 人工智慧不會是罪魁禍首：
- 解釋招募失敗的原因
- 解決文化不適應問題
- 承擔法律或聲譽風險
所以我給自己設定了一個非常明確的底線：
人工智慧可以 參與我的思考, 但它不能 承擔我的後果.
人工智慧可以輔助判斷。.
人工智慧不能取代問責制。.
4. 我在人力資源中使用人工智慧的4個不可妥協的原則
經過多次實驗，我總結出了四個基本原則：
- 人類必須保留最終決策權。
人工智慧可以對人進行排名、提出建議和總結，但不能「自動批准」或「自動拒絕」人。. - 輸入品質決定輸出上限
角色定義不明確、提示混亂 → 無論模型多麼“聰明”，都會導致糟糕的 AI 輸出。. - 只有能夠被驗證的東西才有價值。
如果無法在現實中測試或驗證人工智慧提出的建議，請將其視為假設，而不是結論。. - 角色越關鍵，對人工智慧的依賴就越少。
對於高影響力職位，人工智慧可以輔助決策過程，但人工評估應佔據主導地位。.
5. 人工智慧在人力資源領域的適用場景－以及不適用場景
尤其適用於：
- 人工智慧/互聯網/產品團隊
- 節奏快、職缺多的組織
- 已經擁有以下陣容的隊伍：
- 明確的角色標準
- 能力模型
- 可重複的招募流程
不太適用於：
- 團隊規模很小，而且沒有明確的招募標準。
- 招募工作非常重視的環境：
- 基於關係
- 信任網路驅動
- 或者純粹基於推薦
在這些情況下，人工智慧仍然可以提供幫助。 文件和溝通, 但並非與 核心選擇.
6. 結論：人工智慧並沒有讓人力資源工作變得更輕鬆，但它確實讓人力資源工作更專業。
對我來說，人工智慧已經 不是 讓人力資源工作變得「輕鬆」或「毫不費力」。.
如果有什麼特點的話，那就是：
- 提高了標準 我們的專業精神
- 迫使我更清楚地體認到：
- 角色標準
- 評估框架
- 我真正要負責的
人工智慧 有 請幫幫我：
- 減少重複性、低價值的任務
- 提高我的判斷結構和質量
- 多花時間在真正重要的事情上：
- 深入的候選人對話
- 與招募經理保持一致
- 設計更完善的流程與文化
這就是我為什麼繼續在人力資源工作中使用人工智慧的原因：
不是為了取代人力資源部門，而是為了提升人力資源部門的功能。.
只要我們：
- 將決策權掌握在人手中
- 對結果負責
- 將人工智慧視為工具，而非權威
那麼人工智慧對人力資源來說就不是威脅——它是一種… 乘數 適用於希望在組織內部更專業、更有系統、更值得信賴的人力資源從業人員。.
註：本文是基於我真實的人力資源招募經驗。我僅使用人工智慧工具輔助措辭、翻譯和格式調整，並未用於建立案例、數據或結論。.
作者簡介
