《AI 赋能选育用留:HR 六大场景AI提效实战工作坊》
讲师:朱立 发布日期:09-20 浏览量:3
AI 赋能选育用留:HR 六大场景AI提效实战工作坊
从事务型HR到智能型HR的转型升级
主讲:朱立老师
【课程背景】
人工智能正在深刻重塑人力资源管理的价值边界与工作方式。据Gartner调研,61%的HR领导者已在部署或规划AI策略(2025年数据,较2023年的19%大幅跃升),76%认为AI将在两年内从根本上重塑HR的交付模式。从招聘、培训到绩效、薪酬,从员工体验到组织效能,AI已嵌入员工全生命周期的每一个环节。
然而,大多数企业HR团队仍面临三重困境:一是事务性工作占比过高,HR被简历筛选、数据录入、报表制作等重复性任务淹没,难以腾出精力支撑战略;二是AI工具认知不足,知道趋势但不知从何下手,缺乏将AI能力嵌入HR业务场景的实战方法论;三是数据基础薄弱,HR数据分散、标准不统一,难以支撑AI分析和预测。
本课程立足HR从业者的真实工作场景,以「选、育、用、留」全流程为主线,系统讲解AI在招聘获取、培训发展、绩效薪酬、员工体验、组织效能等核心模块的落地方法。每模块均嵌入AI工具实操环节,让学员现场体验「从零到一」的效率跃升,带走可直接复用的提示词模板与工具方案。课程主张:AI不是替代HR,而是让HR从事务型走向战略型、从经验驱动走向数据驱动。
【课程收益】
建立AI+HR的系统认知:理解AI在HR各模块的应用版图、技术分层与落地路径,把握从分析型AI到生成型AI再到智能体AI的能力演进;
掌握AI赋能招聘与人才获取的实战方法:用AI生成岗位画像与JD、智能筛选简历、辅助面试评估、自动化入职流程,缩短招聘周期、提升匹配精度;
掌握AI赋能培训与人才发展的核心技能:用AI生成课程内容、构建个性化学习路径、开展技能差距分析与智能人才盘点,提升培训效果与开发效率;
掌握AI赋能绩效与薪酬管理的关键方法:用AI辅助目标分解、生成绩效反馈、分析薪酬竞争力,推动绩效管理从年度评估走向持续反馈;
掌握AI赋能员工体验与组织效能的分析能力:用AI进行员工情绪分析、流失风险预测、组织诊断与人效分析,支撑数据驱动的人力资源决策;
形成AI+HR落地实施能力:掌握四步落地法、AI伦理治理框架、HR数据准备清单,制定本企业AI+HR行动计划。
【课程特色】
实战性强:以HR真实业务场景为切入,每模块嵌入AI工具实操环节,学员现场跑、带走可用模板与提示词,学完即用;
专业性强:融合讲师ACM/CCF技术背景与世界500强HR管理实战经验,知其然更知其所以然,不空谈AI概念;
案例丰富:覆盖美的、海尔、IBM、德国电信、斯凯孾、德勤等国内外标杆企业AI+HR真实实践,既有制造也有科技多行业视角;
跨界稀缺:讲师兼具「懂技术+懂管理」双背景,市面上少有的能讲透AI与HR深度融合的实战派讲师。
【课程对象】
人力资源经理(HRM)、HRBP、招聘/培训/绩效/薪酬各模块负责人、组织发展(OD)与人才发展(TD)从业者、企业中高层管理者。
【课程时间】
2天(6小时/天)
【授课形式】
理论讲解 + 案例拆解 + AI工具现场实操 + 小组研讨 + 课堂输出。
注意:学员需自带笔记本电脑,可访问大模型工具(Workbuddy、豆包等工具)。
【课程大纲】
第一天:认知破局 · AI赋能招聘与人才获取 · AI赋能培训与人才发展
一、课程导入——AI时代的HR范式变革
【模块目标】建立AI+HR系统认知,掌握AI工具使用基础
【解决痛点】感知趋势但不知从何下手|缺乏系统认知与工具基础
1. AI时代的HR新命题
HR从业者的「三座大山」
事务性工作占比高(据调研HR约60%-70%时间花在重复性行政事务上)
战略价值不被业务认可
数字化转型无从下手
AI如何重新定义HR的价值边界
从「事务处理者」到「战略赋能者」
让HR把时间还给战略思考与员工关系
行业趋势数据-Gartner 2025
61%的HR领导者正在部署或规划AI策略(较2023年的19%大幅跃升)
76%认为AI将在两年内从根本上重塑HR交付模式
AI不是替代HR,而是让HR从事务型走向战略型、从经验驱动走向数据驱动
2. AI+HR的全景认知
AI在HR中的应用版图
招聘获取、培训发展、绩效管理、薪酬设计、员工体验、组织规划六大模块
三层AI能力演进
分析型AI(预测与诊断)→ 生成型AI(内容与方案生成)→ 智能体AI(自主执行多步骤流程)
国内外标杆实践概览
美的HR Agent矩阵(2025年降本7亿、提效1500万小时)
海尔卡奥斯+H-work(员工流失率降40%)
德国电信AskT(250万次对话)
IBM Watsonx HR
【案例分享:格力、美的、海尔三巨头HR AI差异化布局全景】
3. HR从业者的AI工具箱
主流AI工具分类与适用场景
通用大模型(通义千问、文心一言、Kimi、豆包等)
HR垂直工具(AI面试、智能简历筛选、AI学习平台)
智能体平台
提示词工程基础
如何让AI听懂HR的语言——角色设定、任务拆解、上下文注入、输出格式控制
【AI实操1】用AI在5分钟内生成一份岗位说明书初稿,含岗位职责、任职资格、能力要求,体验「从零到一」的效率跃升
【课堂输出】每人获得一份AI生成的岗位说明书模板(可带回企业复用)
二、AI赋能招聘与人才获取
【模块目标】重构招聘全流程,缩短周期、提升人岗匹配精度
【解决痛点】招聘周期长|简历筛选效率低|面试评估主观|候选人体验差
1. AI驱动的智能招聘流程重构
传统招聘四大痛点
简历海选耗时巨大、面试评估主观偏差、候选人体验参差不齐、入职流程繁琐低效
AI招聘流程全景
岗位画像→智能写JD→简历智能匹配→AI初面→面试辅助评估→入职自动化
行业关键数据(McKinsey/SHRM 2025)
AI辅助招聘可缩短40%的招聘周期、降低36%的招聘成本
AI招聘的伦理边界
算法偏见风险与人工监督原则(29%的公司因发现偏见而暂停或重构AI招聘工具)
2. AI岗位画像与智能JD生成
用AI从业务需求访谈中提炼岗位画像
关键能力、经验要求、性格特质、发展潜力
AI生成无偏见、有吸引力的岗位说明书
性别中立用语、包容性表达、SEO优化
用AI自动生成任职资格标准、面试问题清单、能力评估表
【AI实操2】输入一个目标岗位的业务背景描述,用AI生成完整的岗位说明书+任职资格+结构化面试问题清单
【课堂输出】岗位说明书+面试问题清单(含通用问题与STAR追问模板)
3. AI简历筛选与人岗匹配
AI简历解析与语义匹配原理
从关键词匹配到语义理解,识别简历中的隐藏能力
技能推理算法
从项目经历中推断候选人的真实技能图谱
【案例分享:斯凯奇校招AI面试筛选实践】
【AI实操3】用AI对一批虚拟简历进行匹配评分与排序,输出候选人排名表与推荐理由
【课堂输出】候选人匹配评分排名表模板
4. AI面试评估与候选人体验
AI面试官的工作原理
结构化问题生成、回答分析与评分、多维度能力评估
AI辅助面试评估表自动生成:从面试记录到结构化评估报告
面试中的AI追问技巧
用AI辅助STAR追问法深度挖掘候选人真实经历
【案例分享:德勤AI面试助手实践-自适应学习分析候选人回答,生成结构化评估报告】
候选人体验优化
AI驱动的个性化沟通、实时状态更新、智能入职引导
三、AI赋能培训与人才发展
【模块目标】用AI实现个性化学习、敏捷课程开发与智能人才盘点
【解决痛点】培训「一刀切」|课程开发周期长|效果难衡量|技能差距难识别
1. AI驱动的个性化学习体系
传统培训痛点
内容「一刀切」忽视个体差异、课程开发周期长、培训效果难量化、学用脱节
AI个性化学习路径
基于岗位要求、技能差距、职业目标自动推荐学习内容与顺序
行业关键数据(行业调研)
AI个性化学习项目课程完成率比传统方式高50%
【案例分享:德国电信20万员工技能差距分析】
2. AI课程设计与内容生成
用AI快速生成课程大纲、教学案例、随堂测试题、学员练习方案
AI辅助微课开发:从知识点输入到可交付学习内容输出
AI生成培训物料:PPT大纲、讲师手册、学员手册、案例库
【AI实操4】用AI在15分钟内生成一门微课的完整教学包(课程大纲+教学案例+随堂测试题+学员练习方案)
【课堂输出】微课教学包模板(可直接用于企业内部课程开发)
3. AI技能差距分析与智能人才盘点
AI驱动的组织技能地图构建
从岗位要求到组织能力缺口的可视化分析
人才盘点智能化
从静态九宫格到动态人才画像——AI辅助绩效-潜力评估与分类
AI生成人才盘点报告
梯队分布、继任者建议、发展路径规划
【AI实操5】用AI对一组人才盘点数据进行九宫格分析,输出人才分布图+梯队建议+发展路径
【课堂输出】智能人才盘点报告模板(九宫格分布+梯队建议+发展计划)
4. AI领导力发展与教练辅导
AI教练机器人
7×24小时领导力辅导伙伴——模拟真实对话场景进行管理技能训练
【案例分享:德勤AI领导力辅导机器人实践】
AI模拟对话训练
困难面谈、绩效辅导、离职面谈等高频管理场景的实战模拟
AI辅助IDP(个人发展计划)生成
基于能力评估自动推荐发展行动与里程碑
第二天:AI赋能绩效与薪酬 · AI赋能员工体验与组织效能 · AI+HR落地实施
四、AI赋能绩效与薪酬管理
【模块目标】推动绩效从年度评估走向持续反馈,薪酬决策数据化
【解决痛点】目标分解难|反馈不及时|评估有偏见|薪酬分析缺数据
1. AI驱动的目标分解与绩效跟踪
传统绩效管理痛点
目标分解靠拍脑袋、反馈滞后到年底才做、评估存在主观偏见、绩效与战略脱节
AI辅助战略解码与目标分解
从公司战略目标到部门KPI到岗位指标的智能推演
AI实时绩效跟踪
从年度评估到持续反馈——自动追踪目标进度、预警偏离、生成交付节奏报告
【案例分享:GE PD@GE应用——从年度绩效评估到持续反馈】
2. AI绩效反馈与辅导生成
用AI生成基于SBI模型(情境-行为-影响)的客观绩效反馈,减少评估偏见
AI辅助绩效面谈准备
数据摘要+对话要点+改进建议+面谈话术模板
【AI实操6】输入一组员工绩效数据,用AI生成一份完整的绩效反馈报告(含数据摘要、SBI反馈话术、改进建议、发展计划)
【课堂输出】AI生成的绩效反馈报告模板(可复用于企业绩效面谈)
3. AI薪酬分析与决策支撑
AI驱动的薪酬竞争力分析
内部公平性检测(同岗不同薪的异常识别)+ 外部竞争力对标
AI薪酬建模
岗位价值评估数据驱动、薪级体系优化、薪酬带宽设计辅助
薪酬异常检测与预警
识别薪酬倒挂、薪酬离群值、晋升加薪不合理等场景
AI辅助薪酬调整方案生成
基于绩效、市场对标、预算约束的调薪建议
五、AI赋能员工体验与组织效能
【模块目标】用AI实现员工情绪感知、流失预警与组织效能诊断
【解决痛点】流失率高难预警|敬业度调研滞后|组织诊断缺数据|人效提升无从下手
1. AI员工情绪分析与敬业度管理
AI驱动的实时情绪感知
从年度调研到持续监测——文本情绪分析、沟通模式识别、倦怠信号捕捉
员工流失风险预测模型
AI分析绩效趋势、敬业度变化、出勤模式、职业发展停滞等信号,提前识别离职风险
【案例分享:IBM AI员工流失预测——利用预测分析模型提前识别离职风险员工】
【AI实操7】用AI分析一组员工调研文本(开放式问答),生成情绪热力图+流失风险预警+干预建议
【课堂输出】员工情绪分析报告模板(情绪热力图+风险预警+干预建议)
2. AI组织诊断与人效分析
AI驱动的组织诊断
架构合理性、管理幅度、层级冗余、流程瓶颈的多维度分析
人效指标体系与AI辅助分析
人均产出、人事费用率、人才密度等关键指标的智能诊断
【案例分享:美的HR Agent矩阵——2025年AI降末7亿、提效1500万小时】
AI辅助定岗定编
基于业务流程、工作量分析、标杆对标的智能编制测算
3. AI劳动力规划与预测
AI预测性劳动力规划
结合业务增长预测、行业趋势、人才市场供给数据推演人才需求
场景推演
业务增长/收缩/转型不同场景下的人力配置方案与成本模拟
【案例分享:海尔卡奥斯+H-work+人才灯塔工厂】
六、AI+HR落地实施与未来展望
【模块目标】形成可执行的AI+HR落地路线与90天行动方案
【解决痛点】不知从哪落地|数据基础薄弱|伦理风险担忧|缺变革管理方法
1. AI+HR落地路线图
四步落地法
识别高频低判断任务→选择合适AI工具→小范围试点验证→规模化推广
数据准备清单
HR数据治理要点——数据完整性、一致性、标准化、可追溯性
AI工具选型框架
按应用场景、实施成本、技术成熟度、企业规模匹配工具方案
变革管理
HR团队AI能力建设路径——从工具使用到流程重构到组织升级
2. AI伦理与治理
AI在HR中的四大伦理风险
算法偏见、数据隐私、决策透明度、人的监督边界
负责任AI的实践框架
定期审计、算法可解释、人在回圈(Human-in-the-loop)、数据集透明
【案例分享】29%的公司因发现偏见而暂停或重构AI招聘工具;36%的企业已开始定期审计AI模型的公平性与透明度
合规要求
AI招聘工具的数据保护、候选人知情同意、评估结果可解释性
3. HR从业者的AI能力升级
AI时代HR新角色
HR技术专家、人才分析伙伴、AI治理负责人
提示词工程进阶
从单次对话到工作流自动化——将重复性HR任务固化为AI工作流(skill)
4. 课程总结与行动计划
AI+HR核心方法论回顾:认知→场景→工具→成果→落地的完整闭环
学员制定本企业AI+HR行动计划:选定1-2个优先场景、明确试点方案、设定里程碑
【课堂输出】每人输出一份「AI+HR 90天行动方案」(含优先场景、试点计划、预期成果、资源需求)
【学习成果清单】
现场学习后,学员可带走如下交付物:
AI生成的岗位说明书模板(模块一产出,可复用于企业岗位管理)
岗位说明书+结构化面试问题清单(模块二产出,含STAR追问模板)
候选人匹配评分排名表模板(模块二产出,可用于简历筛选流程)
微课教学包模板(模块三产出,含课程大纲+案例+测试题+练习方案)
智能人才盘点报告模板(模块三产出,九宫格分布+梯队建议+发展计划)
AI生成的绩效反馈报告模板(模块四产出,含SBI反馈话术+改进建议)
员工情绪分析报告模板(模块五产出,情绪热力图+风险预警+干预建议)
AI+HR 90天行动方案(模块六产出,含优先场景、试点计划、预期成果)