AI 正在快速进入招聘、培训、员工服务等人力资源场景。对越来越多企业而言,“要不要用 AI”已经不再是问题, 更需要回答的是:AI 究竟创造了多少价值? 企业距离真正用深 AI 还有多远?
基于中国企业人力资源管理者调研样本, 北森 AI 人才科学研究院正式发布《AI 在人力资源领域应用现状及企业落地路径》, 系统呈现中国企业 HR AI 应用的真实进度、关键障碍与落地方法。
01 AI 在人力资源应用的成熟度模型
北森 AI 人才科学研究院构建了 AI 在人力资源应用的成熟度模型。模型由两个要素构成:
AI 应用成熟度:AI 在人力资源应用已达成的结果。由覆盖广度、使用深度、业务价值三个维度构成, 描述应用已经达到的状态, 是看得见的结果。
组织支持度: 影响和制约 AI 在人力资源应用的关键因素。由文化、制度、人、技术四项构成, 决定企业把应用推到多深、多广, 是结果背后的原因。
通过 AI 应用成熟度结果, 可以让企业看清自己与同行的差距; 通过分析组织支持度, 可以帮助企业定位问题原因和改进方向。
80.7% 的企业 HR AI 应用与组织准备度仍处于初始阶段, 其中起步型占 55.5%、单点突破型占 2.1%、蓄势型占 23.1%。仅有 19.3% 的企业进入引领型阶段, 在 HR AI 应用成熟度与组织支撑条件上均相对完善。
从覆盖广度来看,AI 主要集中在招聘、培训和员工服务, 渗透率分别为 58%、38% 和 31%;66.2% 的企业中,HR AI 工具仍主要局限在人力资源部门内部。
从使用深度来看, 只有 20% 的企业让 AI 承担主要任务,29.3% 的企业形成了较活跃的使用习惯,33.8% 的企业能够较充分地采纳 AI 输出结果。总体来看,HR AI 已经走过工具尝鲜期, 但仍然铺得不够广、用得不够深, 价值尚未充分兑现。
02 从 50.7% 重视到 5.5% 价值兑现: 五大关键洞察
洞察一: 投入与回报落差大, 绝大多数价值未兑现
目前,AI 应用价值主要集中在效率层面, 约三成企业感受到了明显改善; 实现人才管理质量与员工体验提升的企业占 18.6%; 能够以可衡量的业务成果证明 AI 价值的企业仅占 5.5%。
工具已经进入企业, 但投入尚未充分转化为业务结果。场景是否契合真实问题、AI 是否进入核心流程, 以及数据与专业知识是否充足, 都在影响最终的价值产出。
洞察二: 半数企业说重视, 不到 15% 真掏钱
50.7% 的企业表示重视 HR AI 应用,58.3% 的企业表示领导层参与推动, 但只有 14.8% 的企业配置了专项预算或资源。
许多企业的重视仍停留在方向性认可, 尚未转化为稳定的预算、负责人和跨部门推进机制。HR 需要优先选择价值明确、效果易衡量的场景, 以早期成果建立组织信心, 争取持续投入。
洞察三: 应用 AI 后, 七成企业工作流程与岗位分工无改变
40% 的企业尚未因 AI 调整工作流程,29.3% 的企业虽然个别环节发生变化, 但整体流程保持不变。
AI 与人力资源的分工和协作模式在大多数企业中还未被系统性地梳理和定义。这与 AI 在 HR 领域应用深度不够有关, 但这同时也是制约 AI 应用无法深入场景和发挥更大价值的原因。
洞察四:AI 深入应用不缺算法缺原料, 超六成企业的数据和知识积累严重不足
61.4% 的企业人才数据存在分散、缺失或不够规范的问题,72.8% 的企业 AI 与 HR 系统尚未充分集成,66.2% 的企业缺少统一的 AI 工具平台。
除了结构化数据,AI 还需要企业长期积累的岗位标准、评价规则、业务知识和管理经验。这些内容往往存在于资深 HR 与业务管理者的头脑中, 尚未被萃取为 AI 可理解、可调用的知识资产。
大模型可以生成通用答案, 却无法天然理解一家企业真实的业务逻辑。数据基础与知识资产, 正在成为决定 AI 应用深度的两类核心“原料”。
洞察五:HR 能力成为瓶颈, 能主导 AI 落地的不足 15%
调研显示, 只有 14.1% 的企业认为,HR 团队已经能够主导 AI 在人力资源场景中的落地。
“会使用 AI”与“能推动 AI 落地”并不相同。AI 时代,HR 需要进一步成为场景定义者、知识资产建设者和人机协作设计者并重点提升的三项核心能力: 深入理解业务, 深化人才管理的专业能力, 具备将业务理解和专业经验注入 AI 应用的设计能力。
03 四类场景、六步路径: 企业 HR AI 落地工作指南
针对企业普遍关心的“从哪里开始、如何推进”, 报告按照价值显性度与落地难度, 将 HR AI 场景划分为优先切入区、重点规划区、常规推进区和暂缓投入区。
在具体实施中, 企业可以遵循六步路径:
梳理业务流程与规划人机协作 — 知识经验萃取与数据整理 — 智能体搭建与调优 — 试运行与效果检验 — 规模化应用与持续运营 — 一体化与系统集成。
企业还可以根据降本增效、员工体验、业务协同和数据驱动决策四类目标, 选择不同的推进路线。与其追求一步到位, 更务实的方式是借助成熟产品快速起步, 把有限资源重点投入企业自身的知识资产建设, 并在实际应用中持续迭代。
免责声明：本文为本网站出于传播商业信息之目的进行转载发布，不代表本网站的观点及立场。本文所涉文、图、音视频等资料之一切权力和法律责任归材料提供方所有和承担。本网站对此咨询文字、图片等所有信息的真实性不作任何保证或承诺，亦不构成任何购买、投资等建议，据此操作者风险自担。