过去一年，AI加速进入人力资源管理。

从招聘、员工服务，到人才管理、人力分析，企业对AI的态度正在发生明显变化。近期企业AI+HR应用调研显示，86.8%的企业对AI持开放或鼓励态度，50%的企业已经进入试点或更深阶段，相比于去年，AI+HR正在从观望快速走向场景探索。

在已经进入试点或深度融合阶段的企业中，AI已广泛进入多个HR场景。其中，人才吸引与招聘、HR共享服务的应用覆盖率均超过80%，人才发展、绩效管理等场景也在加快渗透。AI+HR已经从少数场景的零散尝试，走向人力资源核心业务的广泛应用。

但当视角从单点场景转向组织整体时，另一组数据呈现出明显落差： 90.3%尚未感受到显著的组织提效，真正认为AI显著提升组织效能的企业只有9.7%。可以看出，企业在单点场景已经看见效果，但组织能力并没有同步跃迁。

 

那么，从局部提效到组织整体提效，中间究竟缺了什么？

 

从局部提效到组织提效，企业卡在三道门槛

进一步的交叉分析，让三个关键因素逐渐浮现出来。

第一道门槛，是数据。

目前72.9%的企业尚未实现大部分HR数据集中，真正实现全模块统一，并能够进一步关联业务经营数据的企业只有6.9%。

而数据基础不同，AI应用效果已经出现明显差异：在人力数据比较分散、或仅集中核心人事数据的企业中，认为AI已经取得可衡量效果的比例为30.4%；而在人力数据大部分或全模块集中的企业中，这一比例提升至57.7%。

为什么数据会带来这么大的差异？

因为对AI来说，数据并不是后台技术问题，而是它理解企业的基础。AI如果只能看到孤立的信息，就很难理解一家企业真实的业务语境，也很难形成更复杂的组织判断。

数据决定的，是AI“看见什么”，以及能否在完整的企业上下文中形成判断。

第二道门槛，是流程。

根据调研发现，目前70.8%的企业，AI仍然主要停留在内容生成和辅助判断阶段，真正进入流程执行或管理决策的企业只有29.2%。

而当AI应用深度发生变化，效果也随之发生变化：停留在内容生成和辅助判断阶段的企业，取得可衡量效果的比例仅为31.4%；而当AI进入到流程执行和管理决策后，这一比例达到61.9%，相差了30.5个百分点。

这背后真正重要的变化，不是AI多完成了几个任务，而是它开始从“个人使用的工具”进入“组织运行的流程”。

过去很多AI应用解决的是一个动作：写一份JD、筛一份简历、生成一次评价。但企业真正要完成的是一个业务目标，岗位画像的目标不是生成一份JD，而是找到合适的人；人才发展的目标也不是完成一次盘点，而是持续识别、配置和发展支撑业务所需要的人才。

第三道门槛，是运营与治理。

目前，63.9%的企业仍然主要由IT、HR等单一职能部门推动AI+HR建设。但进一步的交叉分析发现，相比单一部门推动，由高层牵引或跨部门协同推进的企业，更容易进入深度应用阶段，也更容易取得可衡量效果。

这说明，当AI从个人工具逐渐进入企业流程之后，单靠一个部门推动已经不够。AI需要有人持续运营，也需要新的组织协同方式。同时，要让AI真正从试点走向规模化，企业还需要回答两个更具体的问题：有没有具备相应能力的人，以及有没有支撑AI长期运行的治理机制。

调研显示，47.5%的企业仍然认为缺少“懂业务+懂AI”的复合型人才，46.5%的企业尚未建立相关AI治理措施。所以，AI要从试点走向规模化，需要有人推动、有体系承接、有规则保障。

我们再把这三个因素放在一起进行组合分析后发现：同时具备较好数据基础、AI已经进入流程执行或管理决策，并有专人或团队持续运营的企业中，80%已经取得可衡量效果；而三项均不具备的企业，这一比例只有22.2%。在组织提效层面，前者有40%认为AI已经带来显著提升，后者为0。

 

它揭示了一个重要趋势：真正拉开AI应用差距的，不是用了多少个AI工具，而是能否构建起数据、流程、运营三位一体的组织体系。

 

让AI真正进入企业：用友HR SaaS的落地实践

那么，企业该如何建立这样的组合能力，让AI真正进入组织？

从用友HR SaaS的实践来看，关键并不是继续增加一个个孤立的AI功能，而是让AI真正进入企业的数据、流程和运行体系：通过数据底座让AI“懂业务”，通过业务流程让AI“能闭环”，再通过运营与治理保障AI“可信运行”。在这个过程中，AI贯穿理解、分析、判断、执行和反馈。

首先，数据要通，不只是HR内部的数据打通，而是让人、财、业在同一个企业语境中对话。

过去HR系统沉淀的主要是组织、岗位、员工、招聘、绩效、薪酬等人力数据。但AI真正进入企业后，还需要进一步连接业务、财务乃至外部数据，通过统一指标口径、数据模型、语义理解和业务上下文，让AI获得理解企业的基础。

 

某钢铁企业的绩效实践体现了这种变化。过去绩效管理关注的是最终结果，而管理者真正需要回答的是：为什么出现这个结果，以及如何改善。

该企业将不同工种的岗位SOP转化为绩效标准，并连接生产系统、员工绩效、历史奖金等数据。AI不仅可以每日拆解绩效指标，还可以分析绩效表现、给出改进建议，在奖金二次分配中提供参考，并根据实际达成情况反向检验绩效方案是否合理。

这意味着，绩效数据不再只是用来回答“结果怎么样”，而开始进一步服务于“如何改善和提升绩效”。

第二，AI要进入流程，从一个AI功能走向业务流与人才流的实时咬合。

真正的流程贯通，不是把AI放在原有流程旁边，而是让它嵌入流程内部，成为持续运转的节点。业务需求触发人才标准，人才标准驱动内外配置，配置结果牵引发展培养，最终业务结果再反哺标准和决策。前一个环节的输出，就是下一个环节的输入，环环相扣，形成闭环。这样，人才管理就不再是割裂的模块，而是业务战略的延伸。

用友近期推出的YonWork所代表的，正是从“一次回答”到“持续执行”的工作方式变化。它不只是点状的回答和建议，而是围绕用户意图完成感知、理解、规划、校验、调度、协同、回写和优化，把意图转化为动作，再将动作沉淀为业务结果。

 

在人力资源场景中，这种方式开始连接过去分散的流程。例如招聘，AI可以从行业和人才趋势洞察开始，通过绘制人才地图、形成目标人才画像、识别候选人、判断匹配度，并完成精准触达。AI不再只是辅助筛选，而是贯穿人才发现、识别、沟通和决策。

内部人才发展也是一样。从任职资格和胜任力标准，到人才画像和盘点，再到发展建议、关键岗位风险和人才配置，AI让标准、画像、发展与配置形成可以持续追踪的闭环。

这种全链路应用已经产生实际价值。某乳业集团面对每年约20万份校招简历，将AI贯穿需求、寻才、筛选、AI面试、人工面试和录用等关键节点，最终HR相关工时从5000小时降低至850小时，面试通过率从8.3%提升至19.8%，招聘周期从60天缩短至27天，年节省成本达到477万元。

AI真正创造价值，不是在某一个环节替代人工，而是把过去割裂的流程连接起来，最终指向业务结果。

第三，运营和治理也要跟上。

当AI从个人工具进入组织流程，企业要解决的已不只是“技术能不能用”，而是“由谁持续推动、按什么标准使用、如何衡量效果、怎样控制风险”。这需要把人才能力、运营机制和治理规则放在同一套体系中考虑。

首先，AI进入企业之后，企业不仅需要新的技术能力，也需要重新思考AI时代的人才标准。针对越来越迫切的AI人才需求，用友大易AI面试推出了“AI胜任力评估”模块，基于AI³胜任力模型，从人机协作力、业务重构力和风险管控力三个方向，判断人才是否具备AI时代真正的工作能力。这套能力不仅可以用于招聘，也可以进一步支持企业内部能力盘点与人才发展。

 

其次，要建立持续运营和效果评估机制。AI建设不是一次性上线项目，需要高层牵引，HR、业务与IT共同参与，围绕场景选择、数据反馈、模型校准和流程优化持续迭代；同时从效率、质量、体验以及经营结果等维度衡量价值，避免AI应用停留在“功能上线”。

最后，治理必须嵌入AI运行全过程。用友HR SaaS围绕企业级AI建立三层保障：通过合规与敏感信息保护机制明确业务规则边界；通过身份认证、命令授权和数据权限机制保障企业数据安全访问；通过审计机制与全链路追踪，让AI从数据读取到工具调用、动作执行和审批确认的整个过程可追踪、可复盘、可问责。

当人才有标准、运营有机制、使用有边界，AI才可能真正从试点走向企业级应用。

 

AI+HR的下一阶段，是企业级协同

从未来1—2年的企业关注方向来看，AI+HR正在明显从单点应用走向企业级协同。56.3%的企业关注企业级HR大模型或智能体，50.7%关注从单一模块走向全链路协同，42.4%希望AI与HR系统进一步深度集成。

其背后的方向是一致的：从个人工具到企业级智能体，从单一场景到端到端流程，从HR内部提效到组织与业务决策。

未来真正的竞争，不会是谁部署了更多零散的AI工具，而是谁能够建立一套跨流程、跨职能、跨数据运行的AI+HR能力体系。

而这种变化的本质，是HR价值模式的重新定义。传统HR更多围绕“人和事”展开，响应业务需求、推动人事流程以及依赖经验决策；AI时代，HR需升维至“组织与经营”——洞察业务变化、预测人才需求、精准人才配置，成为业务增长的核心驱动者。

 

这也是用友HR SaaS所强调的“业人融合”的真正落点。AI+HR的价值，也不止是更高效地完成事务，而是成为连接组织、人才与业务增长的关键力量。

添加易小友          

了解用友HR SaaS解决方案