HR 如何利用 AI Agent 助力企业升级

前几日在百锐、AI共生岛以及华为乌镇公共实训基地联合举办的 HRD 交流会上，我分享了 AI4HR 的见解，并结合 workbuddy 的实战案例进行了探讨。现场听众提出的疑问非常典型，这也促使我重新梳理了几项核心判断。

事实上，我在九段课程中曾强调：核心不在于“是否使用了 AI”，而在于“是否以 AI agent 作为核心枢纽来解决问题”。

当使用豆包、千问等工具时，通常是用户将问题输入平台获取回复；但在使用 workbuddy 或 OpenClaw 后，改变之处在于 agent 直接融入工作流，成为日常工作流程的有机组成部分。

这种转变最本质的价值在于，将员工从孤立的操作任务中解放出来。

若是仅处理少量简历，workbuddy 的优势并不突出，初次配置甚至可能显得繁琐，因为它需要完成 PDF、DOC 等文档的解析设置。

然而，一旦任务涉及成百上千份简历，且需要系统化地管理数据时，agent 的价值才会真正凸显。

workbuddy 等工具的核心价值，并非在于比人工更快速地阅读单份文件，而在于将整体、局部及历史数据进行整合，进行关联分析，并输出结果。

HR 的重要职责，除了招聘与绩效管理，更在于重新审视：组织应当构建何种人力资源架构，以契合 AI 时代的发展需求。

这甚至属于公司战略层面的任务，老板与 HRD 均需予以高度重视并深入思考。

因为面临的挑战不仅限于“员工是否会因 AI 而被取代”，企业更担忧“员工掌握 AI 后是否会演变成新的竞争对手”。因此，构建何种人才结构以应对新的竞争环境，其重要性已与产品及营销不相上下。

第二个重点在于“剖象管理”，即 profile management。

招聘阶段，员工能力较易识别，可通过简历、证书及过往业绩判断。但真正的难点在于：员工入职后，如何持续评估其能力、成长及贡献。

这也是为何许多组织依赖 360 度评价的原因，因为仅靠直属领导评价不够全面。然而，传统评价方式往往容易产生主观偏差。

如今，部分领先企业已开始将人与 AI 的协作、在业务系统中的工作过程纳入评价体系。这意味着，评价不仅看结果，还要看如何借助 AI 完成工作、在过程中如何思考及解决问题。

这或许将成为未来 profile management 的核心发展方向。

一旦建立了 profile management，其他工作便能顺势实现打通。

招聘不再局限于人工撰写 JD，而是依据公司人才结构设计与目标画像生成 JD，并据此筛选简历、考察候选人。

筛选时，不应仅关注简历，还应参考作品、社区贡献、公开表达等信息，从而更全面地了解一个人。某种意义上，这如同借助智能体进行一轮“个人尽职调查”，以便更好地匹配组织发展方向。

培训工作亦可据此展开。系统可根据员工当前画像与目标画像，判断其能力缺口，并设计更具个性化的提升路径。

绩效管理亦是如此。除传统 360 度评价外，还可将员工与 AI 的协作质量、在业务系统中的实际贡献纳入考核范围。

若以九段高手的视角审视，HR 至少应追求达到八段水平，成为组织中的“领学官”。

不仅要自身掌握 AI 员工、AI 工具及 AI 工作流，还需具备教学与推动能力，引领组织完成真正的人机协同转型。

因此，workbuddy 等智能体的价值，不在于替人处理零散文件，而在于：

这才是 AI4HR 更值得关注的焦点。