从“工具”到“劳动力”——AI在HR领域的第三次跃迁
AI在人力资源领域的应用,正在经历一次根本性的范式转移。
常兴龙博士在发布会上系统梳理了AI发展的三次跃迁。第一次是规则驱动时代——专家系统、决策树、规则引擎,靠人把经验写成规则,机器按规则执行。第二次是数据驱动时代——机器学习、深度学习、大模型,靠海量数据训练出模式识别能力,机器从数据中“学习”规律。第三次是行动驱动时代——AI Agent(智能体),AI不仅能理解和回答问题,还能自主规划、自主决策、自主执行。
前两个阶段,AI是“工具”——你问它答、你指挥它做。第三个阶段,AI是“劳动力”——你给它一个目标,它自己去想怎么做、然后去做。
这个区别在HR领域尤为明显。传统的HR系统,本质上是一个“记录工具”——记录考勤、记录薪酬、记录绩效、记录培训。后来有了“分析工具”——通过数据看板展示离职率、人效、招聘漏斗。再后来有了“问答工具”——员工可以问AI“我们公司的年假政策是什么”,AI给出答案。
但这些都还是“工具”。真正的“劳动力”意味着:AI不只是回答问题,而是解决问题;不只是提供信息,而是完成任务;不只是被动响应,而是主动推动。
薪灵AI的定位,正是从“工具”到“劳动力”的跃迁。当HR说“帮我给所有试用期即将结束的员工发一封评估提醒”,薪灵AI能够自动筛选名单、生成邮件、批量发送——全程无需人工干预。当管理者说“帮我看看这个季度的绩效评估进度”,薪小绩能够实时诊断考核进展、一键催办、沉淀结果。这些都是“干活”,不是“聊天”。
这一跃迁的时代背景极为清晰。模型推理成本18个月降至原来的1/280,意味着大规模部署AI Agent的经济账已经算得过来。企业AI采用率跃升至88%,意味着市场已经准备好了。政策端,国务院明确提出到2027年智能体应用普及率需达70%——这不是建议,这是任务。
但“工具”到“劳动力”的跃迁,也暴露了当前市场上许多AI产品的短板。一个能聊天的AI和一个能干活的AI之间,差距不在于模型参数,而在于三个“能不能”:能不能读懂企业的真实数据、能不能调用企业的真实系统、能不能在企业的权限边界内合规操作。这三点,恰是薪灵AI三层架构要解决的问题。