看懂人，用对人：AI正在把“专家级HR”送进每一家公司
2026年09月28日
转载自：AI组织进化论《看懂人，用对人：AI正在把“专家级HR”送进每一家公司》
过去二十年，HR数字化解决得最充分的，是一名员工从进入公司到离开公司的流程。
入职材料在线提交，转正按节点提醒，调岗经过系统审批，离职手续自动流转。组织架构、考勤、薪酬和员工档案也被装进系统。企业可以高效管理成千上万名员工，HR也告别了大量纸张和Excel。
但HR和管理者还有另一组更难的问题：选、用、育、留。谁适合这个岗位？一个人有没有潜力？谁值得培养，关键人才又该怎样保留？这些问题很难被写成固定流程。
最近我们和北森联合创始人、CEO纪伟国聊了近两个小时。核心观点是人力资源过去一直想往人才管理走，但历史上能做的事情比较有限，一个很现实的原因是人才识别、人才定义和人才发展对专业能力的要求太高，只有少数HR具备这个专业能力。而如果AI能够补上这部分专业能力，HR就有机会逐步从事务工作走向战略人才管理。
如果AI能够从这个角度重构HR，从本质上看是人才管理的一次“专业平权”。过去集中在少数大公司和资深HR手里的定义、识别、发展人才的能力，开始被封装成更多HR、业务经理和企业可以调用的AI Agent。目的很直接：让公司更准确地看懂人，也更有效地用好人。
因此，这一轮HR技术重心，正在从管理人事流程，走向支持企业识人、选人和用人。
北森6月宣布战略转型，从HR软件公司转向HR领域的AI应用公司AI战略转型：北森从HR SaaS升级为HR AI应用公司，并推出Mavens智能体平台，8月底又集中发布Mavens和15+ AI HR专家，提出“真人HR指挥数字HR”的碳硅人力混合编队，正是对这一趋势的最好证明。
北森也期望把积累多年只有少数大企业和人才专家掌握的定义、识别和发展人才的能力，带入更多公司。
01 系统擅长“入转调离”，企业难在“选用育留”
流程有明确的字段、规则和节点。一名员工什么时候转正，一次调动由谁审批，一份合同何时到期，都可以得到确定答案。
选人和用人复杂得多。系统可以记录履历，却很难仅凭履历说明一个人能不能承担更大的岗位；绩效分数可以进入报表，也不能单独回答这份成绩来自个人能力、团队资源，还是市场机会。
纪伟国在访谈中说：“管理者讨论一个人，一小时可能也讨论不明白。”人才盘点会上，有人觉得一名员工“有冲劲”，有人认为他“不够成熟”。每个人掌握的信息不同，评价尺度也不同，讨论很容易滑向印象。
把一个人看得相对完整，需要把绩效、经历、测评、360度反馈和访谈记录放在一起，还要理解他当时面对的任务和资源。企业也要先说清楚岗位需要什么，再区分事实、评价与推测。这背后其实是一整套人才管理的科学与技术。
北森将People Science概括为三个环节：定义成功、识别人才、促进改变。
过去，这套能力更多掌握在成熟的CHO、组织发展专家和测评顾问手里。很多企业积累了不少数据，却缺少把数据变成用人依据的方法。
上一轮HR数字化把流程管了起来。到了“选、用、育、留”，企业已经不缺字段，缺的是可以持续调用这些上下文，并形成专业的用人决策。
02 从AI助手到AI HR专家
早期的HR AI应用，多数是效率工具：写职位描述、整理面试纪要、生成培训材料，或者回答员工关于假期和福利的问题。它们减少了重复劳动，但没有改变HR系统的主要边界。
这也是北森最近为什么反复强调“AI HR专家”，而不只是AI助手。
专家解决的是另外一层问题：它能不能按照一套相对可靠的方法和标准给出专业判断。
北森的AI人才官，是观察这种变化最具体的入口：
现在北森的AI人才官会把绩效、测评、360、BEI、经历等多源数据放在一起，辅助人才盘点、人岗匹配、人才比较、潜力和继任等场景。管理者看到的不只是数据片段，还包括不同材料之间相互支持或彼此矛盾的地方。
放在“选、用、育、留”里，这条路径会清楚很多。选，是结合岗位要求寻找合适的人；用，是在项目、团队、晋升和继任中做配置；育，是看见能力差距，给出发展方向；留，则需要识别关键人才及其变化，在问题出现前采取行动。
访谈中的一个演示很典型：假设公司明年要做AI项目，请AI人才官推荐一名实施负责人。它不会马上给出名字，而是先澄清项目阶段和关键挑战，再比较候选人的经历、能力与风险。管理者不认同推荐时，可以质疑依据、补充情况，结果也会随新证据调整。
这套过程包括明确标准、整理证据、发现缺口和提出建议。它可以辅助人才盘点、人岗匹配和潜力识别，也让静态的人才报告变成可以继续追问的日常支持。
不过，责任边界必须留在系统里。AI看到的是企业提供的数据，数据可能残缺，历史评价也可能带着偏见；岗位标准还会随着战略变化。晋升、调岗、薪酬、继任和淘汰直接影响一个人的职业发展，AI可以提供方法、证据和建议，选择仍由管理者和HR作出，责任也不能转交给模型。
03 让更多企业用得上专家方法
人才管理一直有一个规模难题：专家培养得慢，服务范围也有限。企业不可能给每位业务经理配一名测评专家，也很难让每名HRBP都经过多年人才评估训练。
不少人才盘点因此停留在一年一次的咨询项目。顾问进场，做访谈和测评，最后交付一份报告。项目结束后，岗位变了、团队调整了，那份报告很快又跟不上新的问题。
AI改变了“人才技术”的使用方式：岗位应该怎样定义，访谈要追问什么，哪些材料可以成为有效证据，发现差距后如何制定发展计划，把这些专业技术训练成AI人才官，由AI人才官来执行，不必每次都从头找专家。
这正是人才管理“专业平权”的现实含义。
普通HR不会突然成为人才专家，业务经理也不会自动拥有资深CHO的经验。变化在于，经过训练的AI人才官，是一个有多年识人、用人经验的专业顾问，是一个比HR更专业的AI HR专家。对没有完整COE团队的中小企业，这一步尤其有价值。
不过专业平权也有前提。AI的依据要能解释，建议要允许质疑，岗位标准还要根据业务持续校准，这些依赖于FDE的萃取。缺少这些条件，专业能力的规模化很容易变成错误结论的规模化。
04 AI放大的，是北森二十多年的People Science
通用大模型已经能够解释胜任力、潜力和人岗匹配。但知道一个概念，与在具体公司里把人用对，中间隔着业务语境和专业方法。
大模型可以总结优秀销售的常见特征，却不知道一家企业此刻需要的是开拓新市场的人，还是经营成熟客户的人。AI进入人才管理，需要三层能力：基础模型处理信息，People Science提供岗位建模和人才发展的专业方法，企业自己的战略与岗位标准负责校准。
北森从人才测评起家。二十多年积累的岗位模型、测评方法、行为标准和顾问经验，主要处在People Science这一层。过去，它们更多存在于测评报告、咨询项目和系统模块中，普通HR和业务经理很难随时调用。
现在北森将这些都重新拆成封装成Skills，供HR和管理者随时调用。
这也解释了 8 月底那次发布：北森集中推出 Mavens 与 15 个以上的 AI HR 专家，提出"真人 HR 指挥数字 HR"的碳硅人力混合编队——把专业方法变成可以直接调用的能力单元。
写在最后
北森Mavens更像是人才管理能力的“专业平权”，对企业来说，这会落到两件很具体的事上：更早看懂一个人的优势、潜力和风险，把他放到更合适的位置；也能把少数人的好经验更快变成组织能力，让更多人做成过去做不成的事。
按照北森最新披露的数据，目前AI客户已经超过1500家；此前披露的2026财年AI产品合同额达到8700万元，同比增长10倍。这些商业数据说明AI HR已经不再停留在概念期。同时北森已经明确未来两年计划投入10亿元继续建设AI产品和内容能力。北森正在试图成为一家帮助客户构建、并运维数字HR专家的公司。
当然，这是北森作为AI HR供应商给出的判断和路径，里面一定有它自身的商业立场。Mavens里15+数字HR最终有多少能够长期成为企业稳定使用的“数字岗位”，哪些更多只是现有软件功能的Agent化，还需要时间和更多客户结果来验证。
二十多年前，HR数字化把大量人事工作装进了软件。这一轮AI，开始尝试把一部分人才管理的专业能力装进AI。
看懂人，用对人，才是人才管理专业平权的落点。
资料说明
核心内容来自2026年9月15日对北森联合创始人、CEO纪伟国的访谈，并参考北森People Science相关材料。
经营数据参考北森2025/2026年度报告；AI客户信息参考北森官方披露。
