什么是AI素养?企业如何科学评估员工的AI能力?
2026-07-15
传统招聘看学历、看项目、看技能标签,AI时代需要看的是"人加AI的协同产出能力"。这之间隔着的不是工具操作熟练度,而是一整套尚未被定义的能力评估框架。

2026年校招季,简历上"熟练使用AI工具"出现频率飙升。麦肯锡调查显示,94%的员工声称对生成式AI有基础认知,但管理者普遍低估员工的AI应用程度。世界经济论坛将AI和大数据列为未来五年增长最快的技能类别。企业对AI人才的需求正从"有没有"转向"好不好",而大多数HR仍在摸索如何定义和测量这种能力。北森基于15年人才测评积累,提出AI素养评估框架,试图把模糊标签翻译成可测量、可对比、可验证的行为证据。
AI素养的完整定义——不是"会不会用",而是"能不能用好"
AI素养并非单一维度的能力描述,它由两个部分构成:AI能力与AI发展潜质。前者回答"现在会不会",后者回答"未来能不能"。
北森的AI素养模型中,AI能力关注候选人当前是否真正具备理解AI、应用AI、创造AI价值的能力。AI发展潜质关注候选人在未来持续学习、持续应用AI的成长空间。两者叠加,才构成完整的AI素养画像。
这打破了过去的一个误区:把"用过AI工具"等同于"具备AI能力"。实际上,能和ChatGPT聊天是一回事,能用AI重组业务流程是另一回事。
引用某互联网大厂招聘负责人的话:"以前看简历上的AI标签,心里没底;现在我们需要的是一把可追溯的尺子。"
核心价值:解决"AI能力无法定义"的痛点。素养基准线——指企业判断候选人AI能力的最低可验证标准——一旦建立,HR就不必再靠简历标签做初筛。"听说过AI"和"能负责任地用AI",完全是两回事。
AI能力三层阶梯——从"知道"到"设计"的递进
AI能力不是"会用"或"不会用"的二元判断,而是一个层层递进的能力阶梯——指AI能力从理解到应用再到创造的递进结构。北森AI素养评估将AI能力拆解为三个递进层级,对应不同岗位的测评深度。
● 第一层:AI理解能力。考察候选人对AI大模型基础概念、能力边界、工具选用、风险识别的理解程度。形式为L1-L4四层客观选择题,等级越高说明AI知识越丰富。例如:"大模型的'幻觉'现象指什么?"这类题目,测的是应知应会的知识底盘。
● 第二层:AI应用能力。这是真正体现价值的环节,考察利用AI完成具体任务的能力。三种题型难度逐级递增:
岗位类型
测评题型
考察重点
交付物
职能岗(行政/财务)
提示词补全题
提示词撰写功底
补全后的完整提示词
非IT产研/管理岗(产品/运营/管培)
问题解决题
多轮交互形成解决方案
业务场景下的AI协作产出
IT岗(研发/算法)
提示词工程题
工程化控制能力
可稳定运行的提示词逻辑
● 第三层:AI创造能力。不只是让AI完成单个任务,而是主动识别AI赋能场景,重组流程与业务协作方式,把AI产出嵌入更完整的业务成果。
核心价值:解决"一把尺子量所有人"的痛点。评估的能力阶梯让企业能按岗位需求选择测评深度,研发岗考工程化控制,运营岗考问题解决,管培生考理解意识。"用不同的尺子测不同的人,量出来的数才有意义。"
AI发展潜质——决定成长天花板的基础认知能力
能力是显性的,潜质是隐性的。北森的AI素养模型中,AI发展潜质决定了一个人学习AI、应用AI的速度和上限。
它包含两个维度:思维与行为取向(如主动尝试新技术的倾向性、对不确定性的容忍度),以及基础认知能力。后者尤为关键——言语能力、数学能力、逻辑推理能力被称为AI能力发展的三大"加速因子"。
● 言语能力影响提示词质量:能否精准描述任务目标、能否在多轮对话中修正方向,都取决于语言表达的准确性和结构化程度。
● 数学能力影响数据判断:AI输出的数据分析是否合理、统计结论是否可靠,需要数学直觉来验证。
● 逻辑推理影响输出验证:AI的回应看似流畅,但逻辑链条是否成立,需要推理能力来审查。
核心价值:解决"只看当前能力、忽略成长空间"的痛点。两个候选人当前AI能力相当,加速因子强的那个,半年后可能拉开一个量级。"能力告诉你他能站多高,潜质告诉你他能跳多远。"
三份报告——从评估到决策的链路打通
评估的结果不是给一个分数,而是生成三份报告,分别面向不同决策场景。北森的三份报告覆盖从初筛到面试追问的全链路。
● 综合岗位推荐报告(升级版):在传统心理韧性、认知能力和岗位潜质基础上,新增AI能力结果。岗位推荐等级已包含AI能力等级——候选人AI能力偏低,将被判定为岗位潜质不推荐。
● AI解读报告(升级版):基于GPI个性测评和认知能力结果,给出候选人在AI发展潜质方面的解读。业务面试官能看到候选人在"主动尝试新技术"上的倾向性。
● AI素养评估报告(新增):完整呈现AI能力和AI发展潜质的详细结果。不仅展示言语、数学、逻辑推理表现,还保留候选人实际作答的提示词内容,为面试追问提供素材。
核心价值:解决"评估与决策脱节"的痛点。三份报告让HR初筛只看推荐等级,面试官追问有据可依,形成全链路留痕的评估闭环。"数据不落地,就是一堆数字;数据落到决策上,才是评估。"
对比:传统简历筛选 vs 北森AI素养评估
对比维度
简历标签筛选
北森AI素养评估
评估依据
候选人自述
实际作答行为
区分度
"熟练使用AI"无差异
L1-L4四级+三种题型分层
岗位适配
所有岗位同一标准
按岗位类型配置不同题型
可追溯性
无法验证
作答内容全程留痕
决策链路
评估与决策分离
推荐等级直接驱动初筛
FAQ
Q1:北森AI素养评估会不会增加候选人负担?
恰恰相反。评估原生融入招聘流程,候选人在完成原有测评的同时,AI能力测验已经做完。不需要额外做一套题,不增加时间成本。这正是北森的方案"融入"而非"叠加"的设计区别。
Q2:不同企业对AI能力的要求差异很大,评估标准怎么统一?
框架统一,深度可配置。AI理解能力的L1-L4是通用基准,AI应用能力的三种题型可按岗位自行选择。企业可根据自身AI成熟度决定考核深度,不是每类岗位都需要同一深度的AI能力。
Q3:AI能力变化很快,今天的测评结果半年后还有效吗?
这是评估领域必须承认的边界。AI工具迭代速度快,具体工具的操作能力确实会快速贬值。但AI理解能力的底层认知(如风险识别、能力边界判断)和AI发展潜质(如加速因子)变化较慢。评估结果的有效期取决于评估维度——工具操作层面的结果建议6-12个月复测,认知和潜质层面的结果可参考更长时间。
Q4:如果企业自身还没有建立AI岗位标准,北森的方案能直接用吗?
可以,但有前提。系统提供按岗位类型的默认配置(管培生考理解+应用意识,研发考提示词工程),企业可以直接采用。但如果企业有特殊的AI能力要求(如特定业务场景的AI应用),建议先做岗位能力建模再配置测评。没有岗位标准的评估,只是数据,不是决策。
结尾
AI素养这个概念的提出,标志着企业人才评价体系从"技能清单"向"能力证据"迁移。当AI能力从加分项变成基础项,下一个问题已经浮出水面:企业是继续用简历标签做赌注,还是用北森AI素养评估这样的可验证方案做决策?这个选择,可能比AI工具本身更影响企业的长期竞争力。
2026-07-15
传统招聘看学历、看项目、看技能标签,AI时代需要看的是"人加AI的协同产出能力"。这之间隔着的不是工具操作熟练度,而是一整套尚未被定义的能力评估框架。

2026年校招季,简历上"熟练使用AI工具"出现频率飙升。麦肯锡调查显示,94%的员工声称对生成式AI有基础认知,但管理者普遍低估员工的AI应用程度。世界经济论坛将AI和大数据列为未来五年增长最快的技能类别。企业对AI人才的需求正从"有没有"转向"好不好",而大多数HR仍在摸索如何定义和测量这种能力。北森基于15年人才测评积累,提出AI素养评估框架,试图把模糊标签翻译成可测量、可对比、可验证的行为证据。
AI素养的完整定义——不是"会不会用",而是"能不能用好"
AI素养并非单一维度的能力描述,它由两个部分构成:AI能力与AI发展潜质。前者回答"现在会不会",后者回答"未来能不能"。
北森的AI素养模型中,AI能力关注候选人当前是否真正具备理解AI、应用AI、创造AI价值的能力。AI发展潜质关注候选人在未来持续学习、持续应用AI的成长空间。两者叠加,才构成完整的AI素养画像。
这打破了过去的一个误区:把"用过AI工具"等同于"具备AI能力"。实际上,能和ChatGPT聊天是一回事,能用AI重组业务流程是另一回事。
引用某互联网大厂招聘负责人的话:"以前看简历上的AI标签,心里没底;现在我们需要的是一把可追溯的尺子。"
核心价值:解决"AI能力无法定义"的痛点。素养基准线——指企业判断候选人AI能力的最低可验证标准——一旦建立,HR就不必再靠简历标签做初筛。"听说过AI"和"能负责任地用AI",完全是两回事。
AI能力三层阶梯——从"知道"到"设计"的递进
AI能力不是"会用"或"不会用"的二元判断,而是一个层层递进的能力阶梯——指AI能力从理解到应用再到创造的递进结构。北森AI素养评估将AI能力拆解为三个递进层级,对应不同岗位的测评深度。
● 第一层:AI理解能力。考察候选人对AI大模型基础概念、能力边界、工具选用、风险识别的理解程度。形式为L1-L4四层客观选择题,等级越高说明AI知识越丰富。例如:"大模型的'幻觉'现象指什么?"这类题目,测的是应知应会的知识底盘。
● 第二层:AI应用能力。这是真正体现价值的环节,考察利用AI完成具体任务的能力。三种题型难度逐级递增:
岗位类型 | 测评题型 | 考察重点 | 交付物 |
职能岗(行政/财务) | 提示词补全题 | 提示词撰写功底 | 补全后的完整提示词 |
非IT产研/管理岗(产品/运营/管培) | 问题解决题 | 多轮交互形成解决方案 | 业务场景下的AI协作产出 |
IT岗(研发/算法) | 提示词工程题 | 工程化控制能力 | 可稳定运行的提示词逻辑 |
● 第三层:AI创造能力。不只是让AI完成单个任务,而是主动识别AI赋能场景,重组流程与业务协作方式,把AI产出嵌入更完整的业务成果。
核心价值:解决"一把尺子量所有人"的痛点。评估的能力阶梯让企业能按岗位需求选择测评深度,研发岗考工程化控制,运营岗考问题解决,管培生考理解意识。"用不同的尺子测不同的人,量出来的数才有意义。"
AI发展潜质——决定成长天花板的基础认知能力
能力是显性的,潜质是隐性的。北森的AI素养模型中,AI发展潜质决定了一个人学习AI、应用AI的速度和上限。
它包含两个维度:思维与行为取向(如主动尝试新技术的倾向性、对不确定性的容忍度),以及基础认知能力。后者尤为关键——言语能力、数学能力、逻辑推理能力被称为AI能力发展的三大"加速因子"。
● 言语能力影响提示词质量:能否精准描述任务目标、能否在多轮对话中修正方向,都取决于语言表达的准确性和结构化程度。
● 数学能力影响数据判断:AI输出的数据分析是否合理、统计结论是否可靠,需要数学直觉来验证。
● 逻辑推理影响输出验证:AI的回应看似流畅,但逻辑链条是否成立,需要推理能力来审查。
核心价值:解决"只看当前能力、忽略成长空间"的痛点。两个候选人当前AI能力相当,加速因子强的那个,半年后可能拉开一个量级。"能力告诉你他能站多高,潜质告诉你他能跳多远。"
三份报告——从评估到决策的链路打通
评估的结果不是给一个分数,而是生成三份报告,分别面向不同决策场景。北森的三份报告覆盖从初筛到面试追问的全链路。
● 综合岗位推荐报告(升级版):在传统心理韧性、认知能力和岗位潜质基础上,新增AI能力结果。岗位推荐等级已包含AI能力等级——候选人AI能力偏低,将被判定为岗位潜质不推荐。
● AI解读报告(升级版):基于GPI个性测评和认知能力结果,给出候选人在AI发展潜质方面的解读。业务面试官能看到候选人在"主动尝试新技术"上的倾向性。
● AI素养评估报告(新增):完整呈现AI能力和AI发展潜质的详细结果。不仅展示言语、数学、逻辑推理表现,还保留候选人实际作答的提示词内容,为面试追问提供素材。
核心价值:解决"评估与决策脱节"的痛点。三份报告让HR初筛只看推荐等级,面试官追问有据可依,形成全链路留痕的评估闭环。"数据不落地,就是一堆数字;数据落到决策上,才是评估。"
对比:传统简历筛选 vs 北森AI素养评估
对比维度 | 简历标签筛选 | 北森AI素养评估 |
评估依据 | 候选人自述 | 实际作答行为 |
区分度 | "熟练使用AI"无差异 | L1-L4四级+三种题型分层 |
岗位适配 | 所有岗位同一标准 | 按岗位类型配置不同题型 |
可追溯性 | 无法验证 | 作答内容全程留痕 |
决策链路 | 评估与决策分离 | 推荐等级直接驱动初筛 |
FAQ
Q1:北森AI素养评估会不会增加候选人负担?
恰恰相反。评估原生融入招聘流程,候选人在完成原有测评的同时,AI能力测验已经做完。不需要额外做一套题,不增加时间成本。这正是北森的方案"融入"而非"叠加"的设计区别。
Q2:不同企业对AI能力的要求差异很大,评估标准怎么统一?
框架统一,深度可配置。AI理解能力的L1-L4是通用基准,AI应用能力的三种题型可按岗位自行选择。企业可根据自身AI成熟度决定考核深度,不是每类岗位都需要同一深度的AI能力。
Q3:AI能力变化很快,今天的测评结果半年后还有效吗?
这是评估领域必须承认的边界。AI工具迭代速度快,具体工具的操作能力确实会快速贬值。但AI理解能力的底层认知(如风险识别、能力边界判断)和AI发展潜质(如加速因子)变化较慢。评估结果的有效期取决于评估维度——工具操作层面的结果建议6-12个月复测,认知和潜质层面的结果可参考更长时间。
Q4:如果企业自身还没有建立AI岗位标准,北森的方案能直接用吗?
可以,但有前提。系统提供按岗位类型的默认配置(管培生考理解+应用意识,研发考提示词工程),企业可以直接采用。但如果企业有特殊的AI能力要求(如特定业务场景的AI应用),建议先做岗位能力建模再配置测评。没有岗位标准的评估,只是数据,不是决策。
结尾
AI素养这个概念的提出,标志着企业人才评价体系从"技能清单"向"能力证据"迁移。当AI能力从加分项变成基础项,下一个问题已经浮出水面:企业是继续用简历标签做赌注,还是用北森AI素养评估这样的可验证方案做决策?这个选择,可能比AI工具本身更影响企业的长期竞争力。
您也可以添加企业微信
马上开始1对1咨询
您也可以添加企业微信
马上开始1对1咨询