北森AI大考:当HR不再只做录入填表,数字专家Agent能解决企业真问题吗
2026-09-16
转载自:数科星球《北森AI大考:当HR不再只做录入填表,数字专家Agent能解决企业真问题吗》

很多企业兴冲冲上线HR大模型,热闹过后发现只能做简历摘抄、回答员工考勤问题,真正识人育才的核心业务依旧原地踏步。
市面上多数HR AI停留在事务助手,而真正难啃的人才评估、领导力训练,恰恰是决定一家公司竞争力的关键。
一边是AI概念满天飞,一边是企业真实痛点悬而未决,北森抛出的15个HR专家Agent,到底是营销噱头,还是找到了垂直AI落地的可行路径?
01 褪去AI滤镜:HR行业的两类AI,助手不等于专家
打开各类厂商的HR AI宣传页,很容易产生一种错觉:AI已经可以包办人力资源的全部工作。但真实落地之后,大量企业发现落差巨大。绝大多数市面上的HR AI,本质上是“事务助手”——处理入离职资料归档、整理简历文本、解答社保假期制度这类标准化工作,它们得心应手。但一旦触碰人才判断、能力评估、领导力培养,立刻就漏洞百出。
举一个现实的例子。企业要招聘一名销售总监,通用大模型在网上看到岗位薪酬区间100-150万,就会直接判定该岗位合理薪资在150万,可企业内部实际预算仅有50万。如果完全交给AI输出结论,会直接误导招聘决策。
还有面试评估,如果单纯依靠大模型自由生成评价,报告文字看着头头是道,和真人面试官的判断经常出现巨大偏差。
这就是通用大模型的固有短板:它擅长网上公开的通识知识,但不懂一家企业内部独有的业务逻辑、岗位能力定义、企业文化标准。
北森在8·28用户大会上集中亮相的Mavens平台,推出超15个HR专家Agent,对外释放的核心信号,就是把HR AI分成“助手”和“专家”两个截然不同的层级。助手处理填表、查询、归档;而专家Agent,瞄准的就是过去只有资深HR、外部咨询顾问才能搞定的复杂人才业务,例如人才官研判、领导力教练、AI面试官、智能排班、人才盘点等。
“手搓一个Agent的身体很容易,但是要把思想,把专业东西放进去,其实挺不容易。”这是北森内部反复强调的一个观点。写代码搭建一个能对话的AI外壳门槛已经越来越低,但垂直行业真正值钱的,是沉淀几十年的专业方法论、企业独有的业务经验,这些东西互联网公开资料里找不到,无法靠通用大模型凭空生成。
过去做软件,工程师绝大多数时间在写代码;现在做专家Agent,大量工作变成让行业专家沉淀skill(专业技能集),把企业的业务场景、人才标准,萃取之后内置进AI系统。这也是To B垂直AI和通用大模型最本质的分水岭。

02 FDE团队:垂直AI背后看不见的“翻译官”
如果通用提示词解决不了企业个性化人才业务,那北森靠什么让AI读懂不同行业?答案是一支叫做FDE(Forward Deployed Engineer,前端部署工程师)的团队。
很多人会以为,AI产品上线只需要算法、大模型工程师就够了。但HR人才领域有大量特殊的概念,就连普通软件工程师都很难理解。比如什么叫“非权力影响力”,什么样的行为代表管理者的授权能力,哪些实际动作对应领导力短板。这些概念没有办法直接丢给大模型,需要有人深入企业一线,把老板、业务高管脑子里模糊的用人标准,翻译成AI可以识别、运行的规则与能力模型。
北森最早这批FDE,是从原本的咨询顾问转化而来。过去这些顾问的工作,就是上门帮客户搭建能力模型、绘制学习地图、开展人才盘点。现在他们角色升级,从单纯给人做咨询,转变为企业业务与AI之间的“翻译官”。团队现有200+人,未来规划扩充到300人规模。
他们要走进不同类型企业做场景抽象:给方太梳理制造业管理岗位的能力要求,给华莱士提炼连锁门店店长的业务标准,每家企业的岗位诉求都不一样,甚至同一个岗位,不同老板的用人偏好也存在差异。FDE的工作,就是把这些散落在业务现场的经验萃取出来,沉淀成AI可以运行的skill,内置到专家Agent里面。
这里需要厘清一个误区:FDE不是简单写提示词的人员。写提示词更多是临时调参,换一个场景就失效。而FDE要做的,是把一整套心理学、人才测评方法论、企业真实业务逻辑固化。同时北森提供对应的定制工作台,FDE可以在平台内完成面试出题、租户级别的能力调整,不用反复依赖底层算法团队。
而且企业业务永远在迭代。一家连锁企业每季度会推出新产品,调整销售渠道策略,对应的人才评判标准就要跟着变。FDE不是做完一次交付就结束,需要持续跟进业务变化,更新AI内部的专业能力集,这会变成类似财务审计一样持续性的服务。
03 15个专家Agent如何迭代:不是闭门造车,而是和客户共创
目前北森对外亮相的专家Agent一共超15个,公开表态未来会拓展到50个以上。很多人会好奇,这50个专家是内部产品团队拍脑袋规划出来的吗?
答案是否定的。北森的研发逻辑,是优先选择“客户愿意付费、能独立解决真实痛点、技术条件允许落地”的场景,而不是追求概念上的大而全。
人才官这个Agent就是典型例子。内部很早就看到这个方向的巨大价值,但早期条件不成熟,没有仓促开发,而是先做大量推演验证,确认可行性之后才正式动手;AI排班同样,中间遇到很多现实挑战,反复打磨之后才推向市场。
新的专家Agent,很多诞生于客户的实际使用反馈。
举一个领导力教练的案例:北森最早上线AI领导力教练产品之后,客户在使用过程中衍生出新诉求。北森过去线下就有报告解读业务,由真人专家给管理者集体做测评报告解读,但一对一服务成本极高,企业很难大规模铺开。客户提出,能不能把这套成熟的报告解读能力,封装成一个独立AI专家。于是,新的专家能力就在共创的过程中诞生了。
这也解释了,为什么北森并不急于打造一个“万能通用HR大专家”。现实企业HR体系内部本身就有明确分工:薪酬专家、绩效专家、培训专家、领导力专家各有所长。现实中不存在一个HR能精通全部模块,映射到AI世界,同样很难出现一个大一统通用HR Agent。如果哪天真的出现通用全能HR专家,那意味着已经迈入AGI时代,距离当下还很遥远。
在已经落地的1500多家AI客户中,15个专家Agent的使用情况也不均衡。
AI面试官客户覆盖面最广,其次是AI领导力教练、AI陪练,部分大客户可以为高阶专家能力支付百万级别的订单;AI排班专家、AI人才官等属于相对新推出的产品,还处在客户拓展阶段。绝大多数客户不会一次性全部启用15个专家,大多根据自身痛点选用其中若干个。

04 人机边界红线:AI只做辅助,最终决策权必须留给人
在其内部,被反复提及的一条底线:“AI不能独立做出人事最终决策”。
现实中我们可以看到一些案例,AI面试官完成面试之后,输出一份管理者评估报告,给高管打出D等级。拿到报告的管理者会产生很强的心理压力,面试表现被AI评价为“一般”,当事人甚至找不到人去辩解。但即便AI输出评价,录用、晋升、免职这类人事决定,依旧不能交由AI完成。
为什么要有这条硬性红线?第一,AI会产生幻觉,无法做到百分之百准确,人事决策关系到个人职业前途,AI不承担法律与伦理责任。第二,人的管理本身掺杂复杂现实考量,比如岗位试错机会、人员离职风险、团队情绪平衡,这些软性因素,是当前AI很难完整权衡的。
映射到HR场景,这条边界同样适用。AI面试官可以完成初面、输出基于行为证据的能力评估报告,但是“要不要录用候选人”必须由真人HR和业务负责人拍板;AI领导力教练可以模拟场景陪练管理者、输出能力短板分析,但是要不要提拔一名高管,依旧是人来做决定。
市面上有部分AI面试官产品,追求对话体验足够逼真,把重点放在“像真人一样聊天”。北森的产品逻辑完全不同,优先级第一是评估效度,也就是判断准不准。它的AI面试官背后,依托的是多年人才测评积累的心理学体系,面试问题、追问逻辑、评分标尺,全部由心理学专家、HR业务专家提前定义约束,并不是交给大模型自由发挥。大模型在这里只是对话载体,而不是评价主体。
这也是两类产品巨大的分野:只追求对话流畅,很容易生成天花乱坠但是失真的报告;把评估效度放在第一位,就要用大量规则、业务专家经验约束AI的输出,牺牲一部分“天马行空”的对话自由度,换取结果稳定可信。
05 AI浪潮下HR岗位的真相:不会大规模裁员,但能力范式彻底改写
几乎每一场HR AI的发布会,台下都会有HR从业者内心的疑问:AI来了,HR会不会大量失业?
行业里面有一个可以参照的历史:当AI编程工具普及,很多人预言程序员会大规模失业。现实结果却是,编程门槛降低,大量过去没有条件做软件的业务场景产生新需求,市场对开发人员的总需求反而上涨,变化的只是岗位的工作内容。北森的判断是,HR行业大概率会重演相似故事。
AI会接管大量事务性工作:整理简历、协调面试日程、标准化员工答疑。过去受成本限制,很多企业完全做不到的事情,现在可以大规模落地。比如,过去不可能给每一名管理者配置一对一的领导力教练,成本太高,AI把这件事变成现实。企业HR组织的能力边界被大幅度拓宽。
所以并不一定是企业HR总人数下降。一部分岗位事务性工作量变少,但同时会冒出很多新工作。但岗位能力要求会发生翻天覆地的改变。现在的HR,工作重心从亲自完成填表、整理资料,转向“指挥数字专家编队作战”。真人HR理解业务,制定人才标准,把控最终判断;各个AI专家Agent负责执行、采集信息、输出分析材料。也就是北森提出的“碳硅混合编队”模式。
对在校相关专业毕业生而言,死记硬背老旧人力资源理论已经不够。更重要的能力,是懂业务,懂得善用AI工具,具备校验AI输出结果的判断力。初级执行类岗位会受到冲击,但懂业务、会驾驭AI的复合型人才,价值会进一步放大。

06 企业AI转型最大坑:老板头脑发热喊口号,组织没有跟上
现在到处都能看到企业把AI转型写进PPT、挂在公司墙上。但大量项目上线之后效果不达预期。行业现在有一个共识:To B AI落地,最大瓶颈往往不是算法技术,而是企业内部组织与人的阻力。
北森在服务客户的过程中,见过不少反面样本。一类典型现象:老板拍板上马AI项目,出发点是拿行业创新奖项,而不是真正解决业务痛点。于是就出现“为了创新而创新”,系统采购回来,明明不好用,各部门还被强制要求使用,最后实际业务价值寥寥无几。
还有跨部门墙的问题。比如HR部门采购AI陪练,希望给到销售团队使用,但销售部门并不买账,项目就卡住。
针对这类乱象,北森内部选择比较克制的落地策略:要么不做,要做就要做到位。客户选定AI项目之后,前期需要完成充分预演,正式立项之后,每个季度评估业务进展,以真实业务收益作为衡量标尺。不会追求表面上轰轰烈烈的上线仪式,看重长期可衡量的业务结果。
什么样的企业更容易把HR AI做成功?核心一点:老板没有幻觉,不迷信AI万能。不是把AI当成拿来裁员降本的工具,而是把AI视作放大组织人才能力的手段。真正有业务压力,希望解决识人、育人真实难题的企业,更容易拿到正向结果。如果只是跟风追逐概念,最后大概率只会得到一堆演示Demo。
07 商业平衡:投入10亿做AI,守住不亏损的底线
AI转型离不开真金白银的投入。北森对外披露,未来两年在AI方向整体投入接近10亿元。但它并不打算依靠持续亏损换增长,选择的路径是盘活内部存量资源,而不是单纯烧钱。
具体资源来源分为几块:第一,研发团队当中有500-600人转向AI相关工作,是从原有研发资源重新调配而来;第二,原有200人的咨询顾问团队部分转型FDE,完成人力能力的迁移;第三,AI工具也反哺内部,内部实施、销售洞察等部门借助AI实现30%左右效率提升,释放出一部分资源投入创新业务;同时适度加大AI产品销售端投入。
换句话讲,如果不做AI转型,北森原本的利润表现会更好,公司主动放弃一部分短期利润,但是守住不亏损的底线。
放眼全球市场,不少通用大模型工具出现用户增长放缓、留存疲软的现象。这会传导到To B行业吗?北森的观点是,工具型AI产品切换成本很低,用户很容易因为竞品新功能就迁移。但是垂直业务软件不一样,企业的工资核算、社保、入离职、劳动纠纷全部跑在系统之上,业务深度绑定,切换代价巨大。通用Agent工具可以作为入口,但很难直接替代厚重的业务软件。
这也引申出另外一个行业判断:未来超级对话入口,不会完全吃掉垂直业务软件。对话式Agent适合简单查询,但业务操作一旦交互超过两轮,用户就会觉得麻烦,还是更习惯传统软件界面。未来的形态,是大模型入口和垂直业务软件深度融合,A2A(Agent对Agent)互相调用,页面可以嵌入对话入口,而不是对话完全取代软件。

08 复盘北森选择:二十年测评沉淀,在人才科学赛道守住差异化
国内做HR软件的厂商并不少,大家都可以接入大模型基座,为什么北森会走出专家Agent这条路线?这里有一段十年前的小故事。
大概2016-2017年,曾经有投资人给北森提出建议:把测评业务砍掉,all in HR软件。当时行业普遍看好标准化SaaS软件,测评业务重咨询、重专业,看起来不如标准化软件增长顺滑。北森没有采纳这个建议,但很长一段时间,怎么把测评、人才科学的价值融入软件,一直找不到合适的突破口。直到AI Agent时代到来,这套沉淀二十多年的人才测评、心理学、认知科学的方法论,找到了释放价值的出口。
这就是它和其他厂商的差异化。很多厂商做HR AI,更多聚焦入离调转这类事务流程,门槛相对低,各家都可以实现。而人才的评估、发展、领导力训练,属于更深一层,依赖人才科学积累。通用大模型本身并不自带这套知识,只靠调用公有大模型API做不出这套能力。
改变一个人,是行为先发生变化,再带动认知和观念改变,而不是反过来靠讲道理说服人。这个在心理学领域不算复杂的道理,但是绝大多数普通软件从业者并不掌握。AI领导力教练的底层逻辑,就建立在这类认知之上,经过反复试验发现,管理者要经过大约五次练习,行为评分才会出现明显正向变化,这套规律被内置进skill里面。
当然这条路也不是没有挑战。50个专家Agent,剩下三十多个具体会是什么,现在内部也无法全部提前规划完毕,很多会在服务客户的过程中被一步步发掘出来。

09 写在最后:HR AI的终局,不是取代人,而是拉高人的上限
今天行业充斥着各种AI神话,很多人幻想一套AI系统,就可以搞定企业全部人才管理工作。但北森在实践中,给我们展示了垂直AI更现实的模样。
大模型基座是基础设施,但不等于行业解决方案。把通用大模型丢进行业,得到的大多是好看却不能用的Demo。垂直AI真正的壁垒,是行业know-how、是心理学与业务方法论、是深入客户现场萃取业务经验的能力,是守住人机边界的伦理自觉。
AI不会把HR淘汰,但是会淘汰不会使用AI的HR。未来的人力资源,不会变成AI单方面做决策,而是真人HR指挥数字专家Agent协同作战的“碳硅混合编队”。AI负责海量执行、模拟演练、信息收集,人类守住业务理解、价值判断、人事最终决策。
对于企业管理者来说,在拥抱HR AI之前,先想清楚自己的真实业务痛点,拒绝PPT式AI概念。AI是放大器,而不是万能解药。如果业务本身逻辑混乱,AI只会把混乱放大。
从更长周期看,AI给中国人力资源行业带来的增量,不一定是颠覆过去几十年积累的管理理论。更大的价值,是把少数顶级咨询专家才掌握的人才科学能力,通过Agent的形式普惠输出,让更多大中小公司,都能消费得起高水平的人才评估、领导力训练服务。
这或许才是HR AI最值得期待的未来。
2026-09-16
转载自:数科星球《北森AI大考:当HR不再只做录入填表,数字专家Agent能解决企业真问题吗》

很多企业兴冲冲上线HR大模型,热闹过后发现只能做简历摘抄、回答员工考勤问题,真正识人育才的核心业务依旧原地踏步。
市面上多数HR AI停留在事务助手,而真正难啃的人才评估、领导力训练,恰恰是决定一家公司竞争力的关键。
一边是AI概念满天飞,一边是企业真实痛点悬而未决,北森抛出的15个HR专家Agent,到底是营销噱头,还是找到了垂直AI落地的可行路径?
01 褪去AI滤镜:HR行业的两类AI,助手不等于专家
打开各类厂商的HR AI宣传页,很容易产生一种错觉:AI已经可以包办人力资源的全部工作。但真实落地之后,大量企业发现落差巨大。绝大多数市面上的HR AI,本质上是“事务助手”——处理入离职资料归档、整理简历文本、解答社保假期制度这类标准化工作,它们得心应手。但一旦触碰人才判断、能力评估、领导力培养,立刻就漏洞百出。
举一个现实的例子。企业要招聘一名销售总监,通用大模型在网上看到岗位薪酬区间100-150万,就会直接判定该岗位合理薪资在150万,可企业内部实际预算仅有50万。如果完全交给AI输出结论,会直接误导招聘决策。
还有面试评估,如果单纯依靠大模型自由生成评价,报告文字看着头头是道,和真人面试官的判断经常出现巨大偏差。
这就是通用大模型的固有短板:它擅长网上公开的通识知识,但不懂一家企业内部独有的业务逻辑、岗位能力定义、企业文化标准。
北森在8·28用户大会上集中亮相的Mavens平台,推出超15个HR专家Agent,对外释放的核心信号,就是把HR AI分成“助手”和“专家”两个截然不同的层级。助手处理填表、查询、归档;而专家Agent,瞄准的就是过去只有资深HR、外部咨询顾问才能搞定的复杂人才业务,例如人才官研判、领导力教练、AI面试官、智能排班、人才盘点等。
“手搓一个Agent的身体很容易,但是要把思想,把专业东西放进去,其实挺不容易。”这是北森内部反复强调的一个观点。写代码搭建一个能对话的AI外壳门槛已经越来越低,但垂直行业真正值钱的,是沉淀几十年的专业方法论、企业独有的业务经验,这些东西互联网公开资料里找不到,无法靠通用大模型凭空生成。
过去做软件,工程师绝大多数时间在写代码;现在做专家Agent,大量工作变成让行业专家沉淀skill(专业技能集),把企业的业务场景、人才标准,萃取之后内置进AI系统。这也是To B垂直AI和通用大模型最本质的分水岭。

02 FDE团队:垂直AI背后看不见的“翻译官”
如果通用提示词解决不了企业个性化人才业务,那北森靠什么让AI读懂不同行业?答案是一支叫做FDE(Forward Deployed Engineer,前端部署工程师)的团队。
很多人会以为,AI产品上线只需要算法、大模型工程师就够了。但HR人才领域有大量特殊的概念,就连普通软件工程师都很难理解。比如什么叫“非权力影响力”,什么样的行为代表管理者的授权能力,哪些实际动作对应领导力短板。这些概念没有办法直接丢给大模型,需要有人深入企业一线,把老板、业务高管脑子里模糊的用人标准,翻译成AI可以识别、运行的规则与能力模型。
北森最早这批FDE,是从原本的咨询顾问转化而来。过去这些顾问的工作,就是上门帮客户搭建能力模型、绘制学习地图、开展人才盘点。现在他们角色升级,从单纯给人做咨询,转变为企业业务与AI之间的“翻译官”。团队现有200+人,未来规划扩充到300人规模。
他们要走进不同类型企业做场景抽象:给方太梳理制造业管理岗位的能力要求,给华莱士提炼连锁门店店长的业务标准,每家企业的岗位诉求都不一样,甚至同一个岗位,不同老板的用人偏好也存在差异。FDE的工作,就是把这些散落在业务现场的经验萃取出来,沉淀成AI可以运行的skill,内置到专家Agent里面。
这里需要厘清一个误区:FDE不是简单写提示词的人员。写提示词更多是临时调参,换一个场景就失效。而FDE要做的,是把一整套心理学、人才测评方法论、企业真实业务逻辑固化。同时北森提供对应的定制工作台,FDE可以在平台内完成面试出题、租户级别的能力调整,不用反复依赖底层算法团队。
而且企业业务永远在迭代。一家连锁企业每季度会推出新产品,调整销售渠道策略,对应的人才评判标准就要跟着变。FDE不是做完一次交付就结束,需要持续跟进业务变化,更新AI内部的专业能力集,这会变成类似财务审计一样持续性的服务。
03 15个专家Agent如何迭代:不是闭门造车,而是和客户共创
目前北森对外亮相的专家Agent一共超15个,公开表态未来会拓展到50个以上。很多人会好奇,这50个专家是内部产品团队拍脑袋规划出来的吗?
答案是否定的。北森的研发逻辑,是优先选择“客户愿意付费、能独立解决真实痛点、技术条件允许落地”的场景,而不是追求概念上的大而全。
人才官这个Agent就是典型例子。内部很早就看到这个方向的巨大价值,但早期条件不成熟,没有仓促开发,而是先做大量推演验证,确认可行性之后才正式动手;AI排班同样,中间遇到很多现实挑战,反复打磨之后才推向市场。
新的专家Agent,很多诞生于客户的实际使用反馈。
举一个领导力教练的案例:北森最早上线AI领导力教练产品之后,客户在使用过程中衍生出新诉求。北森过去线下就有报告解读业务,由真人专家给管理者集体做测评报告解读,但一对一服务成本极高,企业很难大规模铺开。客户提出,能不能把这套成熟的报告解读能力,封装成一个独立AI专家。于是,新的专家能力就在共创的过程中诞生了。
这也解释了,为什么北森并不急于打造一个“万能通用HR大专家”。现实企业HR体系内部本身就有明确分工:薪酬专家、绩效专家、培训专家、领导力专家各有所长。现实中不存在一个HR能精通全部模块,映射到AI世界,同样很难出现一个大一统通用HR Agent。如果哪天真的出现通用全能HR专家,那意味着已经迈入AGI时代,距离当下还很遥远。
在已经落地的1500多家AI客户中,15个专家Agent的使用情况也不均衡。
AI面试官客户覆盖面最广,其次是AI领导力教练、AI陪练,部分大客户可以为高阶专家能力支付百万级别的订单;AI排班专家、AI人才官等属于相对新推出的产品,还处在客户拓展阶段。绝大多数客户不会一次性全部启用15个专家,大多根据自身痛点选用其中若干个。

04 人机边界红线:AI只做辅助,最终决策权必须留给人
在其内部,被反复提及的一条底线:“AI不能独立做出人事最终决策”。
现实中我们可以看到一些案例,AI面试官完成面试之后,输出一份管理者评估报告,给高管打出D等级。拿到报告的管理者会产生很强的心理压力,面试表现被AI评价为“一般”,当事人甚至找不到人去辩解。但即便AI输出评价,录用、晋升、免职这类人事决定,依旧不能交由AI完成。
为什么要有这条硬性红线?第一,AI会产生幻觉,无法做到百分之百准确,人事决策关系到个人职业前途,AI不承担法律与伦理责任。第二,人的管理本身掺杂复杂现实考量,比如岗位试错机会、人员离职风险、团队情绪平衡,这些软性因素,是当前AI很难完整权衡的。
映射到HR场景,这条边界同样适用。AI面试官可以完成初面、输出基于行为证据的能力评估报告,但是“要不要录用候选人”必须由真人HR和业务负责人拍板;AI领导力教练可以模拟场景陪练管理者、输出能力短板分析,但是要不要提拔一名高管,依旧是人来做决定。
市面上有部分AI面试官产品,追求对话体验足够逼真,把重点放在“像真人一样聊天”。北森的产品逻辑完全不同,优先级第一是评估效度,也就是判断准不准。它的AI面试官背后,依托的是多年人才测评积累的心理学体系,面试问题、追问逻辑、评分标尺,全部由心理学专家、HR业务专家提前定义约束,并不是交给大模型自由发挥。大模型在这里只是对话载体,而不是评价主体。
这也是两类产品巨大的分野:只追求对话流畅,很容易生成天花乱坠但是失真的报告;把评估效度放在第一位,就要用大量规则、业务专家经验约束AI的输出,牺牲一部分“天马行空”的对话自由度,换取结果稳定可信。
05 AI浪潮下HR岗位的真相:不会大规模裁员,但能力范式彻底改写
几乎每一场HR AI的发布会,台下都会有HR从业者内心的疑问:AI来了,HR会不会大量失业?
行业里面有一个可以参照的历史:当AI编程工具普及,很多人预言程序员会大规模失业。现实结果却是,编程门槛降低,大量过去没有条件做软件的业务场景产生新需求,市场对开发人员的总需求反而上涨,变化的只是岗位的工作内容。北森的判断是,HR行业大概率会重演相似故事。
AI会接管大量事务性工作:整理简历、协调面试日程、标准化员工答疑。过去受成本限制,很多企业完全做不到的事情,现在可以大规模落地。比如,过去不可能给每一名管理者配置一对一的领导力教练,成本太高,AI把这件事变成现实。企业HR组织的能力边界被大幅度拓宽。
所以并不一定是企业HR总人数下降。一部分岗位事务性工作量变少,但同时会冒出很多新工作。但岗位能力要求会发生翻天覆地的改变。现在的HR,工作重心从亲自完成填表、整理资料,转向“指挥数字专家编队作战”。真人HR理解业务,制定人才标准,把控最终判断;各个AI专家Agent负责执行、采集信息、输出分析材料。也就是北森提出的“碳硅混合编队”模式。
对在校相关专业毕业生而言,死记硬背老旧人力资源理论已经不够。更重要的能力,是懂业务,懂得善用AI工具,具备校验AI输出结果的判断力。初级执行类岗位会受到冲击,但懂业务、会驾驭AI的复合型人才,价值会进一步放大。

06 企业AI转型最大坑:老板头脑发热喊口号,组织没有跟上
现在到处都能看到企业把AI转型写进PPT、挂在公司墙上。但大量项目上线之后效果不达预期。行业现在有一个共识:To B AI落地,最大瓶颈往往不是算法技术,而是企业内部组织与人的阻力。
北森在服务客户的过程中,见过不少反面样本。一类典型现象:老板拍板上马AI项目,出发点是拿行业创新奖项,而不是真正解决业务痛点。于是就出现“为了创新而创新”,系统采购回来,明明不好用,各部门还被强制要求使用,最后实际业务价值寥寥无几。
还有跨部门墙的问题。比如HR部门采购AI陪练,希望给到销售团队使用,但销售部门并不买账,项目就卡住。
针对这类乱象,北森内部选择比较克制的落地策略:要么不做,要做就要做到位。客户选定AI项目之后,前期需要完成充分预演,正式立项之后,每个季度评估业务进展,以真实业务收益作为衡量标尺。不会追求表面上轰轰烈烈的上线仪式,看重长期可衡量的业务结果。
什么样的企业更容易把HR AI做成功?核心一点:老板没有幻觉,不迷信AI万能。不是把AI当成拿来裁员降本的工具,而是把AI视作放大组织人才能力的手段。真正有业务压力,希望解决识人、育人真实难题的企业,更容易拿到正向结果。如果只是跟风追逐概念,最后大概率只会得到一堆演示Demo。
07 商业平衡:投入10亿做AI,守住不亏损的底线
AI转型离不开真金白银的投入。北森对外披露,未来两年在AI方向整体投入接近10亿元。但它并不打算依靠持续亏损换增长,选择的路径是盘活内部存量资源,而不是单纯烧钱。
具体资源来源分为几块:第一,研发团队当中有500-600人转向AI相关工作,是从原有研发资源重新调配而来;第二,原有200人的咨询顾问团队部分转型FDE,完成人力能力的迁移;第三,AI工具也反哺内部,内部实施、销售洞察等部门借助AI实现30%左右效率提升,释放出一部分资源投入创新业务;同时适度加大AI产品销售端投入。
换句话讲,如果不做AI转型,北森原本的利润表现会更好,公司主动放弃一部分短期利润,但是守住不亏损的底线。
放眼全球市场,不少通用大模型工具出现用户增长放缓、留存疲软的现象。这会传导到To B行业吗?北森的观点是,工具型AI产品切换成本很低,用户很容易因为竞品新功能就迁移。但是垂直业务软件不一样,企业的工资核算、社保、入离职、劳动纠纷全部跑在系统之上,业务深度绑定,切换代价巨大。通用Agent工具可以作为入口,但很难直接替代厚重的业务软件。
这也引申出另外一个行业判断:未来超级对话入口,不会完全吃掉垂直业务软件。对话式Agent适合简单查询,但业务操作一旦交互超过两轮,用户就会觉得麻烦,还是更习惯传统软件界面。未来的形态,是大模型入口和垂直业务软件深度融合,A2A(Agent对Agent)互相调用,页面可以嵌入对话入口,而不是对话完全取代软件。

08 复盘北森选择:二十年测评沉淀,在人才科学赛道守住差异化
国内做HR软件的厂商并不少,大家都可以接入大模型基座,为什么北森会走出专家Agent这条路线?这里有一段十年前的小故事。
大概2016-2017年,曾经有投资人给北森提出建议:把测评业务砍掉,all in HR软件。当时行业普遍看好标准化SaaS软件,测评业务重咨询、重专业,看起来不如标准化软件增长顺滑。北森没有采纳这个建议,但很长一段时间,怎么把测评、人才科学的价值融入软件,一直找不到合适的突破口。直到AI Agent时代到来,这套沉淀二十多年的人才测评、心理学、认知科学的方法论,找到了释放价值的出口。
这就是它和其他厂商的差异化。很多厂商做HR AI,更多聚焦入离调转这类事务流程,门槛相对低,各家都可以实现。而人才的评估、发展、领导力训练,属于更深一层,依赖人才科学积累。通用大模型本身并不自带这套知识,只靠调用公有大模型API做不出这套能力。
改变一个人,是行为先发生变化,再带动认知和观念改变,而不是反过来靠讲道理说服人。这个在心理学领域不算复杂的道理,但是绝大多数普通软件从业者并不掌握。AI领导力教练的底层逻辑,就建立在这类认知之上,经过反复试验发现,管理者要经过大约五次练习,行为评分才会出现明显正向变化,这套规律被内置进skill里面。
当然这条路也不是没有挑战。50个专家Agent,剩下三十多个具体会是什么,现在内部也无法全部提前规划完毕,很多会在服务客户的过程中被一步步发掘出来。

09 写在最后:HR AI的终局,不是取代人,而是拉高人的上限
今天行业充斥着各种AI神话,很多人幻想一套AI系统,就可以搞定企业全部人才管理工作。但北森在实践中,给我们展示了垂直AI更现实的模样。
大模型基座是基础设施,但不等于行业解决方案。把通用大模型丢进行业,得到的大多是好看却不能用的Demo。垂直AI真正的壁垒,是行业know-how、是心理学与业务方法论、是深入客户现场萃取业务经验的能力,是守住人机边界的伦理自觉。
AI不会把HR淘汰,但是会淘汰不会使用AI的HR。未来的人力资源,不会变成AI单方面做决策,而是真人HR指挥数字专家Agent协同作战的“碳硅混合编队”。AI负责海量执行、模拟演练、信息收集,人类守住业务理解、价值判断、人事最终决策。
对于企业管理者来说,在拥抱HR AI之前,先想清楚自己的真实业务痛点,拒绝PPT式AI概念。AI是放大器,而不是万能解药。如果业务本身逻辑混乱,AI只会把混乱放大。
从更长周期看,AI给中国人力资源行业带来的增量,不一定是颠覆过去几十年积累的管理理论。更大的价值,是把少数顶级咨询专家才掌握的人才科学能力,通过Agent的形式普惠输出,让更多大中小公司,都能消费得起高水平的人才评估、领导力训练服务。
这或许才是HR AI最值得期待的未来。
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