一个 HR 加几个 Agent,一门培训课被重新做了一遍
2026-09-16
转载自:崔牛会《一个 HR 加几个 Agent,一门培训课被重新做了一遍》
在北森联合创始人兼 CEO 纪伟国的开场演讲里,他讲了一个很小的故事。
北森有一个销售,刚拿下一个 AI 面试官项目。
纪伟国觉得,这个销售从发现客户线索、理解业务问题,到找到关键卡点、推动问题解决,整套打法很有代表性。他就找到 HR,希望把这个销售的经验萃取出来,在全国销售团队里推广。
按照传统的培训方式,这件事并不轻。
HR 要先和销售做几轮访谈,把经验一点点问出来,再整理资料、做成课件,录视频、剪辑,发到业务群里,还要推动大家学习。
纪伟国问 HR,这一套跑下来需要多久。得到的答案是,接近一个月。
但这里还有一道更难的坎。
HR 本人没有做过销售,他能不能听懂这个销售为什么能拿下客户?哪些动作起了关键作用?哪些经验可以复制?怎么把这些东西提炼出来,让其他销售听得懂、愿意学?
这对 HR 自己的专业能力要求很高。
这一次,北森的 HR 换了一套做法。
AI 萃取专家先和销售交流,把经验整理出来;AI 做课专家接着把内容组织成课程;AI 老师再把课程变成可以互动学习的内容;后面的运营环节继续由 AI 参与,推动销售完成学习。
一个真人 HR,加上几个不同分工的 Agent,把销冠经验从萃取、做课,一路串到了学习和运营。

纪伟国也是从这个案例出发,谈到了他对未来 HR 工作方式的判断:真人 HR 指挥数字 HR 完成任务。
8 月 28 日的北森用户英雄大会上,Mavens 已经有 15+ AI HR 专家。
那门培训课,刚好把这 15+ 个数字 HR 为什么会出现,讲清楚了一部分。
01 一个工作,开始由多个数字 HR 接力
“把一个优秀销售的经验教给其他销售”,听起来只是一项培训任务。
拆开看,里面其实有一串工作。有人要访谈,有人要萃取,有人负责内容生产,有人负责教学,还要有人推动学习、检查效果。
以前,这些工作可能集中在一个培训 HR 身上,也可能由一个团队分工完成。
Agent 开始进入之后,这些专业工作就被拆开了。
北森现在的 AI Learning 专家团已经覆盖知识生产、业务训战和效果验证三个环节。AI 萃取专家、AI 做课专家负责沉淀业务经验和生成课程;AI 老师、AI 陪练、AI 领导力教练等承担训练;AI 质检专家进一步分析真实业务行为,看学习成果有没有进入工作。
招聘也在出现类似的分工。
真人 HR 制定招聘策略、定义人才标准,AI 寻聘官、AI 招聘官、AI 应聘助手、AI 面试官、AI 面试助手分别进入找人、沟通、推进和评估等环节,最后的用人决策仍然留在人手里。
目前 Mavens 已经覆盖战略与经营、人才获取、干部培养、人才发展、培训学习、运营服务等场景。

把这些产品放回具体工作里看,北森正在形成一种很清楚的产品形态:一项完整的 HR 工作,可以被拆给几个不同专业的数字 HR,再由真人 HR 把它们组织起来。
所以,15+ 这个数字的意义,并不只在于产品变多了,而是 Agent 开始有了专业分工。
现实里的 HR 团队本来就有招聘、测评、学习发展、领导力、绩效、劳动力管理等不同专业角色。AI 往业务深处走,数字 HR 也会沿着类似的路径继续细分。
纪伟国在演讲里提到,目前的Agent是 15 个左右,未来可能继续增加到 30 个、40 个、50 个。这个数字更接近他对未来产品形态的判断,而不是一个明确的产品承诺。
Agent 进入的业务越具体,分工也会越细。
02 叫“专家”容易,做出专业判断很难
数字 HR 多起来之后,另一个问题也跟着来了。
一个 AI 面试官能够和候选人对话,它就会面试了吗?
显然还差很多东西。
它得知道这个岗位应该考察什么能力,什么行为能够证明一种能力,什么时候应该继续追问,以及最后怎么评价。
AI 人才官面对的问题更复杂。
一个人适不适合某个岗位,不能只看简历和经历,还会涉及绩效、能力、动机、个性,以及这家企业自己的用人标准。
北森给 Mavens 搭的几层能力,也围绕这些问题展开。
一体化 HR SaaS 提供人员、岗位、组织、流程和业务数据;People Science 提供能力、评估、发展等人才管理方法;SenGPT 和 SenClaw 负责理解业务知识、规划任务、管理 Skills,并让不同 Agent 协同执行。
这里出现了一个软件公司以前不那么突出的工作:
把专业经验做成 AI 可以稳定调用的能力。
人才专家怎么判断人,培训专家怎么萃取经验,一个优秀面试官怎么追问,这些知识原来存在于专家脑子里、咨询方法里,也存在于企业自己长期形成的管理经验里。
现在,它们要被重新整理,逐渐变成可执行、可复用、可组合的 Skills。北森也在把 People Science 中的专业方法往这个方向转。
软件公司的“研发材料”因此变多了。
代码之外,还有行业知识、专家经验、企业数据,以及把这些东西转成 Skill 的能力。
03 Agent 还要“学会这家公司”
通用的专业知识到了企业内部,还会碰到另一层问题。
同样是一个销售岗位,不同公司的成功标准可能完全不同。有的企业需要强开拓,有的强调复杂客户经营,有的更看重团队管理。
一个 Agent 就算理解“销售总监”这个岗位,也未必理解“这家公司需要什么样的销售总监”。
FDE 在北森这套体系里承担的,就是这一层工作。
北森目前通过 FDE 顾问进入客户的具体业务场景,把客户自己的岗位能力、人才标准和业务经验抽象出来,再放进 AI。纪伟国在演讲里提到,相关团队目前接近 200 人,未来将扩展到 300 人。
换一种更容易理解的说法:Agent 在前面干活,FDE 要让它逐渐“学会这家公司”。
企业 AI 走到这里,工作就重了。
做一个可以生成内容、回答问题的 Agent 已经越来越容易。
让它理解一家公司的组织语言、岗位要求和业务标准,还能长期稳定地完成专业任务,需要不断往里面补充客户自己的上下文。这也是为什么北森在持续增加数字 HR 的同时,还在继续投入 FDE 和 People Science。
这三件事情其实连在一起。数字 HR 负责工作,专业知识决定它会不会干,客户自己的业务上下文决定它能不能在这家公司干好。
04 真人 HR 的工作,也开始重新分配

再回到纪伟国开场讲的那个 HR。
以前,他要自己访谈销售、整理经验、做课、运营。现在,其中一部分工作已经可以交给不同的数字 HR。
但他手里的事情并没有清空。
他首先要判断:这个销售的经验有没有复制价值?团队究竟需要学习什么?什么样的结果才算学会?AI 萃取出来的内容对不对?员工学完之后,行为有没有变化?
北森给真人 HR 和数字 HR 的分工很明确:真人 HR 理解业务、制定标准、作出判断,数字 HR 接收指令、调用数据、执行流程并交付结果。
“真人 HR 指挥数字 HR”,放到具体工作里,其实就是这么回事。
以前,一个 HR 的能力很大程度体现在自己会不会访谈、会不会做课、会不会招聘、会不会分析。
以后还会多一项能力:能不能把问题说清楚,把工作拆清楚,找到合适的数字 HR,再判断它交回来的结果。
这对 HR 的要求并没有降低。
几个 Agent 一起工作之后,目标和标准一旦给偏了,效率越高,反而可能跑得越偏。
尤其在人才评估、录用、任用这些场景里,人还得留在决策链条里,承担最后的判断和责任。
写在最后
北森现在有 15+ AI HR 专家,以后可能会更多。
数字的增长当然能反映产品进展,但纪伟国开场讲的那门培训课,让这种变化有了更具体的样子。
一个真人 HR,调用几个不同专业的 Agent,把原来自己需要花很长时间跑完的一项工作重新拆开,再组织起来。
今天是把一个优秀销售的经验变成培训。
招聘、人才发展、领导力培养、排班,同样可以沿着这种方式重新分工。
当一家公司里出现越来越多数字专家,HR 面对的问题也会跟着变:工作怎么拆,人负责什么,Agent 负责什么,几个 Agent 之间又该怎么配合。
到了这一步,AI 进入企业已经不只是多了几个新工具。
人和一群数字专家,开始一起工作了。
说明:本文为牛透社原创,未经授权,谢绝转载。
2026-09-16
转载自:崔牛会《一个 HR 加几个 Agent,一门培训课被重新做了一遍》
在北森联合创始人兼 CEO 纪伟国的开场演讲里,他讲了一个很小的故事。
北森有一个销售,刚拿下一个 AI 面试官项目。
纪伟国觉得,这个销售从发现客户线索、理解业务问题,到找到关键卡点、推动问题解决,整套打法很有代表性。他就找到 HR,希望把这个销售的经验萃取出来,在全国销售团队里推广。
按照传统的培训方式,这件事并不轻。
HR 要先和销售做几轮访谈,把经验一点点问出来,再整理资料、做成课件,录视频、剪辑,发到业务群里,还要推动大家学习。
纪伟国问 HR,这一套跑下来需要多久。得到的答案是,接近一个月。
但这里还有一道更难的坎。
HR 本人没有做过销售,他能不能听懂这个销售为什么能拿下客户?哪些动作起了关键作用?哪些经验可以复制?怎么把这些东西提炼出来,让其他销售听得懂、愿意学?
这对 HR 自己的专业能力要求很高。
这一次,北森的 HR 换了一套做法。
AI 萃取专家先和销售交流,把经验整理出来;AI 做课专家接着把内容组织成课程;AI 老师再把课程变成可以互动学习的内容;后面的运营环节继续由 AI 参与,推动销售完成学习。
一个真人 HR,加上几个不同分工的 Agent,把销冠经验从萃取、做课,一路串到了学习和运营。

纪伟国也是从这个案例出发,谈到了他对未来 HR 工作方式的判断:真人 HR 指挥数字 HR 完成任务。
8 月 28 日的北森用户英雄大会上,Mavens 已经有 15+ AI HR 专家。
那门培训课,刚好把这 15+ 个数字 HR 为什么会出现,讲清楚了一部分。
01 一个工作,开始由多个数字 HR 接力
“把一个优秀销售的经验教给其他销售”,听起来只是一项培训任务。
拆开看,里面其实有一串工作。有人要访谈,有人要萃取,有人负责内容生产,有人负责教学,还要有人推动学习、检查效果。
以前,这些工作可能集中在一个培训 HR 身上,也可能由一个团队分工完成。
Agent 开始进入之后,这些专业工作就被拆开了。
北森现在的 AI Learning 专家团已经覆盖知识生产、业务训战和效果验证三个环节。AI 萃取专家、AI 做课专家负责沉淀业务经验和生成课程;AI 老师、AI 陪练、AI 领导力教练等承担训练;AI 质检专家进一步分析真实业务行为,看学习成果有没有进入工作。
招聘也在出现类似的分工。
真人 HR 制定招聘策略、定义人才标准,AI 寻聘官、AI 招聘官、AI 应聘助手、AI 面试官、AI 面试助手分别进入找人、沟通、推进和评估等环节,最后的用人决策仍然留在人手里。
目前 Mavens 已经覆盖战略与经营、人才获取、干部培养、人才发展、培训学习、运营服务等场景。

把这些产品放回具体工作里看,北森正在形成一种很清楚的产品形态:一项完整的 HR 工作,可以被拆给几个不同专业的数字 HR,再由真人 HR 把它们组织起来。
所以,15+ 这个数字的意义,并不只在于产品变多了,而是 Agent 开始有了专业分工。
现实里的 HR 团队本来就有招聘、测评、学习发展、领导力、绩效、劳动力管理等不同专业角色。AI 往业务深处走,数字 HR 也会沿着类似的路径继续细分。
纪伟国在演讲里提到,目前的Agent是 15 个左右,未来可能继续增加到 30 个、40 个、50 个。这个数字更接近他对未来产品形态的判断,而不是一个明确的产品承诺。
Agent 进入的业务越具体,分工也会越细。
02 叫“专家”容易,做出专业判断很难
数字 HR 多起来之后,另一个问题也跟着来了。
一个 AI 面试官能够和候选人对话,它就会面试了吗?
显然还差很多东西。
它得知道这个岗位应该考察什么能力,什么行为能够证明一种能力,什么时候应该继续追问,以及最后怎么评价。
AI 人才官面对的问题更复杂。
一个人适不适合某个岗位,不能只看简历和经历,还会涉及绩效、能力、动机、个性,以及这家企业自己的用人标准。
北森给 Mavens 搭的几层能力,也围绕这些问题展开。
一体化 HR SaaS 提供人员、岗位、组织、流程和业务数据;People Science 提供能力、评估、发展等人才管理方法;SenGPT 和 SenClaw 负责理解业务知识、规划任务、管理 Skills,并让不同 Agent 协同执行。
这里出现了一个软件公司以前不那么突出的工作:
把专业经验做成 AI 可以稳定调用的能力。
人才专家怎么判断人,培训专家怎么萃取经验,一个优秀面试官怎么追问,这些知识原来存在于专家脑子里、咨询方法里,也存在于企业自己长期形成的管理经验里。
现在,它们要被重新整理,逐渐变成可执行、可复用、可组合的 Skills。北森也在把 People Science 中的专业方法往这个方向转。
软件公司的“研发材料”因此变多了。
代码之外,还有行业知识、专家经验、企业数据,以及把这些东西转成 Skill 的能力。
03 Agent 还要“学会这家公司”
通用的专业知识到了企业内部,还会碰到另一层问题。
同样是一个销售岗位,不同公司的成功标准可能完全不同。有的企业需要强开拓,有的强调复杂客户经营,有的更看重团队管理。
一个 Agent 就算理解“销售总监”这个岗位,也未必理解“这家公司需要什么样的销售总监”。
FDE 在北森这套体系里承担的,就是这一层工作。
北森目前通过 FDE 顾问进入客户的具体业务场景,把客户自己的岗位能力、人才标准和业务经验抽象出来,再放进 AI。纪伟国在演讲里提到,相关团队目前接近 200 人,未来将扩展到 300 人。
换一种更容易理解的说法:Agent 在前面干活,FDE 要让它逐渐“学会这家公司”。
企业 AI 走到这里,工作就重了。
做一个可以生成内容、回答问题的 Agent 已经越来越容易。
让它理解一家公司的组织语言、岗位要求和业务标准,还能长期稳定地完成专业任务,需要不断往里面补充客户自己的上下文。这也是为什么北森在持续增加数字 HR 的同时,还在继续投入 FDE 和 People Science。
这三件事情其实连在一起。数字 HR 负责工作,专业知识决定它会不会干,客户自己的业务上下文决定它能不能在这家公司干好。
04 真人 HR 的工作,也开始重新分配

再回到纪伟国开场讲的那个 HR。
以前,他要自己访谈销售、整理经验、做课、运营。现在,其中一部分工作已经可以交给不同的数字 HR。
但他手里的事情并没有清空。
他首先要判断:这个销售的经验有没有复制价值?团队究竟需要学习什么?什么样的结果才算学会?AI 萃取出来的内容对不对?员工学完之后,行为有没有变化?
北森给真人 HR 和数字 HR 的分工很明确:真人 HR 理解业务、制定标准、作出判断,数字 HR 接收指令、调用数据、执行流程并交付结果。
“真人 HR 指挥数字 HR”,放到具体工作里,其实就是这么回事。
以前,一个 HR 的能力很大程度体现在自己会不会访谈、会不会做课、会不会招聘、会不会分析。
以后还会多一项能力:能不能把问题说清楚,把工作拆清楚,找到合适的数字 HR,再判断它交回来的结果。
这对 HR 的要求并没有降低。
几个 Agent 一起工作之后,目标和标准一旦给偏了,效率越高,反而可能跑得越偏。
尤其在人才评估、录用、任用这些场景里,人还得留在决策链条里,承担最后的判断和责任。
写在最后
北森现在有 15+ AI HR 专家,以后可能会更多。
数字的增长当然能反映产品进展,但纪伟国开场讲的那门培训课,让这种变化有了更具体的样子。
一个真人 HR,调用几个不同专业的 Agent,把原来自己需要花很长时间跑完的一项工作重新拆开,再组织起来。
今天是把一个优秀销售的经验变成培训。
招聘、人才发展、领导力培养、排班,同样可以沿着这种方式重新分工。
当一家公司里出现越来越多数字专家,HR 面对的问题也会跟着变:工作怎么拆,人负责什么,Agent 负责什么,几个 Agent 之间又该怎么配合。
到了这一步,AI 进入企业已经不只是多了几个新工具。
人和一群数字专家,开始一起工作了。
说明:本文为牛透社原创,未经授权,谢绝转载。
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