招聘环节的可用部分
简历要点抽取、岗位匹配提示、面试提纲生成、候选人沟通模板都可以做。边界很清楚：不得以模型评分直接淘汰候选人，筛选结果要能解释、可复核，并保留人工调整记录。怎么用：把 AI 定位成排序与提醒，不做出局决定。
员工问询与制度解释
假期、报销、社保、考勤等高频问题适合做知识库问答，答复要引用制度条款与生效日期。为什么这一步收益直接：HR 每天大量时间花在重复解释上，口径不一致还容易引发争议。边界是涉及个案争议的答复必须转人工。
入转调离的材料整理
合同、保密协议、交接清单、证明文件可按模板生成与校验缺项。怎么落地：把每类流程的必备材料做成清单，AI 检查缺项并提示补交，签署与归档仍走原有审批。不得由模型代签、不代替员工确认条款，也不替企业作出承诺。
培训与知识沉淀
把课程大纲、案例、考核题从现有材料整理成结构化内容，按岗位生成学习路径。边界在于考核结果的使用：用于发展可以，用于处分或淘汰需要人工复核与制度依据，不能只凭模型评分，也不能把评分直接写进档案。
明确禁区
涉及录用、解雇、调薪、绩效等级、纪律处分的决定不得由模型单独作出。个人信息处理要遵循最小必要与告知同意，敏感信息单独授权、留访问日志。这些边界既是合规要求，也是员工愿意配合使用的前提。
适用与不适用
适合谁
- 招聘量大、HR 人手紧但制度较完整的企业
- 有员工自助服务需求、希望统一口径的集团
不适合谁
- 制度与流程尚未成文、口径随人变化的企业
- 要求由模型直接决定录用或淘汰的团队
典型场景
某连锁企业校招季收到大量简历。HR 先用 AI 抽取学历、专业、经历要点并生成面试提纲，面试官按提纲提问并记录结论，是否进入下一轮由面试官决定；员工问询接制度知识库，个案争议转 HRBP 面谈处理，全程不设自动决定。
可执行步骤
- 按招聘、问询、入转调离、培训四块，列出候选场景与明确的禁区清单
- 把制度、流程与模板整理成带生效日期与适用范围的知识底稿并指定维护人
- 明确人工复核点：谁看筛选结果、谁答复争议、谁签文件与归档留痕
- 先做一个模块的影子运行，逐条比对 AI 输出与人工判断并记录分歧
- 建立个人信息处理记录与访问日志，并按季度检查权限与授权范围变化
常见坑
- 用模型评分直接筛掉候选人，既无法解释也存在就业歧视风险，争议时拿不出依据，招聘也可能被叫停。
- 制度知识库不标生效日期，新旧政策混在一起，员工按过期口径休假或报销，事后容易形成劳动争议。
- 把员工敏感信息随意投入问答库，超出最小必要范围，一旦泄露后果严重，且很难界定责任。
自检与验收清单
- 禁区清单是否书面化，并逐条告知 HR 团队
- 制度知识是否标注生效日期、适用范围与维护人
- 每个 AI 输出是否有明确的人工复核人与留痕
- 个人信息处理是否有告知、最小必要与访问日志
常见问题
简历筛选用 AI 会不公平吗？
有可能，取决于怎么用。用于抽取要点与生成提纲，风险低；用于打分排序并自动淘汰，风险高，因为规则与训练数据可能放大偏差。建议保留人工决定权，并记录每次调整的理由，便于事后复核。
员工问询机器人会不会答错？
会，尤其政策刚调整或个案特殊时。做法是让答案必须引用制度条款与日期，超出范围的直接转人工，并定期用真实问题回归测试。不要让它自由发挥，也不要让它承诺任何待遇。
用 AI 处理人事数据需要员工同意吗？
需要按个人信息保护要求做告知，说明处理目的、范围与保存期限；敏感信息需单独同意或有明确制度依据。建议在员工手册与系统入口都写清，并保留同意记录，避免事后争议。