简历整理与初筛提示
输入是各渠道简历与岗位说明，输出是结构化要点、匹配提示与待确认问题，复核人是招聘负责人。为什么先做这个：校招与批量招聘时简历量集中，整理工时占比高，而决定权本来就该在面试官手里，责任链不需要改。
员工制度问答
输入是员工手册、假期与考勤规则、常见问题，输出是带条款引用的答复草稿，复核人是 HR 共享服务中心。怎么做稳：按主题建库并标生效日期，个案与争议一律转人工，答复中不承诺任何待遇与处理结果，也不替业务口径背书。
入转调离材料
输入是录用通知、合同模板、交接清单，输出是材料齐备性检查与缺失提示，复核人是 HR 专员。边界在于签署：电子签或纸质签按公司制度执行，模型只做清单核对，不代填关键条款，也不代替员工确认，签署记录归入人事档案。便于事后核查。
培训内容生产
输入是内部课程、案例与岗位能力要求，输出是课件提纲、练习题与学习路径，复核人是培训负责人。怎么用得好：素材必须来自企业内部，通用内容只做骨架，考核结果用于发展而非直接处分。不能把评分直接当作处置依据。
人事数据分析
输入是入离职、编制、招聘周期等台账，输出是趋势描述与异常提示，复核人是 HR 负责人。边界要写清：分析结论用于管理参考，涉及个人的评价与处置必须回到制度与人工判断，不能由模型下结论，也不进入个人档案。
适用与不适用
适合谁
- 招聘与员工服务量大、流程已成文的企业
- 有 HR 共享服务中心或员工自助平台的集团
不适合谁
- 人事制度与流程仍在口头约定阶段的企业
- 期望用模型替代录用与处分决策的团队
典型场景
某制造企业先在两个场景试点：校招简历整理与员工假期问询。招聘负责人复核结构化要点，HR 共享中心复核答复草稿；两周后把高频追问补进知识库，个案争议仍由 HRBP 面谈处理，全程没有设置任何自动决定。
可执行步骤
- 按场景列出输入材料、输出去向与复核人，形成一页纸的场景说明表
- 先选材料齐全、责任清楚的两个场景做影子运行，比对人工判断结果
- 用真实问题与真实简历比对输出，记录分歧的类型、数量与原因分析
- 把制度条款与生效日期补进知识库，并设置转人工的具体规则与责任人
- 每月复盘答复准确性与争议数量，再决定是否扩大场景范围与投入资源
常见坑
- 一上来做绩效与薪酬分析，数据敏感、口径复杂，容易引发员工不信任，项目很快被叫停。
- 知识库混入过期制度，答复口径前后不一，员工据此主张权利时企业被动，HR 还要花时间解释。
- 面试提纲由模型生成后无人调整，问题与岗位无关，面试官用一次就弃用，工具很快变成摆设。
自检与验收清单
- 每个场景是否有明确复核人、转人工条件与留痕
- 输入材料是否齐全，并能追溯到来源与版本记录
- 制度条款是否标注生效日期、适用范围与维护人
- 是否避开录用、处分与薪酬调整等决定性动作
- 是否有月度复盘，并统计争议数量与原因分类
常见问题
哪个场景最容易出效果？
通常是员工制度问答，因为问题重复度高、答案有明确出处、出错后果可控。招聘整理次之，收益集中在量大时。绩效与薪酬分析不建议作为起点，数据敏感且口径争议多。
面试能用 AI 直接问吗？
可以辅助，但不宜完全代替。AI 适合生成结构化提纲与记录要点，追问与判断仍由面试官完成；全程由机器提问会削弱候选人对企业的信任，也可能遗漏岗位特有的考察点。
员工会担心被监控吗？
会，尤其在涉及行为数据时。建议只处理与人事流程直接相关的信息，明确告知用途与范围，不做与工作无关的采集；把边界讲清楚，比事后解释更容易获得配合。