中国人力资源数智化发展白皮书 2023.pdf

1中国人力资源管理数智化管理白皮书2023中国人力资源开发研究会智能分会China(HR)Intelligent ManagementAssociation CIMA中国人力资源开发研究会智能分会成立于 2020 年 12 月，作为中国人力资源开发研究会的分支机构，是一个全国性非赢利性社会团体，致力于成为一个研究和促进智能技术在人力资源开发与管理领域应用的生态平台，全方位推动中国人力资源开发与管理的智能化发展。分会的任务和主要工作内容：构建基于移动互联网技术的人力资源开发与管理智能化的在线应用生态平台。在人力资源智能化领域进行科学调研和数据分析，出具相关研究报告，并基于报告出具相关行业指数。开发和推广人力资源智能化研究与应用等有关专业机构的相关业务，促进行业自律机制的建立，促进各种业务技术规范和服务标准的建立。组织评议、表彰和推广人力资源智能化发展的学术成果。促进人力资源智能化研究与应用相关人才的培养和职业发展。建立人力资源智能化学术成果、专业知识、实践案例分享平台。组织人力资源智能化专业交流活动，为相关机构和专业人员提供专业化交流。推动人力资源智能化学术研究和专业化的咨询服务。中国人力资源开发研究会智能分会数智化标准领导小组中国人力资源数智化标准领导小组的主要职责：定期发布中国人力资源数智化标准白皮书；定期发布中国人力资源数智化建设白皮书；研究并探索中国人力资源管理数智化发展、前沿技术、领先企业、领先实践、市场趋势等；指导中国企业利用人工智能、大数据、大模型等技术进行数字化转型，重塑人力资源管理，引领企业的创新与数字经济变革；推动中国人力资源数智化的学术研究和标准研究；推动中国人力资源数智化和专业化的咨询服务；赋能整个行业生态不断良性循环迭代加速发展；推动企业运营管理和生态圈不断智能化发展。目录contents研究方法研究方法.1 1核心目标核心目标.2 2一、一、20232023 年中国人力资源数智化关键词年中国人力资源数智化关键词.3 31 技术六大关键词.32 HR 业务六大关键词.11二、中国企业数智化应用现状调研二、中国企业数智化应用现状调研.14141 调研企业的基本情况.142 人力资源数智化所处阶段现状.173 各职能模块数智化所处阶段总览.184 人力资源管理系统产品的使用现状.205 人力资源系统数智化应用关注度.226 系统产品的使用现状和数智化关注的程度对比.237 数智化过程中遇到的困难.248 数智化过程中遇到的阻力.259 希望解决人力资源管理的哪些痛点.2610 人力资源数智化解决方案的企业需求分布.2811 人力资源大数据分析和智能化技术的应用情况.2912 企业在人力资源数智化运营中已开展的工作.3413 企业人力资源数智化团队规模.3514 企业人力资源数智化预算.37三、三、20242024 年中国人力资源数智化四大趋势年中国人力资源数智化四大趋势.39391 无人值守的 HR 平台.392 从大屏展示到作战指挥中心.433 基于大模型的数字员工.454 从流程智能到决策智能.47四、中国人力资源管理数智化领先企业实践案例四、中国人力资源管理数智化领先企业实践案例.50501 无人值守的 HR用人工智能重塑人力资源管理实践.502 美的人力资源信息化数字化简史.563 关于 ESG 原则在 HR 数字化过程中的指导作用.614 信息化系统升级，从整合走向融合.715 当 AI 技术着力于“企业微观数智化”.741研究方法研究方法本报告主要采用市场调查、专家访谈、案例研究等方法，并经过中国人力资源开发研究会智能分会人力资源管理数智化标准委员会撰写并审核。数据：以智能分会理事单位为基础，进行广泛市场调查和专家访谈，了解行业主要情况，获得相应数据 分析：基于所获取一手资料，结合统计学分析与数据可视化技术，对相关数据进行结论性洞察 趋势：基于相关数据结论和专家研判，对人力资源数智化领域的发展趋势进行解读 案例：以人力资源数智化领域的代表型企业为标杆，进行专项案例的延伸研究，树立数智化方向的全新标准本报告得到青贝克咨询数据研究中心（KDRC）的技术支持。青贝克咨询是专注于企业人力资源数智化转型的专业咨询机构。面向中国企业，提供全球顶级人力资源数智化转型解决方案，详情可咨询 。2核心目标核心目标 提升行业影响力提升行业影响力：建立中国人力资源数智化行业模型、标准、指数，通过标准化组织的活动和影响力，扩大市场规模，吸引更多企业走进数智化。推动行业发展推动行业发展：指导中国企业利用人工智能与大数据技术进行数字化转型，重塑人力资源管理，引领企业的创新与数字经济变革，赋能整个行业生态不断良性循环迭代加速发展。培养数智化人才培养数智化人才：吸引一流企业数智化人才共创，沉淀行业知识，打造数智化人才认证、学习、交流、成长的平台。3一、一、2023 年中国人力资源数智化关键词年中国人力资源数智化关键词1 1 技术六大关键词技术六大关键词中国人力资源管理在过去 40 多年里历经了四个阶段的发展规划：人事管理阶段、人力资源管理阶段、战略人力资源管理阶段和人力资本阶段；与各个阶段相匹配的，技术也从 IT 到 DT，从 BI 到 DI 到 AI 的演进，流程/系统从线上化、信息化逐步地走上了数字化、智能化的迭代路径。这其中，技术的演进是关键因素，不断推动人力资源管理向前发展。1 1人工智能人工智能：人工智能技术经过近 10 年的实践探索与实际应用，持续发热，在人力资源数字化领域中发挥着越来越重要的作用，它可以帮助企业重塑人力资源“入离升降调，选用育留管”流程，利用模型/算法对员工数据进行解析，以识别趋势、做出预测、辅助判断；提高管理效率和运营质量。常见的应用场景参考如下：对话机器人在人力资源领域常见的应用就是智能客服、访客接待机器人、培训机器人等。语音识别在人力资源管理领域常见的应用就是共享服务中心的客服小秘、招聘小秘、培训助手、虚拟个人助理等。计算机视觉在人力资源管理领域主要的应用是人脸识别，包括无感考勤、刷脸考勤、刷脸办理入职、刷脸培训签到、刷脸缴纳各种费用等。自然语言处理在人力资源管理领域中常见的应用就是客服对话机器人、舆情分析、组织扫描（组织 CT、业绩诊断系统）、人才扫描（人才 CT、人才识别与推荐）等。基于人工智能的深度学习技术可以使企业的人才发展分析和辅助决策变成现实。4用户画像在人力资源管理领域中的应用就是人才画像。基于大数据分析，可以将用户画像的结果用于描述用户的特征，分析用户的喜好。同时，用户画像的结果还可以用于企业关键人才的选、用、育、留等环节，如进行精准培训，分析外部市场的薪酬水平，进行人才刻画分析，优化人才招募、配置、选拔、推荐等。推荐阅读当 HR 遇见 AI一书，用人工智能重新定义人力资源管理，人民邮电出版社，王崇良 黄秋钧著。大数据大数据：数据、模型、算法、算力是机器学习的四大核心要素，算法通过在数据上进行运算产生模型，算力是通过对数据进行处理，实现目标结果输出的计算能力。我们可以利用大数据技术和思维方法去解决人力资源领域“小”数据的问题与诉求。人力资源数据同企业其他经营管理数据一样，也是宝贵的无形资产，通过建立模型与算法可以总结过去、诊断现状、预测未来，理解员工需求、做好服务，为管理提供分析判断、预测洞察，能够在组织、人才、文化、运营层面进行效率的提升，有效提高人力资源精细化管理水平，支撑企业战略目标分解和落地。常见的应用场景参考如下：人才供需规划预测：人才供需规划通常可采取的方式有趋势预测法、成本控制法等。趋势预测法是根据历年的招聘情况（招聘总量、地域分布、业务单元分布、层级分布、组织发展形态、晋升速度、管理幅度、离职率等）进行综合分析给出一定比例增长幅度的线性预测，体现的是企业用工总量的平稳、还是爆发式发展。成本控制法是根据企业人工成本总预算倒推招聘数量，人工成本包含工资、五险一金、商业保险、奖金、调薪、福利费用、培训费用等，从总预算分摊到各事业部各个部门预算，再倒推到各个部门、各个层级能招多少人，从而预估出总招聘量。当然这二种方式各有利弊，也可以结合使用，即双控模式：既控制人头，又控制成本。目前更精准的方式是通过大数据挖掘技术，实时分析，月度 review，季度调整，通过组织结构、人员配比、人力成本、升降调转、绩效、离职5等相关内部信息的加工处理与建模分析，同时结合外部社交数据的综合多维度分析，模拟仿真可能发生的各种变化情景，对其合理性与风险进行评估，给出人才供需分析报告，供管理层科学决策使用，避免“拍脑袋”式决策。人才识别和选拔：求职信息与岗位信息自动匹配、智能评估、双向推荐，对候选人的简历、社交媒体数据、在线行为等合规数据进行综合分析，可以更准确地评估候选人的能力、兴趣和潜力，提高招聘匹配度和效率。通过大数据算法，对相关指标实现量化、标签化，然后对指标进行综合加权匹配，通过训练、验证、调优，实现求职信息与岗位信息的智能评估与自动匹配，向用人单位自动筛选精确的求职者简历，提升招聘效率与产出；也可以向求职者推荐合适的岗位信息，达到用人单位主动吸引人才的目的，实现双赢。另外，智能匹配算法可以非监督学习功能，根据输入信息变化、搜索历史、地域热度、人才贮备等变化，可以自我调整修正指标，从而自动匹配更加智能化。招聘运营效率提升：大数据分析在招聘渠道、招聘进展（漏斗分析）、招聘来源（人才雷达地图）等方面都可以发挥很大作用，满足基本要求：多（招人数量多）快（进人效率高）好（人才质量优）省（花费成本低），并向组织效能转化。通过准确的甄选评测工具、正确的操作流程、合适的面试官、适当的技术，将最优秀人才招募进来。员工培训和发展：通过对员工的学习需求、绩效表现、能力水平、工作行为等数据进行建模与综合分析，结合学习地图，可以制定千人千面的课程推荐和个人发展计划，提高员工的职业发展水平和绩效。个性化推荐课程有了用户的若干个行为偏好特征标签，就可以对应于课程标签进行个性化推荐了。但实际操作过程中，用户可能不买账，认为有些课程并不是他想要的。这就还需要根据用户的学习风格以及学习习惯进行不断机器学习调优，并最终达到用户想看6到的时候我们已经推送到位。绩效预测：通过收集对员工平时积累的工作表现、能力提升、工作行为、态度、团队协作等多方面的数据，进行模型搭建以及综合分析，可以更智能、更准确地评估、预测员工的绩效表现，为升降、调薪、调配等管理动作提供科学参考依据。职业发展规划：通过提取高绩效、高潜力人才的显著特征，得到不同序列的人才画像：将候选人与之匹配，得到匹配指数，从而协助HR 快速找到最优秀的人才；也可以通过评估人的适岗性，把合适的人放在合适的位置上；结合学习地图，匹配学习课程。这就需要平时要建立用户标签体系，通过当前员工岗位、职级、职责、绩效、代码产量、晋升速度、薪资涨幅程度、360 度评估、技能水平等打上标签，与员工下一步职业规划的岗位所需的能力标准以及技能要求进行匹配，形成岗位匹配度、能力匹配度、技能匹配度等员工发展相关标签，同时结合市场热点岗位分析，综合为员工提供职业发展评估和建议。薪酬与福利：新时代基本工资、奖金等对员工的激励效果在逐步减弱，而股票、福利、内部创业等新形式则受员工关注。如何建立价值创造、价值评估、价值输出的一个公平的薪酬评价体系，是努力的方向。通过对员工薪资、调薪、奖惩、福利、绩效表现等细项数据的分析，对标业界市场薪酬水平，可以更准确地了解员工满意度和流失率，及时调整管理策略，提高员工的工作积极性和忠诚度。员工关系管理：通过对员工沟通、交流、项目协作等合规数据日志的分析，通过模型与算法，可以更准确地了解员工之间的合作情况和团队氛围，及时发现和解决潜在风险问题，促进员工关系的和谐发展。离职预测实现路径主要是根据加薪时间、晋升时间、在岗时间、考勤状况、参会记录等 100+人力资源指标，加外部舆情分析，根据过去发生的已离职情况推导出指标的离职指数，根据离职指7数，利用回归算法等大数据模型预测未来。数据包括了内部数据和外部数据。虚拟现实虚拟现实：虚拟现实技术广泛应用在招聘、培训等领域，帮助企业实现更加高效、精准的人力资源管理，提高员工的参与度和满意度。常见的应用场景参考如下：虚拟面试：利用虚拟现实技术可以进行虚拟面试，求职候选人可以在虚拟环境中与面试官进行实时互动，更深入地详细了解公司的文化、工作环境和岗位要求，为求职候选人提供更真实的面试体验，提升雇主品牌。虚拟入职：通过创建虚拟现实场景，让候选人远程模拟参观公司的办公环境、工厂环境或实验室，提前感受与了解企业文化和工作环境。这种方式节省时间和成本，大大提高候选人加入公司的可能性。员工培训：虚拟现实可以带来了更深层次的沉浸感，学习者可以沉浸在体验中，帮助员工更有效地学习和掌握各种技能。模拟各种工作场景，对求职者的技能和适应能力进行测试，以便更准确地评估其能力。通过虚拟现实技术，可以模拟各种培训场景，如风险处理、紧急情况处理、销售技巧培训等，让员工在安全的虚拟环境中进行实战演练，提高技能水平以及应急能力。员工敬业度：虚拟现实能够以动态的方式与他人互动，可以应用于项目团队合作，改善员工敬业度。RPARPA：RPA 在人力资源领域的应用场景非常广泛，可以帮助企业实现人力资源流程的自动化和智能化，减轻 HR 的工作负担，提高运营效率。常见的应用场景参考如：招聘流程自动化：快速分发招聘信息，筛选应聘简历，通知应聘人复试，减少手动操作，提高人才招聘率。RPA 可以根据设定的规则自动筛选简历，将符合要求的简历发送给 HR，大大节省 HR 浏览和8筛选简历的时间。此外，RPA 还可以自动发送面试通知，提高招聘效率。入职流程自动化：新员工入职涉及到许多数据处理任务，包括个人信息录入、合同生成、工号分配、邮箱和 IT 系统账号开通等。RPA可以自动完成这些任务，快速准确地完成新员工入职流程。薪资和福利处理：每月的工资和福利处理是一项繁琐且耗时的任务。RPA 可以自动收集员工的工时、出勤和其他相关数据，计算工资和福利，并生成工资单。这不仅可以减少错误，还可以确保员工按时收到工资。考勤管理：RPA 可以自动收集员工的考勤数据，包括打卡时间、请假、加班等信息，并进行处理和分析。这可以大大减轻 HR 的工作负担，并提高考勤管理的准确性。离职流程自动化：员工离职时，需要进行一系列的数据处理任务，如结算工资、办理离职证明、关闭相关账号等。RPA 可以自动完成这些任务，确保离职流程顺利进行。人力资源数据分析：RPA 可以自动收集和分析人力资源数据，如员工满意度、招聘周期、人员流动率等，为管理层提供决策支持。员工绩效管理：RPA 可以帮助 HR 自动收集员工的绩效数据，进行计算和分析，生成绩效报告。这可以提高绩效管理的效率和准确性。人才分析人才分析（PeoplePeople AnalyticsAnalytics）：人才分析可以利用大数据和人工智能技术，对人才需求和候选人特征进行深度分析，帮助企业实现更加精准、个性化的人力资源管理，提高人力资源的利用效率和管理水平。常见的应用场景参考如下：人才盘点：通过对企业现有员工的能力、绩效、职业发展需求等多方面数据进行综合分析，人才分析技术可以帮助企业全面了解员工的现状，识别出高潜人才，为企业制定更合理的人才规划和配置策9略提供数据支持。人才发展：通过对员工的学习需求、学习能力和职业发展目标等多方面数据进行综合分析，人才分析技术可以为企业制定个性化的培训和发展计划提供数据支持，提高员工的职业发展水平和综合素质。人才激励：通过对员工的工作满意度、薪酬和福利需求等多方面数据进行综合分析，人才分析技术可以帮助企业制定更加合理的薪酬和福利政策，提高员工的满意度和忠诚度。人才流失预测：通过对员工的工作满意度、职业发展需求等多方面数据进行综合分析，人才分析技术可以预测员工流失的可能性，为企业提供针对性的防范措施，减少人才流失对企业的影响。招聘优化：通过对招聘数据、候选人特征、面试表现等多方面数据进行综合分析，人才分析技术可以帮助企业更准确地评估候选人的能力和潜力，提高招聘的准确性和效率。生成式人工智能生成式人工智能：AIGC 是生成式人工智能的缩写，它利用人工智能技术来生成全新的、真实的、有用的数据，例如文本、图像、音频和视频等。AIGC是继专家生产内容（PGC）、用户生产内容（UGC）、AI 辅助生成内容（AIUGC）之后的新型内容创作方式。生成式是一个应用场景或应用形态，比如歌曲生成文本是一种应用形态。大模型是一种概念，例如人岗匹配是一个 AI 模型，离职预测是一个 AI 模型，绩效预测是一个 AI 模型，每个都是单独的模型；大模型是用所有人力资源里的这种训练数据构建一个统一的训练任务，各模块都共享一个 AI 模型，其中的参数可能巨大，一般是 10 亿级别以上的，可以支持多个不同的任务，可以去做离职预测、绩效、选拔等等。ChatGPT 被称为世界模型，包括人力资源数据、财务数据、经济学数据、物理学数据等等，几乎把全世界能够用到的数据都涵盖在内，此时只需要用一部分的人力资源知识去引导ChatGPT，激发 TA 的这种能力，就可以解决人力资源的相关问题。世界模型或大模型，需要给他输入人力资源的智慧，首先他拥有全部的历史训练数据，输10入人力资源智慧只是为了让他更具有人力资源知识，就是预训练一个神经网络模型，具备 SFT（Supervised Fine-Tuning）技术，即强化学习。例如从小学到高中都是通识教育，而上大学就分科了，其实大学的知识，小时候都有接触，但现在分科是为了强化这部分知识，通过专门的学科去再学习。因此，通过强化学习人力资源知识，让人工智能达到专家的水平。AIGC 在人力资源领域的应用场景可能会带来许多颠覆性的变革，具体包括以下几个方面：招聘和筛选：利用 AIGC 技术，可以进行岗位描述，任何岗位只要简单描述下岗位名称，就能很容易生成非常专业的岗位描述。也可以快速生成对外发布广告使用的招聘文案。利用自然语言处理（NLP）技术，可以对求职者的简历进行自动解析，并将简历信息进行结构化处理；然后通过机器学习算法，可以分析这些结构化的简历信息与职位要求的匹配程度，从而快速筛选出合适的候选人，提高招聘效率和准确性，减少招聘成本和时间。绩效预测：利用自然语言处理技术，可以自动提取员工的工作表现和成果，并对其进行量化评估，提高绩效评估的客观性和准确性，减少主观因素的影响；机器学习算法可以分析员工的表现和绩效之间的关系，从而预测员工未来的表现和绩效。利用 AIGC，可以设计不同部门都有什么考核 KPI 指标。培训和发展：利用 AIGC 帮我们生成某个主题课程的大纲，利用这个大纲再去设计课程就会容易得多。利用机器学习技术，预测员工的职业发展方向和需要的培训课程，提高员工绩效和发展计划的个性化程度和准确性。人力资源数据分析：AIGC 可以辅助生成程序，进行数据合并、拆分等处理工作；处理完数据，还能进行数据分析。利用自然语言处理技术和机器学习技术，对大量的人力资源数据进行分析，提取有价值的信息，提高人力资源数据的分析能力，为决策提供更准确的支持等。112 2 HRHR 业务六大关键词业务六大关键词2023 年是三年疫情之后的第一年，本应复苏的大环境变得更加复杂，不确定性增多，给人力资源管理工作也带来了新的挑战，既要做好本职工作，又要协助业务应对各种不确定性与风险。回顾 2023 年，如下的关键词值得大家复盘，把握住确定性，防控好不确定性/风险，积极应对未来更大的挑战。这些关键词包括：1 1数据驱动决策数据驱动决策：百度人力资源部在 2014 年率先研究大数据在人力资源领域的应用，第一个模型是机器选择并推荐人选作为 360 度评估中的peer，并在当年成功应用落地；后续几年不断探索与实践，逐步形成了一系列的智产品（智留辞、智组织、智文化、智选才、智绩效等），辅助管理判断与决策。经过近 10 年的发展与影响，业界也逐步认可百度的人力资源大数据应用标杆作用，纷纷建立自己的模型与应用，已然成为一种趋势。通过数据分析工具对员工数据进行分析和挖掘，以更好地理解员工的行为和需求，了解人才市场动态和行业趋势，为企业提供更准确的人力资源相关决策支持已渐成风尚，数据驱动决策逐渐成为主导。可以参考熊辉教授、祝恒书博士主导的“百度人才智库”。推荐阅读人力资源大数据应用实践一书，清华大学出版社，王爱敏 王崇良 黄秋钧，2017 年。数智化转型：数智化转型：人力资源数智化转型主要转变的是人力资源的管理方式（组织、人才、文化），通过应用最新数字化技术（人工智能、大数据、区块链、云计算、物联网等），重塑人力资源管理的业务流程（入离升降调、选用育留管），将人力资源管理全生命周期的过程数字化、自动化、智能化（比如无感考勤、机器人自动审批、大模型助力智能机器人客服、语音调取自助服务等），从而提升人力资源管理效率、优化人才使用效果、打造敏捷组织，实现人力资源的动态运营，提升企业整体绩效。同时，人力资源数智化转型也是企业数智化转型的一部分，随着人工智能、大数据等技术的不断应用与迭代，人力资源同企业其他职能（研发、生产、营销、财务等）携手转型已成为企业快12速致胜的必然趋势。员工体验员工体验：员工体验是近几年谈论一直经久不衰的话题，尤其疫情过后，随着员工需求和期望的不断提高，员工体验更是成为人力资源管理的重心之一。运用数字化技术，重塑业务流程，并在“入职、在职、离职”全生命周期各个阶段中的关键时刻，提供千人千面的个性化服务：比如流程类（10 分钟极速入职、目标设定提醒、课程学习提醒、个税机器人申报等）、关怀类（7x24小时客服、证明自助领取、精准推送生日、周年祝福等）、消息类（发送入职指南、事项待办等）、预警类（离职预测、团队氛围、调薪边界等），通过关注员工在工作、生活、学习、发展中的点点滴滴，主动创造并唤醒“意料之外”的惊喜，提升员工体验，从而间接地提高员工满意度和忠诚度，数据表明，这是正相关因素。敏捷绩效：敏捷绩效：绩效管理是企业价值输出的导向，进入移动互联网时代后，OKR、人单合一、阿米巴、合弄制等纷纷流行，许多企业放弃了强制分布和末位淘汰，纷纷开始转向敏捷绩效，员工与主管可以随时随地通过移动 App 修改/确认目标、反馈意见，当然也可以征求其他专家或项目经理的反馈意见，而且绩效的产出结果不与晋升、调薪直接挂钩。这种方式极大地增强了员工与主管的沟通效果，可以帮助员工及时调整个人发展路径，实现快速成长。当然，有些东西是不可量化的，如工作激情与创新动力等，这就需要 HR 从业者平时多关注与收集员工的工作状况、代码生产情况、行为表现、团队合作情况、沟通交流情况等，利用大数据、NLP、机器学习技术建模，开展定量与定性的综合分析，明确哪些因素可以最大化地提高员工的业绩，从而达到提升组织效能的目的。人工智能也可以预测绩效，通过历史数据和实时数据来预测员工的业绩，为绩效管理回顾性和前瞻性的分析；通过员工的历史绩效数据，可以确定构成组织中高绩效或低绩效的个人特征，这样的分析可以针对部门、个人和团队绩效。智能薪酬：智能薪酬：在人力资源数据分析中占比最大的模块就是薪酬，HR 在处理薪酬模块的数据时，要先进行工资数据分析（如计算方法、构成分析、工资13支出、预算分析），再做薪酬政策的数据分析，比如人力投入分析、人工成本分析、人均效能分析、人员激励分析、外部对标与竞品分析、薪酬政策数据分析、预算分析等；利用大数据和人工智能技术，实现这些薪酬活动的自动化和智能化，比如智慧算薪、智能定薪、薪酬模拟器、监控预警平台（工资总额接近或超过预算警戒线、工资月度变动异常预警、激励过度分析预警）等,提高薪酬管理的运营效率与准确性。智能人才发展与培训智能人才发展与培训：人才发展的核心是以人才盘点为基础，做好人才选拔和人才培养。人才盘点的工作非常繁杂，需要看组织、岗位、人岗匹配，人工智能可以根据员工绩效、能力、潜力的评估结果迅速提供企业需要的高潜人才分布（九宫格或 16 宫格），从而确保企业清楚需要招聘哪些的人才，需要保留哪些人才，需要培养哪些人才，需要淘汰哪些人员。在人才培养方面，企业也可以使用人工智能技术培养员工，根据员工的岗位、能力、技能、个人发展计划（IDP）等数据的整理与学习地图智能匹配，推荐个性化的学习课程。在人才培养的过程中，试用期转正评估、晋升答辩、轮岗评测、年度总结述职等工作，都可以利用人工智能技术来完成，不仅节省了管理者大量时间，更重要的是，人工智能能够更客观更公平地给出评估结果。利用人工智能，基于人力资源知识图谱构建员工标签库，建立人才画像体系，通过人才发现、人才识别、团队分析和发展路径等功能，协助企业管理者和 HR 从业者有效发现核心人才。人工智能将改变培训模式，通过人工智能技术，不仅能够为员工提供沉浸式的培训体验，还能够结合员工兴趣爱好及潜能，进行个性化课程推荐，形成员工定制化学习地图，对员工进行 360洞察，为员工在企业中的学习发展提供导航。更有趣的是，通过人工智能技术能够将培训游戏化、盲盒设计来增强课程的吸引力，提升学习的兴趣。培训的个性化、碎片化、社交化、场景化、游戏化将会是未来的主流趋势，只有运用人工智能技术才能发挥更大优势，实现降本增效。基于 AI 和知识图谱的技术，整合企业内外部的学习资源，加快知识的智能化沉淀，优化知识领域的个性化推荐，为企业的人才技能培养提供智能化方案。14二、中国企业数智化应用现状调研二、中国企业数智化应用现状调研1 1 调研企业的基本情况调研企业的基本情况1.11.1 调研企业所在的行业领域调研企业所在的行业领域参与本次调研的企业从所属行业领域来看，主要分布在制造业、IT/互联网/科技、高校/科研院所、房地产/建筑/物业、服务业等，其中，制造业占比最高，达到了 21.12%，其次 是 IT/互联网/科技，占比 18.63%。高校/科研院所达到了 11.18%，房地产/建筑/物业约占 10.56%；其他行业共占约 38.51%。与 2021 年调研数据对比图如下：1.21.2 调研企业的性质调研企业的性质参与本次调研的企业按性质来划分，民营企业占到了绝大多数，为 49.69%（同 2021 年相仿），国有企业的比例 31.06%（比 2021 年高 10pp）；外资企业占比约 9.32%。151.31.3 调研企业的规模调研企业的规模参与本次调研的企业按规模来划分，超过万人规模的企业占比 24.84%，说明大型企业不光注重内生，也开始关注外部影响；其次是 100-500 人规模的企业占比约 21.12%，1000-5000 人规模的企业占比约 18.01%。161.41.4 调研人的职务调研人的职务参与本次调研人的职务来划分，从事 HR 工作的人占比最高，约占 46.58%，企业管理者次之，约占 25.47%，专家/教授占比也不少，约 10.56%；乙方（人力资源服务商）占比约 9.94%。1.51.5 调研人的从业年限调研人的从业年限参与本次调研人的从业年限来划分，超过 10 年工作时长的最高，约占50.91%，5-10 年工作时长的次之，约占 24.84%。172 2 人力资源数智化所处阶段现状人力资源数智化所处阶段现状按照“四化模型”，人力资源数字化建设可以分成四个阶段：线上化、信息化、数字化、智慧化：线上化阶段线上化阶段：主要是把线下作业流程“搬”到线上，比如企业在这个阶段可以通过引入外部商用套件（有条件的也可以自研），实现员工信息、薪酬福利、考勤等基础数据的电子化管理，这一步提高了工作效率，减少了手工操作和数据错误。信息化阶段信息化阶段：在“入离升降调、选用育留管”线上化的基础上，打通拉通各个业务模块进行协同管理，实现业务间的信息共享和端到端流程协同；这一步有助于提高企业整体的人力资源管理效率。数字化阶段数字化阶段：企业开始利用大数据、人工智能等技术，对数据进一步挖掘，借助建模与算法，预警预测，为企业提供更准确、更全面的决策支持。例如，通过对员工绩效数据的分析，发现员工的潜在能力和提升空间，从而制定更有针对性的培训计划。这一步关注企业效能以及员工体验。智慧化阶段智慧化阶段：人力资源管理具备了灵敏感知功能、自适应学习能力、预测判断功能，并能给出行动建议的能力。这意味着人力资源管理系统能够实时感知组织内外部环境的变化，自动学习和适应新的情况，预测未来的趋势，并为管理者提供决策支持。这一阶段强调与组织战略和业务目标的紧密结合，通过数据驱动和业务迭代不断提升人力资源管理的价值和影响力。它致力于构建生态型组织，促进企业的多条曲线良性发展，为企业创造更大的价值。调研发现，中国企业管理对于数智化的应用已经开始，约 70%的企业已经开始了数智化进程，并开始形成趋势，具体情况如下：多数企业（约 49.69%）已处在“开始探索应用”阶段，开始部分场景的应用探索；比前年上升 13%；说明数智化应用在不断发展，前景看好。已有约 9.32%的企业开始全模块系统“全面落地”；比前年上升 1%。18 约 14.29%的企业开始部分模块推广应用阶段；比前年下降 10%.约 18.63%的企业处于了解但尚未开始后应用阶段；比前年下降 2%只有约 10.81%的企业尚处于不了解阶段；比前年下降 2%。3 3 各职能模块数智化所处阶段总览各职能模块数智化所处阶段总览人力资源数智化是企业运营管理数智化的一部分，企业内部各职能模块数智化的应用场景已经非常广泛，利用 AI、大数据等技术重塑企业内部流程价值链，提高企业的运营效率、降低成本并增强竞争力，已在各行各业如火如荼开展，比如，智能制造：利用物联网、大数据和人工智能技术，进行工厂设计和规划，实现工厂布局、生产线规划、设备安装调试等的数字化和智能化。通过引入自适应控制、智能感知、自主决策等功能的制造装备，如数控机床、机器人等，实现制造过程的自动化和智能化。营销数智化：通过大数据分析了解客户的购买行为和偏好，制定更加有针对性的销售策略；利用人工智能和机器学习技术，构建智能销售系统，实现自动化销售流程和个性化的客户服务，提高销售效率和客户满意度。财务数智化：通过大数据分析和人工智能技术，预测未来的市场需求和财务状况，为企业的战略决策提供有力支持；利用智能化的财务报表生成和分析工具，实现财务数据的自动化处理和分析，实时监控财务状况和经营成果，及时发现和解决财务风险问题，提高财务决策的准确性和19效率。研发数智化：通过大数据和人工智能技术，分析市场需求和产品趋势，为研发项目提供更加精准的方向；利用虚拟现实（VR）、增强现实（AR）等技术，构建数字化研发平台，提高产品设计和开发的效率和质量、创新能力等等。调研发现调研发现：在企业内部管理的十三大模块上，各个模块都有不同的企业在数智化应用上进行了有效探索，比如，财务管理：约有 40.4%的企业在这个领域里开始了数智化应用，比前年提升了 12.7%；人力资源：约有 37.9%的企业在这个领域里开始了数智化应用，比前年提升了 3.4%；战略管理：约有 27.3%的企业在这个领域里开始了数智化应用，比前年提升了 6.8%；行政管理：约34.8%，比前年提升了 17.2%；供应链管理：约 30.4%，比前年提升了 5.4%；质量管理：约 31.7%，比前年提升了 12.1%；产品研发：约 31.1%，比前年提升了 2.8%；生产制造：约 37.3%，比前年提升了 13%；市场营销：约 32.9%，比前年提升了 8.5%；客户管理：约 35.4%，比前年提升了 12.1%；商务管理：约 30.4%，比前年提升了 6.1%；办公自动化：约 37.3%，比前年提升了 8.3%；运营管理：约 35.4%，比前年提升了 11.7%。其中，涉及“人力资源”管理模块的调研数据发现，企业的人力资源管理进入数智化阶段、处于信息化阶段的占比总和已超过四分之三，线上化阶段的占比已不足四分之一，详细描述如下：约有 37.9%的企业人力资源领域里开始了智能化应用，比前年提升了3.4%，说明人力资源智能化已开始深入民心、稳步增长。约有 39.1%的企业仍处在人力资源管理信息化阶段，业务要求他们急需迈入下一个阶段（数字化、智能化阶段），有迫切诉求。同时，约有 23%的企业在人力资源管理数字化程度上非常落后，分别处于线下作业或线上化初始阶段，大多数为小微传统企业。20调研数据表明，2023 年中国企业在数智化方面的发展呈现出整体稳步提高的特点，随着中国企业不断加快数字化转型的步伐，数智化已经成为企业发展的必然趋势。越来越多的企业开始重视数智化应用建设，通过大数据、人工智能等技术进行业务模式创新、产品创新和服务创新，打造差异化竞争优势，推动业务创新，提升数智化应用水平。头部企业已经通过大数据、人工智能等技术进行业务模式创新、产品创新和服务创新，打造差异化竞争优势，并开始享受数智化带来的红利。同时还应看到，中国企业的基础设施建设仍需要持续完善，需要不断加大在云计算、大数据、人工智能等方面的投入，提升数据处理能力、网络传输能力等方面的技术水平，为企业数智化应用提供更好的基础设施支撑。4 4 人力资源管理系统产品的使用现状人力资源管理系统产品的使用现状人力资源管理系统涵盖了“入离升降调、选用育留管”的方方面面，从产品角度可以分为 CoreHR 系统（组织、岗位、人事管理）、薪酬管理系统、考勤系统、外包系统、招聘系统、办公系统、入职系统、离职系统、异动系统、培训系统、绩效系统、人才发展相关系统、组织发展相关系统、人效管理相关系统、调研系统、组织效能相关系统、文化氛围相关系统、决策支持系统等等。21这些系统或模块之间相互配合、打通拉通，才能实现人力资源数字化管理的目标，比如，流程端到端衔接与协同、数据互通与共享、统一入口与界面、智能分析与指挥作战中心、预警与预测、数字人自助服务等。通过这些配合方式，企业可以实现全面的人力资源数字化管理，提高管理效率和工作质量，为企业的长远发展提供有力支持。通过对人力资源管理系统产品使用现状的调研，在基础核心模块上，各家企业使用程度上一直比较稳定，在流程自动化产品方面应用程度也还不错，在决策智能化产品方面应用程度虽然较低，但呈现明显上升趋势。详细情况描述如下：有三大模块使用程度显著高于其他模块，分别是：人事管理系统（约69.6%，比前年提升了 1.6%）、考勤系统（约 57.1%，比前年下降了 8.9%）、薪酬管理系统（约 51.6%，比前年下降了 8.4%），这仍然是人力资源管理系统的基础核心构成部分。同时，培训管理系统（约 44.1%，比前年下降了 1.9%）、智能招聘系统（约 42.2%，比前年下降了 7.8%）、绩效管理系统（约 39.8%，比前年下降了 2.2%），仍然维持规模效应，比例有所降低说明数字化转型过程中带来的波动不可避免，但变革趋势不可阻挡。22 流程自动化相关的产品，应用程度相对较高，比如，人才发展管理系统（约 28%，比前年提升了 1%）。决策智能化相关的系统产品，应用程度虽然较低，但均有提升。比如，组织发展（约 14.3%，比前年提升了 5.3%）、人效管理（约 13.7%，比前年提升了 2.2%）、敬业度洞察（约 13%，比前年提升了 2%）、团队效能（约12.4%，比前年提升了 5.4%）、文化氛围（约 12.4%，比前年提升了 5.4%）、离职预测（约 10.6，比前年提升了 2.4%）。说明这里需求旺盛，机会多多。5 5 人力资源系统数智化应用关注度人力资源系统数智化应用关注度通过对人力资源系统数智化应用关注度调研发现，各个模块受到的关注程度远超过 60%（除了劳务外包约 59.6%），说明受访的各家企业不仅关注人力资源数字化转型，还希望各模块均衡发展，都不想在未来竞争中落伍。人力资源系统的主要产品数智化应用均受到广泛的关注，其中招聘和员工服务平台模块的关注度尤为突出。其余各模块应用齐头并进，不相上下，均衡发展，趋势明显上升，各个领域机会明显，突破需要创新。236 6 系统产品的使用现状和数智化关注的程度对比系统产品的使用现状和数智化关注的程度对比通过调研发现，互联网公司进行人工智能在人力资源领域的应用实践层面上仍然走在前面，但同时也发现，头部民营企业也纷纷购买智能化软件或引入大咖建立团队投入资源进