701-基于实战的AI赋能人力资源六大模块

课程大纲

AI认知与工具库搭建

一、AI大模型与智能体区分

（一）核心概念解析

1. AI大模型的功能特点
2. 生成能力：文本、图像、代码的生成原理
3. 泛化能力：跨领域知识的理解与迁移
4. 局限性：幻觉问题、时效性滞后、无自主行动力
5. AI智能体的运作机制
6. 核心架构：感知 - 大脑 - 记忆 - 行动
7. 自主性：从被动问答到主动规划任务的跨越
8. 工具使用：API连接与外部软件交互能力

（二）应用场景对比

二、主流工具本地部署与操作

（一）工具选择依据

1. 工具功能匹配度：开源模型与闭源模型的能力边界
2. 企业需求契合度：数据隐私要求、成本预算、算力资源评估

（二）部署与操作步骤

1. DeepSeek的部署流程
2. 本地环境准备
3. API Key获取与配置
4. 使用Ollama或vLLM进行模型量化与加载
5. 扣子的基础操作
6. 工作流可视化编排

提示词工程与指令设计

一、万能公式掌握

（一）公式要素解析

1. 角色设定要点：赋予AI特定身份
2. 任务描述方法：使用动词引导，明确具体动作
3. 背景信息提供：上下文补全，减少模型猜测
4. 要求明确方式：输出格式、字数限制、语气风格

（二）公式应用练习

1. 招聘场景公式应用：编写基于JD生成结构化面试题库的提示词
2. 绩效场景公式应用：编写将公司战略目标分解为部门OKR的提示词

二、提问法学习

（一）结构化提问法

1. 提问结构搭建：CRISPE框架实战
2. 问题逻辑梳理：分层递进，由浅入深

（二）逆向提问法

1. 逆向思维运用：让AI反推用户需求
2. 问题反向设计：通过AI生成的错误答案来修正提问方式

（三）思维链提问法

1. 思维链构建：使用让我们一步步思考引导模型展示推理过程
2. 问题链条设计：复杂任务拆解

AI+招聘与配置实战

一、人才画像生成

（一）画像生成逻辑

1. 岗位需求分析：利用AI提取JD中的显性与隐性关键词
2. 画像维度确定：硬技能、软技能、性格特质、过往经历特征

（二）AI生成操作

1. 提示词设计：输入标杆员工简历与岗位JD，要求AI输出对比画像
2. 生成结果优化：通过多轮对话修正画像偏差

二、简历筛选与报告输出

（一）简历筛选标准

1. 硬性条件筛选：学历、年限、核心技能的自动化匹配
2. 软性素质评估：通过项目经历描述分析候选人的沟通力与领导力

（二）报告输出流程

1. 匹配度指标设定：建立打分卡模型
2. 报告内容生成：自动生成推荐理由与风险点提示摘要

三、面试题与面试官生成

（一）面试题生成

1. 能力维度拆解：基于STAR原则设计行为面试题
2. 题目类型设计：情景模拟、压力测试、技术深挖题

（二）AI面试官搭建

1. 面试官角色设定：设定严厉、亲和或中立等不同风格
2. 面试流程设计：开场破冰 - 核心问答 - 追问逻辑 - 结束评价

AI+培训与开发实战

一、培训需求分析

（一）需求采集方法

1. 员工调研设计：利用AI生成调查问卷与访谈提纲
2. 业务需求对接：分析业务痛点，转化为培训目标

（二）AI分析应用

1. 数据整合处理：将访谈记录、绩效数据投喂给AI进行主题聚类分析
2. 需求报告生成：输出包含关键能力缺口与建议课程的分析报告

二、课程设计与开发

（一）课程框架搭建

1. 知识体系梳理：利用AI生成思维导图与学习路径图
2. 课程结构设计：ADDIE模型在AI辅助下的快速应用

（二）AI辅助开发

1. 课程内容生成：快速生成课件大纲、讲师逐字稿、学员手册
2. 教学案例设计：基于企业真实业务场景，生成仿真教学案例与角色扮演剧本

AI+绩效管理实战

一、绩效目标智能设定与分解

（一）目标设定逻辑

1. 战略对齐：利用AI解读公司年度战略，确保目标一致性
2. SMART原则应用：让AI辅助将模糊目标转化为具体、可衡量、可达成、相关性强、有时限的目标

（二）AI辅助操作

1. OKR/KPI智能拆解：输入公司级目标，AI自动生成部门及个人层级的关键结果或绩效指标
2. 目标库建立：基于历史数据和行业最佳实践，AI辅助推荐不同岗位的通用绩效指标库

二、绩效过程辅导与反馈

（一）过程追踪

1. 进度预警：AI连接业务系统数据，自动追踪目标进度，对滞后项目进行预警
2. 辅导话术生成：根据员工绩效表现，AI为管理者生成一对一辅导的沟通要点和建议话术

（二）反馈闭环

1. 360度评估辅助：AI设计评估问卷，并自动汇总分析来自上级、同事、下属的反馈，生成综合报告
2. 绩效面谈准备：AI基于绩效数据和过往记录，为管理者和员工双方生成面谈提纲和预期问题清单

三、绩效结果应用与分析

（一）结果分析

1. 绩效分布诊断：AI分析团队或公司的绩效分数分布，识别是否存在过宽、过严或居中趋势
2. 根因分析：对绩效不佳的员工或团队，AI辅助分析潜在原因

（二）改进计划

1. 绩效改进计划（PIP）生成：AI根据绩效差距，自动草拟个性化的绩效改进计划框架
2. 人才盘点输入：将绩效结果与能力数据结合，AI辅助生成人才九宫格，为人才决策提供依据

AI+薪酬福利管理实战

一、薪酬数据调研与分析

（一）市场对标

1. 数据采集：利用AI爬虫工具或API，快速抓取特定行业、地区的薪酬报告数据
2. 数据清洗与整合：AI自动处理非结构化薪酬数据，形成可分析的标准化表格

（二）内部公平性分析

1. 薪酬渗透率分析：AI计算员工薪酬在薪酬带宽中的位置，识别过高或过低的薪酬点
2. 同岗同酬审查：AI辅助分析同一岗位不同员工的薪酬差异，识别潜在的公平性问题

二、薪酬体系设计与优化

（一）结构设计

1. 薪酬带宽设计：基于岗位价值评估结果和市场数据，AI辅助设定各职级的薪酬中位值和带宽
2. 薪酬结构模拟：AI模拟不同薪酬结构对人力成本总额和员工激励的影响

（二）岗位价值评估

1. 评估模型应用：AI辅助应用海氏或美世等岗位评估模型，对岗位进行初步打分和排序
2. 职级体系梳理：基于岗位价值评估结果，AI辅助优化公司的职级体系

三、激励方案与调薪策略

（一）激励方案设计

1. 方案生成：根据业务目标，AI生成销售提成、项目奖金等多种激励方案草案
2. 方案模拟测算：AI对不同激励方案进行成本测算和激励效果模拟，辅助决策

（二）年度调薪策略

1. 调薪预算分配：AI根据绩效结果、薪酬渗透率和市场分位值，为管理者提供科学的调薪建议矩阵
2. 调薪沟通函生成：AI为每位员工生成个性化的调薪沟通函，解释调薪依据和幅度

AI+员工关系管理实战

一、员工咨询与自助服务

（一）智能问答助手

1. 知识库构建：将员工手册、考勤制度、福利政策等文档导入AI，构建专属知识库
7. x24小时响应：部署AI员工关系助理，实时解答员工关于假期、报销、证明开具等常见问题

（二）流程自动化

1. 证明开具自动化：员工通过对话机器人申请在职证明、收入证明，AI自动生成并发送
2. 入转调离流程引导：AI引导员工完成入职、转正、调动、离职等流程中的线上操作

二、劳动风险合规与预警

（一）合同与制度审查

1. 合同风险识别：AI审阅劳动合同、竞业限制协议等，识别不符合最新劳动法规的条款
2. 制度合规性检查：AI辅助审查公司内部规章制度，确保其合法合规

（二）风险预警

1. 离职风险预测：AI分析员工的考勤、绩效、敬业度调查等数据，识别有高离职倾向的员工并发出预警
2. 劳动纠纷辅助：在发生劳动争议时，AI快速检索相关法律法规和类似判例，为HR提供处理建议

三、员工体验与企业文化

（一）满意度与敬业度分析

1. 问卷设计与发放：AI辅助设计更科学的员工满意度调查问卷
2. 文本情感分析：AI对问卷中的开放式问题、员工访谈记录进行情感分析，挖掘员工真实心声和潜在不满

（二）文化活动辅助

1. 活动策划：AI根据员工画像和兴趣，生成团队建设、节日庆祝等文化活动的创意方案
2. 内部沟通优化：AI辅助撰写更具吸引力和共情力的内部通知、CEO邮件等，提升沟通效果

AI+组织发展与人力资源规划实战

一、组织诊断与效能提升

（一）组织诊断模型应用

1. 模型选择与数据输入：利用AI应用麦肯锡7S模型、六个盒子等诊断工具，输入访谈、问卷数据
2. 诊断报告生成：AI自动分析数据，生成组织健康度诊断报告，指出优势与待改进领域

（二）岗位体系优化

1. 岗位说明书（JD）生成与更新：AI根据业务变化，快速生成或更新大量岗位的JD
2. 胜任力模型构建：AI分析高绩效员工的行为数据，辅助构建关键岗位的胜任力模型

二、人力资源规划与预测

（一）人力需求预测

1. 业务驱动建模：AI结合公司业务增长预测、人均效能等数据，预测未来的人力需求数量和结构
2. 人才供应链分析：AI分析内部人才储备情况，识别关键岗位的继任者缺口

（二）人力成本规划

1. 成本模拟：AI模拟不同招聘计划、调薪方案对年度人力成本总额的影响
2. 人效分析报告：AI自动生成月度/季度人效分析报告，监控人均产出、人力成本投资回报率等关键指标

三、人才盘点与继任计划

（一）人才盘点自动化

1. 数据整合：AI自动整合员工的绩效、能力、潜力、价值观等多维度数据
2. 可视化输出：AI一键生成人才九宫格、团队能力雷达图等可视化盘点结果

（二）继任者计划辅助

1. 继任者识别：基于人才盘点结果，AI辅助推荐关键岗位的潜在继任者名单
2. 发展路径规划：AI为高潜人才生成个性化的发展路径和IDP（个人发展计划）建议

适合对象

建议由业务负责人、项目骨干、内训师和正在试点AI工具的团队共同参加，把任务场景、提示词设计、输出校验和风险边界转成课后可继续推进的动作

课程定位与主要问题

AI任务拆解、流程嵌入和输出复核需要落到岗位动作，训练会围绕关键问题完成一轮方法校准

核心收益

先确认工具场景、输入要求和输出校验，让训练目标更具体
AI认知与工具库搭建和提示词工程与指令设计会被串成一组可练习的AI应用
流程复用更容易：提示词、流程嵌入和风险复核检查方法是否适合团队日常任务
人工复核有抓手：AI大模型与智能体区分相关的试点清单、检查点和下一次复盘安排

课程背景与交付信息

在数字化转型浪潮下，人力资源管理正面临效率提升与智能化升级的迫切需求。AI技术的发展为HR工作带来革命性变革，从招聘到员工关系管理，各模块均可借助AI实现流程优化与价值创造。本课程聚焦AI在人力资源六大模块的深度应用，帮助HR从业者掌握AI工具与方法论，提升管理效能，助力企业构建智能化人力资源管理体系

课程时间

2天

授课方式

面授讲授、案例分析、小组研讨、工具实操、互动答疑

课程内容重点

01AI认知与工具库搭建

02提示词工程与指令设计

03AI大模型与智能体区分

04AI大模型的功能特点

05生成能力：文本、图像、代码的生成原理

讲师介绍

王飞

国企三项制度改革与人才发展

曾任国家能源集团人力资源部长，专注国企三项制度改革、保密档案管理及AI办公提效。拥有13年央企实战经验，累计储备管理干部200+名，兼具人力资源改革与行政合规管理双重专长

政府国企电力能源金融银行公共事业

查看讲师主页

课程差异说明

本课程页面围绕《701-基于实战的AI赋能人力资源六大模块》重点呈现课程定位、适合对象、核心收益和 8 个主要模块，便于快速判断培训匹配度

课程常见问题

这门课适合哪些学员参加？

适用于业务负责人、项目骨干、内训师和正在试点AI工具的团队，也适合承担AI任务拆解、流程嵌入和输出复核支持工作的关键岗位。

学习这门课可以获得什么收益？

先确认工具场景、输入要求和输出校验，让训练目标更具体；AI认知与工具库搭建和提示词工程与指令设计会被串成一组可练习的AI应用。

课程通常安排多长时间？

课程通常可按2天安排，具体节奏会结合企业培训目标、学员基础和现场安排确认

课程采用什么授课方式？

课程主要采用面授讲授 + 案例分析 + 小组研讨 + 工具实操 + 互动答疑，强调理解、讨论、工具练习和业务场景应用

企业可以基于这门课做定制吗？

可以。正式交付时可结合企业行业、岗位对象、当前问题和培训时长，对案例、练习和重点模块做适配