JD生成、简历解析、面试纪要、政策问答、工单分流、课程生成、离职预测——AI正在进入HR的每一个工作环节。但不同场景的成熟度、业务价值和风险等级完全不同。深蓝君报告系统梳理了五类核心场景的应用现状与落地建议。
五类核心场景——成熟度与风险分级
AI+HR落地不能从工具出发，而要从业务场景出发。不同场景的成熟度、业务价值和风险等级完全不同。
招聘与候选人管理——最成熟的场景
AI在招聘各环节的价值：JD生成（生成岗位描述、任职要求、面试问题，成熟度高，避免夸大岗位和隐性歧视）；简历解析（提取经历、技能、教育背景，成熟度高，注意简历格式和语言偏差）；候选人匹配（根据岗位要求做初步匹配，成熟度中，不能直接淘汰候选人）；面试纪要（整理面试记录和追问点，成熟度高，需面试官复核）；招聘漏斗分析（分析渠道、转化率、周期，成熟度中，数据口径需统一）；候选人体验（自动回复、面试提醒、FAQ，成熟度高，不能过度机械化）。
招聘AI的边界：不能替代人的最终录用判断。尤其在涉及候选人评价、背景风险、薪资谈判和录用决定时，AI只能作为辅助工具。
HR运营与员工服务——率先被重塑
HR运营具有三个特点：高频、重复、规则多，天然适合AI辅助。典型场景包括：员工政策问答、入职咨询、转岗流程说明、离职办理提示、证明开具、薪酬福利咨询、年假规则查询、工单分流、跨国家政策解释、多语言员工服务。
在这些场景中，AI的最佳定位是“第一层响应+知识检索+工单预处理+人工兜底”。前提是高质量知识库、清晰政策口径和明确升级路径。
学习发展与技能管理——进入技能重构时代
传统L&D（课程管理、培训交付、年度培训计划、讲师资源）正在向AI时代L&D（技能经营、能力建设、动态学习路径、AI教练+专家网络）转型。L&D的升级方向不是用AI生成更多课程，而是帮助组织建立持续更新的能力系统。
People Analytics——从报表走向预测
过去很多HR数据分析停留在报表层面。AI让People Analytics进入更深层次的洞察：人效分析（识别组织效率变化）、离职预测（识别风险信号）、招聘渠道ROI分析、技能缺口分析、人力成本预测、组织健康度分析。
难点不是模型，而是数据质量、业务解释和行动闭环。
绩效与人才管理——高价值但高风险
绩效和人才管理是AI+HR最诱人的深水区，也是最容易出问题的场景。AI可以提供整理绩效事实、发现反馈盲区、生成面谈建议、汇总人才盘点材料、识别继任风险、分析组织结构问题等辅助能力。
但这些场景都涉及个人评价、职业机会、收入变化和组织信任。AI越强，人工责任越不能缺位。
