AItheFuture-2024TheApplicationofGenerativeAIinHR前言 4研究思路與框架 5報告精粹和主要發現 6為什么要擁抱生成式AI？ 10?基于PEST模型的環境分析 10個人應該如何看待生成式AI？ 14?從實際應用經驗出發的觀點與實踐 15?沒有實際應用的原因分析 19生成式AI如何成為企業發展和變革的催化劑？ 21?認知與擁抱 22?資源支持度 23?安全監管 38?價值衡量 40?實踐總結——企業層面應用 43生成式AI如何深入人力資源領域？ 44?應用階段 44?應用領域 46?實踐總結——人力資源領域的應用 59?生成式AI對人力資源的影響和賦能 60對AI焦慮問題的探討 64?AI焦慮的因素 64?緩解AI焦慮的方式 65參調企業信息 66企業案例 68專家洞察 78 前言AIAI使得智能技術成為推動生產力轉型和經濟增長的動力之一。前言AIAIAIAIAgent企業作為生成式AI應用的主要場所之一，經過一年多的探索與沉淀，AI但，AIAI因此，此次調研在智享會已發布的《2023AI2024年報告2023年報告廣度宏觀環境的正向推動PESTAI外部環境的變化對企業的正向指引對AI焦慮問題的探討結合定量數據，從生活方式和工作替代的雙重視AI焦慮的因素從制度建設、職業結構轉變、人機職責劃分以及對工作性質差異化影響等維度給出緩解AI焦慮的建議深度個人層面的認知與應用以認知為基礎，討論個人對生成式AI看法AI在工作中的實現情況AI的原因介紹大語言模型的原理、技術實現路徑個人在工作中的應用嘗試企業層面的布局與落地企業對生成式AI的認知與擁抱 ? 大語言模型對企業的價值結合企業實踐案例，從資源支持、安全監管和價 ? 價值實現的基礎條件以及在企業內部的可能性應值衡量進行企業布局和應用情況的探究 用人力資源領域的探索與嘗試AI在人力資源領域應用的整體情況聚焦人力資源各模塊，通過定量數據分析其應用場景的可行性通過定性案例呈現場景的具體做法，為企業提供參考和借鑒探討生成式AI對人力資源組織架構、角色替代以及從業者能力要求的影響與賦能情況介紹傳統人工智能技術在人力資源領域的應用HR未來的影響與變革織和能力的影響個人認為生成式AI對組的實踐生成式AI在工作流程中織和能力的影響個人認為生成式AI對組的實踐生成式AI在工作流程中AI出個人應該如何看待生成式為什么要擁抱生成式政策環境為什么要擁抱生成式經濟環境經濟環境社會環境 技術環境

個人視角看法和應用障礙原因分析使用途徑問題信息安全顧慮問題使用途徑問題信息安全顧慮問題準確性存疑問題使用場景問題用的原對AI焦慮問題的探討AIAI對AI焦慮問題的探討AIAI生成式AI如何成為企業發展和變革的催化劑認知與擁抱資源支持度安全監管價值衡量平臺與部署設置專人專崗項目推行制度和培訓宣傳應用場景規劃與開發限制措施限制公司信息透露限制個人信息透露內容審核限制功能工作的提質增效認知拓寬激發創造性思維生成式AI如何深入人力資源領域Core生成式AI如何深入人力資源領域CoreHR績效管理薪酬管理培訓與發展招聘與配置AI人力資源從業者能力人力資源角色人力資源組織架構生成式AI對HR報告精粹和主要發現如果您只有幾分鐘時間或想要盡快獲得報告中的重要信息，不妨可以先仔細閱讀以下內容……生成式AI報告內容主要發現與內容精粹對生成式AI的整體態度普遍存在認知，并對其意義與價值有較為積極的認可。91.24%AI（55.47%）還認為其發展具有很大的實際意義。AI極態度的比例越高。生成式AI在工作流程中的實踐除“內容生成”和“信息收集”為主要應用外，生成式AI的進步也為“數據分析”與“問題解決”創造了一定的有利條件。參調者表示：文本類生成（90.3%）和信息收集（80.8%）是其工作流中最為常見的應用。值得注意的是，問題解決（71.2%）和數據分析（53.19%）的使用正在逐步升級，這也印證了上文中，生成式AI對其個人能力提出更高要求這一影響。個人認為生成式AI對組織和能力的影響AIAI于工作流程的簡化（72.26%）。個體能力要求的升級，則主要聚焦于：持續學習新技術（90.51%）、提升創新思維（75.18%）、批判性思維（62.04%）等能力。生成式AI報告內容主要發現與內容精粹認知與擁抱AI的接受度和應用意愿正逐步增強。兩年數據對比中（2024vs.2023）7.62%8.12%；12.95%。為了能更好引導員工的認知與擁抱，企業還會從技術的宣傳普及（1.11%）和使用技巧培訓(66.67%)AI。資源支持度平臺與部署部分企業已在內部投入生成式AIAI為36.17%。 ，自主研發與混合部署（本地部署+云部署）是企出于對企業個性化需求和數據安全的考量業上線系統的主要方式。在平臺來源上，企業會更加傾向于選擇自主研發模式（7647%）。而在部署路徑上，企業出于數據監管和信息安全的考量，會通過混合部署（76.48%）進行。設置專人專崗AI的研發與運營已成為眾多企業的共識。外資企業：80.00%GlobalAI/AI91.67%。ITSSC項目推行制度和培訓宣傳AI，“開展研討經驗交流會”與“提供應用技AI應用與員工績效考核關聯予以鼓勵探索。約半數企業（47.6%）AIAI實際應用（3-10，并側重于通過“提供相關培訓”（8.25%）和“開展研討或經驗交流會”（68.75%）以提升員工的AIAI（12.50%），從制度層面激勵員工在工作中的應用。針對處于非正式推行階段的企業（自行探索+非強制，52.94%），則更傾向于采取“認知宣傳+應用技巧培訓”雙管齊下的策略予以鼓勵探索。應用場景規劃與開發生成式AI的實踐不再只是技術部門的“一家主導”，職能與運營相關部門也在積極參與探索和應用。IAI安全監管企業對生成式AI的限制雖逐步解除，但仍在不斷完善信息保護和內容合規要求，“自由亦要有邊界”。AI，其中包括公司信息（73.95%）和個人信息（50.00%）；同時，部分企業要求對生成式AI所生成的內容進行合規性審查（53.12%）。價值衡量提升工作效率、拓寬認知、激發創新思維是企業普遍對生成式AI的價值認可。此外，處于同應用階段的企業，對其所產生的價值要求會呈現不同側重。 認可其在企業積極探索生成式AI在提升工作效率（58.82%）方面的價值；并拓寬認知（14.71%）和激發創新思維（26.47%）上的貢獻。對于已經實現“實際應用階段”（例如有先行先試項目制度）的企業，必然在提升工作效率和結果轉化（75.00%）上有更高的要求；而處于“探索應用階段”的企業，則更側重于激發員工的創新思維（62.50%）。生成式AI報告內容主要發現與內容精粹定量數據呈現應用程度積極推進和規劃生成式AI在人力資源領域應用的企業顯著增加，部分企業已在特定模塊實現全流程嵌入的成熟應用。AI（3702%）7規劃或作出相應實施。。應用領域AICoreHR用。薪酬福利與績效管理模塊雖涉及較少但存在高度使用共性。人才招聘：“簡歷篩選（81.25%）”、“崗位人才信息搜集（72.92%）”、“崗位說明書生成（68.75%）”仍然為最經常使用場景，且呈現穩定增長。同時，隨著技術的進一步發展以及供應商產品的研發和支持，“簡歷搜索和智能匹配（62.50%）”、“崗位人才畫像和能力模型生成（52.08%）等功能應用也開始有一定普及應用。培訓與發展：整體細分運用較為均衡（百分比絕對值上的差異性較小）。其中，“大、“測評題目擬定（63.83%）”等文本生成類的應用較為主導，智能推送（4.81%）和交互型應用（AI57.45%）則較為其次。CoeHR：AI（數據對比差異6）。但也同時需要注意的是：CoreHR量非結構化數據，企業需繼續依靠技術手段進行進一步挖掘和利用。薪酬福利與績效管理：整體應用率不高（21.69%24.10%）但實際賦能點存在高度AI業能夠更快速、準確地收集和分析市場數據，從而制定出更具競爭力的薪酬福利政策和更符合標準的績效指標。定性建議總結人才招聘職位說明書生成：訓練大模型了解招聘崗位的特性，并通過不斷地調優生成更精準、更具吸引力的高質量職位說明書。簡歷篩選自動化和人才庫優化：AIAI選和人才庫盤活，提高篩選效率地同時確保篩選過程的一致性和公正性。面試官培訓標準化：AI提升面試官的技巧和對招聘流程的理解，樹立良好企業形象。持續評估與優化：基于招聘效果的反饋，持續評估和優化生成式AI在招聘中的應用。培訓與開發內容創作輔助：AI片等的培訓內容生成，提高內容產出效率的同時提升培訓材料的質量和吸引力。個性化學習路徑制定：在深入了解員工的學習需求和職業發展目標后，制定出符合員AI供個性化的學習路徑和課程推薦。數據驅動決策：AI學習進度、測評結果、課程反饋等，為培訓策略的制定和調整提供數據支持。CoreHR建立知識庫：將企業政策信息、員工個人相關信息以及員工入轉調離相關操作流程等HR知識庫，作為智能客服系統的堅實后盾，快速響應員工的問題和需求。基于HR同時定期對系統進行評估和優化，提高其準確性和對員工需求的覆蓋范圍。AIAI客服的互動中學習，并不斷優化回答。生成式AI報告內容主要發現與內容精粹影響與賦能人力資源組織架構AI將更進一步的推進人力資源作為“戰略業務伙伴”的合作力度。AI（65.28%），組織結構的調整趨向扁平化（56.94%），人力資源與業務部門的協作變得更加緊密（66.67%）。人力資源角色替代基礎崗位面臨較高的AI替代率，而與業務關聯度較高崗位（例如HRBP）則最難被替代。HR（75.00%31.32%）；而替代率相對較低的則HRBP（16.67%2023）。這同時也印證了上文對于人力資源內部組織的影響：實現戰略轉型，與業務部門更為高效的協同合作。人力資源從業者能力AI和“轉變思維方式”上。AIAI62.50%5AI（45.83%）；33.33%要性。對AI焦慮問題的探討報告內容主要發現與內容精粹AI焦慮的因素AI在日常生活中的滲透以及帶來的失業風險問題存在較大擔憂。絕大多數參調者（69.34%）AIAI增強公眾對其的信任。59.85%響是在于職業結構的轉變，而非就業數量的簡單增減。緩解AI焦慮的方式AIAIAIAIAI正確認知，消除不必要的憂慮（78.10%）。建立倫理規范以增強公眾信任（75.91%）。AI（70.07%）。在實際工作場景的運用中，AIAIAI生成式AI（GenerativeAI）作為人工智能的一個重要分支，正逐漸成為推動社會進步和產業升級的關鍵技術。本章節將基于PEST理論，深入分析智能技術尤其是生成式AI所處的外部環境的變化對企業引入生成式AI所帶來的驅動。一、基于PEST模型的環境分析一、基于PEST模型的環境分析外部環境因素對一個企業或組織的發展至關重要，而PEST模型作為一種宏觀環境分析工具，可以幫助企業充分了解部環境變化，從而制定出正確的戰略決策。因此本章節我們將采用該模型，從政治（Political）、經濟（Economic）、外社會（Social）和技術（Technological）四個方面分析環境變化對企業引入生成式AI的指引和驅動。外政策環境（politics）——國家政策對智能技術的支持和規范現如今，智能技術作為世界關注的焦點，被大眾認為是未來的必然趨勢。同時，推動智能技術發展也符合我國的創新驅動發展戰略。隨著ChatGPT的問世，生成式AI作為人工智能在技術上的一大突破，國家政府予以高度重視并在政策層面給予明確指導，大力支持和鼓勵其在各行業、各領域的創新應用。此外，加強算法備案制度，規范人工智能行業發展也是重中之重。?支持和鼓勵71《意見》提出，以習近平總書記關于人工智能系列重要講話精神為指導，貫徹新發展理念，以促進人工智能與實體經濟深度融合為主線，加速人工智能技術攻關、產品開發和產業培育，探索人工智能發展新模式新路徑，以人工智能高水平應用促進經濟高質量發展。20237AI__()10__()爭均具有重要意義，并鼓勵生成式AI技術在各行業、各領域的創新應用。隨著生成式人工智能技術的不斷成熟和創新，其在各行各業的應用正在逐步拓展，展現出巨大的潛力和價值。我國政策對生成式AI然而，除了對新技術的支持和鼓勵，還需要通過政策的引導和規范，確保生成式AI技術在創新的同時，也能夠符合倫理、法律和社會的要求，實現健康、可持續的發展。?使用規范3確保信息的真實性和合法性，同時強化技術服務提供者的法律責任；在數據安全方面，要求加強訓練數據管理，確保數據安全，并對技術管理與安全性問題開展定期評估。隨著生成式AI步指示：在生成式AI獲取個人信息同意，并嚴格遵守我國相關法律法規，以維護數據的真實性、準確性、客觀性。綜上，政策明確了促進生成式AI健康發展和規范應用的目標，強調了發展與安全并重、促進創新與合規合法相結合的原則。經濟環境（economy）——加快新質生產力的發展為智能技術營造有利條件不同經濟發展階段對智能技術的需求和應用程度不同。在經濟發展的早期階段，基礎設施建設和傳統產業升級可能是優先事項；而在成熟階段，創新和高技術產業的發展則更為突出。2024年1月31日，習近平總書記在中共中央政治局第十一次集體學習時強調，加快發展新質生產力，扎實推進高質量發展。新質生產力以創新為主導，擺脫傳統經濟增長方式、生產力發展路徑，具有高科技、高效能、高質量特征，而智能技術作為其典型，已經成為推動經濟增長的新質生產力。隨著經濟結構的不斷優化升級，各行各業對于提高效率、降低成本、創新產品和服務的需求日益增長，這為智能技術尤其是生成式AI的應用提供了巨大的需求動力。社會環境（society）——社會價值觀推動群眾接受度隨著媒體對AI技術的廣泛報道，公眾對于生成式AI等智能技術的關注度和期待不斷攀升。外服云提到，不同背景或年齡的群體對新技術的接受程度仍然存在一定差異。英國小說家道格拉斯·亞當斯提出的科技15-35改變世界的革命性產物；任何在我35新技術，并探索其在工作和生活中的應用。AIAIAIAIAIAI”的觀點。很顯然，這一觀點表達了技術與人類能力融合的必要性，以及精通先進技術對于推動個人職業成長的核心價值。互聯網信息服務深度合成管理規定_國務院部門文件_中國政府網() 11技術環境（technology）——大模型的融合發展推動智能化未來隨著智能技術的飛速發展，我們站在一個全新的技術革命門檻。但技術的發展并非一蹴而就，每個階段都有其形成過AIAI訪談了諸多企業，其也紛紛表示：在現有內部，正按照這樣的發展階段和技術融合逐一布局和落地。?AI的四個發展階段AI的發展經歷了四個階段，分別是專家系統時代、機器學習時代、深度學習時代以及大模型時代。在大模型時代，數據知識+國內外大模型的深入研究和更新迭代將生成式AI的應用落地更為廣泛，并也將投資回報的實現成為可能。數據知識+達到了商業化的要求。機器學習在指紋識別、特征物體檢測等領域的應用基本+達到了商業化的要求。機器學習在指紋識別、特征物體檢測等領域的應用基本+算力算法+知識數據性強等不足。習也存在如算力資源有限、數據訓練依賴計算機能夠自動優化性能。然而，機器學工具，可以從數據中學習模式和規律，使，人工智能逐漸從知識驅動向數據驅動的方向演變。機器學習作為一種強大的到來隨著計算能力的提升和大數據時代的發展階段技術階段應用領域

專家系統在企業中主要在生產管理、經營管理、銷售管理、財務管理、審計管理五個方面有較強的實用性。深度學習作為機器學習的一個分支，利用模型的多層次的神經網絡結構，使得計算機能夠更好地理解和處理復雜的數據。深度學習在計算機視覺、自然語言處深度學習在場景應用上存在一定局限性，由此也導致了投資回報率的不平衡問題。

數據+知識算法 算法+ +算力 算力

深度學習主要應用于文字識別、人臉技術、語義分析、智能監控等領域。目前在智能硬件、教育、醫療等行業也在快速布局。在大模型時代，三個核心環節將有望實現商業閉環。第一環節的“數據+知識”是基礎，可以提供豐富的信息，幫助模型更好地理解問題。第二環節的“算力支撐模型的快速訓練和實時推理；算法提升模型的學習和表達能力。前兩個環節的相互結合助力大模型的優勢發揮，從而實現“場景落地+投資回報”，并為“數據+知識”輸送新的信息，形成閉環。

數據+知識場景落地 算法+ +投資回報 算力支撐

大模型通過學習大量的數據，能夠生成逼真的文本和圖像，同時在數據分析等領域的應用也變得越來越廣泛和深入。此外，大模型還在自然語推薦系統等領域發揮著重要作用。隨著技術的不斷進步，大模型的能力和應用范圍將不斷擴大，為各行各業帶來更多的可能性和價值。12 4.|2024_()?生成式AI模型的融合進步生成式AI工具的技術迭代主要體現在算法的優化、模型的復雜度提升以及應用場景的拓展。從簡單的文本生成，到能夠生成逼真的圖像、視頻等，生成式AI的技術進步為各類場景提供了便利。在文本分析與生成方面：OpenAIGPTGoogle“Gemini在數據分析方面：阿里的“通義千問”在數理分析和信息處理方面表現出色。前文所述的不同大模型在特定領域能夠發揮自身優勢，但在能力整合方便略顯不足。20245OpenAI在文本、視覺、音頻方面實現了全面打通，成為一個原生的多模態模型，為用戶提供更好的交互體驗。除AIAgentAIAgent能和個性化的交互體驗，不僅能夠理解復雜的查詢，還能提供預測性建議并自動化執行任務。它實現將進一步豐富AI大模型的應用場景，智能技術將進入AIAgent的時代。我們除了在政策、經濟、社會和技術環境的變化對生成式AI發展產生推動的信息進行收集外，在對外服云專家進行采訪中，其還給出了以下洞察觀點：洞察外服云這一問題被隨之解決，擁抱AI成為政治正確。在經濟層面，生成式AI作為降本增效的工具，也是推在政治層面，過去對生成式AI的爭議主要在于數據出境問題，而隨著國內大模型的成熟應用，動新質生產力發展的主導力量。在社會層面，年輕一代成為推動生成式AI融合與創新的主力，對其認知和接受度也更為深入。在技術層面，隨著大模型的不斷優化和成本降低，技術問題已不再是生成AI認知與擁抱的提升、資源引入與支持、安全監管管理、以及最終的價值衡量。政策環境環境因素企業指引維度劃分政策環境環境因素企業指引維度劃分經濟環境隨著新質生產力的快速發展，智能技術成為經濟增長的新引擎，推動企業優化效率和創新服務資源支持度社會環境公眾對智能技術的接受度不斷提升，這要求企業緊跟時代，在內部形成對使用AI的鼓勵和探索氛圍社會環境

認知與擁抱認知與擁抱資源支持度安全監管技術環境大模型的融合發展為企業提供更廣泛的應用場景和更高效的解決方案認知與擁抱資源支持度AI上一部分我們分析了目前外部環境（PEST模型）對生成式AI發展的必要性，并基于此得出環境對企業發展生成式AI的指引。然而，個體對技術的理解和接受在很大程度上也決定了其在組織內的接納和融合。因此，在本章節，我們以個人層面的微觀視角，探究個體對生成式AI的態度和使用行為上的變化，從而洞察組織內部應用生成式AI的有效策略。使用使用中幾乎沒有使用過DAI用場景等信息，并在工作中有部分使用或嘗試BCAI用場景等信息，并在工作中會頻繁使用A3.04%2023數據（N=263）2.84%2.66%2024（N=282）5.67%20049.81%44.49%30.50%4060.99%1008060表AI的了解程度如何?隨著智能技術的發展以及生成式AI的普及，個人對生成式AI的認知和接受度正在逐步提高，同時也在努力探索生成式AI在工作流中的實際應用。表2-1顯示，對生成式AI有了解且在工作中有所應用的參調者為66.66%；而對生成式AI不甚了解且沒有使用的占比為30.50%。使用途徑問題信息安全顧慮問題準確性存疑問題使用場景問題使用途徑問題信息安全顧慮問題準確性存疑問題使用場景問題用的原織和能力的影響個人認為生成式AI對組的實踐生成式AI在工作流程中AI出個人應該如何看待生成式一、從實際應用經驗出發的觀點與實踐一、從實際應用經驗出發的觀點與實踐AI對生成式AI的整體態度AI（0.00%）（0.00%）DAI要根據未來的發展情況再做判斷CAI勢，但同時擔心其帶來的風險和挑戰BAI可以為生活和工作帶來了便利和效率A.認為生成式AI的發展非常有意義，35.77%8.76%55.47%表2-2您個人對生成式AI的態度如何?（N=137）表2-3個人態度了解程度A.認為生成式AI和效率B.認為生成式AI具有一定的潛力和優勢，但同時擔心其帶來的風險和挑戰C.認為生成式AI存在一定的局限性，要根據未來的發展情況再做判斷A.非常了解:非常清楚其含義、工作原理、應用場景等信息，并在工作中會頻繁使用（N=16）100.00%0.00%0.00%B使用(N=172)58.14% 33.72% 8.14%C.不甚了解:聽說過生成式AI，但對其含義、工作原理、應用場景等信息不甚了解，在工作中幾乎沒有使用過(N=86)41.86%46.51%11.63%2-2AI（91.24%）AI8.76AI對其意義與價值有較為積極的認可。2-3AI生成式AI在工作流程中的實踐AI據分析”與“問題解決”創造了一定的有利條件。表2-4您個人會在以下哪些工作流程中使用生成式AI工具?選項2024數據（N=188）2023數據（N=104）2年數據差值A.信息收集:查找資料、行業數據等80.85%77.88%2.97%B.內容生成與審核:文案生成、代碼生成、翻譯、審核內容的合法性等90.43%70.19%20.24%C.問題解決:向生成式AI工具尋求問題的解決思路、方法等71.28%65.38%5.90%D.數據分析:利用生成式AI工具進行數據分析53.19%16.35%36.84%E.其他1.06%2.88%-1.82%AI容生成和信息收集作為基礎型應用占比分別為90.43%和（53.19%，36.84%）的使用正在逐步升級。個人認為生成式AI對組織和能力的影響A.生成式AI的引入導致部分崗位表2-5您個人認為生成式AI對組織的影響可能有哪些?（N=274）——生成式AIA.生成式AI的引入導致部分崗位表2-5您個人認為生成式AI對組織的影響可能有哪些?（N=274）47.45%0 20 40

83.94%64.23%72.26%80 100

職責發生變化，需要重新定義和設計崗位，以適應AI技術的應用企業對復合型人才的需求增加企業運營成本0.73%0.73%

75.18%70.80%62.04%

90.51%用新技術的能力表2-6您個人如何看待生成式AI對個體能力具備方面的要求?（N=274）提升創新思維和復雜問題解決能力表2-6您個人如何看待生成式AI對個體能力具備方面的要求?（N=274））0 20 40 60 80 100

1818而對于在組織層面所產生的影響AI（72.26%）有更明顯的體現；在個體能力具備層面，持續學習（90.51%）、創新思維（75.18%）和批判性思維（62.04%）等能力的提升是其普遍認為需要具備的。生成式AI雖然已被廣泛討論和認知，但其實際在組織和個體層面的具體影響尚未完全顯現，因此參調者在評估其發揮的作用時，更多是基于感知判斷而非企業現已產生的變革。這也使得他們對各種潛在影響的可能性持開放態度。二、沒有實際應用的原因分析二、沒有實際應用的原因分析助不大助不大F.擔心信息泄露問題真實性存疑E.對于生成式AI工具所回答內容的準確性和DAI場景C.不清楚生成式AI工具在工作中有哪些應用23.18%23.84%5.96%2023數據（N=151）B.沒有使用途徑A.對于生成式AI這類人工智能技術不感興趣1.99%4.65%2024（N=86）6.98%20073.51%45.70%4046.51%55.81%60.47%1008060表2-7您在工作場景中沒有使用生成式AI工具的原因是什么?除了對已使用的參調者進行調研外，針對還未使用生成式AI的群體，我們詢問了其原因。一方面，從整體人數上，未曾在工作場景中使用的人數對比去年，呈現明顯減少趨勢（2024N=86Vs.2023N=151）。另一方面，從原因上來看，其對應用場景的認知（60.47%）、獲取途徑（55.81%）、內容準確性（37.21%）和信息泄露問題（46.51%）等因認知的局限性所產生的擔憂是阻礙其廣泛應用的主要因素。究其根本，個人認知與看法以及阻礙個人應用的原因的本質仍然可以歸納為前文中，促使企業發展的驅動力“四要素”——認知與擁抱、資源支持度、安全監管和價值衡量。為什么要擁抱生成式政策環境經濟環境社會環境技術環境為什么要擁抱生成式

認知與擁抱資源支持度資源支持度安全監管 使用途徑問題信息安使用途徑問題信息安全顧問題組織和能力的影響個為生成式AII程用的原出個人應該如何看待生成式AI智慧人力，引領未來——2024AI智慧人力，引領未來——2024AI20AI綜合宏觀環境對企業的驅動以及個人視角下應用障礙原因分析，可以聚焦到以下相同的四個要素：認知與擁抱國家政策強調了對經濟高質量發展的追求，鼓勵企業在智能技術，尤其是生成式AI上的投資。企業在引入生成式AI時，應與國家政策保持一致，深入理解其在提升效率、降低成本、創新業務模式中的潛力。資源支持度在政策和技術環境的雙重驅動下，企業基于自身發展需要，增加內部在智能技術上的投入，優化資源配置，提升企業的整體競爭力。安全監管政策對智能技術的數據管理要求企業在智能技術的安全監管方面承擔著重要責任，確保技術應用符合倫理和法律標準。價值衡量AIAI以下我們將圍繞著這“四要素”，分析生成式AI在企業內的具體落地情況。AI革的催化劑？AIAIAI生成式AI如何成為企業發展和變革的催化劑認知與擁抱資源支持度安全監管價值衡量平臺與部署設置專人專崗項目推行制度和培訓宣傳應用場景規劃與開發限制措施限制公司信息透露限制個人信息透露內容審核限制功能工作的提質增效認知拓寬激發創造性思維一、認知與擁抱——企業對生成式AI的接受度和應用意愿正逐步增強。一、認知與擁抱表3-1貴公司對生成式AI的使用態度如何?選項20242023數據（N=104）2年數據差值A.開放態度:支持員工使用生成式AI工具，并積極開發和規劃可應用于企業中的場景33.58%25.96%7.62%B.鼓勵態度:鼓勵員工在工作中使用生成式AI工具，但并未有明確的規劃場景35.04% 26.92% 8.12%C.保守態度:沒有明確鼓勵或禁止使用生成式AI工具，員工可以有個人使用的行為22.63%35.58%-12.95%D.謹慎態度:限制員工使用生成式AI工具1.46% / /E.不清楚7.30%11.54%-4.24%1116.67%場景C.鼓勵員工探索生成式AI的使用助力員工掌握生成式AI使用技巧B.為員工提供生成式AI相關培訓，61.11%66.67%806040200A.向員工進行生成式AI相關宣傳00表3-2企業推動生成式AI工具的使用舉措有哪些?（N=36）AI3-1，33.58%）AI（61.11%）和使用技巧的培訓（3-2，66.67%）鼓勵員工在工作中的探索（61.11%）。二、資源支持度二、資源支持度平臺與部署——部分企業已在內部投入生成式AI的相關平臺供員工使用，以幫助其提高工作效率與結果轉化。同時，出于對企業個性化需求和數據安全的考量，自主研發與混合部署（）主要方式。是是否63.83%36.17%表33AI（N18表3-4使用態度 提供A.是B.否A.開放態度:支持員工使用生成式AI工具，并積極開發和規劃可應用于企業中的場景（N=92）47.83% 52.17%B.鼓勵態度:鼓勵員工在工作中使用生成式AI工具，但并未有明確的規劃場景（N=96）25.00%75.00%盡管對生成式AI持有開放和鼓勵態度的企業占比達到68.62%（表3-1，縱向A+B選項總和），并且在具體系統資源投入上，平臺搭建與其態度呈正相關，但整體而言，仍還有一定的發展空間。外部采購23.53%52.94%23.53%表3-5貴公司生成式AI平臺的來源?（N=68）本地部署本地部署云部署23.53%38.24%38.24%表3-6貴公司生成式AI相應的平臺部署路徑選擇是?（N=68）而具體至平臺來源上，基于一定基礎上的二次開發和全自主研發是絕大部分企業的平臺模式（76.47%），這說企業在追求技術創新的同時，也需綜合考慮成本效益和數據安全問題，從而做出更為多元化的選擇。在此次研究過程中，我們對企業進行了定性采訪。在實際的做法探討中，他們紛紛表示需要結合自身情況選擇適合的方案。中國電信、亞信科技和X公司三家企業分別從平臺的不同選擇模式出發進行了相應的內容分享，為讀者提供學習和借鑒。表3-7企業案例導覽與精粹企業平臺來源內容精粹中國電信外部采購+自主研發針對外部采購的平臺，充分發揮其已有功能優勢針對內部研發產品，注重與業務特點結合，研發各環節緊密相扣亞信科技自主研發 ?關注前沿技術，立足通信行業，自主開發GPT平臺X公司外部采購在現有模型基礎上進行功能實現和創新實踐

中國電信立足當下，電信的具體落地進展產品選型和打造：外部引入和自主研發中國電信采用外部引入和內部研發結合的方式為內部員工提供生成式AI相關產品。針對外部引入的產品，中國電信的工作組負責對其進行嚴格的選型流程，確保其完全符合公司內部制定的相關政策，充分發揮標準化的功能和優勢，而非追求個性化的定制。自主研發深入到與具體業務場景結合的垂直領域，開發與用戶產生實際觸點的產品，并根據內部※由工作組調動內部資源，確保從語料的收集與清洗，到專家的介入，再到產品的打造、運營推廣，以及后續的評估與優化，每個環節都緊密相扣，高效運作。例如，針對學習平臺上數以萬計的課程和豐富的知識資源，中國電信正在探索如何利用大模型技術來優化和重構整體的搜索與推薦體系，提升現有服務的質量和效率。知識庫搭建中國電信意識到現有資源的積累至關重要，尤其是在知識庫的構建上，對其在質量、數量、權威性、準確度以及與業務結合的時效性方面有著很高的要求。實踐亞信科技企業AI革命：生成式AI應用的階段性進展對這些前沿技術的發展保持高度關注，并致力于將它們融入到亞信科技的產品與服務中。亞信科技作為一家領先的高科技企業，對于新興技術如生成式人工智能持有積極和開放的態度，GPT應用平臺：它不僅展示了亞信科技在新一代人工智能方面的技術和應用能力，也體現了亞信科技對行業特亞信科技立足通信行業，開發了GPT應用平臺。該平臺已經在公司內部得到推廣和使用，定應用場景的深刻理解。實踐X公司 X公司AI策略： 基于成熟模型的功能探索與創新司通過申請顯卡資源、配置服務器、安裝所需模型等，為員工提供資源，鼓勵員工探索和應用各類開X公司選擇在現有成熟模型的基礎上進行功能實現和創新，而不是從零開始進行自主研發。X公源模型，尋找最適合自身業務需求的產品。結合上述案例可以看出，對于擁有一定自研技術實力和行業經驗的企業，可以結合自身業務需求將“數據+知識”進行整合，并選擇合適的算法模型和計算資源，通過“算法+算力”進行大模型的定制開發和優化迭代，實現最佳性能和效果。此外，還需兼顧硬件與軟件的同時具備，即企業需要加強對員工意識以及使用方法的培訓，提升他們對大模型的認知和應用能力，助力員工充分利用大模型的技術潛力，從而實現價值轉化的最大化。設置專人專崗——專人專崗負責生成式AI的研發與運營已成為眾多企業的共識/（0.00%）C.是，由global和local共同負責（0.00%）80.00%是，由global/是，由local/20.00%表3-8貴公司針對生成式AI/（針對外資企業（N2）///29.17%8.33%62.50%表3-9貴公司針對生成式AI/（針對本土企業（N=4）AIC.數據分析師C.不清楚企業的生成式AI工具;負責相關算法的調試與優化訓BAIAI工具，并進行日常的系統維護A.IT/SSC部門:負責開發或接入適合企業的生成式AI44.12% ..%表3-10貴公司已經或計劃設置哪些專人/團隊負責與生成式AI相關的工作?（N=64）針對專人專崗的資源設置，我們將參調企業根據企業性質進行劃分。數據表明：外資企業，出于資源的優化配置和技術標準化的考量，更傾向于通過海外總部（Global）來進行統籌管理（80.00%）；而本土企業，已有或計劃設置專人/團隊負責生成式AI研發和運營的企業占比高達91.67%。而相關系統的開發和維護，多數企業會選擇現有IT或SSC部門進行主要負責。由此可見，企業已認識到專業團隊/人員在推動生成式AI發展和應用上扮演著重要角色，并在構建和資源布局上，都在積極采取行動。項目推行制度和培訓宣傳——為更好地促使員工“會用”、“能用”生成式AI，“開展研討經驗交流會”與“提供應用技巧培訓”是不同推行階段的企業最常用的落地手段。甚至，部分企業開始嘗試將生成式AI應用與員工績效考核關聯予以鼓勵探索。促使員工使用，培養員工的人工智能的意識促使員工使用，培養員工的人工智能的意識C.沒有強制應用，但在部門或團隊內部會有激勵手段用場景，提升工作效率B.全公司的應用，由員工自行探索生成式AI工具的使的使用嵌入特定崗位的日常工作流程中AAI23.53%表3-11貴公司生成式AI工具的應用階段?（N=68）11用的規范性和合法性F.制定明確使用指南，確保員工使實踐思路和啟發生成式AI工具解決工作問題提供E.定期進行案例實踐，為員工使用工給予獎勵AI43.75%31.25%25.00%C.在年度考核中，對使用生成式37.50%12.50%資金支持（例如賬號開通）B.為員工使用生成式AI工具提供技巧81.25%訓，助力員工掌握生成式AI使用00806040200A.為員工提供生成式AI相關的培表312AI的舉措有哪些（（N3）1116.67%場景C.鼓勵員工探索生成式AI的使用助力員工掌握生成式AI使用技巧B.為員工提供生成式AI相關培訓，61.11%66.67%61.11%806040200A.向員工進行生成式AI相關宣傳00表313貴公司推動生成式AI工具的使用的舉措有哪些（自行探索和使用（N3）約半數企業（47.06%）AIAI（3-11），并側重于通過“提供相關培訓”（81.25%）和“開展研討或經驗交流會”（68.75%）AI企業開始將其納入績效考核（12.50%），從制度層面激勵員工在工作中的應用（表3-12）。而針對另外部分處于非正式推行階段的企業（3-1052.94%）3-13）。因此，無論企業處于哪一應用階段，技巧培訓都是推動生成式AI工具使用的主要手段。此外，企業需要提高對生成式AI應用的制度規范，防止因員工認知不足帶來的企業的合規性問題或信息危機。為了從實踐層面為讀者提供更詳細的參考，我們針對已成立先行先試項目的企業，在項目團隊分工及宣傳培訓策略上進行了具體做法詢問，讀者可根據自身情況選擇借鑒。表3-14企業案例導覽和專家洞察企業內容精粹中國電信AIAIAI亞信科技公司做指引和領導，產品研發中心和人力資源中心協同完成GPTGPT培養撰寫高質量提示詞能力GPTX公司AI外部專家定期授課，為員工提供拓寬視野的機會鼓勵員工參與外部論壇活動，了解市場信息內部新聞推送，提升員工關注度AIHR洞察AI定期評估培訓效果，持續更新資源，營造知識共享文化重視提問環節，培訓提問技巧，建立交流學習平臺構建知識庫，助力員工快速解決問題，促進技能提升AI實踐

中國電信員工認知和使用培訓3131中國電信高度重視員工對于人工智能認知與應用能力的培養。基于國資委體系以及央國企對于人工智能的重視和大力號召，中國電信今年在開展關于人工智能理念、相關技術以及業務相關學習的培訓方面加大了資源的投入力度，并進一步明確要求，集團全員的培訓計劃中需加入人工智能專題培訓模塊，為員工普及大模型種類和常見專有名詞等相關知識。除此之外，電信回歸業務經營層面，思考人工智能怎樣推動業務發展并帶來收入。培訓分工情況 可以更加靈活的在細分業務領域按需開展培訓。 學習與發展部門：中國電信開展人工智能專題培訓，基于AI的服務能力讓員工認識和AIAIAI陪練強化員工的應用能力。推廣和鼓勵措施中國電信引入AI技術是希望能夠幫助員工在工作中解決問題，所以在電信內部會不定期開展非正式的競賽活動，以開放式或設定若干主題的形式，讓員工結合自身業務場景，借助AI輔助完成一定的工作，并對應用成果優秀的員工給予獎勵。實

亞信科技企業AI革命：生成式AI應用的階段性進展GPT先行先試項目：亞信科技啟動了專門針對GPT應用的先行先試項目，面向公司各個事業部提供AI服務。該項目的核心目標之一是通過集成GPT技術來提高工作效率，節省人力成本。在亞信科技的人力資源部門中，招聘崗位被設定為該先行先試項目的重要試點崗位，以助力提高人員招聘工作效率，另外在培訓、SSC等崗位方向也均有試點。團隊分工情況——公司做指引和領導，產品研發中心和人力資源中心協同完成 產品研發中心：負責技術實現和產品開發，推出內部自用產品，提高公司運作效率，同時也開發面向外部行業的應用產品，以拓展市場和滿足客戶需求。產品研發中心的工AI領先和市場競爭力。 人力資源中心：發揮著戰略伙伴的角色，與產品研發中心緊密合作，共同梳理和定義與新技術相關的崗位要求，確保人才與崗位的匹配。此外，人力資源中心還負責監控項目進展，評估人效提升和階段性成果，通過數據分析為管理決策提供支持。企業生成式AI的認知深化與應用實踐認知培訓：亞信科技內部定期組織“亞信科技GPT系列”直播課堂，由產品研發中心專家與人力資源部培訓團隊培訓專家共同主持。培訓根據不同崗位員工所面臨工作場景的要求，教授員工如何通過使用GPT技術和工具提升工作效率。具體內容涵蓋以下幾方面：GPT認知培訓：GPT工作原理和應用潛力，開發了《AI演進歷史及企業數智化實踐》等課程； GPT崗位提效培訓：分別針對公司銷售/售前崗位、項目產品規劃崗位、研發崗位、GPT產品體系及解決AIAI1+6+8 提示詞撰寫培訓：為了培養員工撰寫高質量提示詞，以及構建提示詞模板的能力，以GPT，GPT GPTGPTGPTPPT》等課程。部門或團隊的推廣使用：進行積極的探索和嘗試，并推廣使用。GPT項目在工作場景中的具體落地，并將計入績效考核。GPT項目在工作場景中的具體落地，并將計入績效考核。牽頭AI和GPT項目組推進：實

X公司X公司AI創新大賽：探索生成式AI的多元應用X公司緊跟生成式AI技術的發展趨勢，開展AI創新大賽，以組建團隊并申報項目的形式，鼓勵員工參與，助力員工探索基于工作場景AI技術的潛在用途。團隊分工情況：集團領導：XAI的重要性，并重視其在企業內的普及和應用，因此授意在全集團開展創新大賽，給予大力支持和推動；人力資源部門：由人力資源部下屬的組織發展部門負責創新大賽整體的組織和開展；法務部門：X公司要求法務部門全程參與創新大賽，以確保活動各環節的合規性和安全到項目驗收環節的展示材料，都要經過法務部門的審核；在材料申報和宣傳用詞上，法務部門提供專業的指導，避免因用詞不當導致爭議；評估委員會：由集團VP級別的領導組成，同時包括研發和資源管理的負責人，負責評AI※ 員工組隊參與創新大賽，需要進行項目申報，并撰寫項目計劃書，向評估委員會進行立項匯報，闡述項目的目標、計劃、所需資源和人力投入等；評估委員會對申報的項目進行評審，避免資源重復投入，對入圍的項目給予資源支持；※中期匯報與項目監管：項目中期匯報環節，參賽團隊向評估委員會匯報項目進展、已實現功能、后續計劃等，委員會根據匯報內容評估項目是否繼續開展；※驗收與評獎：項目成果上線后，參賽團隊匯報項目的效益、數據等，評估委員會基于數據進行驗收和評獎。例如，X公司微博的“評論羅伯特”在上線后產生一定的話題度和效益，被評選為一等獎。定的思考和借鑒。定的思考和借鑒。享項目情況、AI進行培訓和分享。特別是對于經過評估后具有重要價值的項目，團隊成員需要向全員分案例分享活動：X公司要求創新大賽的項目團隊以直播課或線上課程等形式定期向員工AI新聞推送：X公司通過內部新聞推送等多種渠道向員工公開透明的介紹創新大賽各項XAI的重要方式。了解同行和供應商的最新應用能力，為公司內部的創新和發展提供參考。內部案例實踐分享學習關知識，幫助員工拓寬視野，更好地理解AI行業趨勢和技術發展；專家宣講：由組織發展部定期邀請外部AI領域的專家來公司授課，為員工普及AI企業內外聯動的生成式AI宣傳與培訓策略外部資源學習R認知培訓AI李女士企業生成式AI知識普及與員工能力提升策略科技資訊推送：企業可以定期向員工推送科技前沿資訊，包括人工智能領域的最新發展、AI報道等，幫助員工對行業趨勢有清晰的認識，提升對新技術的理解。鼓勵員工參與學習，增強對新技術的掌握和應用能力。內部培訓平臺：建立或優化內部培訓平臺，提供與科技前沿相關的課程和培訓材料，內容和方法，滿足員工的學習需求。評估與反饋：定期評估內部宣傳和培訓的效果，收集員工的反饋，以便不斷優化培訓識過時。持續更新資源：確保培訓資源和資訊內容的持續更新，與科技發展保持同步，避免知 知識共享文化：鼓勵員工之間的知識共享，通過研討會、工作坊等形式，促進跨部門的交流與合作，共同探討如何將新技術應用于實際工作中。使用技能培訓企業在培訓和指導員工時，需要特別重視提問環節的重要性。有效的提問不僅能夠促進深入思考，還能幫助員工獲得他們所需的答案和解決方案。提問技巧培訓：組織培訓課程，教授員工如何提出有深度和廣度的問題，以及如何通過提問來澄清概念和解決問題。 交流學習平臺：利用在線論壇、問答平臺等技術工具，為員工提供一個隨時提問和交流的空間。建立知識庫：企業可以構建內部知識庫，幫助員工找到常見問題的答案，同時也能夠提出新問題。生成式AI精準度提升：數據訓練與人工校驗的協同AI持續的數據訓練和人工校正逐步提升的。初期的不精確是正常現象，AI產品設計時，應預留空間讓AI進行自我迭代和訓練，同時可以設置人工校驗的機制AI應用場景規劃與開發——生成式AI的實踐不再只是技術部門的“一家主導”，職能與運營相關部門也在積極參與探索和應用。11200市場營銷等前端部門財務、人力、法務等職能部門4056.25%6087.50%0080表3-15貴公司目前在哪些部門進行了生成式AI應用場景的開發和規劃？（N=32）AI職能部門（財務、人力資源、法務）的探索應用開始“嶄露頭角”（56.25%）。此外，市場營銷等前端部門應用卻不及半數（43.75%），關于這一數據背后的分析原因，外服云專家給出了可能性的判斷和解讀：洞察外服云平AI為營銷工作的開展提供了新的工具和可能性，但其能力的展現受限于技術難度和用戶的認知水著提高。為了充分利用生成式AI帶來的優勢，需要企業付出一定時間和金錢的成本，助力員工進行。雖然生成式AI的入門使用相對簡單，但當涉及到更高級的應用，如“文生圖”等任務時門檻顯深入學習和持續實踐，才能真正釋放其在營銷策略和創意執行中的潛力。AIAIAI實踐

X公司X公司創新大賽覆蓋了公司內多個部門的項目，并且已經取得了一定成效。以部分業務部門、人力資源部門以及法務部門的具體應用為實例，展現創新大賽的成果：技術部門：生成式AI技術在業務部門的應用較為廣泛和多元。例如，技術團隊利用生成式AI輔助代碼編寫，設計部門通過生成式AI激發創意設計靈感等；人力資源部門：SSCAIHR法務部門：利用生成式AI技術提升法務文檔的處理效率和準確性。例如，通過生成式AI輔助檢索，確保文檔中沒有錯別字，語義通順，從而保障法務文檔的嚴謹性與合規性。生成式AI在企業中的應用主要以技術研發與業務相關部門先行為主。在具體實踐過程中，外服云專家認為可以從以下五個環節循序漸進開展生成式AI對業務流程的重塑：洞察

外服云認知、使用和技能的普及作為后續業務場景應用的AI使用的普及和相關技能的

業務場景實踐 基于應用場景，識別并聚焦高頻用戶，展示其最佳

知識庫與數據沉淀 培養。業務流程重塑 人機結合是未來趨勢，AI可能替代工作流程中的某些環節，實現業務流程的 客戶體驗和服務產品。

力員工對生成式AI的嘗試和應用。業務系統嵌入 實現知識庫與AI的深度結合，并將其嵌入業務系統中，助力業務某些專項 工作的完成。

個人層面的實踐普及之后，需要推動組織層面的深入應用。這要求企業內部私域知識的有效沉淀和結構AI中，實現對更廣泛群體的應用覆蓋。三、安全監管——企業對生成式AI的限制雖逐步解除，但仍在不斷完善信息保護和內容合規要求，“自由亦要有邊界”三、安全監管112023數據（N=92）2024（N=254）是否75.59%00806040200表3-16貴公司針對生成式AI工具的使用是否有限制?（）D.限制員工通過生成式AI完成非標準化的工查，確保合規合法C.要求員工對生成式AI所生成的內容進行審2023數據（N=55）B.限制將個人信息透露給生成式AI式AIA.限制將公司信息、客戶信息等透露給生成2024（N=192）014.55%18.75%2049.09%47.27%60 50.00%53.12%4074.55%73.95%10080表3-17貴公司針對生成式AI工具的使用有哪些限制措施?安全監管的貫徹落實是企業內部實現生成式AI全面應用最重要的基礎。雖從限制角度，企業已越發開放，但不斷完善信息保護和內容合規是底線要求（公司信息73.95%，個人信息50.00%）。同時，部分企業要求對生成式AI所生成的內容進行合規性審查（53.12%）。即為：遵循“自由亦要有邊界”準則。AIX實踐亞信科技數據守護者：生成式AI的數據監管亞信科技內部成立專門信息安全委員會，負責信息安全以及隱私保護等相關工作，具體體現為：針對通用型GPT工具，在制度流程方面，亞信科技建立嚴格的規章制度，對信息進行確保機密信息的安全性；分級管理，對不同級別的信息進行相應技術處理，并由信息安全委員會進行全面監管，針對亞信科技自主研發的產品和工具（如：認知增強平臺和行業大模型等），在研發階段就充分考慮信息安全因素，采用信息脫敏和數據脫敏機制，以及一系列技術手段來控制數據外流，確保公司信息和客戶信息的安全。實踐X公司企業的監管和限制措施允許員工輸入到生成式AI對于涉及公司內部敏感信息的相關數據，對于企業公開可查的信息，公司嚴格執行保密措施，嚴禁將其上傳至外部系統ChatGPTAI它具備強大的數據分析和報告生成能力，能夠根據復雜的數據框架自動生成圖文報告，并對數據進行解讀，但在實際操作中，某些數據無法被傳輸出去，導致這些技術的應用無法實施。四、價值衡量四、價值衡量——提升工作效率、拓寬認知、激發創新思維是企業普遍對生成式AI的價值認可。此外，處于不同應用階段的企業，對其所產生的價值要求會呈現不同側重。）C（的想法和認知B.解決了員工的知識盲區，拓寬員工A.提高工作效率，促進結果轉化26.47%58.82%表3-18貴公司目前對生成式AI的使用真正做到價值衡量的是哪一階段?（N=68）表3-19價值衡量應用階段A.提高工作效率，促進結果轉化B.解決了員工的知識盲區，拓寬員工的想法和認知C（讓方式）A式AI工具的使用嵌入程中（N=32）75.00%6.25%18.75%B.全公司的應用，由員工自行探索生成式AI工具的使用場景，提升工作效率（N=20）70.00% 20.00% 10.00%C能的意識（N=16）12.50%25.00%62.50%價值衡量是企業全面布局生成式AI應用的重要目標之一，在具體已實現的結果轉化進度上（表3-18），提升工作效率（58.82%）、拓寬認知（14.71%）、激發創新思維（26.47%）是企業普遍對生成式AI的價值認可。此外，處于不同應用例如有先行先試項目制度的企業，在提升工作效率和結果轉化（75.00%）上有更高的要求；而處于“探索應用階段”的企業，則更側重于激發員工的創新思維（62.50%）。關于具體價值衡量的實際落地，X實實踐X公司X公司AI創新大賽：探索生成式AI的多元應用AIX公司緊跟生成式AI技術的發展趨勢，開展AI創新大賽，以組建團隊并申報項目的形式，鼓勵基于流量數據的價值衡量API通過查看API接口調用量的數據，評估不同項目AI技術的應用程度，并以此衡量項目的實如果一個項目實際調用接口的流量極少或幾乎沒有，那么表明該項目并沒有真正有效地利用AI技術。實踐亞信科技價值探索：生成式AI應用成效的評估與衡量亞信科技在評估項目和策略成效時，注重效能和可量化數據的分析，采用定期的數據向影響；提報和分析機制。目前，亞信科技每月進行數據監控和評估，初步結果顯示正在產生正以便更準確地判斷是否實現了預期目標和成效。通過年度周期的評估，可以更好地支持為了更全面地評估成效發展策略的調整和優化，確保項目發展策略與公司的長期目標和愿景保持一致。除了上述對生成式AIAI直接影響到其實用性和推廣程度。那么對于企業來說，內容準確性問題可以有哪些應對措施呢？A.定期進行模型和算法優化A.定期進行模型和算法優化B.由專家對生成內容進行審核和修正2.94%02044.12%C.實時收集用戶反饋，并根據反饋406080100（如智能機器問答）D.提出免責聲明E.其他表3-20貴公司針對生成式AI所生成內容的準確性問題有什么措施?（N=68）從企業角度出發，絕大多數企業會通過算法優化（67.65%）和實時收集用戶反饋并轉人工回復（47.06%）積極尋求AIAIAI對此，外服云專家為我們提出以下建議：洞察

外服云生成式AI的準確性提升策略為提高生成式AI的精確度，企業需要建立一個全面且持續更新的語料庫，作為AI學習和內容生成的知識基礎。提示詞撰寫當前"大模型幻覺"不可避免，但用戶可以通過細致精確的提示詞，有效引導AI生成準確和高質量的內容。AIAI企業級應用——流程編排企業級生成式AI通常需要AI對業務流程有全面深入的理解，從而能夠判斷用戶提出問題的性質、進行語義理解和知識庫檢索、匹配問題答案，從而實現通過流程編排準確執行復雜任務的應用。五、實踐總結——企業層面應用五、實踐總結——企業層面應用根據專家洞見和優秀企業實踐，我們對四個維度的驅動力實現進行了做法總結，供讀者啟發和思考：維度劃分具體內容認知與擁抱AIAI鼓勵建立知識共享文化，通過研討會、工作坊等形式，促進跨部門的經驗分享與合作，共同探討新技術應用的可能性。 幫助員工及時了解行業趨勢實時提升對新技術的認識。定期向員工推送科技前沿資訊 評估與反饋：定期評估培訓效果，收集員工反饋，同步更新。資源支持度基于企業現狀，制定研發投入計劃，明確包括資金、人才和技術的相應落實方向。AI共同探索和推進。 AI的應用機會和潛力。場景規劃：深入分析不同場景的具體需求，識別生成式安全監管I成式AI應用符合相關數據保護法和行業標準，并定期的審查。 對于敏感數據，信息管理和限制：對企業信息進行分級，根據信息敏感度采取不同管理和技術處理措施制定嚴格的保密機制和訪問控制，嚴禁未經授權的傳輸。員工培訓：加強員工對數據安全重要性認識，通過培訓提高其對信息保護的意識。價值衡量AI(ROI)AIAIAI定范圍內的效益最大化。生成式AI如何深入人力資源領域？上一章節，我們從企業層面探討了對生成式AI的認知、資源支持情況，以及安全監管和場景規劃等方面的具體措施。而本章節，我們將從具體場景應用出發（以人力資源領域為例），開展相應的定量、定性研究，試圖總結其現狀變化并進行應用深度上的挖掘。一、應用階段一、應用階段——積極推進和規劃生成式AI在人力資源領域應用的企業顯著增加，部分企業已在特定模塊實現全流程嵌入的成熟應用。表4-1生成式AI在貴公司人力資源領域的應用程度如何?選項2024數據（N=218）2023數據（N=92）2年數據差值A.尚未有應用，未來也沒有計劃應用23.85%60.87%-37.02%B.尚未有應用，但已經在準備和規劃中33.94%23.91%10.03%C.初步應用階段，有一些泛AI的場景應用38.53%15.22%23.31%在人力資源某些模塊有（例如招聘模塊的簡歷篩選、JD撰）3.67%//AI（37.02%）7AI人力資源從業者要求人力資源從業者要求人力資源角色人力資源組織架構影響和賦能薪酬福利管理和績效管理CoreHR培訓與發展招聘與配置應用領域具體應用——人力資源部門生成式AI在企業中的應用二、應用領域——生成式二、應用領域20232023（N=36）B.培訓與開發D.績效管理A.人才招聘C.薪酬福利管理E.Core）39.76%44.44%44.44%22.22%16.67%21.69%24.10%2024數據（N=166）57.83%56.63%604020083.33%10080表4-2生成式AI在貴公司的人力資源領域的哪些工作中有所應用/計劃有所應用?聚焦于人力資源領域的細分場景應用，近兩年數據顯示，人才招聘（57.83%）和培訓開發（56.63%）仍然是最廣泛的應用模塊。其次為coreHR（39.76%）的應用。值得注意的是，績效管理和薪酬福利管理作為員工最為關心的切身利益內容，其因方案的制定和調整需綜合考慮多種因素，具有一定的復雜敏感和保密性，目前在該兩個模塊上使用的企業量不多（24.10%和21.69%）。此外，CoreHR的應用雖在2024年比例下降（83.33%下降至39.76%），但整體應用的絕對值有所提升（2023年N=36和2024年N=166），隨呈現向好態勢，但在實際技術實現上，還是存在不小挑戰。對此，外服云專家給出以下解讀和建議：洞察外服云生成式AI在人力資源領域的應用了高度的自動化。CoreHR缺乏有效的技術手段來挖掘和CoreHR系統是企業內部管理人、財、物、事的核心工具，在信息的生產和收集方面，已經實現利用數據，因此目前AI在CoreHR系統中的應用并不普遍，需要進一步的技術發展和創新來克服現有障礙。數據呈現?人才招聘表4-3生成式AI在人才招聘工作中有哪些應用?選項2024數據（N=96）2023數據（N=15）2年數據差值A.簡歷篩選81.25%66.67%14.58%B.崗位、人才信息搜集72.92%53.33% 19.59%C.崗位說明書生成68.75%53.33%15.42%D.招聘數據生成統計（例如今日收到簡歷量）52.08%/ /E.簡歷搜尋和智能匹配62.50%40.00%22.50%F.崗位人才畫像和能力模型生成52.08%26.67% 25.41%G.AI面試37.50%//H.面試報告生成（面試問題、面試結論）41.67%26.67% 15.00%I.候選人保溫/offer內容/拒信內容等郵件撰寫29.17%//J.招聘文案/宣傳海報生成45.83%/ /K.雇主品牌相關內容生成27.08%53.33%-26.25%仍然（52.08%）”等功能應用也開始有一定的普及應用。?培訓與開發表4-4生成式AI在培訓與開發工作中有哪些應用?選項2024數據（N=94）2023數據（N=15）2年數據差值A.AI陪練57.45%//B.培訓資料搜集63.83%83.33% -19.50%C.培訓大綱、課件生成78.72%83.33%-4.61%D.知識萃取與沉淀65.96%66.67% -0.71%E.測評題目擬定63.83%16.67%47.16%F.培訓課程推送46.81%/ /G42.55%33.33%9.22%“（百分比絕對值上的差異性較小（78.72%知識萃取與沉淀（65.96%）”、“培訓資料搜集（63.83%）”、“測評題目擬定（63.83%）”等文本生成類的應用較“為主導，智能推送（46.81%）和交互型應用（AI陪練57.45%）則較為其次。?CoreHR表4-5生成式AI在CoreHR工作中有哪些應用?選項2024數據（N=66）2023數據（N=27）2年數據差值A78.79%74.07% 4.72%B.作為智能客服，幫助員工查詢個人薪酬、福利、考勤等信息63.64%66.67%-3.03%C.員工信息數據處理、更新和維護60.61%/ /63.64%//E.集、整理員工需求48.48%29.62% 18.86%F.與RPA結合，應用于入職指引、事務辦理等標準化的場景中51.52%51.85%-0.33%CoreHRAI（兩年數據對比差異不大），且在信息生產和收集方面，本身也已實現高度自動化。由此可見，企業始終重視利用技術來提高服務員工的效率和體驗，并通過智能客服等交互方式快速響應員工的問題和需求。但也同時需要注意的是：CoreHR數據，還需繼續依靠技術手段進行進一步的挖掘和利用，顯然，這也為在該細分模塊的創新發展上，帶來了更大的潛力。薪酬福利管理和績效管理A.薪酬或福利市場信息4055.56%60搜集薪酬方案大綱生成02080100問題的回答表4-6生成式AI在薪酬福利管理工作中有哪些應用?（N=36）60.00%60.00%75.00%80.00%績效考核維度生成績效方案框架生成員工績效評估問題的回答020406070.00%80100表4-7生成式AI在績效管理工作中有哪些應用?（N=40）4-64-7AI24.10%），其實際賦能點存在高度共性，基本都為方案內容生成、信息搜集和問題問答（實現率基本都達到六成及以上）。AI?應用階段與各模塊數據對比此次，除了調研“企業在各模塊的實際應用”現狀，我們還針對“已有應用企業”和“未有應用企業”在各模塊可予以實現的程度進行對比分析，以進一步探究其“理想”與“實際”的差距。甚至，對生成式AI就現階段而言，所能賦能的局限性作出思考。表4-8應用程度人才招聘準備和規劃（N=38）初步應用+成熟應用（N=58）差值A.簡歷篩選89.47%86.54%2.93%B.崗位、人才信息搜集78.95%67.95%11.00%C.崗位說明書生成68.42%67.95%0.47%D.招聘數據生成統計（例如今日收到簡歷量）63.16%54.49%8.67%E.簡歷搜尋和智能匹配63.16%64.11%-0.95%F.崗位人才畫像和能力模型生成57.89%56.41%1.48%G.AI數字人面試36.84%35.90%0.94%H.面試報告生成（面試問題、面試結論）52.63%33.98%18.65%I.候選人保溫/offer內容/拒信內容等郵件撰寫31.58%30.13%1.45%J.招聘文案/宣傳海報生成47.37%39.74%7.63%K.雇主品牌相關內容生成31.58%28.21%2.77%在人才招聘領域，各場景的實際應用比例與規劃相比普遍存在差距。“簡歷搜尋和智能匹配”這一功能性應用，由于技術的可實現性以及與招聘系統集成的便利性，其實際落地的占比略高于規劃階段的企業（差值為0.95%）。AI“面試報告生成”的實際應用比例未能達到規劃階段的預期（差值18.65%）。從技術層面上看，面試報告生成要求具備高度精準的自然語言理解和生成能力；從面試管個人層面看，面試管可能對AI生成內容的信任度不足，更偏好依賴AI個人的專業知識和直覺來對候選人進行評估。表4-9應用程度培訓與開發準備和規劃（N=50）初步應用+成熟應用（N=44）差值A.AI陪練64.00%72.50%-8.50%B.培訓資料搜集64.00%57.50%6.50%C.培訓大綱、課件生成80.00%65.00%15.00%D.知識萃取與沉淀68.00%57.50%10.50%E.測評題目生成72.00%75.00%-3.00%F.培訓課程推送48.00%47.50%0.50%G.個性化個人發展計劃、領導力發展計劃生成48.00%65.00%-17.00%在培訓開發領域，“培訓大綱、課件生成”的實際應用比例較規劃階段企業下降了15%，這表明企業在技術集成上仍然存在挑戰，并且對生成內容的質量存在一定顧慮。而“個性化個人發展計劃、領導力發展計劃生成”的實際應用卻超出規劃階段企業17%，表明企業在實踐中認識到了AI在個性化培訓計劃中的高價值。表4-10應用程度CoreHR準備和規劃（N=32）初步應用+成熟應用（N=34）差值A.作為智能客服，回答員工關于企業政策的咨詢81.25%87.50%-6.25%B.作為智能客服，幫助員工查詢個人薪酬、福利、考勤等信息75.00%75.00%0.00%C.員工信息數據處理、更新和維護68.75%75.00%-6.25%D.員工入職流程自動化辦理68.75%78.13%-9.38%E56.25%68.75%-12.50%.與RPA結合，應用62.50%68.75%-6.25%CoreHR領域，已經實際應用企業的在各場景應用占比普遍高于計劃應用的企業，說明CoreHR成問題，主要挑戰在于提高功能的準確性。表4-11應用程度薪酬福利管理準備和規劃（N=24）初步應用+成熟應用（N=12）差值A.薪酬或福利市場信息搜集75.00% 87.50% -12.50%B.薪酬方案大綱生成83.33%62.50%20.83%C.福利宣傳內容生成58.33% 50.00% 8.33%D.員工薪酬福利社保等問題的回答58.33%62.50%-4.17%對于薪酬福利管理，"薪酬方案大綱生成"對定制化需求較高，因此實際應用比例低于準備和規劃階段20.83%。而"（87.50%）較準備和12.50%表4-12應用程度績效管理準備和規劃（N=22）初步應用+成熟應用（N=18）差值A.績效考核維度生成100.00% 46.43% 53.57%B.績效方案框架生成72.73%46.43%26.30%C.員工績效評估問題的回答72.73% 92.86% -20.13%D.績效數據統計72.73%78.57%-5.84%段在績效管理的企業（53.57%）20.13CoreHR段能客服回答的集成，通過AI客服有效回答員工績效評問題。技術成熟度AI定制化需求；人力資源各模塊工作流程的復雜度則考驗生成式AIAI案例呈現以上定量數據為我們從整體人力資源領域上所能實現的現狀給予了認知和參考。那么更進一步的具體落地，還需體現在流程實現和實踐做法上。我們采訪了一些行業的頭部企業，其針對數據中應用率最高的三個模塊場景（人才招聘、培訓發展和CoreHR）作出了針對性分享和探討，希望能為讀者提供參考和思考，并以企業案例導覽和專家洞察——具體案例實踐——案例總結的邏輯呈現。表4-13企業案例導覽和專家洞察應用模塊企業應用場景人才招聘亞信科技基礎性應用崗位說明書生成?面試官賦能進