智能技術賦能人力資源管理TheApplicationofArtificialIntelligenceinHR前言研究框架主要發現

·CONTENTS234Part1：人工智能技術在HR領域的應用概況 7企業面臨著內部與外部的挑戰，AI技術可作為破局的新方法 7AI技術在HR領域的應用情況 11Part2：認識大語言模型：從原理到應用 21Part3：體驗大語言模型：使用者的認知與探索 25Part4：企業中的大語言模型：價值與實現基礎 29大語言模型對企業的價值 29Part5：HR中的大語言模型：影響與應用40大語言模型的價值實現基礎 32Part5：HR中的大語言模型：影響與應用40大語言模型對HR的影響 40大語言模型在企業HR部門的應用情況 45參考資料 61參調樣本 623企業案例和專家洞察 633前言前言布萊恩?阿瑟在《技術的本質》中講到：“科學與經濟的發展，都是由技術所驅動的。技術給我們帶來了舒適的生活和無盡的財富，也成就了經濟的繁榮。我們的世界因技術而改變。”誠然，無論是在經濟學理論中技術要素對于生產函數的改變，還是在現實中技術對于人類生產生活的改變，都證實了技術的重要力量。2023年，生成式人工智能（GenerativeArtificialIntelligence）無疑是備受關注的科技熱點。麥肯錫TechnologyTrendsOutlook2023報告中將生成式AI2023年的全球科技趨勢之一，并稱生成式AI通過科技的力量推動了商業和社會的進步，引領了全球經濟的復蘇與可持續增長；世界經濟論壇在Top10EmergingTechnologiesof2023AI2023AI能夠顛覆行業、促進經濟增長、改善人們的生活。生成式AI生成式AIAIAI也驚嘆于它的對答如流。在這樣的關注之下，生成式AI背后的基礎大模型成為了技術的焦點。基礎大模型技術可以被細分為大語AI它可以幫助CRPAB經濟學家約瑟夫?熊彼特所提出的“創造性破壞”可以較為貼切地概括大語言模型為企業帶來的影響。熊彼特認為，創新會破壞企業內部的舊結構，創造新結構。技術、商品、商業模式等結構的創新，會打破已有的市場均衡，為企業帶來超額利潤。同樣，大語言模型作為技術的創新，也會為企業帶來效率提升、成本降低等利好，也會帶來管理與競爭模式的變化。作為企業重要的支持部門，HR部門也同樣面臨著變化與創新。上述的利好與變化是企業管理者們、HR從業者們所關注的，也是本研究報告的出發點。由于大語言模型是人工智能技術中的一個類別，大語言模型在HR領域的運用情況很大程上取決于企業對于人工智能技術的關注與支持，以及人工智能技術在HR領域的發展情況。因此，本研究會先從AI技術在HR領域的運用概況講起，為大語言模型的落地提供基礎。而后，研究將聚焦于討論大語言模型在HR領域的實踐。研究通過對國內外學術資料的研究，闡述了大語言模型的技術原理；通過定性與定量研究的結合，討論了大語言模型為企業與HR部門帶來的價值與變化，并對大語言模型在HR領域的應用場景重點展開了討論。閱讀此報告，您將了解到如下信息：HR領域的發展現狀大語言模型技術的概念、實現路徑、通用領域大語言模型為企業帶來的價值，以及在企業內部實現其價值的基礎HR的影響，HR部門對大語言模型的應用2摘自麥肯錫官網：TechnologyTrendsOutlook2023/2摘自世界經濟論壇官網：Top10EmergingTechnologiesof2023/研究框架研究框架大勢所趨創新求變

█Part1：人工智能技術在HR領域的應用概況★AI技術在HR領域運用的必然性與價值★AI技術在HR領域的應用情況★AI技術的迭代：2.0大模型時代認知在先認知在先探索前行█Part2：全面認識大語言模型█Part3：初步探索大語言模型發現利好█發現利好█Part4：企業中的大語言模型實現利好█★實現基礎★價值Part5：HR中的大語言模型★大語言模型對HR的影響★HR領域的應用場景主要發現主要發現█Part1人工智能技術在HR領域的應用概況★AI技術在HR領域的應用具備必要性與可行性。但從實際情況而言，55%企業對AI技術的應用還處于觀望狀態★招聘和培訓是當前AI視頻面試為Top3的運用場景；在培訓模塊，培訓流程管理、個性化課程與內容推薦、場景化培訓為Top3★AI大模型的出現可為HR領域帶來新的解決方案。70%以上的HR當前最為關注大語言模型的發展與運用大是什么？語大是什么？語大語言模型是大數據、大規模算力、智能算法的結合產物，它可以進行自監督學習，理解和生成人類語言 言模性能突破在哪里？型更強大的語言理解能力、更高的內容生成質量、更廣泛的應用領域 可以用在哪里？對話、語言生成、翻譯等通用領域Part3大語言模型的話題熱度較高，大部分參調者了解過大語言模型，但使用情況與認知情況存在較大差距您是否了解大語言模型？N=2633.04%您是否了解大語言模型？N=2633.04%96.96%聽說過或了解完全不了解N=25559.22%40.78%使用過沒有使用過Part4大語言模型在企業中的價值大語言模型在企業中的價值降本：通過替代基礎崗位、一崗多能的方式，降低人力成本增效：提升組織整體的創新與技術應用能力實現基礎管理基礎支持與資源基礎限制措施技術基礎█Part5HR中的大語言模型：影響與應用大語言模型會為HR崗位、能力帶來較大的影響。雖說如此，在HR領域落地規劃應用或已落地應用大語言模型的企業實際不足半數；共享服務中心（員工自助）、招聘、培訓、人力資源規劃為主要可落地場景HRHRN=925.43%94.57%是否對1.09%98.91%是否9215.22%60.87%23.91%已經在部分工作中進行了應用未落地應用，但已規劃可應用場景沒有任何規劃或應用H=683.33%44.44% 44.44% 38.89%共享服務中心招聘培訓人力資源規劃Part1:人工智能技術在HR領域的應用概況Part1:人工智能技術在HR領域的應用概況在前言中我們提到，大語言模型是對已有人工智能技術的迭代，它組合了自然語言處理（NLP）技術中的Transformer模型、神經網絡，以及機器學習中無監督學習的方法。也就是說，大語言模型是將多種成熟的人工智能技術作為其組成部部分，從簡單到復雜，不斷進化與成長，最后擁有了顛覆性的能力。因此，企業是否愿意使用大語言模型、是否愿意在HR領域運用、是否有能力使用大語言模型，與企業對整體AI技術的了解與運用程度有很大的關聯。因此，在討論大語言模型的應用前，我們將對整體的AI技術在HR領域的應用概況予以說明，為我們討論大語言模型在HR領域的運用打下基礎。█企業面臨著內部與外部的挑戰，AI技術可作為破局的新方法HRAI業領域所產生的價值（降低成本、提高效率、加強客戶體驗、智慧決策），HR★為何AI技術會破解企業內外部的挑戰的新思路？為何AI會在HR領域興起？我們不妨聽聽HR們的聲音：市場聲音“AI在HR領域的運用趨勢已經非常明顯，在外部環境的影響之下，就自身企業而言，是否有必要進行投入，以及運用在哪個領域。這些都需要企業深思熟慮”“為了追求更高的效率和利潤收益，企業必須在管理的思維方式、運轉模式以及各個職能的運營上進行轉型和迭代，以此來配合業務“跳舞”――人力資源也是如此，其需要借助人工智能加速迭代，才能與業務部門一起翩翩起舞”“大多數傳統企業對人工智能在HR領域的運用還停留在淺層階段。然而，這完全不意味著HR技術、新方法，不斷嘗試各種潛在可能。”適應變化，與時代同行，人工和智能互相促進，循環迭代，一起創造更大價值。”“人力資源部逐漸成為業務部門的戰略合作伙伴，核心目標都是為了支撐公司戰略的實現，利用數字化技術通過移動化、社交化、智能化、大數據來賦能HR，最終都是支持公司效能的提高以及用戶體驗的提升”總結市場聲音我們發現，AI技術在HR領域的興起主要源自兩個方面，一方面來源于外部環境；另一方面，則是在外部環境的影響之下，企業內部人才管理面臨的實際挑戰，而AI技術成為了打破困局的解決方案。?外部環境的模糊復雜性，意味著組織需要更加靈活的應對；?技術的推陳出新，業務領域的人工智能產生的積極效果輻射至HR領域；?環境的變化意味著企業文化和員工思維需要與時俱進，快速應對變化，制定前瞻性決策。?新生代員工的加入，關注個性化體驗；?勞動力愈來愈趨于老齡化，需要企業激活和精準化識別組織內現有人才，人工智能能夠輔助HR找到潛在“人物”，讓優秀人才脫穎而出；?……外部環境人口結構新生代、人口老齡化外部環境人口結構新生代、人口老齡化環境VUCA時代技術技術推陳出新內部挑戰◎◎ 精準性的人才識別、配置人才“活用”◎ 針對性人才塑造發展人才再生與“保鮮”◎◎ 組織小化組織◎ 靈活化多元化◎◎ 與時俱進思想/思維◎ 重體驗個性化服務★AI技術對于人力資源管理工作的價值結合前期的市場診斷我們發現，AI技術在HR領域所發揮的價值，與其在商業領域所發揮的價值有所趨同。我們將AI為HR工作帶來的價值總結為如下三方面：?提升效率HRHR基礎人事問答、快速審批處理等。?增強員工體驗隨著AI發展的深入，用戶體驗的顯性化結果會有所不同，在最開始更多體現是人機交互界AI例如通過聊天機器人更快地為用戶提供答案等等。?智慧決策幫助HR和管理者和員工更好地認識“人”和“組織”，制定前瞻性的預測。例如公正全面有效地提供內外部人才評估的決策結果、進行客流量預測并智能排班等。同樣我們發現，AI技術在HR領域所展現的價值，與其在企業內部的應用階段有關：?當企業在初期引入AI技術時，企業內部的數據積累較為薄弱，技術基礎也未夯實。通過AI技術跑通HR各模塊的工作流程，并形成數據流的閉環逐步積累數據會是較好的選擇?當流程逐漸跑通后，可通過進一步優化AI技術的服務流程，為HR工作提供更好的體驗?當AI技術在HR領域成熟運行并積累了大量數據后，它可以運用多種數據分析的方法，幫助企業進行數據預測，為決策提供客觀依據AI技術使用深度、數據積累量、人力資源發展成熟度不同，其實現價值也不相同。就目前而言，AI技術在HRAIHRAI技術對效率的提升；在此基礎之上，企業才會更深入的考慮用戶體驗，以及智慧決策。關于什么是AI技術，AI技術可以運用于哪些領域并為HR帶來價值？SAP的專家給出了以下見解：專家洞察SAP大中華區人力資源業務線解決方案負責人劉家驥AI人工智能領域中涵蓋了非常多的技術，且細分的技術在不停地迭代。但人工智能的核心概念并沒有改變：通過機器模仿人類進行學習，并執行與人類智能相關活動的技術。與數字AIAIAI通過與全球客戶的共創，SAP認為AI有如下三個主要的應用領域：★通過機器學習等算法，幫助企業處理海量數據★通過自然語言處理、大語言模型等幫助客戶構建更友好的交互界面：如為客戶提供聊天機器人等服務★基于數據，結合算法，幫助企業預測未來的業務的趨勢和結果█AI技術為HR帶來的價值SAP認為，在實際的應用中，AI可以為HR帶來如下三種價值：★提升HR的工作效率和準確性：通過AI技術實現自動化與智能化，幫助HR快速處理人力數據，并從中提取有效信息★幫助HR提供更好的體驗和個性化的服務：通過AI技術實現員工智能自助服務：例如自助查詢工資、福利、假期、個人發展機會等★為HR提供基于數據的決策支撐：AI技術特別是大語言模型技術，可幫助管理者分析大HRHR客觀地了解到人力資源工作對于業務的影響與貢獻度，使得HR可以做出針對性的人力決策，并進一步提升組織的績效與競爭力10█AI技術在HR領域的應用情況AIHRHRAIHRAI1-11-245中高管較為支持AIHR65%AIHR在在-2638.75%9.13%11.41%36.88%33.84%很高較高低一般很低12A23域4.94%4.94%25.86%64.26%非常熟悉比較熟悉不太熟悉非常不熟悉那么基于這樣的認知情況，企業在實踐中對AI技術的應用情況如何呢？企業給了我們這樣的回答：圖表1圖表13A=3領域中55.13% 10.27%34.60%應用中準備中觀望中-IN1領域 招聘與配置 73.73% 培訓與開發 44.07% 薪酬福利管理 24.58% 勞動關系管理 23.73% 績效管理 17.80% 人力資源規劃 16.10%1-31-4AIHR有著必要性，但實際而言，HRAIHR10%HRAI技術較為普遍的應用場景。我們認為，由于引入AI技術的難度與成本較大，且供應商所提供的解決方案可能無法滿足企業的實際需求，或是企業對于AI技術在HR領域的應用畫像仍然較為模糊，導致了實際正在或準備運用AI技術的企業并不多。基于市場觀察，SAP的專家解釋了為何高管關注AI賦能HR，但卻對AI在HR領域的應用不甚了解的原因：SAP大中華區人力資源業務線解決方案負責人劉家驥SAP大中華區人力資源業務線解決方案負責人劉家驥專家洞察速迭代的時代下企業高層管理者對HR要求的提高，也體現了高管對于AI技術為HR工作賦能的我們發現多數企業的高層管理者會關注AI在HR領域的應用，這樣的關注既體現了在技術快期待。但在高管的高關注度下，我們卻發現HR們對于AI技術如何應用卻不甚了解。此部分我們AIHRHRAIAI技術的關注原因高管之所以會高度重視AI技術在HR領域的運用，其背后的關鍵原因是高管對于HR的期待越來越高。高管們會希望HR可以發揮更為貼近戰略、業務的價值。但實際而言，HR的戰略價值常被日常繁瑣的事務性工作所捆綁，HR的視野也受到了限制。因而，高管們會希望AI幫助HR去實現更大的價值，把HR從事務性工作中解綁，從而實現HR真正地為業務服務、支持業務。HRAI技術如何應用不甚了解的原因基于SAP的觀察，我們認為導致企業“關注卻不了解”的原因會有兩方面：★認知層面的門檻首先，在不少企業看來日常的業務是企業運營的聚焦點。而對于AI這類難以直接改變運營流程的技術，企業未必愿意花時間與精力去深入了解。其次，缺少成功的AI應用案例供企業參考。特別對于中小企業而言，市面上可以直接參考的案例較少，導致其難以對AI技術的運用進行深入研究。AIAI技術的運用方式。★技術層面的門檻AIAI對于企業而言是黑盒子。如果企業想要真正地去理解怎么用，并且用起來，需要極大的時間、資源、人力成本。尤其對于普通的中小企業而言，AIAI的使用門檻降到了最低，真正地實現了可AIAI由于招聘是人才管理數據的重要入口，且招聘涉及到大量的重復性工作，亟需通過AI技術助力效率的提升；而在培訓與開發場景中，HR亟需通過AI技術實現高效的培訓流程管理、個性化內容推薦、客觀人才評估等。接下來我們將列舉AI技術在招聘與學習發展領域中被廣泛運用的場景、已經在招聘與學習發展領域中運用AI技術的企業它們做了哪些準備。希望幫助多數處于觀望狀態的企業判斷AI技術可為HR領域解決哪些問題，以及企業是否具備引入的基礎。★招聘模塊?Top3運用場景根據市場聲音的收集，我發現在招聘模塊，企業會在如下三個場景中AI會較多地運用AI技術：招聘客服（聊天機器人）招聘客服（聊天機器人）運用比例：78.26%作，為候選人提供自動、實時、獨特的提醒和信息。簡歷解析與人崗匹配簡歷解析與人崗匹配運用比例：40.23%視頻面試運用比例：40.23%簡歷解析作為最先被HR熟知的視頻面試運用比例：40.23%AI，HR最適合企業的候選人快速的挑選出來，這樣后續的人類面試官只需要選擇自己喜歡的候選人就可以了，而不用擔心找錯人，給公司帶來損失的風險。圖表1-5貴公司對于AI技術用于招聘做了哪些準備？N=87?運用基礎圖表1-5貴公司對于AI技術用于招聘做了哪些準備？N=87識別AI方面的外部人才資源41.38%了解人工智能對人才的影響40.23%調整勝任力模型及框架以滿足AI運用環境下的要求37.93%尋找外部供應商資源37.93%在組織領域重新部署被AI取代的員工26.44%再培訓員工與AI互補技能18.39%對于已經在招聘領域運用AI技術的企業而言，它們會做內外兩方面的準備：AI對內部人才的影響，并調整勝任力模型AI技術人才、并尋找外部供應商★培訓與發展模塊?Top3運用場景根據市場聲音的收集，我發現在招聘模塊，企業會在如下三個場景中AI會較多地運用AI技術：培訓流程管理培訓流程管理運用比例：67.31%AI個性化課程與內容推薦個性化課程與內容推薦運用比例：48.08%AI場景化培訓場景化培訓運用比例：25.00%AR或VR圖表1-6貴公司對于AI技術用于招聘做了哪些準備？N=87?運用基礎圖表1-6貴公司對于AI技術用于招聘做了哪些準備？N=87清晰的崗位人才勝任力73.08%員工測評數據71.15%管理者的管理行為數據61.54%員工學習行為數據57.69%內部人才標簽化管理55.77%管理者的管理結果數據44.23%員工學習結果數據36.54%基于數據和我們的前期市場診斷的結果，我們發現企業的數據是人工智能技術實現過程中面臨最大阻力。為了在培訓與發展模塊運用AI技術HR應當做好如下兩類準備：能從人才標簽上識別其本質。例如，完成過績效制定的HR，會帶有“制度”的標簽。數據沉淀：更多維度的數據收集，關注線上系統化后的數據，綜合應用行為類數據和結果類數據。（行為類數據：不判斷質量和結果，只判斷做沒做。結果類數據：判斷質量和效果。） 15在了解企業對于AI技術的運用場景與基礎的過程中，我們發現之所以大部分企業并不了解AI技術應當如何運用于HRAIHR而言，想要完全了解各類AI戰的。那么如果企業想要在HR領域運用AI技術，不同類型的企業應當如何運用？行業中有怎樣成熟HRSAPHRAIHRAIHR專家洞察SAP大中華區人力資源業務線解決方案負責人劉家驥█AI在不同類型企業中的應用方式與基礎★初創和快速成長的企業這類企業面臨著大量的基礎HRAI（AI）提升效率，在較少AIHR為了實現AI技術在單模塊的運用，企業需要先對目標模塊的數據進行梳理。例如，AI運用于培訓模塊，則需梳理基礎課件的梳理、考題、認證體系等數據。★穩定或成熟的企業這類企業更需要通過AI提升HR的管理能力，并將AI技術著重應用于人才管理、激勵和優化、人才的發展與保留等場景中。在AI助力提升HR管理能力的要求之下，AI的運用也應當圍繞著核心的管理邏輯，將不同的模塊中的數據進行拉通，并進行整體地分析。想要實現一體化的應用，企業需要依據整體人力資源管理的戰略對AI在不同模塊中的運用進行規劃。例如，如果企業內部有統一的人才模型，那么無論是在招聘、培訓還是績效管理等模塊，都需要通過AI技術將各模塊中的數據與人才模型進行比對，才能看出各模塊的管理成效。█SAP：AIRecruit-to-Retire的整體解決方案SAP認為HR的業務是企業整體戰略的一部分，因而在提供AIinHR的解決方案時，SAP更傾向于提供一套從員工招聘到人才管理的閉環解決方案。員工招聘★勞動力規劃：結合市場趨勢、企業業務規劃、HR歷史數據、人才供給數據、技能數據，幫助企業制定招聘規劃。為了向企業提供更為客觀全面的勞動力數據，SAP建立了人才智能中心。其中包括了三層數據：?第一層：靜態的基本標簽。包括人才的經驗、教育背景等?能能否完成某項工作。而在企業中，由于員工所擁有的技能種類過多，HRSAP600能，并總結出了各項技能的有效期（如，某些技能在近幾年極受關注，但數年后就不再重要）。SAP結合行業中的幾百萬的通用技能，可以幫助企業形成內部特有的技能庫?第三層：個性化標簽。對員工的工作風格、偏好等進行標簽。例如員工更喜歡直接溝通還是更看重人際關系的和諧，更偏好遠程辦公還是在公司辦公？依靠人才智能中心中的數據，SAP的AI解決方案可以幫助企業形成更為定制化的招聘規劃★崗位信息發布與人才招募：在崗位信息發布與人才招募環節中，SAP將大語言模型融入進了AI解決方案中，可以極大程度地幫助HR減輕事務性工作，同時幫助企業積累更多SAPHRHRAIAI可以自動邀約候選者進行面試。在面試過程中，AI產品可以為面試官形成針對性的面試問題，并記錄面試者的回答。★入職引導：在入職場景中，SAP的AI產品可幫助HR向新員工推薦個性化課程，幫助新員工匹配導師。員工也可以通過AI入職引導助手，完成剛入職時的事務性工作★招聘有效性分析：SAP的AI產品可通過對新員工入職后3-6個月內的留存率、績效表現進行追蹤，幫助HR判斷招聘的有效性17人才管理★幫助HR更新人才模型中的數據：SAP的AI產品可幫助HR實時更新人才模型中的數據，比如技能圖譜。將人才模型與辦公軟件進行結合后，可以從辦公軟件中抓取員工的行為數據：如某員工經常討論某技術話題，該員工可能有這方面的技能，HR可以進一步對人才模型進行更新★績效管理：除傳統的績效管理之外，SAP還為HR提供了靈動團隊的解決方案，幫助HR管理項目制的協作團隊。組建團隊時，AI會基于企業的要求、人才的技能、項目經驗、收到他人反饋的情況，推薦合適加入團隊的員工。進入績效流程后，基于對大量績效目標的學習，AI可幫助HR形成符合SMART原則的目標。同時可根據周報月報中的績效數據，形成針對性的輔導內容，告知員工哪些地方做的好，哪些地方可以進一步提升。★人才發展：在積累了大量的人才模型數據、績效表現數據后，SAP的AI產品可幫助HRAI以及TA評價很高的課程，總結優秀員工的學習與職業路徑。通過分析不同員工的學習經歷、工作表現、職業發展路徑，可以為員工形成定制化的培訓課程與職業發展意見。對于員工而言，他們所看到的不再是靜態的、既定的發展路徑，員工可以看到如果想從A崗位轉換到B崗位，其中需要學習哪些課程、掌握哪些經歷。★幫助員工匹配內部機會：SAP的AI解決方案可給予員工模型中的興趣數據，幫助其匹配內部的發展、學習、項目、輪崗等機會。★員工敬業度分析：SAP的解決方案利用大語言模型的語義分析能力，通過對員工反饋的收集與分析，幫助HR了解員工的滿意度，并挖掘影響敬業度的關鍵因素。同時，SAP的AI解決方案可依據海量的行業參考數據，輔助HR生成有效的提升員工敬業度的策略。1919為了更有針對性地討論最新的人工智能技術在HR領域中的影響與應用，接下來我們將對當下HR們最為關注的大語言模型展開討論。23.95%23.95%1-7AIN=2634.94%大語言模型（如ChatGPT等自然語言生成）視覺大模型（圖像識別、視頻生成等）71.10%音頻大模型（語音識別等）AI技術AI技術生成式AI言智能技術賦能人力資源管理20智能技術賦能人力資源管理20時不我待，AI，AI2.02.0：十年之后我們還能做什么》3中提到，“大語言模型的出現，使人工智能技術的發展進入了2.0時代。過去，計算機視覺等AI且訓練出來的模型無法用到其他場景，這導致邊際成本難以降低、難以大規模落地等問題。大模型的出現改變了AI的范式下，能夠降低模型落地的邊際成本，具有明顯的平臺效應，為AI公司探索新商業模式提供機會。”可見在AI大模型時代，AI的數據、算力、算法均有驚人的提升。在低邊際成本與平臺效應之下，大語言模型能否為HR領域帶來新的技術篇章？接下來我們將聚焦于大語言模型，探究其原理，以及其在HR領域應用的可能性。20 摘自華泰證券研究官網：研究報告《AI2.0：十年之后我們還能做什么》/researchPart2：認識大語言模型：從原理到應用Part2：認識大語言模型：從原理到應用大語言模型之所以會引發熱潮，原因之一是其面向廣泛的C端市場，大量使用者可以以相對容易的途徑，探索新技術對生活與工作帶來的便利。同時，大語言模型具有更強大的理解與推理能力、更具創造性的內容生成能力、更廣泛的應用領域，為使用者帶來了顛覆性的使用體驗。本報告的第二部分，我們將結合國內外學術資料與HR觀點，對大語言模型的定義、實現路徑、通用領域進行介紹，為讀者提供認知基礎。Part2內容精粹Part2內容精粹█大語言模型是大數據、大規模算力、智能算法的結合產物，它可以進行自監督學習，可以理解和生成人類語言█大語言模型的能力突破之處在于，它有更強大的語言理解能力、更高的內容生成質量、更廣泛的應用領域█大語言模型的通用領域包括：對話、語言生成、翻譯█定義目前外部資料對大語言模型的概念表述主要有兩類，第一類簡述了大語言模型的技術原理與能力，第二類展現了大語言模型在人工智能領域的從屬關系。在此，我們將列舉不同來源、不同類別的定義，并結合HR觀點進行總結。★第一類：技術原理與能力?OpenAI4大語言模型可以通過對大量的文本數據進行自監督學習語法、句法、語義等多層次的語言規律，進而可以理解和生成人類語言。?北京智源人工智能研究院：ARoadmapforBigModel5大語言模型是大數據、大規模算力、智能算法的結合產物。大語言模型的技術基礎是深度神經網絡，其內部擁有經過預訓練的大規模參數，可以理解大數據中的規則、文本的含義。同時，大語言模型有廣泛的應用領域，可以垂直應用于不同的產業中。21摘自OpenAI官網OpenAI:IntroducingChatGPT/blog/chatgpt21摘自ARoadmapforBigModel，作者：ShaYuan,HanyuZhao,ShuaiZhao等★第二類：在人工智能領域的從屬關系?GoogleCloud：IntroductiontoLargeLanguageModels6大語言模型是AI大模型的細分領域之一。具體來說，人工智能技術有很多的領域，機器學語音識別和自然語言處理等場景中有大量的應用。大語言模型則是深度學習的分支，其重點的應用在于自然語言處理（NLP）任務。實現路徑在了解了大語言模型的定義后，我們將進一步解釋大語言模型實現功能迭代的路徑。結合外部資料，我們會從實現基礎與運作機制兩方面討論實現路徑。★實現基礎北京智源人工智能研究院發布的ARoadmapforBigModel為我們提供了大語言模型實現技術迭代的資源與技術基礎：?資源基礎基礎資源是大模型框架最為基礎的層級，為大模型提供了基礎的資源支持。基礎資源層包括了三個部分：數據、知識、計算系統。數據：指為大語言模型提供預訓練的基礎數據庫知識：常以知識圖譜的形式，以網狀結構呈現了概念與實體在真實世界之中的關系計算系統：指大模型所需的超級計算集群，如圖形處理器（GPU）等硬件系統?技術基礎大語言模型的技術基礎包括理論支撐、推理能力、安全維護操作、治理工作、評價工作理論支撐：大語言模型具有可以解釋其工作原理、優勢劣勢的基礎理論依據。理論依據可為大語言模型提供不斷迭代的技術指引推理能力：相比于以往的人工智能技術，大模型的思考和推理能力是技術上的突破。擁有了推理能力，大模型可以更好地模擬人類的思考過程，進行問題解決。安全維護操作：通過清除污染數據、穩健性訓練等操作維持大模型的安全性。治理工作：通過調和公眾與私人使用者之間的矛盾與利益分歧，并采取聯合措施，預防大語言模型快速發展過程中出現隱私泄露、偏見等安全問題。評價工作：通過選取評價指標，對大語言模型的表現、效率等因素進行評價，并為大模型的發展建立了長期方向與短期目標。★運作機制結合Google7與OpenAI89的相關論文，我們將大語言模型生成自然語言文本的運作機制總結如下：?捕捉文本內容大語言模型采用了Transformer結構（一種基于注意力機制的神經網絡結構），通過將文本內容關聯打分的方式，更好地捕捉文本內容?理解文本、生成內容大語言模型采用了無監督學習的方式進行預訓練，預訓練的基礎，是來源于互聯網、包含幾乎全部行業與領域的大規模語料庫。這使得大語言模型可以在大規模語料庫中學習語言規律和模式，從而更精準地理解文本，同時更流暢、自然地生成文本內容摘自GoogleBrain:Attentionisallyouneed23摘自OpenAI:ImprovingLanguageUnderstandingbyGenerativePre-training23摘自OpenAI:LanguageModelsareUnsupervisedMultitaskLearners█通用領域明確大語言模型的定義和實現路徑后，我們會討論使用者最為關注的話題：大語言模型可以用在哪里？結合下方學術觀點我們發現，想要用好大語言模型，則要利用其理解和生成文本的優勢，因此其應用集中在對話、語言生成、翻譯等領域。ARoadmapforBigModel中提到，大語言模型較為常見的應用場景有人機對話、文章生成、機器翻譯：★人機對話基于大數據的訓練，大模型可以實現機器與人類之間的交流與互動。同時大模型的對話中還包含著其自身的人格，并可以與人類形成情感的共鳴。★文章生成大模型可以將語言或非語言的內容轉化為文章，相較于以往的AI文字生成技術，AI大模型所生成文字的流暢性以及生成速度均勝過一籌。★機器翻譯通過計算機，自動地翻譯人類語言。Part3：體驗大語言模型：使用者的認知與探索Part3：體驗大語言模型：使用者的認知與探索“紙上得來終覺淺，絕知此事要躬行”揭示了從了解到實踐、從認知到探索的學習過程。將此道理延伸到個人使用者對于大語言模型的學習中，“紙上得來”的是大語言模型的定義、實現路徑等內容，“要躬行”的是嘗試使用大語言模型、探索可應用的工作場景。OpenAIChatGPT漸從科技圈，傳到了各個行業與領域。我們也同樣好奇，在這樣的熱度之下，普通的使用者有多了解大語言模TA們對大模型的探索程度如何？抱著好奇，在第三部分，我們將依照從認知到探索的思路，調研了使用者們對大語言模型的認知與使用情況，并嘗試通過市場聲音分析數據背后的邏輯。44.49%3.04%圖表3-1您對于大語言模型的了解程度如何？N=26344.49%3.04%圖表3-1您對于大語言模型的了解程度如何？N=2632.66%常了解：非常清楚其含義、工作原理、應用場景較了解：大概了解其含義、工作原理、應用場景49.81%甚了解：，但對其含義、工作完全不了解：完全沒有聽說過大語言模型通過調研數據我們會發現，大語言模型在市場中的熱度甚高：聽說過或對大語言模型有簡單了解的參調者比例接近95%3%為何參調者對大語言模型的了解程度會呈現“兩頭少，中間多”的情況？參調者們為何會關注大語言模型？我們采訪了部分參調者，總結出了如下幾點原因：★熱度高，信息多：大語言模型的話題在今年十分火熱，使用者可以從非常多的渠道看到、了解大語言模型★幫助大，沖擊小：大語言模型可以作為得力的助手，但由于其處于新興階段，對使用者工作的沖擊并不明顯★技術難，了解難：對于普通使用者而言，大語言模型背后的技術原理比較復雜，理解其原理與機制存在難度圖表3-3您沒有使用的原因是什么？N=15126圖表3-3您沒有使用的原因是什么？N=15126█探索情況結合圖表3-1與市場聲音可以看出，大語言模型在市場中的熱度較高，但參調者們對于大模型的了解程度并不算深入。當我們對了解以及有聽說過大語言模型的參調者們繼續詢問TA們在工作中的使用情況時，TA們給出了這樣的答案：59.22%59.22%3-2N=2556.27%在工作中會較為頻繁地使用在工作中偶爾會使用，或有嘗試使用過34.51%在工作中幾乎沒有使用過沒有使用途徑73.51%不清楚大語言模型在工作中有哪些應用場景45.70%擔心隱私泄露問題23.84%對于大語言模型所回答內容的準確性和真實性存疑23.18%認為大語言模型對于工作效率提升的幫助不大5.96%其他5.96%對于大語言模型這類人工智能技術不感興趣1.99%信息收集：查找資料、行業數據等77.88%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70.19%問題解決：向大語言模型尋求問題的解決思路、方法等65.38%數據分析：利用大語言模型生成數據分析的結果16.35%其他2.88%圖表3-4您目前已經將大語言模型應用于哪些工作場景？N=104結合圖表3-1到3-4可以看出，雖說對大模型有認知的參調者占比95%左右，但對其有實踐的參調圖表3-4您目前已經將大語言模型應用于哪些工作場景？N=104者僅占比40%左右：34%左右的參調者偶爾使用或嘗試使用過，僅有6%左右的參調者會在工作中較為頻繁地使用。對于沒有使用過TA而對于已經嘗試使用的參調者來說，TA信息收集、內容生成與審核、問題解決這三個場景中。關于參調者的認知與探索情況的幾組數據給到了我們一些有趣的信息：在大模型快速興起、相關新聞層出不窮的當下，參調者們對于大語言模型的興趣度較高。雖說如此，但可能由于技術壁壘與認知不足，真正有使用過大語言模型的參調者并不多。在很多參調者的眼中，大語言模型是“熟悉的陌生人”，也是“技術的黑盒”。的工作原理有簡單認知，并了解大模型的通用場景。正所謂，知其底層邏輯，才能高屋建瓴。關于技術原為讀者提供大語言模型可應用場景的參考：如果您想將大語言模型作為效率提升的助手，以下應用場景可供您參考：█信息收集

█內容生成與審核★草擬代碼★郵件起草★宣傳文案生成★文字潤色★審核合同中的法律風險

問題解決★咨詢法律、財務等問題★解釋代碼含義★方案設計★數據分析智能技術賦能人力資源管理28智能技術賦能人力資源管理28在第三部分，我們從使用者的視角，展現了目前參調者們對于大語言模型的了解程度與探索情況。從數據與市場聲音我們可以看出，參調者對于大語言模型的興趣度較高，但由于大語言模型處于新興階段，參調者對于大語言模型的了解程度和探索程度均較淺。“AI7*24的智能客服”、“文員的工作岌岌可危”……雖說上述聲音多將大語言模型看作了自身的競爭對手，或是總有一天會將自身反噬的科技巨獸。但其背后的邏輯是值得深思的：新技術會提高使用者的工作效率，也會對其崗位的存在意義帶來挑戰。進一步，當崗位不復在激烈競爭的市場中，如果企業將大語言模型拒之門外，不主動應對其帶來的變化，就會面臨被淘汰的風險；所謂利好：當企業察覺到大語言模型會為企業帶來的價值，可以依靠其對管理模式、商業模式等進行創新。在新技術出現后，趨利避害是企業的本能反應；發現利好、實現利好是在不確定的世界中找尋確定的固有方法。因此在第四部分，我們會通過調研數據與企業實踐，討論大語言模型為企業帶來的價值，并揭秘其價值實現的基礎。28Part4：企業中的大語言模型：價值與實現基礎Part4：企業中的大語言模型：價值與實現基礎ToC端大模型的出現，使得機器輔助個人使用者提升生產效率成為了可能；ToB端大模型的出現，使得企業級別的大模型應用成為了可能。也就是說，由于大語言模型的通用性，它不僅可以作為個人使用者的工作助手，可以應用于組織層面，帶來工作流程、商業模式的變化。在企業層面的實踐中，當管理者們注意到了大語言模型對企業的價值后，會評估企業內部是否有可以使大語言模型在發揮價值的管理與資源基礎，再對大語言模型進行引入。因此在第四部分，我們會從大語言模型的對企業的價值講起，再結合大模型價值實現的基礎條件，驗證大語言模型在企業內部應用的可能性。大語言模型對企業的價值此部分我們將結合定量數據與定性訪談內容，探究大語言模型對于企業的價值。定量與定性研究總結定量與定性研究總結█節約人力成本★大語言模型可以作為數字員工，代替基礎操作、文字類等崗位★大語言模型可以擴大員工的能力范圍，實現一崗多能█提升組織能力★大語言模型可以激發員工的創造力，提高組織整體創新能力★要求員工學習并掌握新技術，提升組織整體的技術應用能力3030★定量數據企業的管理者們是否意識到了大語言模型的價值？在管理者的眼中，大語言模型對于企業的價值有哪些？下面的兩組數據給了我們答案：11.54%11.54%35.58%圖表4-1您公司對于大語言模型的使用態度如何？N=10425.96%放態度：支語言模型，并積極開發勵態度：鼓勵員工使用大語言模型進行工作效率26.92%保守態度：沒有明確鼓勵或禁止使用大語言模型，員工可以有個人使用的行不清楚提高員工工作效率96.36%激發員工創造性74.55%提升員工對于大語言模型等新技術的重視67.27%節約人力成本61.82%圖表4-2您公司開放或鼓勵使用大語言模型的原因是什么？N=55從圖表4-1可以看出，50%以上的企業會積極接納大語言模型所帶來的價值；同時，95%以上的企業認為大語言模型可以提升員工的工作效率，75%左右的企業認為大語言模型可以激發員工創造性。與此同時，“提升員工對于大語言模型等新技術的重視”與“節約人力成本”選擇率均在60%以上。圖表4-2您公司開放或鼓勵使用大語言模型的原因是什么？N=55★定性訪談關于大語言模型的價值，我們將從如下的市場聲音中進行提煉：市場聲音市場聲音██“大語言模型會影響到很多偏文字的崗位，比如文案設計崗位；同時也會對初級程序員、實驗設計的崗位產生影響”█“在我看來，知識傳播類的崗位也會受到影響，比如律師、顧問、咨詢師等崗位。因為人們可以直接向大語言模型尋求解決答案，無需再去聯絡咨詢師了。”█“如果大語言模型可以應用于企業中，它就相當于一個數字員工，可以7*24小時地完成人類指定給它的任務。”█“類似于數字化能力的培養，大語言模型一類的新技術的出現也要求員工快速了解新技術，并掌握將其應用于工作中的能力。”█“員工通過大語言模型完成一些基礎的工作，可以將節省下的時間和精力用于更有創造性的工作中。”總結來說，大語言模型在企業內部會替代部分崗位，降低企業的人力成本；也同樣要求員工提升使用新技術、創新能力，對提升組織能力。為何會產生以上的價值？我們收集到的專家洞察解釋了原因：?降低人力成本大語言模型可以提升標準化、文字性工作的效率，減少員工工作量，同時縮減企業所需的人力成本大語言模型可以幫助員工擴大其工作范圍，幫助員工完成其原本不熟悉的工作內容，形成一崗多能的情況?提升組織能力如果希望通過大語言模型對企業效率進行提升，則需要員工將新技術應用于工作中，同時提升創新能力專家洞察專家洞察█崗位縮減的降低。架構扁平化工的工作效率會大大提升。對于企業來說，技術不僅可以帶來效率的提升，也可以帶來成本大語言模型可以輔助標準化、專業程序化、有清晰規則的工作，掌握使用這項技術的員大語言模型甚至可以幫助員工完成一項TA不了解的工作內容，原來需要一個團隊的員與匯報線會變得簡單。█加速創新工各司其職完成的工作，現在僅需要幾個員工就可以完成。崗位畫像會變得模糊、組織架構的加速，進而促進企業加快創新的腳步。組織架構的變化會進一步影響到企業的戰略與生存方式。架構的扁平化會帶來決策流程結合定量與定性研究我們會發現，當企業開放擁抱新技術的時候，技術為企業所帶來的影響會在一定程度上成為企業變革與轉型的推動力，從效率、產出、成本等多方面為企業創造利好條件。接下來，我們將深入討論在如何企業內部實現大語言模型的利好價值。█大語言模型的價值實現基礎如果想要在企業內部實現大語言模型的價值，企業需要先結合自身需求與基礎條件決定部署方式（本地化部或SaaS部署）。同時還需通過支持與限制措施，為大語言模型的運行提供保障。★部署情況4-3N=928.70%57.61%16.30%已將大語言模型進行了本地化9.78%Sa將大語言模型接入企業數字化系統或業并未將大做部署或接入，僅為員工提工個人可自途徑，企業32從圖表4-3可以看出，當前已經將大語言模型進行引入的企業僅占25%左右，在近60%的企業中，員工對大模型的使用多為個人行為。本地化或云端部署大語言模型的成本較高，對于企業的技術與資源要求較高，同時外部大模型的服務商目前處于逐漸成熟的階段。上述幾方面原因導致了將大語言模型進行本地化或云端部署的企業較少。接下來，我們將進一步討論通過企業引入大模型的基礎條件。★基礎條件：管理、技術與資源此部分，我們將通過調研數據與企業實踐為讀者展示企業引入大模型的基礎條件。?定量數據4-4N=894-4N=89管理基礎使用大語言模型需符合企業合規要求 48.31%企業高層形成對于大語言模型等AI新技術的認可以及支持 25.84%員工對于大語言模型等AI新技術的接受 12.36%技術基礎資源基礎需要較大的投入成本需要內部有良好的數據基礎50.56%37.08%需要保證大語言模型的生成內容的可控性與準確性75.28%需要保證大語言模型的隱私性與安全性70.79%需要將大語言模型接入企業數字化系統的接口49.44%需要外部成熟、可商用的供應商39.33%需要內部開發與運營大語言模型的技術能力34.83%需要了解對大語言模型的提問技巧26.97%從圖表4-4可以看出，在管理基礎上，近50%的參調者認為，引入大語言模型的前提是其需要符合企業內部合規要求；在技術基礎上，70%以上的參調者認為，大模型的可控與準確、隱私與安全是其引入的基礎；在資源基礎上，超過50%的參調者認為引入大模型需要較大的投入成本。?企業實踐接下來我們將通過企業實踐，展示企業引入大模型時，應當如何綜合評管理、技術、資源這三方面基礎。█管理基礎

案例精粹34★合規問題是引入大語言模型的紅線，決定了企業能否引入大模型34★想讓員工和業務愿意使用大語言模型，則需要通過上線前的測試與調研，使得大語言模型可以高頻地滿足員工的需求；同時在內部創造積極擁抱新技術的氛圍，促進員工對于大模型的接受與使用█技術基礎★在引入大模型時，既要考慮外部大模型服務商的成熟度，也要評估企業內部是否有相應的專家進行技術支持：一方面，外部服務商所提供的通用大模型需要與企業內部的知識庫進行整合；另一方面，在大模型引入后，需要進行預訓練、微調或知識庫加載，無論是哪種操作，均需企業內部有相應的技術專家★如果追求大模型的準確性，則需為其提供更為完善是數據庫，同時需要技術專家對其進行調整★如果追求大模型的安全性，那么將其進行私有化部署會是較好的選擇█資源基礎★企業可根據投入預算決定部署方式，一般來說，本地化部署需要企業前期進行較大的費用投入、算力支持；而SaaS部署會隨著使用者的增加而提高成本AAIGlobal如果想將大語言模型技術用于垂直的領域或行業是一項很大的工程。對于A企業這樣的跨國企業實踐D企業█企業實踐D企業█員工的接受與使用★上線前的測試與調研通過測試與調研，挖掘出員工最迫切的需求，以及受歡迎的功能。★創造積極氛圍的工具？D公司給出了如下兩個解決思路：如何高頻地滿足員工的需求，并且讓員工感受到大語言模型是一個方便、對它們有幫助的關注度，為員工創造積極擁抱新技術的氛圍，促進員工對于大模型的接受與使用。想在企業內部快速應用大模型，需要自上而下的關注，以及多部門協同。通過這樣企業實踐E企業大模型的引入基礎：技術與資源相輔相成█外部技術基礎商業化場景的布局。大模型在企業內部的應用程度，很大程度上取決于大模型廠商的商業化服務的能力以及█內部技術基礎同時，將通用大模型垂直應用于企業內部，需要將大模型的人工智能的技術與企業內部識將大模型引入企業后，需要根據管理流程對大模型進行預訓練、微調、或將企業內部知的了解。庫加載到大模型中。無論是哪種操作，均需企業內部有相關的專家對大模型的機理有一定是較為可行的應用模式。預訓練、微調、知識庫加載這三種應用模式的難度遞減，就多數企業而言，知識庫加載█資源匹配在明確了內外部技術基礎后，E企業會考慮如何合理利用內外部資源，滿足企業需求。★依據現有資源，選擇部署方式目前大模型常見的部署方式有本地化部署與SaaSE企業認為需要考慮到兩種部署方式對投入的要求與企業的資源現狀。例如，本地化部署需要企業前期進行較大的費用投入、算力、技術支持；而SaaS本地化部署可以保證信息的安全。★依據使用需求，匹配合適資源企業在引入大模型時，需要考慮大模型的應用場景。如將大模型應用于通用場景，則需要匹配的大模型無需過多的個性化設置；若企業需要將大模型應用于某條業務線，則需要大模型的功能對具體業務場景進行聚焦。同時，企業也需要考慮對大模型功能的重點訴求。例如，如果追求大模型回答的精則需要重點評估大模型的通用智能水平。★支持與限制措施在具備了基礎條件，明確了部署方案后，企業就可以準備將大模型進行引入了。想要大語言模型在企業內部更好地運轉，則需要有相應的鼓勵與監管措施。?支持措施圖表4-5您公司有哪些鼓勵員工使用大語言模型的措施?N=48我們調研了開放或鼓勵使用大語言模型的企業（見圖表4-5），發現了68%左右的企業會52%38%圖表4-5您公司有哪些鼓勵員工使用大語言模型的措施?N=48鼓勵員工探索大語言模型可使用的場景68.75%向員工進行大語言模型的宣傳60.42%為員工提供大語言模型的培訓43.75%為員工提供大語言模型的賬戶27.08%3737AB用，需要從企業層面向員工推廣大語言模型，并鼓勵員工使用。同時，為確保員工快速擁有應用大語言模型的能力，可以為員工提供大語言模型相關的培訓。A輸出的內容質量。那么培訓部門會將“如何寫提示詞”作為員工能力培養的一個任務，為員工提A企業的數字化轉型培訓部門發現，在使用大語言模型模型時，輸入的提示詞決定了AI模型供相應的知識與技術支持。企業實踐B企業█大語言模型在企業的部署B企業的IT部門已經在企業內部收集員工使用大語言模型的實踐情況,會綜合企業內部的使用場景，做大語言模型的本地化部署以及未來的應用規劃。目前B企業的研究重點在于合規地將大語言模型應用到更廣泛的領域上。★企業部分探索場景?內部流程如福利問題：員工可以通過大語言模型搜索和歸納福利的相關問題，雖然不能保證其回答的準確性，但是大語言模型會標注回答的來源，員工可以溯源。?非規則類的mapping-員工薪資的外部benchmark公司的人才畫像是其獨立描述和建立的，B企業每年會需要人工map崗位薪資的中位數，對此可以利用大語言模型進行探索。?文獻搜索B企業研發類部門可以利用大語言模型等生成式AI技術滿足大量的文獻搜索需求，但是大語言模型的數據截止到2021年，需要擴大數據庫。?限制措施同時我們發現，如果想要大語言模型在企業內部發揮價值，還需有合理的限制與監管。圖表圖表6N2語言17.39%82.61%是否圖表4-7N5有哪些限制？息等透露給大語言模型模型將個人信息透露給大語言內容進行審查，確保合法合規非標準化的工作語言模型完成74.55%49.09%47.27%14.55%4-64-780%制在于：限制將公司業務、客戶、員工個人信息的透露，要求員工對大語言模型生成的內容進行審查，確保合法合規。對于信息安全的限制，我們認為企業可以設置信息安全等級制度，區分可以在大語言模型上面使用的信息與不可使用的信息。既可以為員工提供使用大語言模型的便利，也可以避免信息泄露的風險。TheApplicationofArtificialIntelligenceinHR39TheApplicationofArtificialIntelligenceinHR39在第四部分，我們發現大語言模型在企業內部可能會替代部分崗位，降低企業的人力成本，但也要求員工提升使用新技術的能力和創新能力。同時企業在引入大模型時，需要考慮管理、技術、資源三方面的基礎。當前，已有25%的企業引入了大語言模型。牽一發而動全身，企業之變化，也會引發HR之變化。HR數字化轉型背景下，HR求新求變，對于新技術也越來越關注。大語言模型的強大語言處理能力，高質量的內容生成能力可以幫助HR進行信息搜集、知識問答，它在一定程度上可以幫助HR提高工作效率。一方面，企業需要考慮人效，對于HR部門而言，大語言模型的出現是否會影響甚至取代其基礎或部分崗位？這種影響又是否進一步作用于人力資源的組織架構？面對新技術的出現，我們HR又應該以什么樣的態度去接受變化，它是否對HR提出了新的能力要求？另一方面，HR可以通過大語言模型的功能和特點提高日常工作效率，為此我們探究了當前已經開展應用與規劃大語言模型的企業在人力資源領域應用的情況，希望可以給到讀者以實踐參考。因此，接下來在第五部分，我們將從人力資源組織架構和HR兩方面探究大語言模型對人力資源帶來的影響以及其在人力資源的六大模塊與SSC的場景應用情況。39圖表5-3您認為大語言模型的出現，會對HR部門的組織架構產生哪些影響？N=87圖表5-3您認為大語言模型的出現，會對HR部門的組織架構產生哪些影響？N=87Part5：HR中的大語言模型：影響與應用Part5：HR中的大語言模型：影響與應用在HR領域中，大語言模型的出現是一把雙刃劍。一方面，為了降本增效，企業會利用和發揮AI技術優勢對HR部門人才結構進行優化，另一方面，技術的進步也給HR帶來了新的轉機，它能夠在人力資源工作場景中助力HR更高效率的完成任務。因此，在這部分我們將探討大語言模型對HR的影響，并探究大語言模型能夠助力人力資源工作的場景。HR的影響此部分我們將結合定量數據與定性訪談內容，探究大語言模型對于HR的影響。★定量數據-925.43%94.57%是否59否1.09%98.91%是否會替代部分SSC崗位49.43%會替代部分咨詢類崗位（如COE）44.83%會替代部分基礎HR崗位（如招聘專員、培訓專員等崗位）43.68%不清楚18.39%會替代部分與業務關聯度較高的崗位（如HRBP）12.64%要求HR提高對大語言模型的接納與學習意識93.41%要求HR提高對大語言模型的使用能力80.22%要求HR提高自身的思辨能力73.63%要求HR提高自身的創新能力61.54%要求HR提高自身的數據分析能力45.05%不清楚2.20%圖表5-4您認為大語言模型的出現，會對HR從業者提出哪些新的要求？N=91★總結分析圖表5-4您認為大語言模型的出現，會對HR從業者提出哪些新的要求？N=91?組織架構5-15-395HRHR構產生影響。有超過40HR認為，大語言模型的出現會替代部分SSC、咨詢類（COE）、基礎HR崗位，但僅有12.64HR認為其會取代HRBP。但綜合看來，大語言模型對HR門的影響較大。而針對大語言模型給人力資源帶來的影響，專家認為HR部門應該積極調整人力資源三支柱的工作重點以適應技術帶來的變化：專家洞察專家洞察部門應進行積極調整，使得三支柱之間的關系變得更加靈活。大語言模型的出現，可能會導致COE、SSC、HRBP三支柱的工作重點發生轉移。因而，HR█COE：大語言模型可以幫助COE提供問題解決思路。因此COE團隊可以更專注于為業務提供更具戰略性、更加定制化的咨詢建議；█SSC：在共享服務中心，大語言模型可以作為數字員工、智能客服完成員工服務，并結合SSC█HRBP：HRBP更貼近業務，更了解業務情況。因而HRBP可以在大語言模型的幫助下，為業務提供可解決業務痛點的專業型建議。根據以上數據和洞察總結發現：絕大多數的HR認為大語言模型會對HR部門的組織架構產生影響。一方面，大語言模型可以提供豐富的知識和信息，它可以通過處理大量的數據和訓練，幫助COE回答各種問題，提供解決方案和建議。另一方面，大語言模型在特定情境下可以提供更加專業和精準的回答，優化SSC的管理流程。所以大語言模型的出現在一定程度上可以取代部分咨詢以及流程化標準化的事務內容，對COE和SSC產生的影響最大。但面對這種影響，企業的HR部門應該以積極心態接納新技術的出現，通過調整組織的架構以適應變化，從而給部門帶來更多機遇。?HR能力要求5-25-399HRHR60%HRHR供自身的思辨與創新能力。為何大語言模型要求HR積極接納、不斷創新？接下來，我們將通過市場聲音、企業實踐、專家洞察三方面展現大語言模型對HR能力要求產生變化的原因以及HR能力的新要求：市場聲音經過市場聲音收集我們會發現，如果想要通過新技術對于組織的效能進行提升，那么HR則需要在技術的了解與使用上走在業務的前面。當在業務有學習需求時，HR可以及時向業務提供相關材料；當組織需要提升新技術的使用能力時，HR也可以幫助業務進行能力的推廣和人才布局。因此，大語言模型的出現需要HR引起重視，并更快地發現技術優勢。企業實踐AHR的能力要求：企業實踐A企業在A企業數字化轉型的背景，員工數字化技能的提升離不開HRBP對業務的了解，也同樣離不開培訓HR為員工提供數字化知識與技能的支持。因此A企業認為，建設員工的數字化能力的前提，是HR自身的數字化思維與能力的建設。在大語言模型快速涌現的當下，HR更需要具備如下的新能力：變化，而是積極接納，做好應對變化的準備續對員工的培訓方向員工的知識內容，促進新知識在企業內部的流通例如，A企業的數字化轉型培訓部門發現，在使用大語言模型模型時，輸入的提示詞決定了AI為員工提供相應的知識與技術支持。A企業認為，員工數字化能力的提升，是企業數字化轉型與商業模式升級的基礎。專家洞察HR如何與大語言模型和諧相處，以及面對大語言模型HR需要建立和培養什么樣的能力，下面的專家洞察提供了指導與建議，供讀者參考：專家洞察專家洞察是沒有必要的。在新技術快速涌現、內卷加劇的當下，轉換思考角度、利用新技術提升自身工作對于HR而言，在新技術的沖擊下居安思危是必要的，但將大語言模型視為自身的競爭對手能力是打破內卷的制勝法寶。█HR可以這樣使用大語言模型的原則。也就是說，HR需要了解一項任務的基礎邏輯、達成目標，并通過目標、背景、任AI換言之，HR█HR亟需提升這些能力當大語言模型代替HR完成執行類的工作后，HR可以從執行者思維轉換為管理者思維，從更為體系與全面地角度看待工作任務。在這樣的轉變之下，HR應當提升以下能力：軟性能力★“業務+運營“理解能力：HR需要更了解任務背后的業務邏輯★戰略思維和創新能力：HR亟需跳脫原有的思維局限，從“如何把任務做完”的思維轉化到“如何把任務做好“的思維★人際關系處理技能：大語言模型等AI技術可以解決事務層面的工作，但無法解決人性層面的問題。而HR應當保持并提升處理與人相關的問題的能力，為員工提供更有人情味的服務專業能力★對新技術的學習感知力與學習能力：面對新技術，HR應當保持好奇，主動學習新技術★對新技術的熟練使用能力：只有多使用、多探索大語言模型，HR才能明確新技術對于自身工作真正的助力點在哪里★數據分析與解讀的能力：大語言模型可以為HR提供數據與信息，此時HR需要洞察數據背后的含義，并思考相應的解決方案總結這部分發現，絕大多數的HRHR提出了新的要求。因此面對技術HRHR的能力。圖表5-6在人力資源的哪些工作中，您公司對大語言模型有應用或規劃？N=36圖表5-6在人力資源的哪些工作中，您公司對大語言模型有應用或規劃？N=36HR部門的應用情況隨著人工智能技術的不斷進步，大語言模型在企業中的應用越來越受關注。它強大的自然語言處理能力和智能對話交互特點，可以幫助HR進行政策問答并輔助完成大批量的流程性工作，在人力資源管理中具備廣泛的應用潛力。因此，接下來我們將從大語言模型在企業HR領域總體應用概況展開探究，并對招聘、培訓、人力資源規劃、SSC工作中的具體應用場景進行探討。★定量數據?總體應用概況5-5N=9215.22%60.87%沒有任何開展與規劃23.91%前還沒有應用大語言模型，但已規劃了一些可應規劃了可應言模型的工作場景，同時在部招聘與配置44.44%培訓與開發44.44%人力資源規劃38.89%勞動關系管理27.78%薪酬福利管理22.22%績效管理16.67%圖表5-8圖表5-9已經開展企業實踐的人力資源場景應用情況：N=36圖表5-8圖表5-9已經開展企業實踐的人力資源場景應用情況：N=36圖表圖表5-7您公司在=、或EHR16.67%33.33%規劃了可應言模型的工作場景，同時在部50.00%目前還沒有應用大語言模型，但已規劃了一些可應用的工作場沒有任何開展與規劃人力資源模塊認RR型運用業經在H：企N3塊中有應用或招聘與配置55.36%44.44%培訓與開發78.57%44.44%人力資源規劃60.71%38.89%勞動關系管理57.14%27.78%薪酬福利管理57.14%22.22%績效管理50%16.67%SSC83.33%招聘與配置44.44%培訓與開發44.44%人力資源規劃38.89%?大語言模型的重點應用場景您公司對您公司對51劃？N=27作為智能客服，解答員工關于企業政策的問題74.07%作為智能客服，幫助員工查詢個人薪酬、福利、考勤等信息66.67%與RPA結合，應用于入職指引、事務辦理等流程標準化的場景中51.85%作為“企業信箱”，收集、整理員工需求29.63%1N=15篩選簡歷66.67%行業中的崗位、人才信息的搜集53.33%生成崗位說明53.33%雇主品牌相關內容的生成53.33%搜尋簡歷40.00%生成崗位畫像與能力模型26.67%匹配簡歷與崗位26.67%生成面試問題26.67%在面試中為候選人的回答打分26.67%4848您公司對于您公司對于51規劃？N=12培訓資料的搜集83.33%生成培訓大綱、課件等內容83.33%知識萃取與沉淀66.67%生成個性化的個人發展計劃、領導力發展計劃等33.33%生成測評、考試題目16.67%根據崗位所需要的能力推薦培訓課程16.67%3N=11基于輸入的業務情況，輸出人力資源的戰略方向、現狀分析等建議72.73%收集并提供外部市場及競爭對手對標信息54.55%基于輸入的業務情況，輸出組織架構設置、人才結構等建議36.36%基于輸入的業務情況，輸出人員需求、崗位設置、人力成本等建議18.18%案例導覽——大語言模型應用場景★企業實踐案例導覽——大語言模型應用場景SSCD企業員工自助服務招聘C企業AI面試/雇主品牌D企業面試評價/雇主品牌培訓C企業個人發展計劃D企業個人發展計劃/領導力發展計劃/新員工培訓E企業智能問答/數字化學習流程/數據可視化人力資源規劃B企業薪酬數據市場收集?SSC企業實踐D企業企業實踐D企業案例精粹：EAP客服處理員工的情感問題大語言模型也可以作為咨詢師為員工收集信息、回答問題大語言模型可以收集員工反饋模型技術之前，D公司會采用客服機器人完成員工服務的應答。但由于技術限制，客服機器人的D公司的共享服務中心的重要觀念觀之一是注重員工體驗、提升員工滿意度。在應用大語言應答能力有限。那么，在大語言模型等AI新技術的加持下，提升員工體驗與滿意度的方式有哪些呢？D公司探索出了這些可能性：█EAP客服交流，了解并管理員工情緒。大語言模型可以生成類似于人類口吻與情感的文本，可以通過其與員工進行前期或簡單解決方案。解決方案。傾聽員工心聲，才能了解員工的訴求，有針對性地提升員工體驗。D公司發現，大語言模型具有信息收集、分析的優勢，可以快速收集與辨別員工真正的訴求，并生成可供參考的因此，D公司嘗試使用大語言模型回答員工方方面面的問題：不僅是內部政策的咨詢，同時還包括業務問題的咨詢。█員工反饋收集█員工咨詢?案例精粹：

企業實踐C企業大語言模型可以幫助HR在AI面試時幫助候選人回答面試問題、制定標準答案，對候選人面試進行評估HR在雇主品牌方面進行內容建設和宣傳AI★現狀C公司目前已經開展運用AI電話面試、視頻面試等。今年C公司與供應商合作，已經將大語言模型接入部門的面試產品中，開始做應用的嘗試。★大語言模型在C公司AI面試的應用AI面試考察的三大問題及應用：?行業認知可以利用大語言模型整合輸出對公司的理解、行業變化趨勢等問題，同時讓其給出評估的標準答案，以及根據標準答案對候選人回答的打分。?能力面試對于能力項的行為面試，候選人可以借助大語言模型理解AI面試問題背后所考察的能力類型、含義以及在工作中的體現方式。候選人再結合自己的經驗做問題的輸出，同樣的，大語言模型也可以根據候選人的回答和能力描述，給出評分建議。?個人經歷成長或自我認知個人成長經歷認知需要結合候選人的理解和個人經驗，這部分沒有標準答案，比較難以適用。對比過去的AI面試會依賴HR給出標準答案，通過機器學習對比打分。而現在可以直接用大語言模型給出標準答案，再和候選人答案做對比，越接近正確答案，它的評分就會越高。問題與挑戰面試的信效度：如果候選人直接用大語言模型回答問題時，個人面試的信效度會大幅度降低。因此，作為HR型直接獲得高評分的答案，另一方面又得利用大語言模型對候選人的回答能夠進行答案提示和評價。█雇主品牌C公司雇主品牌的內容分為研究、推出、維持這三個方面。在這幾個部分，大語言模型可以幫助HR做內容輸出，提升工作的效率。★研究：研究的部分是通過定性、定量的方法做對比。因此在研究分析的數據這一端，可以通過大語言模型幫助做分析判斷的工作，但是這需要使用者有比較強的問問題能力。視頻、PPT等幫助員工提煉和總結，提升效率。★維持：維持部分通常會用講故事的方式，HR可以將素材和關鍵部分輸入給大語言模型，讓其生成故事，再通過人工修改和打磨。企業實踐D企業企業實踐D企業案例精粹：HR面試評價利用大模型與候選人進行初步面試交流，并與崗位畫像以及能力模型進行匹配，形成面█雇主品牌建設試評價，幫助HR初步判斷候選人是否合適。公司對雇主品牌建設非常重視，作為最佳雇主，D公司希望可以將雇主品牌信息與招聘大模型可以向候選人發送合適的企業宣傳內容，有助于候選人有針對性地了解企業情況。?案例精粹：

企業實踐C企業HR制定個人發展計劃大語言模型在培訓的應用與規劃C例如：員工制定個人發展計劃時，可以分解為：★職業發展階段與個人目標★自我認知（特長和個性特征）職業發展階段和個人目標以及自我認知可以使用大語言模型輸出理論和評估的自我維度，引導員工暢想并幫助員工自我認知。★組織需求在組織需求中，針對組織的發展路徑（未來領域的走向以及人才與能力的需求）可以通過大語言模型搜索其他公司的例子，再結合自己公司的情況和內部訪談做總結給學員輸出。案例精粹：

企業實踐D企業HR制定個人發展計劃以及領導力發展計劃大語言模型可以幫助新員工入職快速了解企業文化、制度人才發展在人才發展領域，D公司認為大語言模型可以助力個人發展計劃與領導力發展計劃的形成：★個人發展計劃目前D公司的個人發展計劃（IDP）比較傳統，需要通過員工自行在系統中填寫自身的興趣愛好、職業發展路徑與方向，再與主管溝通并形成共識，最后形成發展計劃。大語言模型的輔助下，員工與主管可以從更多維與廣泛的角度了解本行業、甚至其他行業的信息。例如，員工與主管可以通過大語言模型了解某一崗位、或某種類型的職業的發展方向與趨勢，輔助它們判斷個人發展方向。★領導力發展計劃大語言模型可以協助HR將需要蓓發展領導力的同事的基礎信息、績效、能力等信息與公司、部門的策略進行匹配，并未