你用过AI，但不等于你具备了AI能力—从AI工具热潮到能力标准，HR AI Forward框架正在重塑HR的AI能力定义HRTech概述：最新的HRAI能力成熟度框架，首次从“工作方式”而非“工具使用”定义HR的AI能力。该框架将能力划分为4个等级、12个阶段，从传统人工执行，到AI工具使用，再到能力构建与系统驱动，形成完整路径。当前多数HR并非不会用AI，而是停留在零散使用阶段，尚未形成稳定、可复用的工作方法。其中，L1到L2被定义为最关键跃迁，意味着AI从辅助工具转变为核心工作能力。该模型不评估AI知识或工具数量，而关注实际工作中的方法、结构与习惯。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
在过去一年，AI在HR领域的渗透速度远超预期。从招聘到员工沟通，从数据分析到政策生成，几乎所有HR职能都在被AI重构。但一个值得警惕的现象也在同步出现：行业对“AI能力”的理解，仍然停留在工具层。
讨论集中在ChatGPT、Claude、自动化工具、prompt技巧，甚至是哪一款产品更好用。但这些讨论背后隐含着一个关键误区——把“工具使用”当作“能力本身”。HR AI Forward提出的Maturity Framework，正是在这一背景下出现，其核心意义不在于提供新的工具清单，而在于重新定义：在AI时代，HR的能力究竟是什么。
能力的误判：为什么“会用AI”并不等于具备AI能力
当前HR行业的一个普遍现象是，大量从业者已经接触并使用过AI工具，甚至在多个场景中形成了初步应用。但从能力视角来看，这种状态更接近“工具熟悉”，而非“能力构建”。
HR AI Forward框架的核心判断在于：能力不是是否使用AI，而是AI是否已经进入你的工作方式。
这一判断切分出多个关键差异。偶尔使用与稳定使用不同；单一任务应用与跨场景迁移不同；效率优化与工作结构重构更是本质差异。很多HR停留在“效率提升”的阶段，但尚未进入“结构变化”的层面，这正是能力未真正形成的标志。
更重要的是，该框架刻意排除了对AI知识、prompt技巧以及工具数量的评估。这一设计具有方法论上的克制：这些因素虽然相关，但都不构成能力本身。能力的核心，在于是否形成稳定的方法、可迁移的逻辑以及持续复用的工作机制。
四层结构：HR与AI关系的演进路径
HR AI Forward将AI能力划分为四个层级，这不仅是能力划分，更是人与AI关系的演进模型。
L0（Traditional HR）代表AI尚未进入工作体系，工作依赖经验与人工执行。该阶段的关键不是能力不足，而是尚未完成“起步”。
L1（AI-Enabled HR）是当前大多数HR所处的阶段。AI已经被使用，并在多个任务中带来效率提升。但其本质仍然是“工具叠加”，工作的结构并未发生改变。AI在这里是辅助，而非基础。
L2（AI-Ready HR）则标志着能力的真正形成。在这一阶段，AI成为默认工作方式的一部分。HR开始构建可复用的方法体系，并能够在不同场景中迁移这些能力。工作输出的质量与深度，也因AI的结构性嵌入而显著提升。
L3（AI-Native HR）进一步将能力推向系统层。HR不再只是使用AI，而是设计AI工作流程，构建自动化体系，甚至推动组织层面的AI转型。
这一结构的本质，是从“执行者”到“系统设计者”的能力跃迁。
12阶段设计：从粗粒度分类到精细化诊断
相比仅使用四个Level划分，该框架进一步引入12个Stage，这一设计使其从“描述模型”升级为“诊断工具”。
在现实中，一个刚进入L2的HR，与一个已经能够在多个业务场景中稳定应用AI的HR，能力差距极大。如果仅以Level划分，两者将被归为同一类，导致评估与指导失效。
通过Stage的引入，框架能够精确定位个体在每一层级中的具体位置，从而提供更具针对性的成长路径。这种设计使模型不仅具备解释力，也具备实际应用价值。
真正的能力分水岭：L1到L2的跃迁为何如此困难
在整个框架中，最具洞察力的部分，是对L1到L2跃迁的强调。
从L0到L1，本质是“开始使用”，这一过程依赖工具普及与个人尝试，门槛较低。而从L1到L2，则是“重构工作方式”，这一过程涉及习惯改变、方法沉淀与结构重建，其难度远高于前者。
更关键的是，L1阶段具有明显的“伪完成感”。AI带来的效率提升，会让使用者误以为已经具备能力，但这种能力缺乏迁移性与复用性，无法形成持续优势。
L2的意义，在于让能力具备“复利效应”：方法可以复用，能力可以迁移，输出可以持续提升。这种能力一旦建立，将成为长期竞争优势。
框架的行业价值：建立AI时代的HR能力标准
HR AI Forward框架的真正价值，在于其“标准化能力语言”的建立。
当前行业处于一个典型的过渡期：AI已经广泛进入HR工作，但能力标准尚未形成。个体无法判断自身水平，组织无法识别真实能力，市场也缺乏统一的衡量尺度。
该框架通过清晰的分层与结构，为行业提供了三项基础能力：一是个体层面的自我定位；二是组织层面的能力识别；三是市场层面的能力表达与认证。
这意味着，HR能力正在从“隐性经验”转向“显性结构”，从“无法衡量”走向“可验证与可比较”。
从框架到评估：能力如何被量化与验证
在能力标准建立之后，真正的挑战在于如何将其落地。
HR AI Forward通过Assessment，将框架转化为可执行工具。通过26个问题，在10–15分钟内评估个体所处的Level与Stage，并输出差距分析与成长路径。
这一机制的意义在于，将抽象的能力模型转化为可测量结果，使能力从概念走向现实。尤其在AI能力这一新兴领域，个体往往难以准确判断自身水平，标准化评估提供了必要的客观参照。
结语：HR能力正在进入“结构化时代”
HR AI Forward Maturity Framework所揭示的，并不仅是一个能力模型，而是一种能力定义方式的转变。
过去，HR能力更多依赖经验积累与知识掌握；而在AI时代，能力的核心正在转向“是否能够用AI重构工作方式”。
未来HR之间的差距，将不再取决于是否接触过AI，而在于：是否已经将AI转化为稳定的工作机制，以及是否具备用AI构建系统的能力。
从这一意义上看，该框架不仅描述了当下的能力状态，也指向了HR职业发展的下一阶段路径。
AI Capability Model
2026年04月11日
AI Capability Model
HR的影子AI行动指南： 从隐蔽使用到负责任 AI 的组织能力建设HRTech概述：影子AI （Shadow AI） 正在成为企业的真实现状：员工早已在日常工作中使用 AI，但往往“不敢说、不敢公开”。这不是违规，而是组织真实需求的外露，是基层对效率的自主追求。影子 AI 暴露的是心理安全不足、工具体验落差，以及组织学习断裂。HR 的角色正在发生改变：不再只是制度执行者，而是 AI 文化的塑造者、心理安全的设计者、治理框架的共同构建者。四步框架——心理安全、显性化、白化机制、Responsible AI 建设——将帮助企业把“地下创新”转化为组织能力。谁能更早拥抱 Shadow AI，谁就能在下一轮 AI 浪潮中领先。
一、当 AI 早已走进一线，却还停留在管理者PPT里
在很多企业的管理层会议上，AI 依然是战略汇报中的一个章节，是技术团队路演中的一个亮点，是外部大会上反复出现的关键词；但在员工的真实日常工作中，AI 早已“悄悄上岗”。销售用 ChatGPT 改邮件、运营用生成式模型写文案、HR 自己也可能用 AI 写 JD、起绩效评语、梳理政策……只是，这一切往往都发生在“未报备、未批准、未纳管”的状态下。这就是所谓的 Shadow AI（影子 AI）：员工在未正式获批、未纳入官方工具体系的前提下，自行使用各类 AI 工具完成工作目标。现有研究与市场观察都在指向同一个事实：员工实际使用 AI 的比例，远高于企业管理层的认知。而且，越是高绩效、越接近业务一线的员工，越有动力去寻找更高效的工具，也越可能成为影子 AI 的重度用户。对 HR 管理者而言，Shadow AI 不仅是一个技术或安全问题，更是一个组织问题与文化问题。如果只是简单将其视为“违规操作”，采取封堵、禁用、隔离等手段，只会把本就隐蔽的使用推向更地下的角落，让企业既承担风险，又完全丧失学习机会。本指南的出发点，是从 HRTech 与组织文化的视角，帮助 HR 管理者把 Shadow AI 从“地下水”引向“有渠道的水利系统”，把分散、隐蔽的个体实验，转化为安全、可控、可持续的 Responsible AI（负责任 AI）能力。
二、重新理解 Shadow AI：从“违规现象”到“欲望路径（Desire Path）”
如果从传统 IT 管理的视角，Shadow AI 与 Shadow IT 一样，是“未授权应用”，理应被列入风险清单。但如果我们转换视角，会看到另一层含义：Shadow AI 更像是校园里的“欲望小路（Desire Path）”——学校规划了标准道路，然而师生会按照自己的效率和习惯，踩出一条更加真实的路径；这条路径，往往比设计者想象的要合理得多。在企业中，Shadow AI 的出现，首先说明官方工具与流程无法完全满足一线需求。员工之所以绕过内部系统使用外部 AI 工具，往往不是为了规避规则，而是为了完成目标、节省时间，甚至是为了弥补现有系统的不足。其次，Shadow AI 折射出一种“不敢公开的创新”。许多员工其实已经在积累自己的提示词库、工作流模板和小型自动化流程，但出于对“被认为偷懒”“被质疑是否算自己的贡献”“被误读为岗位可被替代”的担心，他们选择不公开、不分享、不沉淀。换句话说，Shadow AI 是员工用脚投票之后留下的轨迹，是组织真实 AI 需求和真实效率突破的“热力地图”。如果企业只是从合规层面、技术控制层面去理解 Shadow AI，就会错过它作为“需求信号”和“创新线索”的价值。这也是 HR 需要主动介入的关键原因：如何将这种制度外的创新、隐蔽的效率实践，转化为可治理、可复制的组织能力。
三、Shadow AI 暴露的三大管理缺口：心理安全、工具落差与学习断裂
要把 Shadow AI 当成机会，首先要承认它是组织管理上的一面镜子。当前大量影子 AI 的存在，至少揭示了三类典型缺口。第一，AI 心理安全感缺失。员工不敢公开承认自己使用 AI，是因为在当前文化氛围下，“用 AI 完成工作”并未被正式定义为一种被鼓励的能力，反而可能被解读为“偷懒”“不够专业”，甚至被视为未来裁员时“可以被机器人替代”的证据。如果没有心理安全感，员工就不会主动说明“这里我用到了 AI”，更不会愿意把自己的 AI 工作流分享给组织，这直接阻断了企业学习的可能性。第二，官方工具与真实需求之间存在明显落差。很多企业已经在搭建内部大模型平台或 AI 助手，但常见问题包括响应缓慢、调用复杂、上下文受限、接入场景单一，甚至与员工日常使用的应用脱节。一线员工用外部 GPT 等工具可以在 30 秒完成的任务，内部工具可能需要数分钟甚至更长。一旦体验差距过大，Shadow AI 就几乎不可避免。第三，组织学习与治理机制断裂。当前不少企业对 AI 的管理仍停留在“政策下载”“使用禁令”“统一培训”的层面，缺少一个真正面向业务的、可持续的 AI 学习和治理循环：哪里出现了新的 AI 工作流，如何被发现、如何被评估、如何被白化（纳入官方）、如何被复制推广。结果是，员工的创造性实践被锁在个体层面，组织既看不到风险，也看不到机会。
四、HR 在 Shadow AI 中的独特角色：文化定义者与行为架构师
在 AI 治理的角色分工中，IT 负责技术护栏和安全架构，高管层负责战略方向与问责机制，而 HR 的核心职责在于“人”和“行为”。这意味着，HR 在 Shadow AI 问题上的角色，不是简单地转发 IT 的禁用公告，而是要通过文化、制度、激励与能力建设，把一个隐蔽、分散、个体化的现象，转化为公开的、可讨论的、可治理的集体实践。其一，HR 是 AI 心理安全感的主要设计者。心理安全感不是一句口号，而是涉及绩效评估逻辑、能力模型定义、晋升标准、沟通语境的一整套机制。HR 需要帮助管理层明确：使用 AI 是一种能力，不是作弊；公开分享 AI 使用经验，是一种贡献，而不是可疑行为。只有这样，员工才会相信“说真话是安全的”，AI 使用才能从影子状态走向阳光之下。其二，HR 是 AI 文化的塑造者。HR 可以引导企业从“工具导向”转向“文化导向”：与其问“我们有没有自己的大模型”，不如问“我们的员工能不能自然地把 AI 作为工作伙伴”。这种文化关乎是否鼓励尝试、是否允许试错、是否鼓励跨团队分享，以及是否把“AI 流畅性（AI Fluency）”写进人才画像与能力模型之中。其三，HR 是 AI 能力建设与治理框架的共同设计者。在岗位说明书、培训发展、人才盘点和组织发展项目中，HR 完全可以把“与 AI 协作的能力”“构建 AI 工作流的能力”“识别和审查 AI 输出风险的能力”作为新一代核心能力维度，并与 IT、安全、法务共同搭建 Responsible AI 的制度框架和教育体系。
五、HR Shadow AI 行动框架：从察觉现象到建立负责任 AI 体系
要从战略层面走向具体行动，HR 可以参考一个“四步式”行动框架：心理安全 → 显性化与分享 → 白化与护栏 → Responsible AI 体系化。
第一步：建立 AI 心理安全感，明确“用 AI 是被鼓励的行为”HR 需要与高管层一起，向全公司发出清晰、统一的信息：在合理边界下使用 AI，是被鼓励的；在工作中说明自己使用了 AI，不会削弱对个人能力的认可；凡是能够证明 AI 使用为业务带来实质价值的案例，都可以成为正面的组织故事。这种信息不应停留在“口头安抚”，而要落实到绩效评估标准、KPI 设定、团队例会、内部沟通中，甚至体现在领导者自身的示范行为里。只有当员工真正相信“用 AI 和说明用 AI 都是安全的”，Shadow AI 才会从“要隐藏”的状态转向“可以讨论”的状态。
第二步：建立 Shadow AI 显性化与分享机制，把个体经验变成组织资产当心理安全感初步建立后，HR 应主动设计可持续的分享机制。例如，设立跨部门 AI 使用经验分享会或内部“AI Demo Day”，开设专门的 Slack/飞书频道收集高效提示词与工作流，鼓励团队每季度提交一到两个“AI 提效案例”。同时，HR 可以配合设立激励机制，如“季度最佳 AI 工作流”“年度 AI 创新团队”等，以非物质荣誉与适度物质奖励相结合的方式，让员工知道：不仅可以公开，而且值得公开。在这一阶段，HR 的重点不在于立刻统一工具，而在于尽量全面地看见：哪些岗位、哪些业务场景、哪些流程已经自然地被 AI 改造；在哪些地方，Shadow AI 已经成为事实标准。这些信息会成为后续治理和产品化的坚实基础。
第三步：与 IT 共建“白化机制”和技术护栏，从影子实践走向合规落地当大量 Shadow AI 使用场景被可视化之后，HR 应与 IT、安全、法务组成联合治理小组，对这些场景进行分级评估：哪些场景风险较低，可以通过简单规范直接纳入官方工具；哪些场景涉及敏感数据，需要通过技术手段（如脱敏、私有化部署、安全网关等）重构方案；哪些场景暂时不宜使用外部公共模型，需要专门设计替代路径。所谓“白化机制”，并不等同于“一刀切审批”，而是一个将影子实践纳入正式工具链与风控体系的过程。例如，将员工实践中最常用的提示词整理成组织级 Prompt Library，将高频工作流固化为一键调用的自动化模板，将临时性质的“复制粘贴+外部网站”操作替换为安全 API 或内部模型调用。HR 在此过程中的角色，是确保白化过程不压制真实需求，避免以管理的名义牺牲体验，从而促使员工再次转向影子路径。
第四步：构建以 Responsible AI 为目标的治理体系，将 AI 融入人才与组织发展
当显性化、白化和护栏搭建初步完成，组织就进入了 Responsible AI（负责任 AI）的建设阶段。此时，HR 需要协同其他关键职能，搭建一个长期可运行的治理体系，而不是一次性的专项项目。在制度层面，可以明确 AI 使用政策，包括可用场景、敏感数据边界、必须进行人工复核的情形、生成内容的署名与责任划分等；在能力层面，可以将 AI 相关能力写入岗位能力模型和晋升标准，将提示词能力、AI 判断能力、工作流设计能力、风险识别能力等，作为人才发展的新维度；在教育层面，可以设计分层培训体系：对所有员工提供基础 AI 素养课程，对管理者提供“AI 驱动团队”的领导力课程，对关键岗位提供场景化的深度训练。更进一步，HR 还可以推动将 AI 相关数据纳入组织诊断与人才盘点：例如，团队内部 AI 使用质量与频率是否与业务成效相关，哪些团队在 AI 采用上明显落后，哪些岗位的任务内容已经悄然改变，需要调整职位说明与绩效权重。这些工作会让 Responsible AI 不仅停留在“安全与合规”的层面，而真正延伸到“能力与竞争力”的层面。
六、典型应用场景：从招聘到绩效，Shadow AI 如何转化为治理样板
在具体实践中，HR 可以从几个典型场景入手，将 Shadow AI 转化为治理范例。在招聘领域，许多企业已经观察到候选人利用 AI 优化简历与面试回答，同样也有招聘团队使用 AI 来撰写 JD、筛选简历、生成面试问题。HR 可以先通过工作坊收集招聘团队真实使用 AI 的方式，识别其中哪些做法有助于提高效率与候选人体验，哪些做法可能带来偏见或不透明的风险。随后，通过明确政策与技术手段，构建一个既利用 AI 增效，又能保证公平与可解释性的招聘流程，并在内部公开这些标准，以减少阴影和猜忌。在绩效与评价场景中，部分管理者可能已经使用 AI 来草拟绩效评语或反馈。HR 不应简单禁止，而应明确：AI 可以作为辅助撰写工具，但不可以替代管理者的主观判断；最终的评语内容必须由管理者审核并承担责任。同时，HR 可以为管理者提供“如何借助 AI 写出更清晰、更具建设性的反馈”的培训，将 Shadow AI 使用引导到有益和规范的方向。在日常运营和知识管理中，员工可能已经在用 AI 整理会议纪要、编写操作手册、归纳流程和 FAQ。HR 完全可以将这些实践纳入知识管理体系：通过统一工具和流程，确保重要内容可以被沉淀、可被搜索、可被版本管理；同时，对不同类型内容设置清晰的访问与保密等级，避免知识资产流失或误用。
七、从 Shadow AI 到 Responsible AI 的飞轮
从 HR 的视角，Shadow AI 不是短期要消灭的现象，而是长期需要理解和引导的“地下创新能量”。一味压制，只会带来更隐蔽的使用与更高的不可控风险；积极引导，则可以形成一个健康的飞轮：员工自发实验 → 组织建立心理安全与分享机制 → 高价值实践被识别并白化 → 在治理框架下标准化与规模化 → 反馈到文化与能力体系 → 刺激下一轮更高质量的实践。在这一过程中，HR 的角色正在发生根本变化：不再只是制度的执行者，而是 AI 文化的设计者、AI 能力模型的定义者、跨职能治理框架的共同架构者。那些能够主动拥抱 Shadow AI、从中提炼出组织机会并搭建 Responsible AI 体系的 HR 团队，将为企业赢得的不只是效率，还有在下一轮技术周期中持续演进的能力。当我们不再只把 Shadow AI 看成“要被消灭的影子”，而是把它视为“正在书写中的真实 AI 采用路线图”，HR 才真正有机会站到 AI 治理的前台，成为组织转型的关键推动者，而不是被动跟随者。
最后，HRTechChina在2024年就发起推动HR工作中实践负责任AI的倡议（简称RAIHR）， 我们呼吁所有的人力资源行业同仁一同参与，共同构建和推广RAIHR的理念，RAIHR框架包含六个关键方面：透明性、公平性、隐私性、安全性、道德性和持续性。我们倡议每一位HR专业人士在其企业内部积极主导RAIHR的实施，并鼓励HR科技产品的开发和使用都围绕这一框架展开，以实现真正的可持续发展！我们更相信RAIHR是所有参与者和倡导者的未来关键竞争优势。
Responsible AI in HR（RAIHR）
Responsible AI in HR（RAIHR）是指在HR实践中的AI应用遵循高标准的道德和透明性原则，确保AI决策过程公开、可审查，并且对所有利益相关者公正无偏。
这包括在招聘、员工发展、绩效管理等HR功能中，AI技术的使用既促进了工作效率，也增强了员工的工作体验和满意度。
AI Capability Model
AI Capability Model
扫一扫 加微信
hrtechchina
