-
governance
负责任的AI（Responsible AI） 在招聘中的分界线：从 Workday 到 Eightfold，企业该让算法走多远？
HRTech概述：全球近一半企业已在招聘中引入人工智能，用于职位描述撰写、简历筛选和候选人匹配。然而数据显示，约四成HR担心算法偏见与透明度问题。企业已经结束试点阶段，进入规模化应用阶段。成功关键不在工具数量，而在数据基础、岗位架构与治理规则。AI更适合承担高重复性任务，人类则保留判断、同理心与最终决策权。Responsible AI强调人机协作，让技术放大能力，而不是取代专业。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
过去三年，招聘领域经历了一次前所未有的技术跃迁。生成式 AI、大模型和自动化工具迅速进入人才获取流程，从职位描述生成、简历筛选，到技能识别与候选人匹配，越来越多企业发现，招聘不再只是“人对人”的工作，而正在变成“人机协作”的系统工程。效率的提升肉眼可见：同样规模的招聘团队，可以处理数倍于过去的申请量，初筛时间从数周压缩至数小时，数据洞察也更加结构化和量化。
但当算法开始决定“谁被看到、谁被淘汰”时，问题的性质就发生了变化。招聘从来不仅仅是流程优化问题，它更关乎公平、合规与责任边界。当技术进入决策核心，企业真正需要思考的，已经不是“AI 能做什么”，而是“AI 应不应该做”。
Responsible AI 的讨论，正是在这样的背景下成为 HR 领域的新关键词。
从实践来看，AI 已经成为招聘的基础设施，而非锦上添花的工具。许多企业的招聘流程中，JD 写作、关键词筛选、候选人排序和技能标签提取都已实现自动化，部分组织甚至利用模型从非结构化简历中推断隐性能力，并为面试官生成结构化问题清单。这些能力极大释放了 HR 的时间，使团队可以从事务型工作中抽身，投入到更有价值的沟通和判断中。从效率维度看，AI 的确是必选项。
然而，风险也在同步放大。算法并非中立，它学习的是历史数据，而历史本身就可能带有偏见。如果过往录用人群集中于某些学校、性别或背景，模型极可能无意中复制甚至强化这种倾向。一旦问题存在，AI 的规模化能力反而会将偏差快速放大，形成系统性不公平。这也是为什么越来越多 HR 负责人开始意识到：招聘 AI 的挑战，并非技术成熟度，而是治理成熟度。
一些头部厂商的实践，恰好为行业提供了两个极具代表性的对照案例。
作为全球最大的人力资源系统厂商之一，Workday 近年来持续强化其 AI 能力，在招聘与人才管理中推出 Skills Cloud、自动匹配推荐和生成式 Copilot 等功能。这些工具的核心逻辑，并不是直接替代 HR 决策，而是提供“建议层”。系统可以基于海量数据推断技能相似度、识别内部人才流动机会、生成职位描述草稿，但最终的录用与晋升判断始终保留在人类手中。同时，Workday 强调模型可解释性与合规框架，在产品层面嵌入审计记录、权限管理和透明度机制，让企业清楚知道 AI 参与了哪一步、提供了什么依据。这种“增强型 AI”路径，本质上是在放大 HR 的判断力，而不是取代它。
另一家快速崛起的 Talent Intelligence 厂商 Eightfold AI 则走得更激进一些。其平台强调通过深度学习构建人才画像，实现大规模自动匹配与推荐，并宣称可以减少人为偏见、提升多元化招聘效果。然而，在实际落地过程中，外界也对算法透明度与公平性提出过质疑，甚至出现过与合规相关的争议与诉讼讨论。这类事件为行业敲响了警钟：即便技术目标是“更公平”，如果缺乏清晰的解释机制与责任边界，仍然可能带来法律与品牌风险。算法并不会自动等于公正，治理永远先于能力。
这两个案例共同揭示了一个现实：Responsible AI 的关键不在“多智能”，而在“有边界”。技术本身没有对错，真正决定风险高低的，是组织如何定义 AI 的角色。
越来越多领先企业开始采用一种更务实的分工逻辑，将招聘任务拆解为三类。对于高重复、低判断风险的环节，例如简历去重、批量筛选和流程通知，AI 完全主导是合理的选择；对于技能分析、候选人推荐或面试评分参考等场景，AI 作为辅助工具提供洞察，但仍由人类做最终判断；而在最终录用决定、文化契合评估或敏感沟通等关键节点，则必须由人类负责，算法需要主动“退场”。这种“主导—辅助—退场”的分层模型，比追求全面自动化更符合现实，也更有助于建立信任。
事实上，Responsible AI 的最大难点往往不在系统，而在组织文化。很多 HR 团队对 AI 的担忧并非来自技术本身，而是来自角色不确定性：是否会被替代？谁为结果负责？出了问题找谁？如果这些问题没有答案，再先进的工具也难以真正落地。因此，越来越多企业将重点放在 AI literacy 培训、流程标准化与治理机制建设上，让招聘经理理解 AI 能做什么、不能做什么，并在制度层面明确责任归属。只有当人类始终站在决策链条的终点，AI 才能被真正信任。
回到招聘的本质，它从来不是简单的匹配游戏，而是一种高度情境化的人类判断。候选人的潜力、团队协作能力、价值观契合度，往往难以被完全量化。算法可以帮助我们更快看到信息，但无法替我们承担责任，也无法替我们建立信任。
因此，Responsible AI 的终点，并不是“无人招聘”，而是让机器处理噪音，让人专注于真正重要的部分。当 HR 不再把时间花在翻简历和填表格，而是投入到候选人体验、组织设计与业务合作时，技术才算真正创造了价值。
说到底，招聘的未来不是 AI 或人类二选一，而是更聪明的分工。算法负责速度，人类负责温度。只有当两者各司其职，Responsible AI 才不再是口号，而是可持续的竞争力。
附录：
Responsible AI in HR—推动HR工作中实践负责任AI的倡导者（简称RAIHR）—特此发起此倡议。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。
发起倡议的签名地址：https://www.hrtechchina.com/raihr
*RAIHR 由HRTech的Next AI专家委员会倡导成立
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。
-
governance
深度观察 | AI重构HR的未来蓝图：战略编排才是核心战场--解读Deloitte《HR Reimagined: Agentic AI for HR》
HRTech隆重推荐！在AI加速重塑企业运作方式的今天，人力资源领域也正经历着一场深刻变革。2025年夏季，Deloitte 发布了最新研究报告 《HR Reimagined: Agentic AI for HR》，由资深人力资本与AI转型顾问 Greg Vert 和 Kyle Forrest 联合撰写。报告围绕“Agentic AI”（智能体AI）这一新一代技术，系统探讨了AI如何在HR全价值链中发挥作用——从战略规划、治理体系，到能力建设与技术架构，并通过16项HR核心能力与67个具体活动的分析，描绘了从AI辅助（Assisted）到增强（Augmented）再到AI驱动（AI-Powered）的成熟路径。
本文将结合报告核心内容与行业背景，带来一份深入的中文解读，帮助HR领导者与业务决策者理解AI在HR中的落地价值、潜在风险及战略编排方法。非常值得推荐阅读！！如果需要PDF 可以添加客服或者邮件获取德勤报告
人工智能的快速发展，正在让HR领域面临一次前所未有的变革。从招聘到员工体验，从绩效管理到流程优化，AI的触角已经伸入几乎所有HR职能。Deloitte 在《HR Reimagined: Agentic AI for HR》中，描绘了一幅未来蓝图——AI不再只是工具，而是HR战略执行的核心力量。本文将结合报告要点，带来一份面向HR领导者的深度解读。
1. AI在HR的三种形态：从辅助到驱动
报告指出，AI在HR的应用大致分为三个阶段：
辅助型（Assisted）：AI为人类提供支持，如自动生成职位描述、初步整理数据等。
增强型（Augmented）：人类与AI交替协作，AI能处理部分复杂任务，如候选人筛选、知识库更新、调查分析。
驱动型（AI-Powered）：AI主导流程执行，人类负责监督与优化，例如自动完成员工咨询、生成分析报告、触发跨部门流程。
解读：企业应先明确自身在这三个阶段中的位置，然后规划向更高阶段的演进路径，而不是盲目堆砌工具。
2. Agentic AI：HR的“虚拟同事”
传统AI往往是功能插件，作用单一。而Agentic AI的特征在于：理解上下文、规划多步骤任务、调用不同系统完成工作，并能根据反馈优化执行。这类AI更像是一名“虚拟同事”，能够独立完成从信号识别到结果交付的全流程。
解读：这要求HR团队具备“管理AI”的能力——为AI设定任务边界、明确流程接口、评估其工作成效，而不是只当它是一个按钮或查询工具。
3. 角色重塑：从事务处理到战略赋能
AI的引入会让HR的时间分配发生显著变化：
HR业务伙伴（HRBP）：从有限服务部分业务单元，转向为全体管理者提供战略性人才辅导。
卓越中心（COE）：从数据收集整理转向实时洞察与预测，参与前置决策。
HR运营（HR Ops）：80%以上的日常事务由AI执行，团队重心转向员工体验和流程改进。
解读：HR的绩效评估指标也应随之调整，从“完成多少任务”转向“业务贡献度”和“战略影响力”。
4. 高价值落地场景
报告给出了一些能快速显现成效的Agentic AI应用：
入职流程：多个AI协作完成任务分配、福利登记、培训安排，跨平台无缝衔接。
请假与返岗管理：AI提前识别返岗事件，触发跨部门流程，并根据反馈优化体验。
人才保留：AI实时分析流失风险并推送定制化留才方案，直接触发奖励或调配。
解读：这些场景有三个共性——跨系统、闭环执行、可持续优化，非常适合做为企业的AI试点项目。
5. 碎片化风险与战略编排
如果不同部门各自引入AI工具，很容易造成“67个AI源”的割裂局面：数据孤岛、体验不一致、治理困难。报告提出五个关键步骤来避免碎片化：
规划：目标与业务战略、员工需求一致；
治理：覆盖伦理、数据安全、信任机制；
能力建设：集中AI专业能力，设立卓越中心；
编排：工具互通并嵌入核心流程，而非外挂；
衡量：效率、体验、公平性与成果并重。
解读：这本质上是“企业级AI治理”的HR版本，需要跨部门协作才能真正落地。
6. 技术趋势：多智能体系统（MAS）
未来12-18个月，用户与HR系统的交互将从传统API调用，逐步转向多智能体系统（MAS）——多个AI可以相互协作、与人类互动、跨平台执行复杂任务。例如，招聘AI可以直接与培训AI、薪酬AI协作，实现从录用到入职培训到福利登记的自动化闭环。
解读：这意味着企业未来的AI生态将是“团队作战”而非“单兵作战”，需要提前规划架构与数据接口。
结语：AI价值取决于编排能力
AI进入HR是不可逆趋势，但它的价值并不会自动释放。真正的竞争力来自于战略性编排与持续优化——让AI不只是辅助工具，而是组织能力的一部分。对于想在未来人才竞争中保持领先的HR团队来说，现在正是重新设计角色、流程与能力结构的关键窗口期。
报告来源：Deloitte《HR Reimagined: Agentic AI for HR》 作者：Greg Vert 与 Kyle Forrest
扫一扫 加微信
hrtechchina
