AI承诺帮助人力资源团队加快招聘速度、自动筛选候选人、改善报告效率，并减少重复性工作。然而，在缺乏一致性的流程中引入AI，并不一定能带来改善。有时候，它反而会让原本隐藏的问题更加明显。
这是 Huong Nguyen 在为一家拥有500多名员工的全球科技公司推进AI应用时学到的重要一课。
Huong 拥有超过11年的科技行业人力资源工作经验。目前，她担任 DAPL IT Services 的 Country Talent Partner，同时也是 EB Foundation 的创始人。她已通过七期雇主品牌培训课程，为500多名专业人士提供培训。此外，她正在 VinUniversity 攻读人工智能与创新方向的工商管理硕士学位。
Huong 曾协助 Creative Force 将员工规模扩大至原来的三倍，也曾与积极探索AI的越南企业首席执行官合作。这些经历让她越来越关注一个问题：为什么有些企业只是不断尝试AI工具，而另一些企业却能够将AI转化为长期的组织能力？
她的经验表明，答案并不在于企业采用了多少种工具，而在于企业是否真正了解自身的工作方式。
亮点
他们想加快招聘速度，AI却揭示了另一个问题
这个项目最初的目标非常明确：提高招聘效率。
当时，Huong 正与公司的后台职能团队合作，推动AI应用。团队希望减少筛选简历和评估候选人所花费的时间，将部分招聘环节自动化，并提高报告生成的速度和效率。
因此，他们开始探索如何利用AI创建内容、吸引更优质的候选人，以及开展简历筛选、候选人评估和招聘报告工作。
起初，团队认为只要引入AI，就能提高生产力。讨论主要围绕哪些工具能够生成更有吸引力的内容、改善人才吸引效果、加快筛选流程，以及制作更完善的报告。
但随着项目推进，他们发现了一个更加根本的问题。
“问题并不是缺少AI，而是组织本身尚未建立足够统一的工作体系。”
不同员工以不同方式完成相似的任务。审批流程分散在 Zalo、Messenger 和 Slack 等平台上。数据存放在多个位置，而且数据质量不足以可靠地支持自动化。
甚至连公司的品牌语调也没有想象中一致。对外沟通的表达方式，可能因内容创作者不同而发生变化。
团队意识到，继续引入更多AI工具并不能解决这些不一致的问题。
“到了那个阶段，我们停止了继续增加AI工具的尝试。”
他们转而重新审视基础流程：重新设计工作流程、清理和整理数据，并统一团队的工作方式。
只有在这些基础工作完成之后，他们才开始将AI逐步融入工作流程。
他们修好了工作流程，数据却揭示了新的发现
项目成果并不只是引入了新工具。人工操作减少了，生产力得到提升，招聘流程也更加标准化。与此同时，团队在日常工作中运用AI的能力也有所增强。
经过改进的招聘和员工参与度数据看板，开始呈现过去难以发现的洞察。
其中一项结果尤其出人意料。
这个项目原本并不是为了重新定义公司的雇主品牌或品牌语调。然而，数据看板揭示了员工如何体验这家组织，以及哪些特点使其与众不同。
这些洞察帮助公司为品牌语调加入新的表达维度，并建立更加清晰、更具差异化的品牌形象。
对 Huong 而言，这是一个重要发现：尝试将现有流程自动化，有时能够揭示此前未被察觉的问题和机会。
如今，她遵循一个简单的原则。
“在安装引擎之前，先确保机器本身能够顺畅运转。”
她认为，如果工作流程中的每一个环节都不稳定，AI并不会神奇地解决问题。相反，它可能让这些不稳定因素以更快的速度扩大，并变得更加难以管理。
越南企业CEO热衷尝试AI，但仅有热情就够了吗？
在科技行业人力资源领域工作超过11年后，Huong 关注的重点已不再是企业使用了多少AI工具，而是企业领导者如何看待和使用这项技术。
她在担任“Practical AI CEO”社群项目经理期间，对此有了更深刻的认识。在这个社群中，她与积极探索AI的企业CEO交流，了解他们面临的挑战及正在尝试的解决方案。
令她尤其欣慰的是，许多越南企业CEO都非常愿意学习和尝试新事物。
他们倾向于尽早行动，而不是等待其他人先找到所有答案。
但领导者的热情还需要转化为员工发展自身能力的机会。
Huong 曾任职的 Creative Force 就是一个例子。
该公司的CEO和领导团队积极以身作则，鼓励员工尝试AI。公司还组织了内容详尽的工作坊，帮助技术和非技术岗位的员工理解如何将AI应用于各自的工作。
这种做法带来了显著差异，因为AI并没有被定位为技术团队独有的工具。
相反，它成为整个组织可以共同学习和探索的能力。
反馈措辞很漂亮，员工却仍觉得没人真正倾听
Huong 也见过效果不佳的AI应用方式：一些管理者主要将AI视为提高效率的捷径，却没有充分理解它如何运作、适合应用于哪些场景，以及哪些地方仍然需要人的判断。
这种做法带来的后果有时并不明显。
例如，她曾发现，当员工感觉管理者的反馈只是由AI生成时，往往会感到沮丧。
这些反馈的措辞或许十分得体，却缺乏清晰的推理、有说服力的指导，以及一致的方向。
这样的沟通不仅没有让员工感受到支持，反而使双方的交流变得更加疏远，也更像是一种事务性的互动。
对 Huong 来说，这反映出企业在强调AI采用率时容易忽视的一项风险：技术可以加快沟通速度，却不一定能提高沟通质量。
她认为，越南企业面临的最大风险，并不只是未能采用AI。一个更加隐蔽的危险，是对AI的应用流于表面。
越南的优势在于好奇心、行动速度和学习意愿。虽然当地企业在流程成熟度或基础设施方面，起点未必能与一些体系更完善的国际公司相提并论，但它们能够快速尝试，并从实践中学习。
真正的挑战，是如何将这种尝试转化为组织能力。
Huong 认为，三个条件必须同时具备：领导者以实际行动示范如何使用AI；员工获得学习和尝试的技能与机会；组织愿意重新设计工作方式。
正是这种组合，让她对越南的未来保持乐观。
“学习和尝试的热情已经存在，”她说。
“现在的机会，是从‘使用AI’迈向‘因为AI而改变工作方式’。”
她打造了第一个AI助手，随后又开发了三四个
Huong 亲自使用AI的经历，也改变了她过去对人力资源与技术之间界限的认识。
“我过去一直认为，要利用AI开发出一些东西，就必须掌握更多技术知识。”
她原本以为，两者之间有着明确的职责分工：人力资源专业人士了解人员和流程，而技术团队负责开发技术。
但当她亲手打造出第一个AI助手时，这种想法发生了改变。
此后，她又创建了三四个AI智能体，并开始把它们当作自己的“数字员工”。
这段经历成为一个转折点。
Huong 发现，构建AI智能体并没有她想象中那么困难。更重要的是，她开始意识到，编程未必是最关键的技能。
真正重要的是对工作有足够深入的理解，能够将工作拆解成具体任务，识别哪些任务可以委派出去，并将这些任务转化为AI智能体能够执行的指令。
“AI缩短了从发现问题到构建解决方案之间的距离。”
这一认识改变了她对人力资源未来的看法。
她不再认为人力资源专业人士只能作为技术使用者，等待IT或产品团队为他们开发工具。
相反，她相信，人力资源部门可以越来越多地成为AI赋能解决方案的开发者。
这并不意味着每一位人力资源专业人士都需要成为程序员。
事实上，Huong 认为恰恰相反。
最有价值的人力资源专业人士，未必是掌握最多AI工具的人，而可能是那些足够了解组织问题、能够识别技术真正可以发挥作用之处的人。
这种理解来自与员工的密切合作、对工作流程的熟悉，以及对组织变革实际情况的认识。
AI则提供了一种新的方式，让这些知识能够转化为真正可运行的解决方案。
别再问该使用哪种AI工具，先找出工作流程中的问题
Huong 的经历也改变了她对AI项目应该从哪里开始的看法。
她不再首先问：“我们应该使用哪种AI工具来改善招聘？”
相反，她会从一个更加根本的问题开始：
“我们目前的工作方式中，阻碍效率的环节在哪里？”
她建议采用一种务实的方法：选择一个问题突出的工作流程，梳理实际的工作方式，尝试引入AI，构建一个小型原型，并衡量最终效果。
步骤的先后顺序十分重要。
如果不了解工作目前是如何完成的，团队就可能把不必要的步骤自动化，忽视流程中的不一致，或者在尚未明确根本问题的情况下引入技术。
此前的招聘项目说明了建立这一基础的重要性。而 Huong 自己开发AI智能体的经历，则展示了当一个人足够了解问题，并能够将其转化为解决方案时，可以实现哪些新的可能性。
结语：HR未来最重要的AI技能，或许与提示词无关
这些经历共同重塑了 Huong 对AI赋能的理解。
她认为，AI可以自然地发展成为人力资源领域的一项新能力，因为这个专业本身就拥有组织行为、人员管理、变革管理，以及理解工作如何开展等方面的经验。
真正的机会，并不只是让现有的人力资源工作完成得更快，而是让人力资源专业人士在识别组织问题和开发解决方案的过程中发挥更加积极的作用。
这也改变了AI素养对这一职业可能意味着什么。
掌握工具的操作方法仍然有价值。但诊断工作流程、识别阻碍效率的因素、判断哪些任务应该委派出去，以及认识到哪些环节仍然需要人的判断，这些能力可能变得同样重要。
对 Huong 而言，这种转变可以通过两个问题来概括。
“我的思维方式已经从‘HR如何使用AI？’转变为‘HR能够利用AI构建什么？’”
第一个问题将人力资源部门视为技术的使用者。第二个问题则开启了另一种可能：人力资源部门可以参与决定技术应该如何设计和应用。
而这正是她对人力资源行业未来最感到兴奋的机会。
亮点
Read the English article here.
