中国人力资源数智化发展白皮书（2023版）

—1 中国人力资源管理 数智化管理白皮书2023 编委 主编：刘辉王崇良祝恒书王海波刘长江刘蔚编辑：苗青任巍严道轩 China(HR)IntelligentManagementAssociation—CIMA 中国人力资源开发研究会智能分会成立于2020年12月，作为中国人力资源开发研究会的分支机构，是一个全国性非赢利性社会团体，致力于成为一个研究和促进智能技术在人力资源开发与管理领域应用的生态平台，全方位推动中国人力资源开发与管理的智能化发展。 分会的任务和主要工作内容： 构建基于移动互联网技术的人力资源开发与管理智能化的在线应用生态平台。 在人力资源智能化领域进行科学调研和数据分析，出具相关研究报告，并基于报告出具相关行业指数。 开发和推广人力资源智能化研究与应用等有关专业机构的相关业务，促进行业自律机制的建立， 促进各种业务技术规范和服务标准的建立。 组织评议、表彰和推广人力资源智能化发展的学术成果。 促进人力资源智能化研究与应用相关人才的培养和职业发展。 建立人力资源智能化学术成果、专业知识、实践案例分享平台。 组织人力资源智能化专业交流活动，为相关机构和专业人员提供专业化交流。 推动人力资源智能化学术研究和专业化的咨询服务。 数智化标准领导小组 中国人力资源数智化标准领导小组的主要职责： 定期发布《中国人力资源数智化标准白皮书》； 定期发布《中国人力资源数智化建设白皮书》； 研究并探索中国人力资源管理数智化发展、前沿技术、领先企业、领先实践、市场趋势等； 指导中国企业利用人工智能、大数据、大模型等技术进行数字化转型，重塑人力资源管理，引领企业的创新与数字经济变革； 推动中国人力资源数智化的学术研究和标准研究； 推动中国人力资源数智化和专业化的咨询服务； 赋能整个行业生态不断良性循环迭代加速发展； 推动企业运营管理和生态圈不断智能化发展。 目录contents 研究方法1 核心目标2 一、2023年中国人力资源数智化关键词3 1技术六大关键词3 2HR业务六大关键词11 二、中国企业数智化应用现状调研14 1调研企业的基本情况14 2人力资源数智化所处阶段现状17 3各职能模块数智化所处阶段总览18 4人力资源管理系统产品的使用现状20 5人力资源系统数智化应用关注度22 6系统产品的使用现状和数智化关注的程度对比23 7数智化过程中遇到的困难24 8数智化过程中遇到的阻力25 9希望解决人力资源管理的哪些痛点26 10人力资源数智化解决方案的企业需求分布28 11人力资源大数据分析和智能化技术的应用情况29 12企业在人力资源数智化运营中已开展的工作34 13企业人力资源数智化团队规模35 14企业人力资源数智化预算37 三、2024年中国人力资源数智化四大趋势39 1无人值守的HR平台39 2从大屏展示到作战指挥中心43 3基于大模型的数字员工45 4从流程智能到决策智能47 四、中国人力资源管理数智化领先企业实践案例50 1无人值守的HR——用人工智能重塑人力资源管理实践50 2美的人力资源信息化数字化简史56 3关于ESG原则在HR数字化过程中的指导作用61 4信息化系统升级，从整合走向融合71 5当AI技术着力于“企业微观数智化”74 研究方法 本报告主要采用市场调查、专家访谈、案例研究等方法，并经过中国人力资源开发研究会智能分会人力资源管理数智化标准委员会撰写并审核。 数据：以智能分会理事单位为基础，进行广泛市场调查和专家访谈，了解行业主要情况，获得相应数据 分析：基于所获取一手资料，结合统计学分析与数据可视化技术，对相关数据进行结论性洞察 趋势：基于相关数据结论和专家研判，对人力资源数智化领域的发展趋势进行解读 案例：以人力资源数智化领域的代表型企业为标杆，进行专项案例的延伸研究，树立数智化方向的全新标准 本报告得到青贝克咨询数据研究中心（KDRC）的技术支持。青贝克咨询是专注于企业人力资源数智化转型的专业咨询机构。 面向中国企业，提供全球顶级人力资源数智化转型解决方案，详 情可咨询admin@qingbeike.com。 核心目标 提升行业影响力：建立中国人力资源数智化行业模型、标准、指数，通过标准化组织的活动和影响力，扩大市场规模，吸引更多企业走进数智化。 推动行业发展：指导中国企业利用人工智能与大数据技术进行数字化转型，重塑人力资源管理，引领企业的创新与数字经济变革，赋能整个行业生态不断良性循环迭代加速发展。 培养数智化人才：吸引一流企业数智化人才共创，沉淀行业知识，打造数智化人才认证、学习、交流、成长的平台。 一、2023年中国人力资源数智化关键词 1技术六大关键词 中国人力资源管理在过去40多年里历经了四个阶段的发展规划：人事管理阶段、人力资源管理阶段、战略人力资源管理阶段和人力资本阶段；与各个阶段相匹配的，技术也从IT到DT，从BI到DI到AI的演进，流程/系统从线上化、信息化逐步地走上了数字化、智能化的迭代路径。这其中，技术的演进是关键因素，不断推动人力资源管理向前发展。 1 人工智能：人工智能技术经过近10年的实践探索与实际应用，持续发热，在人力资源数字化领域中发挥着越来越重要的作用，它可以帮助企业重塑人力资源“入离升降调，选用育留管”流程，利用模型/算法对员工数据进行解析，以识别趋势、做出预测、辅助判断；提高管理效率和运营质量。常见的应用场景参考如下： 对话机器人在人力资源领域常见的应用就是智能客服、访客接待机器人、培训机器人等。 语音识别在人力资源管理领域常见的应用就是共享服务中心的客服小秘、招聘小秘、培训助手、虚拟个人助理等。 计算机视觉在人力资源管理领域主要的应用是人脸识别，包括无感考勤、刷脸考勤、刷脸办理入职、刷脸培训签到、刷脸缴纳各种费用等。 自然语言处理在人力资源管理领域中常见的应用就是客服对话机器人、舆情分析、组织扫描（组织CT、业绩诊断系统）、人才扫描 （人才CT、人才识别与推荐）等。 基于人工智能的深度学习技术可以使企业的人才发展分析和辅助决策变成现实。 用户画像在人力资源管理领域中的应用就是人才画像。基于大数据分析，可以将用户画像的结果用于描述用户的特征，分析用户的喜好。同时，用户画像的结果还可以用于企业关键人才的选、用、育、留等环节，如进行精准培训，分析外部市场的薪酬水平，进行人才刻画分析，优化人才招募、配置、选拔、推荐等。 推荐阅读《当HR遇见AI》一书，用人工智能重新定义人力资源管理，人民邮电出版社，王崇良黄秋钧著。 ②大数据：数据、模型、算法、算力是机器学习的四大核心要素，算法通过在数据上进行运算产生模型，算力是通过对数据进行处理，实现目标结果输出的计算能力。我们可以利用大数据技术和思维方法去解决人力资源领域“小”数据的问题与诉求。人力资源数据同企业其他经营管理数据一样，也是宝贵的无形资产，通过建立模型与算法可以总结过去、诊断现状、预测未来，理解员工需求、做好服务，为管理提供分析判断、预测洞察，能够在组织、人才、文化、运营层面进行效率的提升，有效提高人力资源精细化管理水平，支撑企业战略目标分解和落地。常见的应用场景参考如下： 人才供需规划预测：人才供需规划通常可采取的方式有趋势预测法、成本控制法等。趋势预测法是根据历年的招聘情况（招聘总量、地域分布、业务单元分布、层级分布、组织发展形态、晋升速度、管理幅度、离职率等）进行综合分析给出一定比例增长幅度的线性预测，体现的是企业用工总量的平稳、还是爆发式发展。成本控制法是根据企业人工成本总预算倒推招聘数量，人工成本包含工资、五险一金、商业保险、奖金、调薪、福利费用、培训费用等，从总预算分摊到各事业部各个部门预算，再倒推到各个部门、各个层级能招多少人，从而预估出总招聘量。当然这二种方式各有利弊，也可以结合使用，即双控模式：既控制人头，又控制成本。目前更精准的方式是通过大数据挖掘技术，实时分析，月度review，季度调整，通过组织结构、人员配比、人力成本、升降调转、绩效、离职 等相关内部信息的加工处理与建模分析，同时结合外部社交数据的综合多维度分析，模拟仿真可能发生的各种变化情景，对其合理性与风险进行评估，给出人才供需分析报告，供管理层科学决策使用，避免“拍脑袋”式决策。 人才识别和选拔：求职信息与岗位信息自动匹配、智能评估、双向推荐，对候选人的简历、社交媒体数据、在线行为等合规数据进行综合分析，可以更准确地评估候选人的能力、兴趣和潜力，提高招聘匹配度和效率。通过大数据算法，对相关指标实现量化、标签化，然后对指标进行综合加权匹配，通过训练、验证、调优，实现求职信息与岗位信息的智能评估与自动匹配，向用人单位自动筛选精确的求职者简历，提升招聘效率与产出；也可以向求职者推荐合适的岗位信息，达到用人单位主动吸引人才的目的，实现双赢。另外，智能匹配算法可以非监督学习功能，根据输入信息变化、搜索历史、地域热度、人才贮备等变化，可以自我调整修正指标，从而自动匹配更加智能化。 招聘运营效率提升：大数据分析在招聘渠道、招聘进展（漏斗分析）、招聘来源（人才雷达地图）等方面都可以发挥很大作用，满足基本要求：多（招人数量多）快（进人效率高）好（人才质量优）省（花费成本低），并向组织效能转化。通过准确的甄选评测工具、正确的操作流程、合适的面试官、适当的技术，将最优秀人才招募进来。 员工培训和发展：通过对员工的学习需求、绩效表现、能力水平、工作行为等数据进行建模与综合分析，结合学习地图，可以制定千人千面的课程推荐和个人发展计划，提高员工的职业发展水平和绩效。个性化推荐课程有了用户的若干个行为偏好特征标签，就可以对应于课程标签进行个性化推荐了。但实际操作过程中，用户可能不买账，认为有些课程并不是他想要的。这就还需要根据用户的学习风格以及学习习惯进行不断机器学习调优，并最终达到用户想看 到的时候我们已经推送到位。 绩效预测：通过收集对员工平时积累的工作表现、能力提升、工作行为、态度、团队协作等多方面的数据，进行模型搭建以及综合分析，可以更智能、更准确地评估、预测员工的绩效表现，为升降、调薪、调配等管理动作提供科学参考依据。 职业发展规划：通过提取高绩效、高潜力人才的显著特征，得到不同序列的人才画像：将候选人与之匹配，得到匹配指数，从而协助HR快速找到最优秀的人才；也可以通过评估人的适岗性，把合适的人放在合适的位置上；结合学习地图，匹配学习课程。这就需要平时要建立用户标签体系，通过当前员工岗位、职级、职责、绩效、代码产量、晋升速度、薪资涨幅程度、360度评估、技能水平等打上标签，与员工下一步职业规划的岗位所需的能力标准以及技能要求进行匹配，形成岗位匹配度、能力匹配度、技能匹配度等员工发展相关标签，同时结合市场热点岗位分析，综合为员工提供职业发展评估和建议。 薪酬与福利：新时代基本工资、奖金等对员工的激励效果在逐步减弱，而股票、福利、内部创业等新形式则受员工关注。如何建立价值创造、价值评估、价值输出的一个公平的薪酬评价体系，是努力的方向。通过对员工薪资、调薪、奖惩、福利、绩效表现等细项数据的分析，对标业界市场薪酬水平，可以更准确地了解员工满意度和流失率，及时调整管理策略，提高员工的工作积极性和忠诚度。 员工关系管理：通过对员工沟通、交流、项目协作等合规数据日志的分析，通过模型与算法，可以更准确地了解员工之间的合作情况和团队氛围，及时发现和解决潜在风险问题，促进员工关系的和谐发展。离职预测实现路径主要是根据加薪时间、晋升时间、在岗时间、考勤状况、参会记录等100+人力资源指标，加外部舆情分析，根据过去发生的已离职情况推导出指标的离职指数，根据离职指 数，利用回归算法等大数据模型预测未来。数据包括了内部数据和外部数据。 ③虚拟现实：虚拟现实技术广泛应用在招聘、培训等领域，帮助企业实现更加高效、精准的人力资源管理，提高员工的参与度和满意度。