📦 7 Parts + Conclusion
👉 滑动
PART 01
AI顾问
50亿到70亿
PART 02
舆情周报
每周一8点
PART 03
离线安全
不上云
PART 04
驾驶舱
截图圈改
PART 05
诊断模拟
调薪联动
PART 06
三层进阶
对话技能团
PART ///
写在最后
真问题
今年1月,某电子制造上市公司的HR经理找到我,说想给HR团队做一次AI培训。我说:等等。等到10月,工具顺手了再说。这一等就是9个月。
培训后半场画风突变
我说:开始许愿吧。然后他们是真不客气,一个接一个往外抛。一共5个愿,我和Workbuddy稳稳地接住了。
01
PART
第一个愿:想要一个“AI顾问”
WISH ONE
最先开口的是一位做HR总监,原话大意是这样的:
“我们公司现在做50个亿,规划要做到60个亿、70个亿。能不能有个AI顾问,我把未来业务规划输进去,它告诉我未来5年、10年,我的人员结构应该长什么样,人力成本多少,干部怎么配,哪里要优化调整?”
说实话,这个愿许得最大。过去这种活儿,得靠资深HRD带着团队,拿Excel一格一格往外模拟,三个月起步。
我现场给他拆了一下:这就是“专家团”的活。诊断先行——编制、年龄结构、成本能力结构,先看清你现在在哪;然后建模模拟——给数据、给假设,它帮你把未来5年、10年跑出来。
但我也把丑话说在前面:真正的判断准不准,还得看企业内部的数据质量。AI能帮你快速、全面地算,但它算不准你没给它的东西。
我把自己开源的这类专家团直接开放给了他们。这叫授人以渔,不叫画饼。
02
PART
第二个愿:每周一8点,舆情周报自动来
WISH TWO
这个愿是之前跟HR经理聊的时候就提过的:他们是半导体行业的,想抓小红书上的行业舆情,加上本领域公众号的文章,还有新出的HR政策,做成一份周报。
HR做舆情,最大的痛点不是不会分析,是坚持不下来。每周手动搜、手动整理,三周就烂尾了。
我说:这个不用等,现场就给你搭起来。
直接在Workbuddy里对话建了一个定时任务:每周一8点执行,抓取、分析、输出一份报告。我还现场演示了“先创建任务、再跑结果”——把整个流程完整跑了一遍,报告当场出来。
HR在底下问:这得花多少积分?我当场换了个便宜的模型:积分多的是,挑便宜的用就行。
我还教了他们一招:如果不知道去哪抓数据,不用写任务名称,直接对话说“我要每周一8点出一份半导体HR周报”,让AI自己把任务建起来。门槛就是一句话。
一个愿,十几分钟,从需求到成品。他们要的“每周一8点”,从今天起就有了。
03
PART
第三个愿:花名册和薪资,一个数都不上云
WISH THREE
这是全场共鸣最强的一个。
“财务的数据我不能给,薪资数据我不能给,花名册我也不能给——那AI还能帮我干啥?”
问得好。花名册这东西,敏感程度被很多人低估了。不光是名字和工资,部门信息一暴露,组织架构变化都能被推断出来。HR的顾虑不是矫情,是职业素养。
我的答案是:那就别上云。
现场我演示了一个离线小程序——人力成本测算工具。AI先把它生成出来,打包成一个exe文件,完全离线,断网都能用。然后你把花名册、薪资表导进去,在本地出可视化报表。数据没传给大模型,也没传给公网,安全问题从根上就不存在了。
科目、比例都能自己定义,导入数据就行。我还建议他们:这个东西做出来,让你们技术人员部署一下,全公司都能用——AI生成一次,部署一次,全公司通用。
更妙的是,他们说自己有本地大模型。那路子更宽了:本地模型直连,或者用DeepSeek出的桌面agent配自家模型,数据连内网都不出。这叫“既要AI,又要安全”,小孩子才做选择。
04
PART
第四个愿:驾驶舱加指标,别让我写需求文档
WISH FOUR
人力资源驾驶舱,HR们都想要,但定制一次就脱一层皮:写需求文档、等IT排期、验收返工。
现场我展示了一个驾驶舱的离线版,然后演示了最让他们心动的一幕:
想改哪里,截图,圈出来,直接告诉AI改成什么样。
比如薪酬分析想加“人均营收”这个自定义指标,不用写一行需求文档,圈选+一句话,AI当场改。HTML版本还能在workbench里直接对话改,官方叫法是“人机双写”,说白了就是你跟AI一起改页面,改到满意为止。提OA需求要等排期,这个是秒回。
05
PART
第五个愿:诊断+模拟+调薪,一次到位
WISH FIVE
这是“开始许愿吧”之后,第一个正式许的愿,也是全场的高潮。
一位HR说:我们导入员工基本信息,包括年龄结构、薪资绩效机制,我希望它帮我算出诊断结果,还要模拟——我要怎么调整组织架构,才能让成本最优化?最后给我一个离线的小程序打包。
需求说完,AI开始干活。我们接着讲方法论,讲了半个多小时,回来一看:成了。
智能诊断:各职等薪资分布人数占比、年龄结构、绩效分布,一屏看全。架构模拟器:调薪幅度一拖,成本变化实时出来。
那位HR盯着屏幕看了半天,说了句大实话:“如果准的话,我觉得还挺有用的。”
我说:准不准,取决于你喂的数据。但过去你靠人工根本算不出来的东西,现在有了。这就是从0到1。
还有个细节:我是拿模拟数据先跑通的。我的建议永远是这句——先拿模拟数据把流程跑通,验证OK了,再换真实数据线下导入。敏感数据不出内网,这是铁律。
彩蛋:PPT一键翻成越南语
中场我让AI把一份PPT翻译成越南语,任务扔后台,快下课时回来一看——翻好了。不懂越南语?再引入一个模型交叉检验。制造业出海,越南语材料翻译是刚需。
06
PART
从对话,到技能,到专家团
LEVEL UP
4个小时讲完,我最后收了个尾,也是这场培训真正的主题:
HR用AI,分三层。第一层是对话——你会提问,它会回答,解决单点问题。第二层是技能——把你反复要做的事,沉淀成一个可复用的能力,比如那个每周一8点的舆情周报。第三层是专家团——总管带几个专家,从业务闭环出发,带治理、带可视化,像一个真正的团队那样干活。
专家团怎么建?我给了他们一套方法论:从业务闭环出发,定总管、定专家分工,本地知识库做燃料,专家之间怎么衔接、人怎么审、怎么留痕,甚至可以给专家“考试”,考核它答得准不准。先试点,再铺开。
这套方法论不是我拍脑袋想的,是我把“专家团制造工厂”开源出来之后,很多人一起用、一起磨出来的。HR经理也是在那上面看到了专家团。
HR经理现场就拥有了自己的第一个专家——“企业人才发展架构师”,从创建到生成测试题,一气呵成。“经理你的专家出来了”,我说。


///
LAST
写在最后
THE REAL QUESTION
这场培训最让我触动的,不是Workbuddy有多强,而是这群HR有多敢想:50亿到70亿的人力模拟、每周一8点的舆情周报、离线的安全方案、截图圈选改驾驶舱、诊断模拟一次到位——他们许的每一个愿,都是真业务里长出来的真需求。
而AI培训的最高境界,可能就是这样:老师不讲标准答案,学生现场出题,AI现场交卷。
HR的AI能力,是可以被“训练”出来的。从会对话,到会搭技能,到会组专家团——这条路,这家公司的HR们,一天就走完了第一步。
后面的路,Workbuddy陪他们走。我也是。
我是雷神,专注HR+AI落地研究,陪HR把AI用起来。
如果你也被HR的这些“愿望”戳中了,欢迎点赞、在看、转发三连,我们下篇见。
THANKS FOR READING

