DHR公会AI+HR决赛速览：把乙方8 强作品摊开看,AI+HR 到底落地在哪了？

今天下午，DHR公会 2026 第二届中国企业AI+HR应用创新大赛，乙方及个人组线上总决赛开打，8 个项目轮番路演，我从头看到了尾。

与其说这是一场比赛，不如说是一次行业体检。当所有人都在说自己做 AI+HR 的时候，把决赛作品摊开看：真正落地的场景是什么形态、门槛在哪、评委在追问什么，全都藏不住。

先把 8 强名单完整摆出来。按路演顺序：

01 亚派ai HRSSC运营平台——上海亚派数智科技有限公司

02 制度规范宣教智能助手——李晴（个人）

03 BIPO 智能薪资助手（Payslip Assistant）——BIPO（新加坡）

04 InsightHR_组织人力决策智能化技术BP——上海职配数字科技有限公司

05 eRoad iBuilder X——易薪路网络科技（上海）有限公司（易路）

06 AI人才洞悉盘点系统——江哲文（个人）

07 YeeGoo AI——易雇科技（北京）有限公司

08 AI雇友招聘——毛纯纯（个人）

本届 8 强决赛阵容：5 家科技企业 × 3 位个人创新者（图源：DHR公会官方海报）

5 家科技企业、3 位个人创新者，覆盖 HRSSC、招聘、薪资、全球雇佣、人才盘点等纵深场景。官方给这届决赛的三个看点是：看场景、看 Agent、看创新——尤其是那句“从‘会回答’走向‘能办事’，智能能力进入真实流程，开始承接业务与闭环任务”，基本就是这届的定调。

也确实如此：没有一个项目在讲“通用 HR 大模型”，没有一个在秀参数和跑分。每个项目都是一个具体场景、一条具体流程、一份具体的交付物。

再看大赛的评判口径：业务价值、创新应用、落地成熟度、可持续发展。说得更直白一点——不仅看技术创新，更关注 AI 在 HR 真实业务中的应用价值。

这届决赛作品的场景选择也有规律：高频、规则相对清晰、结果可量化。AI+HR 落地的第一课，是选场景的眼光。

按路演顺序逐个来。拿到完整路演材料的，我拆到功能级；只有公开信息的，我拆到场景级——但 8 个一个不少。

第一个上场的，是 8 强里最“基础设施”的一个。HRSSC（人力资源共享服务中心）是全公司员工与 HR 接触最频繁的界面：入离职、合同、社保公积金、证明开具、政策咨询——量大、重复、还不能错。

我注意到它的关键词是运营平台，不是“问答机器人”。SSC 的难点从来不在答问题，而在运营：工单如何流转、SLA 如何保障、知识库如何保鲜、咨询数据如何反哺流程优化。AI 放进 SSC，答得准只是第一步；把咨询背后的流程跑通、让运营数据说话，才是这个场景的深水区。

把 HRSSC 放在开场，其实很说明这届大赛的态度：AI+HR 的第一现场，不在炫技区，在每天几千次重复发生的服务里。

制度宣教是 HR 最不起眼的苦活：制度写了没人看、看了不理解、理解了不执行，最后出了事，才发现所谓“宣教”只做过一次群发通知。

这类助手的价值，不在能背多少条文，而在三件事：答得有依据——回答能引用到具体条款，而不是模型自由发挥；宣教有过程——推送、解读、答疑、测验形成闭环，而不是发完就算；拿不准能转人工——涉及个案判断时不硬答，把人留在回路里。

更值得说的是它的作者身份：个人创新者。AI 把“做一个场景”的门槛降下来了——一个人把一个真问题想透，也能做出能进全国总决赛的成品。

8 强里唯一的海外选手。BIPO 的主业是全球人力资源与薪酬服务，强项在跨国薪酬合规——多国税制、社保规则、多币种发薪、电子工资单，这些是它公开在做的业务底盘。

薪资场景的痛点特别具体：员工每个月问的几乎是同一批问题——这个月为什么少了？公积金基数怎么定的？年终奖怎么扣税？答案全在工资单里，但工资单没几个人看得懂，于是 HR 就成了人肉答疑机。

Payslip Assistant 的思路，是把工资单从一张“发完就归档的表”，变成一个“可以问的助手”：员工用自然语言问自己的工资条，AI 逐项拆解构成与扣款依据。薪酬是 HR 里最不能算错、也最怕沟通不清的场景，AI 先在解释层站住，是很务实的一步。再往深想一层：跨国发薪的解释成本极高，一个助手同时服务多个国家、多种制度下的员工问询，价值会被成倍放大。

上海职配数字科技的 InsightHR，全名叫“组织人力决策智能化技术BP”。它讲的不是某个单点功能，而是一套乙方交付模式的重构：“以平台为基础的场景交付与复用闭环”。

先看它的能力底座：核心能力 01 是测评与调研——胜任力、潜力、性格风格等测评工具，加上群体分析与业务标准建模，统一沉淀进决策分析平台。组织、岗位、人员和证据共用一套标准与组件版本，而不是每个项目各画一张图。

InsightHR 五步闭环：方法论与平台基础打底，交付成果沉淀复用

其核心在于五步闭环：方法论与平台基础沉淀、深入具体决策场景诊断、AI 赋能的顾问建模与专业复核、输出客户解决方案与交付材料、资产纳入平台版本管理实现同场景循环复用。顾问的角色从“亲自干所有活”转变为“负责场景建模与成果复核”，真正做到了AI 干活，人来把关。

闭环怎么落到实处？它给了干部调动的例子：一次调动沉淀下来的，不只是一份方案，还有调动沙盘与岗位班子规则、计算口径与验证样例，一并纳入平台版本管理；下一个客户遇到同类场景，沿用方法与规则，只需要适配自家的制度、数据与流程。

能源集团组织诊断大屏：接续断点与能力缺口逐项定位到单位

路演大屏上还有一个能源集团的组织诊断项目：本月 29 个单位待立即核验、关键岗位接续断点 71 个、在岗能力缺口 729 个——先整体扫描，再定位到单位、核验到事项，集团总览与下钻核验用同一套口径与流程。乙方卖的不再是顾问的人天，而是能复用的场景资产。

易路是老牌 HR SaaS 厂商，薪酬数据平台“薪智”也出自易路体系。这次它带来的 iBuilder X，光副标题就很直白——“让AI进入HR业务深水区”。

先看底盘。iBuilder X 的数据资产是集中管理的：全球政策按欧洲、东南亚、日本、非洲、中东分区沉淀，国内政策覆盖 36 城，再加上业务规则与 CRM 数据素材，统一加工成 AI 数据资产——全球薪酬政策、各地社保公积金计算方式、劳动合同条款等内容沉淀，与实体文件、AI 产物、审计素材分开管理；组织视角还按集团总部、子公司、部门、岗位分级可见。数据先治理，Agent 才有米下锅。

多智能体协同算佣：算佣前、中、后，三类智能体接力

再看它怎么算佣——一条多智能体流水线：算佣前，Skill 智能体做数据接入检查、数据清洗与填报监控；算佣中，Knowledge 智能体解析佣金政策与规则，支持 Excel 公式解析、多版本试算，流程侧还有前置校验、自动核算与异常预警；算佣后，Workflow 智能体接管结果审批与全链路溯源，员工还能自己模拟试算。最后汇成佣金总表，审批确认后发到员工手里。

据其公开介绍，这套平台还长出了一个薪酬 Agent 矩阵：定薪策略、薪酬预算、薪酬智控、人力成本分析、薪酬规则等多个 Agent 分工协同。其中薪酬规则 Agent 专门啃最难的一块：把 HR 用自然语言描述的薪酬规则——比如“销售额 10 万以下无佣金、10 到 50 万按 2% 提成、50 万以上按 3%”这样的阶梯提成——自动解析成可执行的计算逻辑，还能把公式可视化呈现。

Skills 驱动的 Agent 接管薪酬数据整备：读文件、定目标、干活，一条龙

路演里最有说服力的，是一个 Skills 驱动的实景案例：Agent 接管一家门店的薪酬数据整备——先遍历读取全部文件素材，输出摘要与 AI 理解；再结合薪酬业务与公司政策，生成执行单元；最后动手改写、计算、校验、备份，直接产出算薪系统可用的文件。不是给答案，是把活干完——这正是官方那句“从会回答走向能办事”的现场注脚。

“深水区”这个词选得准。问答、写 JD、筛简历是浅水区；薪酬核算是真正的深水区：规则层层嵌套、口径高度敏感、错一分钱都是事故。敢把 Agent 放进薪酬，背后是厂商对规则引擎和校验机制的底气。这条路线和压轴的雇友正好形成对照：一个从平台往场景下沉，一个从场景往平台生长。

人才盘点是 HR 最“贵”的场景：盘一次，动员全公司填表、开会、画九宫格，盘完锁进抽屉，第二年再来一遍。江哲文把痛点拆得很透，四个角度：管理上，盘点容易变成绩效回顾，回答不了“谁能承接新项目、谁有潜力、谁该预警”；专业上，评估靠 HR 个人经验，缺统一量化框架，同一名员工在不同 HR 手里结论分歧很大；系统上，传统 HR 系统部署要 3–6 个月，接口与数据库开发年费数十万级；成本上，盘点一年只做一两次，重投入的回报比极低。他的定位也很明确：给中型和中小企业用。

HRD 战略人才洞悉与盘点系统：档案、雷达、九宫格与 AI 点评同屏

方案是一条全链路闭环：数据准备（骨干名单与基层报名、雷达图评估、上级与 HR 点评、EHR 里的基础信息与薪酬绩效数据）→ 盘点评测（能力标签、薪酬绩效轨迹、九宫格 AI 定位、AI-HRD 点评）→ 归档应用（评测结果生成 PDF 报告，直接接面谈、晋升、轮岗与调动）。上游还配了一套能力评测工具：21 道核心行为评价题走双源加权——直线主管评 70%、HRBP 评 30%，综合分实时汇总，演示员工的综合加权分是 4.42。

最见功力的是 AI 点评的“尺度”。它内置的人才识别模型分 6 类：正向的是高潜人才、数字化转型先锋、复合型管理模型；负向预警的是组织离心力、知识折旧型、破坏性潜能。再看它给一位演示员工的点评：工龄 14.6 年，累计调薪 47%、年均增幅不足 3.3%，被判定为“价值贡献未随年限同步增值”；绩效优率 57% 被点破是“及格线陷阱”——几乎每两次考核就有一次未达优秀，输出是“不犯大错的防守型”，结论一句“企业容忍他，但不会重奖他”。不说套话、敢下判断，点评末尾还标了置信度：95%。

AI-HRD 人才点评实录：14.6 年工龄与 57% 绩效优率，被逐项拆开讲

敢这么写，还敢兜底：整套系统是轻量级部署，一台普通办公电脑就能跑，数据可以保存在本地、一键导出报告；AI 点评仅作客观参考，由 HR 结合面谈与业务判断最终定稿；匹配度用 8 维量化保证算法可解释，异常输入会触发预警，防止“脏数据”污染结论。连题库来源都写得明明白白：参考公开的胜任力理论与人才识别文献、AI 辅助生成并经人工审校，定位是“参考性评估”。这种诚实，本身就是专业度。

这又是一个个人作品。它传递的信号和作品 02 一样：盘点这种过去只有大公司玩得起的体系化工作，正在被个人用 AI 平民化——他给这套系统的定位，是“让 AI 成为 HR 的人才决策大脑”。

易雇科技带来的 YeeGoo AI，走的是全球雇佣（EOR，名义雇主）这条线。它的路演第一页就把痛点讲透了：跨境用工难，难在三处——多国合规差异大，劳动法、税务、社保、签证各国规则不同且频繁变化，理解成本极高；流程依赖人工，HR、法务、Payroll 与当地服务商多方接力，大量人工查询、判断与操作；风险和成本双高，政策理解错误、资料错误、Payroll 异常，任何一处失误代价都高昂。一次跨境雇佣要打通劳动法、税务、社保、签证与工作许可、薪酬、入职合规六个环节，过去全靠人。

YeeGoo AI：一句话提出需求，AI 理解判断、列明资料与流程、协助落地执行

它的解法一句话就能说清：“用一句话，驱动全球雇佣全流程。”客户说一句“我们计划在马来西亚雇佣 50 名员工”，AI 接着做三步：结合当地雇佣与合规政策，辅助判断雇佣模式与薪酬成本；自动输出所需资料清单、入职流程与下一步动作；再协助完成资料收集、文件识别、合同与 Onboarding。背后支撑的是大模型、RAG 检索增强、OCR 与 Document AI、结构化数据分析与 AI Agent。官网的 EOR 底盘同样硬：企业无需在海外设立实体，提交需求、在线签约、一键入职、云端管理，最快 3 个工作日完成入职，签证、本地合同与社保由平台兜底。

落到场景，是覆盖全流程的四块：全球 HR 与合规咨询（基于各国劳动法、税务、社保、签证政策与内部 SOP 给场景化解答，附政策来源与人工审核提示）；雇佣流程智能化（OCR 识别护照、身份证、签证、工作许可，自动提取并做一致性、完整性校验）；Payroll 分析与风险识别（识别异常薪资、重复付款与数据不一致）；人力成本与 Workforce Planning（跨国成本比较、预算预测与组织规划）。

四层技术架构：执行层接真实业务流程，智能体层从回答问题升级为执行任务

架构分四层，方向感很清楚：执行层用 Workflow 与 API 连接 YeeGoo Cloud 的实际业务流程；知识与数据层沉淀各国政策与企业 SOP、Payroll 等业务数据与 OCR 识别；模型层是大模型加 RAG，用各国政策与企业 SOP 压低幻觉；最上层的智能体层，目标是从“AI 回答问题”升级为“AI 执行任务”。它的创新点里有一条我特别认同：从 Copilot 向 AI Agent 演进的路径是“AI 建议 → 人工确认 → 系统执行”，在安全合规的前提下逐步落地流程自动化——不冒进，也不停在问答。愿景页写得更大：做“AI 驱动的全球雇佣操作系统”，让每一家企业的全球雇佣，像本地雇佣一样简单。

它和作品 03 的 BIPO 放在一起看很有意思：一个做全球薪酬的解释层，一个做全球雇佣的执行层——“出海”，是今年 AI+HR 的一条暗线。

压轴出场的是个人创新者毛纯纯的 AI雇友招聘（AiHire / WorkBuddy，雇友招聘智能体）。这是全场颗粒度最细的一个作品，值得逐帧拆解——它基本代表了 AI 招聘今年走到的成熟位置。它给自己的定位很直白：让“简历找人”取代“人找简历”。

产品流程图：“简历找人”取代“人找简历”，四步跑通全链路

它的形态已经不是“AI 筛简历工具”，而是一个接管全链路的智能体：深度集成企业微信、钉钉，底层接标准 ATS，从需求发布、自动化获客，一路管到业务面试定档。

系统不仅能通过 RPA 从 BOSS 直聘、猎聘、最佳东方（VeryEast）等主流招聘平台批量抓取简历——浏览器插件一键导入，基于手机号与简历文件 MD5 自动查重、增量更新，简历导入瞬间自动匹配派岗，HR 登录还有 Welcome Banner 实时播报导入战报——还能穿透 GitHub、Gitee、Hugging Face 等开源开发者社区进行定向寻访，JD 可以一键智能生成。

自动获取简历（RPA）：深度适配 VeryEast、BOSS直聘、猎聘、最佳东方

在职位管理大厅中，每个岗位都配置了精细化的“专属评估向导”：

职位管理大厅：全品类岗位、薪资区间与漏斗阶段同屏

第一关：门槛拦截网。设置最低经验、学历、薪资、特定年龄及院校背景等硬性门槛，结合“职位/公司放行词”和目标城市，实现毫秒级（0.05 秒）浅层字段秒杀与不达标拦截。

评估向导第一关：门槛拦截网，硬条件先过一遍

第二关：人岗匹配策略。支持为行政、技术或垂直行业岗位设置专项考核维度（如前台的“考勤制度与办公行为规范执行”）。多维权重（如岗位服务经验 28%、行业重叠度 17%、稳定性 11% 等）支持一键按比例配平至 100%。

评估向导第二关：人岗匹配权重，滑杆逐项配平

第三关：AI 面试深挖。配置职位定制追问话题与高频推荐问题，将整体面试控制在 6 轮以内，并支持开启“AI 面试后即时约面”。

评估向导第三关：AI 面试追问话题与深控权重

在评估前，系统会自动从 JD 中提炼一套仅 HR 内部可见的“AI 评分密码”：精确对齐行业技能（industry_skills）、软实力（soft_skills）以及工具与认证（tools_or_certifications），后续的简历初筛与机器面试全方位对齐这套标尺。

AI 提炼的评分密码：仅 HR 内部可见

系统对导入的简历进行深度解析与多维打分（例如客房服务员候选人郑亚兵37.8 分、前台文员候选人何丽萍49.9 分的 C 级评估），生成详尽的人岗匹配评估报告，精准定位技能缺失、行业不匹配或职业轨迹波动。

郑亚兵的人岗匹配评估报告：37.8 分，逐维度拆解

最让人拍案叫绝的，是它对“真实职场脏活”的处理：

联络信息前置校验：若候选人联系方式缺失或格式错误，系统前置拦截并弹出提示（“无法发起 AI 面试：候选人联系方式不全”），防止邀约发送失败。

风控提示：联系方式不全，无法发起 AI 面试

候选人端与专属直达：补全后生成移动端专属直达链接，支持一键复制链接与话术。

补全信息后解锁：AI 面试专属直达链接与话术

面试异常兜底（强制收卷）：当候选人在 AI 面试答题中途断网或误关网页时，系统触发风控提醒，HR 可一键点击“强制收卷并生成评估”，由 AI 对已完成部分自动评分并强制推进流程。

面试异常干预：“强制收卷并生成评估”

系统还支持对跨境电商运营、供应链管理、英语与工具应用等复杂岗位设置详细的自动判卷规则。在定档环节，支持电话沟通录入定档、平台约邀、线上/线下面试形式切换，并提供短信实时预览与面试官指定模式（双槽位配置与日历视图协同）。人岗匹配环节还支持 AI 电访——路演界面里就有一通近半小时的通话，AI 在电话里做初步沟通与意向确认。

面试定档：电话沟通录入，短信实时预览

还有一层值得一提：这套东西不住在孤立的后台里，它接进了 WorkBuddy——招聘智能体有个名字，叫“小雇”。HR 在对话里就能让它排面试、发腾讯会议链接、盯待定排期；面试安排台上谁确认了、谁还悬着，一目了然。

WorkBuddy 招聘智能体“小雇”：在对话里排面试

把 8 强作品看完，我提炼了四条判断 AI+HR 项目是不是真落地的标准，分享出来：

第一，落地的单位是“场景闭环”，不是功能点。有入口、有处理、有交付物、有人复核——少一环，都只是功能演示。

第二，人机分工要写进流程。AI 执行、人建模与复核，在决赛作品里已经是标配设计，而不是事后补的免责声明。

第三，异常兜底决定能不能上线。断网、缺字段、脏数据、候选人断联——真实世界全是异常。处理不了这些，PPT 做得再漂亮也只是 demo。

第四，做完要沉淀成资产。规则、组件、验证样例进平台，下一次同类场景直接调用。没有复用的落地，成本永远降不下来，规模永远上不去。

乙方及个人组这场，看的是“方案能做到什么程度”。11 月 6 日，甲方 9 强线下总决赛暨 2026 DHR 年度峰会将在上海安曼纳卓悦酒店举行——那一场看的将是“在企业里到底跑成了什么样”。甲方讲的是实战情景，通常比乙方讲方案更真实，到时咱们现场去看。

最后一句总结今天的观感：AI+HR 的落地，正在从“哪个环节塞一个 AI”，变成“哪个场景能被完整重做一遍”。前者是点缀，后者才是生产力。

我是雷神，专注 HR+AI 落地研究，陪 HR 把 AI 用起来。

如果你也对 AI+HR 的真实落地感兴趣，欢迎点赞、在看、转发三连，我们下篇见。

THANKS FOR READING