智慧人力，引领未来——2024生成式AI赋能人力资源管理研究报告

AI Lead the Future - 2024 The Application of Generative AI in HR © Copyright ownership belongs to HR Excellence Center & FSG Reproduction in whole or part withoutprior written permission from HR Excellence Center & FSG is prohibited. CHIEF ADVISER首席顾问 季效辰 Jimmy Ji副总经理上海外服云信息技术有限公司 ADVISORY GROUP顾问团 特别鸣谢，人力资源智享会感谢以下调研团顾问成员在本次调研及案例采访过程中提出的宝贵建议。排名不分先后。 路思铭培训解决方案负责人某药企 仲小玲人力资源中心招聘部总监亚信科技控股有限公司 王猛在线学习运营经理中国电信人才发展中心 闫兆军HRIS 总监某互联网公司 李女士招聘总监某消费电子世界 500 强公司 AUTHOR作者 车迎雪女士在本次研究中，负责市场诊断、问卷设计、案例采访、数据分析与报告撰写等工作。车迎雪女士现任人力资源智享会（HREC）咨询顾问（Consultant，Research and Survey）一职，目前所负责的调研报告有《智慧人力，引领未来——2024 生成式 AI 赋能人力资源管理研究报告》、《职场健康管理：打造可持续发展与舒适的工作环境》等。车迎雪女士毕业于常州大学，获得管理学学士学位。 前言4 研究思路与框架5 报告精粹和主要发现6 为什么要拥抱生成式 AI ？10 ▶基于 PEST 模型的环境分析10 个人应该如何看待生成式 AI ？14 ▶从实际应用经验出发的观点与实践▶没有实际应用的原因分析1519 生成式 AI 如何成为企业发展和变革的催化剂？21 ▶认知与拥抱▶资源支持度▶安全监管▶价值衡量▶实践总结——企业层面应用2223384043 生成式 AI 如何深入人力资源领域？ ▶应用阶段▶应用领域▶实践总结——人力资源领域的应用▶生成式 AI 对人力资源的影响和赋能44465960 对 AI 焦虑问题的探讨 64 ▶AI 焦虑的因素▶缓解 AI 焦虑的方式6465 参调企业信息企业案例专家洞察 78 前 言 国家政策的大力扶持与规范为生成式 AI 的发展指明了方向，并且通过一系列支持性文件和法规，为技术创新营造了一个既鼓励又确保安全的发展环境。与此同时，经济发展对新质生产力的迫切需求，为生成式 AI 的创新发展提供了有利条件，使得智能技术成为推动生产力转型和经济增长的动力之一。 大模型技术的融合与优化，正在不断拓展生成式 AI 的应用边界。随着 GPT-4o 的发布，多模态技术的初步融合使得生成式 AI 的能力得到了更全面的展现。技术进步不仅加强了生成式 AI 在文本、图像、数据分析等多个领域的应用能力，而且通过 AI Agent 的创新，为实现更智能、个性化的交互体验和自动化任务执行铺平了道路。 企业作为生成式 AI 应用的主要场所之一，经过一年多的探索与沉淀，不仅在泛应用层面有了显著进展，更在如何将其融入业务和管理流程、提升工作效率和创新服务模式方面进行了深入的思考和实践。而聚焦于人力资源领域：招聘、培训、绩效、薪酬等多模块，生成式 AI 的应用也正在被逐步探索应用，以改变传统人力资源管理模式。 但，AI 技术为工作和生活带来便利的同时，也给人们带来一定程度的担忧和焦虑。如何让更多人在认识到 AI 技术优势的同时，也能客观看待其局限性，成为我们必须面对和解决的问题。 因此，此次调研在智享会已发布的《2023 智能技术赋能人力资源管理》研究之上，基于大语言模型的发展，以生成式AI 为核心，在深度和广度方面有了更进一步的探究 : 广度上，扩展了宏观环境的正向推动和对 AI 焦虑问题的探讨等相关内容；深度上，对个人层面的认知与应用、企业层面的布局与落地，以及人力资源领域的探索与尝试，分别进行了深入的市场现状对标和企业实操分析： 研究思路与框架 报告精粹和主要发现 如果您只有几分钟时间或想要尽快获得报告中的重要信息，不妨可以先仔细阅读以下内容…… 安全监管 价值衡量 为什么要拥抱生成式 AI ？ 生成式 AI（Generative AI）作为人工智能的一个重要分支，正逐渐成为推动社会进步和产业升级的关键技术。本章节将基于 PEST 理论，深入分析智能技术尤其是生成式 AI 所处的外部环境的变化对企业引入生成式 AI 所带来的驱动。 一、▪基于 PEST 模型的环境分析 外部环境因素对一个企业或组织的发展至关重要，而 PEST 模型作为一种宏观环境分析工具，可以帮助企业充分了解外部环境变化，从而制定出正确的战略决策。因此本章节我们将采用该模型，从政治（Political）、经济（Economic）、社会（Social）和技术（Technological）四个方面分析环境变化对企业引入生成式 AI 的指引和驱动。 政策环境（politics） ——国家政策对智能技术的支持和规范 现如今，智能技术作为世界关注的焦点，被大众认为是未来的必然趋势。同时，推动智能技术发展也符合我国的创新驱动发展战略。随着 ChatGPT 的问世，生成式 AI 作为人工智能在技术上的一大突破，国家政府予以高度重视并在政策层面给予明确指导，大力支持和鼓励其在各行业、各领域的创新应用。此外，加强算法备案制度，规范人工智能行业发展也是重中之重。» 支持和鼓励 2022年7月，科技部等六部门印发了《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》1通知。《意见》提出，以习近平总书记关于人工智能系列重要讲话精神为指导，贯彻新发展理念，以促进人工智能与实体经济深度融合为主线，加速人工智能技术攻关、产品开发和产业培育，探索人工智能发展新模式新路径，以人工智能高水平应用促进经济高质量发展。 2023 年 7 月由国家网信办联合国家发展改革委、教育部、科技部、工业和信息化部、公安部、广电总局公布的《生成式人工智能服务管理暂行办法》2指出：作为关键通用技术，生成式 AI 对人民福祉、经济发展、国家安全和战略竞 争均具有重要意义，并鼓励生成式 AI 技术在各行业、各领域的创新应用。 随着生成式人工智能技术的不断成熟和创新，其在各行各业的应用正在逐步拓展，展现出巨大的潜力和价值。我国政策对生成式 AI 的支持和鼓励，不仅是对其潜力的认可，更是对其未来在推动社会进步和经济发展中作用的肯定。然而，除了对新技术的支持和鼓励，还需要通过政策的引导和规范，确保生成式 AI 技术在创新的同时，也能够符合伦理、法律和社会的要求，实现健康、可持续的发展。 使用规范 针对智能技术规范应用及数据安全等相关问题，在 2022 年底，国家网信办就《互联网信息服务深度合成管理规定》3做出回答：在内容生成的应用方面，禁止生成和传播违法信息及虚假新闻，确保信息的真实性和合法性，同时强化技术服务提供者的法律责任；在数据安全方面，要求加强训练数据管理，确保数据安全，并对技术管理与安全性问题开展定期评估。随着生成式 AI 技术的深入发展，各类大模型横空出世，《生成式人工智能服务管理暂行办法》做出进一步指示：在生成式 AI 开发过程中，开展预训练、优化训练等数据处理活动时，必须确保数据来源合法、保护知识产权、获取个人信息同意，并严格遵守我国相关法律法规，以维护数据的真实性、准确性、客观性。 综上，政策明确了促进生成式 AI 健康发展和规范应用的目标，强调了发展与安全并重、促进创新与合规合法相结合的原则。 经济环境（economy） ——加快新质生产力的发展为智能技术营造有利条件 不同经济发展阶段对智能技术的需求和应用程度不同。在经济发展的早期阶段，基础设施建设和传统产业升级可能是优先事项；而在成熟阶段，创新和高技术产业的发展则更为突出。 2024 年 1 月 31 日，习近平总书记在中共中央政治局第十一次集体学习时强调，加快发展新质生产力，扎实推进高质量发展。新质生产力以创新为主导，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，而智能技术作为其典型，已经成为推动经济增长的新质生产力。 随着经济结构的不断优化升级，各行各业对于提高效率、降低成本、创新产品和服务的需求日益增长，这为智能技术尤其是生成式 AI 的应用提供了巨大的需求动力。 社会环境（society） ——社会价值观推动群众接受度 随着媒体对 AI 技术的广泛报道，公众对于生成式 AI 等智能技术的关注度和期待不断攀升。 外服云提到，不同背景或年龄的群体对新技术的接受程度仍然存在一定差异。英国小说家道格拉斯·亚当斯提出的科技三定律认为：任何在我出生时已经有的科技，都是世界本来秩序的一部分；任何在我 15-35 岁之间诞生的科技，都是将会改变世界的革命性产物；任何在我 35 岁之后诞生的科技，都是违反自然规律要遭天谴的。因此，年轻一代更倾向于接纳新技术，并探索其在工作和生活中的应用。 一些年长职位的员工可能对 AI 持抗拒态度，担心 AI 取代他们的工作，或是认为使用 AI 是工作能力不足的表现。针对这一担忧，第二届“数字品牌大会”更是提出了“从来都不是 AI 替代人，而是会使用 AI 的人代替不会使用 AI 的人”的观点。很显然，这一观点表达了技术与人类能力融合的必要性，以及精通先进技术对于推动个人职业成长的核心价值。 技术环境（technology） ——大模型的融合发展推动智能化未来 随着智能技术的飞速发展，我们站在一个全新的技术革命门槛。但技术的发展并非一蹴而就，每个阶段都有其形成过程和逻辑。因此我们将 AI 的四个发展阶段进行介绍，并基于大模型时代的发展简要概述 AI 模型的融合进步。此外，我们访谈了诸多企业，其也纷纷表示：在现有内部，正按照这样的发展阶段和技术融合逐一布局和落地。» AI 的四个发展阶段 AI 的发展经历了四个阶段，分别是专家系统时代、机器学习时代、深度学习时代以及大模型时代。在大模型时代，国内外大模型的深入研究和更新迭代将生成式 AI 的应用落地更为广泛，并也将投资回报的实现成为可能。4。 在大模型时代，三个核心环节将有望实现商业闭环。 第一环节的“数据 + 知识”是基础，可以提供丰富的信息，帮助模型更好地理解问题。 第二环节的“算法 + 算力”是实现第三环节“场景落地 + 投资回报”的支撑。算力支撑模型的快速训练和实时推理；算法提升模型的学习和表达能力。 前两个环节的相互结合助力大模型的优势发挥，从而实现▪“场景落地 + 投资回报”，并为“数据 + 知识”输送新的信息，形成闭环。 生成式 AI 模型的融合进步 生成式 AI 工具的技术迭代主要体现在算法的优化、模型的复杂度提升以及应用场景的拓展。从简单的文本生成，到能够生成逼真的图像、视频等，生成式 AI 的技术进步为各类场景提供了便利。 在文本分析与生成方面：OpenAI 的“GPT 系列”在精确指令遵循能力上具有绝对优势；百度的“文心一言”在理解复杂句式和专业术语方面表现较为出色，能够完成代码理解和调试等任务；阿里的“通义千问”在文本生成和信息处理方面表现优异，特别是在工业、金融、医疗等垂直专业场景中有较为广泛的应用。 在图像生成方面：Google 的“Gemini 大模型”具备多模态处理能力，能够处理文本、图像、音频、视频和代码，支持广泛的自然语言处理和多媒体任务；“Midjourney”在图像生成方面表现出色，能够快速生成高质量的视觉内容。 在数据分析方面：阿里的“通义千问”在数理分析和信息处理方面表现出色。 前文所述的不同大模型在特定领域能够发挥自身优势，但在能力整合方便略显不足。2024 年 5 月，OpenAI 发布的“GPT-4