课前导读
搞清楚 AI 能做什么、不能做什么，才能既不过度神化它，也不浪费它。把它当成能力很强但需要验收的实习生。
教学正文
一条判断线：能交给 AI 的是'过程产物'，不是'责任结论'
把 AI 当成一个能力很强、但没有签字权的实习生。它可以帮你写面试题、汇总绩效材料、拟薪酬沟通话术——这些都是"过程产物"。但录用谁、给谁降级、薪酬政策定多少——这些"责任结论"必须你来签字。
为什么这条线不能越？因为责任结论要么涉及某个具体人的重大权益，要么需要事实调查和组织判断，而 AI 既没见过这个人，也不承担后果。它能把材料铺开、把选项排好，但"拍板"这个动作，天然属于负责的人。
'AI 让招聘更客观'只在有条件时成立
这句话被说得太满。真相是：当评价标准明确、题目一致、且有人工复核时，AI 确实能减少"看心情打分"的随意性。
但有个反向机制：如果训练数据、岗位标签或历史录用记录本身带偏见，AI 会把这偏见学下来、放大、还包装成"客观分数"。标准化的提问不等于天然的公平。《个人信息保护法》也要求：对个人有重大影响的自动化决策，必须透明、公平，个人有权要求说明、有权拒绝仅由机器做出的决定。
跟我做：给你的 HR 任务发一张'红绿灯'
与其记一堆原则，不如做一张能贴在工位上的边界表。做完它，你后面每次用 AI 前扫一眼，就知道能走到哪一步。用豆包或 Kimi，约 15 分钟。
- 打开豆包（doubao.com）或 Kimi，新建对话。
- 把你部门的常见任务列出来，比如：JD 撰写、简历初筛、面试题设计、录用建议、薪酬核算、绩效申诉材料整理、员工违纪处理建议、培训大纲、员工手册问答。
- 输入：「用中国大陆 HR 合规语境，把这些任务分三类：【AI 可直接生成初稿 / AI 可辅助整理 / AI 不应独立处理】。判断依据：是否含个人信息、是否涉及重大权益、是否需要事实调查、是否有明确验收标准。」四个依据是这张表的骨架，缺一个判断就会飘
- 要求输出表格：任务、AI 可做部分、AI 不可做部分、人工复核人、合规提示。
- 挑一个"不应独立处理"的任务（如"员工违纪处理建议"），追问：「那 AI 在这件事里到底能帮我做什么？」——你会看到它退到"整理时间线、列材料缺口、列待核实问题"，而不碰定性。这一步教你把"不能交"细化成"能交到哪一步"
- 预期看到：一张红绿灯边界表，存下来当你所有实操课的总闸。
同一件事，AI 该停在哪
越界：让 AI"看完这份劳动争议材料，判断公司该不该赔"。它会给你一个看着专业的结论——但争议要的是证据链、程序、法律意见，这三样它都给不了，它给的是"最像结论的一段话"。
恰当：让 AI"把这份争议材料整理成时间线，列出还缺哪些证据、哪些事实待核实"。它停在"整理和提示"，把判断留给你和法务。同一份材料，越界的输出害你，恰当的输出帮你，差别就在你有没有给它划停止线。
更系统的"人机分工矩阵"（按数据敏感度、决策影响、材料完整度、验收清晰度四维打分）在本页底部"深入一层"。
绿灯（可直接生成初稿）：JD、面试题、培训题、纪要结构化——错了改就是。
黄灯（可辅助整理）：绩效材料汇总、简历摘要——AI 铺材料，你下判断。
红灯（不应独立处理）：录用、淘汰、调薪、处分、解除合同、争议定性——AI 最多整理时间线和待核实项，拍板永远是人，且保留人工审批记录。
配套视频演示
86号不坠狂欢 · 覆盖 S1-3 · 21分14秒 · 观察位：能力边界讲解
AI的底层逻辑是什么？它能干什么，不能干什么
自测
1怎么一句话划出 AI 在 HR 工作里的边界？
能交给 AI 的是"过程产物"（面试题、材料汇总、沟通话术），不能交的是"责任结论"（录用、降级、薪酬政策）。因为责任结论涉及具体人的重大权益、需要事实调查和组织判断，而 AI 既没见过这个人也不担后果——它能铺材料排选项，但"签字"这个动作属于负责的人。
2'AI 让招聘更客观'这话对吗？
有条件才对。当标准明确、题目一致、有人工复核时，它能减少凭感觉打分的随意性。但如果训练数据或历史录用记录本身带偏见，AI 会学下来、放大、还包装成"客观分数"。标准化提问不等于天然公平，所以《个人信息保护法》要求重大自动化决策必须透明、可解释、可拒绝。
3遇到'不应独立处理'的任务，是不是就完全不能用 AI？
不是。是不能让它"独立处理"（下结论），但能让它退一步做"整理"。比如劳动争议，它别碰"该不该赔"的定性，但可以整理时间线、列证据缺口、列待核实问题。关键是把"不能交"细化成"能交到哪一步"，判断权留给人和法务。
小结
- 一条线记牢：能交给 AI 的是过程产物，不能交的是责任结论
- "AI 更客观"只在标准明确 + 有人工复核时成立，偏见数据会被它放大并包装成分数
- 红黄绿三灯：绿灯直接用，黄灯 AI 铺材料你判断，红灯只整理、人拍板、留审批记录
- 对个人有重大影响的事项，法律要求透明可解释——别让机器独自决定
实操落点
- 让 AI 写一条端午节放假通知，再让它解释 OKR 和 KPI 的区别。感受它在起草文字和解释概念两类任务上的表现。
深入一层 · 实战演练与研究依据
样品：同一个任务，三种问法的三种结局
任务：让 AI 帮你处理一次员工主动离职面谈。问法一（太宽）「帮我写离职面谈的内容」，得到一篇泛泛的指南，正确但没用——它不知道你要谈谁、谈什么目的。
问法二（够具体）「我明天要和一位工作 3 年的核心技术骨干做离职面谈，他说原因是个人发展。帮我列 40 分钟提纲：前 10 分钟怎么建立开放氛围、中间 20 分钟挖真实原因的 5 个递进式问题、最后 10 分钟谈挽留可能和交接安排。」得到一份能直接带进会议室的东西。
问法三（越界）「帮我判断他说个人发展是不是借口，真实原因是什么」。这是 AI 答不了的，它没见过这个人，只会给你一堆「可能原因清单」，看着有用实际是星座分析。边界就在这里：AI 能帮你准备判断，不能替你做出判断。
一条能记住的判断线
能交给 AI 的是过程产物，不是责任结论。它可以写面试题，但不能替你承担录用责任；可以汇总绩效材料，但不能替你决定降级；可以生成薪酬沟通话术，但不能决定薪酬政策。
招聘报告把 AI 场景拆成 JD 生成、简历筛选、初步沟通、面试胜任力模型，同时明确列出挑战：数据质量、算力成本、算法歧视和偏见。「AI 能让招聘更客观」只在有限条件下成立——评价标准明确、题目一致、有人工复核时能减少随意性；一旦训练数据或历史录用本身有偏差，它会放大偏见。
这不只是经验之谈。《个人信息保护法》规定，通过自动化决策作出对个人权益有重大影响的决定时，个人有权要求说明，并有权拒绝仅通过自动化决策作出的决定。智联 AI 易面 3.0 被披露 AI 评分与真人一致性达 90.1%，但这仍是企业披露数据，不等于可以让它独立拍板。
三个越界翻车点
把制度解释变成制度创造：AI 会补出你公司根本没有的规则，解法是要求「只基于员工手册原文」。用 AI 做劳动争议的事实认定：争议需要证据链、程序和法律意见，只让它整理时间线、材料缺口和待核实问题。把「风险低」当免责：AI 承担不了用工责任，所有影响个人重大权益的事项必须留人工审批记录。
再深一层：人机分工矩阵
把每个任务按四个维度打分：数据敏感度、决策影响、材料完整度、验收清晰度。四项都「安全」的进 AI，任一项踩红线的留给人。
课堂里可以设一道反例：让学员说清「AI 自动给候选人打不合格标签」为什么不能直接用——答案就藏在自动化决策条款和偏见放大里。
- 艾瑞咨询《2024 年中国网络招聘行业研究报告》，2025
- 全国人大常委会《中华人民共和国个人信息保护法》，2021
- 中国人力资源市场网《中国组织人事报：AI 如何为就业服务插上「翅膀」》，2025