| 🤖 AI 强项 | 🤝 人机协同 | 🧠 人的不可替代 |
|---|---|---|
| 信息处理 提取 · 归纳 · 比对 · 格式化 | AI 提取简历关键信息 → HR 判断匹配度 | 情境理解 组织政治 · 人际关系 · 微妙语境 |
| 规则比对 按标准筛选 · 提示 · 汇总 | AI 按标准汇总绩效数据 → HR 做校准判断 | 人际判断 信任建立 · 价值观判断 · 面对面的勇气 |
| 内容生成 按模板生成初稿 | AI 生成反馈话术初稿 → HR 调整后沟通 | |
| 🔑 AI 帮你看得更全——人不替你看得更深 | AI 帮你做得更快——人不替你判断更好 | ||
这个任务每周至少出现一次？
✅ 通过：周报、JD生成、会议纪要、简历筛选、日常制度问答
✕ 不通过：年度总结、晋升推荐信——一年一次，AI省不了多少时间
输出有固定格式或模板吗？
✅ 通过：JD（有标准框架）、制度问答（有明确答案）、周报（有固定模块）
✕ 不通过："帮我想一个创意方向"——你得先说清楚标准格式是什么
这是信息处理类还是人际判断类？
✅ 通过：提取简历关键信息、按模板生成话术、整理纪要、数据汇总
✕ 不通过：判断候选人文化匹配、评估员工潜力、处理员工冲突
三问全过 → 这是值得优先用 AI 改善的场景 ✅
↑ 标准化（输出有固定格式/框架）
→ 高频 (每周至少1次)
| 步骤 | 做什么 | ❌ 反面 | ✅ 正确 |
|---|---|---|---|
| 1讲清问题 | 不是"用AI优化"，是"哪一环出问题" | "AI帮我做招聘" | "需求信息不完整，反复沟通3轮才对齐画像" |
| 2拆任务 | 收集→整理→比对→生成→判断→沟通→执行 | 把“招一个人”当作一项任务 | 提交需求→补齐字段→查模板→JD初稿→HR审核→业务确认 |
| 3明确输入 | 版本、口径、情境——AI不会补缺失的上下文 | 假设AI自动知道 | "以用人部门邮件确认为准" |
| 4留判断 | 复核点、升级条件、决定权 | "AI筛完直接发面试" | AI标注→HR复核→部门确认名单 |
| 5约定验证 | 效率/质量/行为/结果——至少一个可观察指标 | "用了就知道了" | "需求澄清从3轮降为1轮" |
验证：可确认 JD 初稿周期 · 需求补充轮次 · JD 返工轮次
| 要素 | 做什么 | ✅ 正例 | ❌ 反例 |
|---|---|---|---|
| 1场景描述 | 一句话说清 agent 解决什么问题 | "帮我快速生成 JD 初稿" | "一个帮招聘的助手" |
| 2指令设计 | 告诉 agent 做什么、怎么做、有什么约束 | "根据岗位和基本要求，生成结构化 JD" | "帮我写 JD" |
| 3输出格式约束 | ⭐ 从"能用"到"好用"的跳板 | "按以下结构输出：概述/职责/资格/加分项" | 不写格式——每次输出都不一样 |
| 4测试迭代 | 输入→输出→改指令→再测 | 第一版跑通 → 改一句 → 再测 → 稳定 | 跑一次不对就放弃 |