400-788-5678
从 7 月松山湖的欧洲小镇，到 9 月广州的华为广东区域总部，「走进华为·AI人效之旅」已经走过两站。
第一期，我们聊的是「底座与产品」——云算力怎么托起组织的知识闭环；第二期，聊的是「落地与实战」——东宝把自己那本 97 万元的账摊开，一笔一笔算给在座的 HR 看。
9 月 20 日，第三期落在华为·上海。这一站，两位分享人给出的，是两张「清单」。
华为解决方案专家庞岳翔摊开的，是一张 AI 作战地图：瞄准 68 个海量、重复、复杂的业务场景，694 个应用 + AI。当「要不要做 AI」已经不再是问题，「到底先做哪个场景」就成了真问题——这张图，就是用来回答它的。
东宝软件解决方案首席专家刘松科端出的，则是一套关于人效的新解法：新产品「AI 薪绩提效官」九步贯通「战略→组织→岗位→指标→薪酬」，把过去要靠顾问逐岗谈的薪酬绩效体系，压缩到「一周定一个岗位」。
而现场聊到最后，华为、东宝，以及在座的十几家企业，慢慢收拢到同一个判断：AI 变革的胜负手，不在算力，而在组织。技术反而是最简单的；最难的是业务逻辑、流程沉淀，以及让人真正用起来的那套机制。
华为对 AI 的判断，经历过一次明显的升级。一开始是「AI 1.0」：把企业里的业务场景一个个筛出来，哪些是海量的、哪些是重复的、哪些是人本身很难解决的，再判断哪些适合交给 AI。
到了「AI 2.0」，思路收敛成三条路径：一是「人 + AI」——人借助智能体和 AI 平台，让一个新手更快长成熟练手，直接提升人效比；二是「事 + AI」——把过去靠人盯的流程，改造成自动化的「流水线」，提升整体效率；三是「创新创造」——把复杂到单个人很难解决的问题，交给 AI 一起想。
这三条路径落在一张图上，就是那张 AI 作战地图：68 个业务场景、694 个应用 + AI。它最大的价值，是把一句很虚的「我们要做 AI」，变成一份可以逐条对照的清单——这个场景我公司内部有没有？如果有，该怎么把它接进来？
比地图更值得记下来的，是华为在大量企业试点里踩出来的几条经验，庞岳翔把它总结成八个必须问清楚的问题：
第一，商业价值是什么。要能被度量——是人效提升了，还是生产效率提升了，还是客户质量提升了；落地之后收益能不能评估。今天的企业管理者已经没有耐心了，不少老板的要求是「半年就要看到效果」，这对 HR 和 IT 都是一道真实的考卷。
第二，产品成熟度够不够。
第三，谁是这个项目的业务 owner。这一点华为说得非常直接：AI 项目最怕只有 IT 部门在推。CIO 有技术、有热情，但往往没有业务部门的人事任命权，很多时候连采购权都没有，只有建议权——他没法真正「激活」业务部门跟他一起干。更现实的组合是：业务部门牵头、IT 部门配合，而这恰恰是 HR 可以站出来协同、帮老板把这件事拉通的地方。
第四，业务流程和规则有没有讲清楚。顺序不能反——先把业务逻辑梳理清楚，再交给技术实现。
第五，数据。要有标准数据、要统一存放和治理、数据范围要清晰，而且要让使用过程中新产生的数据能反哺回 AI，让它越用越准。
第六，技术成熟度。这一条华为反而觉得「还好」，因为有华为云的底座，也有东宝这类伙伴的产品积累。
第七，持续运营——这是很多企业最容易忽略的一条。平台上线不是终点，没人运营，用着用着就没人用了，成本白白浪费。
第八，机制。要能有效激励员工把 AI 用起来、用得越来越频繁。
现场还演示了企业级智能体平台：所有部门的智能体可以统一纳管、分账号分权限，资产广场里智能体、模型、MCP 插件一应俱全；平台可以看见每个智能体每天被调用多少次、回答准不准，再通过评估集、人工标注持续校准，配合灰度发布平稳上线。对企业来说，最重要的思想是「统一平台」——而不是让每个员工各买各的工具。对数据敏感的场景，平台也支持开源版本私有化部署，数据留在企业自己手里。
庞岳翔有一句话，现场很多人记了下来：技术反而是最简单的。流程、公司沉淀这么多年的业务数据和生产工作方式，才是 AI 时代真正的资产。
如果说华为讲的是「怎么选场景」，东宝刘松科讲的，是「选完场景之后，人效到底从哪来」。
他先把人效拆成了三件事：组织效能，解决的是「人能不能好好发挥」；人才能力，解决的是「人有没有能力干」；人才激励，解决的是「人愿不愿意努力干」。三件事都做到了，人效才真正提得上去。
东宝把这种思考铺进六个核心领域——战略运营、人才获取、人才服务、人才开发、组织沉淀、风险管控，对应成一支「AI 数字军团」：招聘数字人负责精准岗位画像、批量简历检索与面试评估；「东小二」面向全员，用自然语言完成知识查询与日常填单；AI 数据分析专家（智能 BI）把人力资源数据和经营数据打通做归因；AI 全系统集成专家用自然语言解决个性化需求和各业务系统的打通问题。
这一站的重头戏，是东宝刚发布的新产品——AI 薪绩提效官。
它要解决的是最「硬」的那件事：薪酬和绩效。过去，一套薪酬绩效方案往往靠顾问逐岗访谈、逐层测算，周期长、成本高，很多中小企业干脆用一套模板「打天下」。
AI 薪绩提效官的做法，是按行业、按岗位、按业务周期做个性化设计——九步贯通「战略→组织→岗位→指标→薪酬」：先拆组织的战略目标，分出岗位，再找岗位的核心价值，落到关键行为与业务节点，最后给出匹配的等级机制、考核指标、晋升与降职规则、考核周期。配合调研工具，一个岗位的薪酬和绩效体系，一周就能确定，并且能直接落进系统里持续迭代。
一句话概括它的目标：让职员的人效提升 50%。而它与前面提到的「AI 劳动力提效」刚好配成一对——后者把技能矩阵、标准工时和考勤真实数据打通，解决一线的人效；AI 薪绩提效官，则解决职员的人效。
刘松科讲的第二个重点，是「让知识活起来」。这套「生产—应用—反馈—优化」的知识飞轮，他在前两期已经拆得很透——检索效率提升多少、积分怎么激励全员，都讲过了。第三期他没有再堆数字，只补了一句最实在的话：东宝把自己当成了第一个样本，所以这套东西不是 PPT，而是每天都在跑的真实账本。
最直观的一个变化：东宝原本有 3 位专职导师，专门解答一线顾问解决不了的问题——如今这 3 个岗位已经「归零」，过往的项目经验和文档全部沉淀进知识库后，三位导师转身走向了一线交付。知识真正「活」的标志，不是又多了一套系统，而是原来离不开的人，被释放去做更高价值的事。
而最让现场嘉宾意外的一段，是刘松科很「不厂商」的坦白。作为 HR 软件厂商，他直言自己其实很焦虑：未来的软件形态可能被根本性改写——操作页面越来越不重要，入口可能只是一个数字人，员工用自然语言说清楚要做什么，后端自动去调相应的智能体和技能。
与其被动等待被改写，东宝选择主动拆自己的「墙」：把产品的数据结构和接口全面 MCP 化，让企业的其他业务系统、乃至外部智能体，都能方便地调用东宝的能力。说白了，东宝正在把自己从「一套封闭的 HR 软件」，重写成「可被 AI 随意调用的能力底座」——这恰恰呼应了华为那句「把 AI 长在业务流里」。
这也解释了他前面反复强调的「业务过程数字化」：要让知识自动沉淀，前提是先把工单、通话、交付这些业务系统打通，让数据在流转中产生、在闭环里优化。东宝把这称为「先拆墙、再谈智能」——组织愿意为自己的能力开口子，AI 才真正进得去。
AI 不会取代 HR。未来的竞争，不是 AI 和人的竞争，而是会使用 AI 的人和不会使用 AI 的人的竞争，是善于变革的组织和固守传统的组织的竞争。
分享之外，本场延续了系列一贯的闭门深聊。到场的十几位企业嘉宾来自汽车制造、酒店管理、半导体、军工、机电、食品、电子等不同行业，有与东宝合作十年以上的老客户，也有刚落地、还在规划 HR 系统的「新人」。
他们的提问很实在：多套系统并存（财务用 SAP、考勤各有各的机器），怎么把数据整合起来？员工用 AI 的积极性不高，怎么推？薪酬绩效这种「最敏感」的模块，能不能先让 AI 跑起来？
现场慢慢形成了一个共识：AI 能不能落下去，首先取决于公司自己的数据干不干净、业务清不清晰；其次是知识库有没有一套正向反馈的机制，让知识能不断迭代；再往上，是公司文化、一把手的关注，以及人才是否匹配。
有位嘉宾的总结很到位——现在最缺的其实不是技术，而是「人的数据处理与积累」，以及流程的搭配。因为机器，只听人的指挥。
这一站，嘉宾们还搭上园区小火车，穿行在华为上海研发中心的园区里，从会议室走到了现场。从松山湖、广州，到上海，三站走下来，「走进华为·AI人效之旅」想讲清楚的事也越来越清楚：AI 变革不是买一套工具、上一套系统，而是一场从场景选择、数据治理、流程重构，到组织激励的系统工程。
算力有华为这样的底座可以托底，落地有东宝这样的伙伴可以陪跑，但真正决定成败的那「最后一公里」，永远在企业自己手里——在业务部门愿不愿意牵头，在一把手愿不愿意推动，在每一位员工愿不愿意把 AI 用起来。让 AI 长在业务流里，长在组织的知识里，长在每个人的工作习惯里，这才是人效真正的增量。
敬请关注｜「走进华为·AI人效之旅」下一站，期待与你同行。
DHG 数字化人才治理系统
