400-788-5678
AI 在人力资源里到底能干什么？11 月 10 日下午，珠海，智迪科技的会议室里，八家制造企业的 HR 坐成一圈，用两个多小时把这个问题聊得很实。
这是东宝软件「走进标杆企业」系列的又一站。前几站走进华为，聊的是底座、场景和产品；今年五月走进国显，看的是 AI 展厅里那几十个已经跑起来的智能体。这一次走进智迪的会议室，大家聊的则是更普遍的课题：怎么从「听过 AI」走到「用起来」。
「走进标杆企业」不谈概念，只看现场：把交流放进企业一线，让正在做人力资源数字化、正在琢磨 AI 怎么用的同行，与已经走通一段路的企业当面聊。
智迪科技成立于 1996 年，到今年正好三十年。
它只做两样东西——键盘和鼠标。但把这两样做到了极致：从 ID 设计、结构、电子电路、软硬件开发，到模具注塑、组装包装，全流程在内部完成，形成一条垂直整合的闭环。
全球员工超过 4000 人，珠海、广州、越南海防、台北四大基地。越南工厂 2021 年投产，占地 75000 平方米，建筑面积 142500 平方米，具备 SMT、DIP、注塑、自动化丝印、涂装等完整的标准化工艺流程。客户名单是联想、罗技、赛睿、樱桃、美商海盗船，产品以出口为主，销往欧美、日本。2023 年，智迪在深交所创业板上市。
真正让人意外的，是他们在智能制造上的积累比想象中早得多。
2007 年，智迪就在行业内率先自研了键盘生产自动化系统——比传统手工作业节省 85% 以上的人力，人均产出提升 10 倍以上，产品直通率做到 99.8%。截至目前，公司积累了 200 多项自主知识产权专利，其中发明专利 20 多项。2022 年通过 RBA 责任商业联盟银牌认证，2023 年拿到海关 AEO 高级认证。
他们的智慧工厂蓝图铺得很完整：注塑自动化、成品生产自动化、质量管理中心、模具自动化、智能物流系统、云数据与大数据管理中心，加上 ERP、MES 系统，一并构成未来的智能化工厂。
企业愿景只有八个字：智者千里，启迪未来。
这场交流，智迪把更多时间留给了同行对话——在 AI 赋能人力这件事上，他们想听的，也正是各家最真实的做法和困惑。
11 月 10 日，东宝软件与智迪科技联合举办「AI 赋能·人力增效」学习交流活动
坐在这张长桌边的，是七家来自不同行业、不同规模的制造企业。用的工具不同、起步早晚不同，但把话摊开之后，落点几乎在同一个位置：
现场的问题，最后收敛成同样三道关
第一，会问，但不会用。不少企业已经用 AI 写方案、做图、整理报表，也有企业用自动化工具把请假、报销这类流程跑了起来。但多数使用仍停在「个人对话框」里——AI 给的是建议，不是结果。
第二，数据没有接上。AI 不知道你公司的制度、你的岗位、你过去处理过什么问题，所以它只能给通用答案。有企业自己搭了智能问答，用下来却发现它读不懂内部制度。
第三，没有机制。每个人各自用，用得好的经验留在个人手里，组织没有沉淀，人一走就归零。
投屏上打出的是同一句话：「AI 赋能·人力增效」。这两个小时要回答的，正是怎么过这三道关。
东宝软件解决方案首席专家刘松科接过话头时，先给了一个判断。
AI 一定不是替代人的。但未来的竞争，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。
接着是一把被反复验证过的尺子——找 AI 场景，盯三种活：数据量大、重复性高、决策复杂度高。
照这把尺子量 HR 的日常，答案很清楚：
· 招聘环节的筛简历、写 JD、候选人沟通；
· 制度、会议纪要、汇报材料这类文档；
· 培训环节的做课件、出试卷、发问卷；
· 绩效环节的汇总评语、面谈提纲、分析报表；
· 薪酬环节的成本分析、制度测算。
这些活有个共同点：占了大量时间，但几乎没有创造性。
工具则要分成两层看。上面一层是大模型——你问它答，产出的是建议和草稿，本质是个顾问。下面一层是智能体——它能自己拆解任务、调用你电脑上的 Excel、Word、PPT，甚至直接操作系统，交付的是结果。
这个差别不是概念上的。东宝内部也按这个思路在跑：代码、原型、测试交给 AI 分担，交付端的规则配置、报表设计也在逐步交给智能体——人只需要往前走一步，做需求判断和结果验收。
他自己的周报、月报也是同一个做法：第一次就把格式、维度、要给哪些建议讲清楚，之后交给智能体重复。用他的话讲：「宁愿第一次多花两倍三倍的时间去训练一下你的助手。」
方法上不复杂。提示词五个要素说清楚就行：角色、任务、背景、要求、格式。给了，它按你的逻辑来；不给，它自己发挥。
但有一件事不能省——安全底线。员工的隐私数据不传，企业的敏感数据不传，AI 输出的结果必须审核复核。这三条是底线，不是建议。
还有一层是组织。东宝内部把 AI 应用做成虚拟组织，每周开会、每周评分排名。评的不是工作量，是产出对价值的影响——用 AI 沉淀下来的技能，真能帮企业提效，分数才高。
东宝软件解决方案首席专家刘松科在现场分享
茶歇回来，问题几乎全落在一个地方：知识库。
问得最集中的一个问题很典型：企业这些年积累的分析、经验都躺在表格和文档里——能不能喂给系统，下次遇到同类问题，直接告诉我该怎么处理？
顾虑也很实在：知识库怎么维护？投喂的数据不准，会不会把判断带偏？
这两个问题，恰好戳中了知识库真正的门槛——不是建不起来，是建起来之后会烂掉。
刘松科给的解法是四环闭环：生产、应用、反馈、优化。
缺任何一环，知识库都会变成一份没人打开的死档案
生产环节，关键是融进业务流程，而不是单独建一个库。东宝自己的做法是：项目工单结单时，系统跳出「生成知识文档」按钮，AI 自动把过程中的素材提炼成文档，经导师或审批人确认后入库。知识不是「有空整理」出来的，是干活时顺手长出来的。
应用环节，全员用自然语言提问，答案可溯源到具体文件。
反馈环节有两条路径。搜到了但没解决，用户点踩，系统触发负反馈工单，推给这条知识的创建人优化，改完再通知提问人验证；搜不到，触发无结果工单，客服团队认领解决，入库后同样回到提问人验证。两条路径都通向闭环。
优化环节靠积分。创建知识加分，使用加分，高频使用加分，反馈加分，优化加分。积分兑换实物，上荣誉榜单——方案之星、知识之星、反馈之星、热门之星，并与个人发展激励挂钩。
但他也补了一句前提：知识库的技术难度并不高，公开资料就够搭起来。真正要用起来，前提是企业自建模型——很少有企业愿意把规章制度和核心知识放到公网大模型上。这一关过不了，知识库就只能是个摆设。
当天还加了一场，跟 AI 没有直接关系——制造业的培训体系。原因很直接：在座的全是制造业。
样本来自三家在培训上做得扎实的企业。刘松科把它们的做法做了脱敏和归拢，还原成一条五段链路。
从三家制造企业的实践里归拢出来的骨架：五段一条链
① 进得来。入职培训有时间窗、有考核，不合格不进岗位，从源头卡住人的质量。
② 学得会。课件是「自己的」——一线工艺、工序、检验标准沉淀成课程，讲师有分级、有激励。课件不由 HR 做，HR 做的是机制和工具。
③ 造得出。复制人靠三条路：师徒制、储备干部、轮岗，各配明确的规则和激励。
④ 管得住。岗位、机台、工序都要认证——没有资质，派工排不进、机台开不了，这是整套体系里最硬的一段。
⑤ 留得住。关键岗位先定义清楚，再配后备「蓄水池」和复训机制：知识一更新，认证就跟着刷新，人的资质不停在入职那天。
刘松科的建议是循序渐进：先从入职培训做起，再逐步沉淀岗位知识文件，然后做关键岗位认证，一步一步来。
两个多小时下来，会议室里没有出现什么惊艳的结论。但有几件事被反复确认。
AI 能不能用起来，第一取决于数据在不在线上。很多线下的工作要先搬到线上，数据规范了，AI 才有东西可分析、可决策。而这件事眼下比过去容易——以前开发一套贴合本企业的业务系统很难，现在可以让 AI 来做。
第二取决于知识有没有闭环。知识停在文档里，就是死档案；能生产、能反馈、能优化，才是资产。
第三取决于机制。工具可以买，习惯买不到。
两个小时下来，大家带走的不只是方法，还有一组带回自己企业就能对上号的问题：数据在不在线上？知识有没有闭环？机制搭起来了吗？对智迪来说，这也是把三十年智能制造的积累往人力一侧延伸的一次开始。
这正是「走进标杆企业」系列想做的事——不谈概念，只看现场。下一站，继续。
Q1：制造企业想开始用 AI，第一步该做什么？
A：先挑三种活——数据量大、重复性高、决策复杂度高的场景。三个条件都满足的业务，投入产出最划算，也最容易在半年内看到效果。HR 环节里，简历初筛、课件与试卷制作、报表汇总、制度文档，都属于这一类。
Q2：知识库为什么很多企业建了却用不起来？
A：多数是建成了「文档仓库」，没有闭环。知识的生产没有融进业务流程，搜不到没人管，答错了没人改。要跑通生产、应用、反馈、优化四环，并配一套积分与激励，知识才会自己长。
Q3：AI 用在人力资源，哪些数据不能碰？
A：员工隐私数据和企业敏感数据都不上传公网大模型；AI 输出的结果必须人工审核复核。要跑知识库这类深度应用，前提是企业自建模型，数据留在自己手里。
Q4：制造企业的培训体系从哪入手？
A：从入职培训的时间窗和考核做起，再沉淀一线工艺课件、做关键岗位认证，最后补蓄水池和复训机制。顺序反了，容易做成一堆没人看的课件。
一座工厂的现场，胜过十页方案。AI 不是买一套工具就能提效的事，它长在数据里、长在知识里、长在组织愿不愿意改的习惯里。
东宝软件，与每一家用数字化赢得未来的企业同行。
