一个 AI Agent 接进企业流程，没人会给它办入职，账号、数据权限和执行入口却可能一样不少。它可以整理简历、生成绩效评语、回答员工问题，也可能把结果直接送进后续审批。“AI员工”这个叫法因此有了现实分量：软件已经占用了岗位中的部分职责。
IBM 对人力资源领域 AI 的定义包括自动化重复性任务、分析 HR 数据、生成内容、模拟交互并支持组织决策。能力越靠近决策，管理问题越具体：谁给它定目标，谁验收结果，谁有权叫停，错误影响到候选人或员工时，谁来解释？
这些问题不能只交给技术部门。它们已经进入 HR 的职责范围。
先别给它套人类绩效表
人类员工的考核通常包含结果、行为、协作和成长。Agent 没有劳动关系，模型更新也不等于员工成长。企业真正要考核的，是一条由模型、数据、工具权限、业务规则和人工复核共同组成的任务链。
只看处理量和响应速度，很容易得到一张漂亮但没用的成绩单。更值得记录的是：
- 输出是否满足业务条件，错误能否被发现；
- 结果是否稳定，遇到缺失数据和工具故障时会不会继续执行；
- 哪些任务需要人工接管，接管发生在哪个环节；
- API、算力、集成、维护和复核投入是否进入成本核算；
- 输入、数据来源、模型版本、修改记录和审批人能否追溯。
| 场景 | 只看这些容易失真 | 还要记录什么 |
|---|---|---|
| Cursor 等 AI 编程工具 | 生成代码量、完成速度 | 需求验收、测试与评审结果、返工、回滚和人工复核投入 |
| 招聘初筛 | 处理简历数量、筛选速度 | 筛选规则、漏筛与误筛、人工复核和申诉入口 |
| 员工问答 Agent | 回复数量、响应时间 | 答案来源、转人工条件、敏感信息权限和纠错记录 |
| 绩效评语生成 | 生成是否准时 | 证据来源、主管修改、偏差检查和最终签字人 |
Mitratech 在讨论人力资源领域的 SMART 目标时，把问题落到了几个具体位置：AI 能否减少流程摩擦而不制造新风险，招聘和绩效评估能否更公平，季度报表能否呈现真实进展。相比“提升 AI 应用能力”这样的宽泛目标，这些问题更适合写进绩效表。
出错后，不能只写一句“模型判断”
Agent 给出错误结果时，“AI 跑偏了”不算责任说明。数据过期、模型输出错误、权限配置过宽、流程缺少复核、审批人忽略警告，是完全不同的问题。
一条可执行的责任链应当写清楚：
- 业务负责人定义任务范围和验收条件；
- 系统负责人管理模型版本、数据接入、工具权限、日志和回滚；
- HR 负责招聘、绩效、薪酬和劳动关系流程中的复核规则；
- 最终审批人有权查看依据、否决结果并暂停系统；
- 供应商承担合同约定的技术支持和修复义务。
涉及录用、绩效、薪酬或劳动关系的事项，AI 可以起草材料、整理证据和提出建议，流程中仍要保留明确的人类签字人。签字也不能沦为点击确认。审批人必须看得到输入依据，知道模型做了什么，并有条件要求重跑或转人工处理。
责任不会因为流程自动化而消失。企业可以把任务交给 Agent，不能把后果记在软件名下。
Prompt 管表达，权限管后果
不少团队会给 Agent 写很长的 Prompt，详细规定语气、步骤和注意事项。Prompt 可以影响模型如何回答，却不能代替系统权限。
复杂流程更适合拆成状态、事件和转移规则：当前状态允许调用哪些工具，什么条件下进入下一步，失败后回到哪里，何时停止并交给人工。语言模型处理当前节点，代码负责权限、重试、回滚和失败收口。
以绩效评语为例，AI 生成内容后，可以把流程限定在“待审核”状态。主管确认之前，内容不能进入员工可见的正式记录。招聘初筛也一样：AI 能否直接淘汰候选人，还是只能给出排序和理由，必须在系统上线前写清楚。
日志同样重要。模型版本、数据来源、工具调用、人工修改和最终审批都应留下记录。没有这些信息，出了问题只能靠聊天记录和个人回忆复盘，责任很快就会变成一笔糊涂账。
六大模块没消失，多了一层系统治理
深圳市人力资源管理协会的分析提到，2003 年企业人力资源管理师职业资格鉴定推出后，HR 的岗位边界、能力拆解和专业路径长期相对清晰。人力资源规划、招聘、培训、绩效、薪酬和劳动关系，也逐渐形成了成熟分工。
AI 接入后，这些模块并没有消失，只是每个模块都多了模型、数据、权限和复核这一层。招聘要检查筛选规则和数据来源，培训要核对生成材料，绩效要保留证据与主管签字，薪酬和劳动关系则要严格限制自动执行权限。
HR 无需转行做模型工程师，至少要能问出几件事：系统用了什么数据，谁能改规则，结果如何验收，异常由谁接管，日志保存在哪里，什么情况下必须停机。
用友网络副总裁张月强在2025 人力资源数智化创新峰会的演讲整理中使用了“从 HR+AI 到 AI+HR”的表述，并提到 DeepSeek 等应用的落地。对 HR 来说，这个变化并不等于追逐每一个新模型。更实际的影响是，AI 开始进入流程分工，原有制度必须给它安排权限和责任接口。
ERsoft 转述 Josh Bersin 观点的文章把 AI 赋能后的员工称为“超级员工”。效率提升当然有价值，但如果效率依赖不透明的模型、宽松的权限和薄弱的复核，它就不能算完整的绩效。
IBM 对 HR 领域 AI 的判断里还有一句值得注意：自动化重复工作，是为了让 HR 把精力放到更需要创造力和审慎处理的人事问题上。这里的“审慎处理”，恰好包括规则制定、例外判断和责任承担。
上岗第一周，先把清单写到能追责
AI Agent 接入业务后，HR 可以先检查这些事项：
- 它被允许完成哪些任务，哪些环节只能提供建议；
- 输出由谁验收，什么情况必须退回或转人工；
- 它能读取哪些数据、调用哪些工具、修改哪些记录；
- 涉及候选人和员工权益时，由谁完成最终审批；
- 系统如何记录数据来源、模型版本、操作过程和人工修改；
- 算力、接口、维护、复核和事故处理成本如何核算；
- 谁拥有暂停、回滚和停用系统的权限。
这些内容写清楚后，AI 带来的效率才有可比性。否则，生成速度越快，人工评审和事故处置可能越忙。
AI 可以承担任务，组织仍要承担后果。HR 的工作，就是把这条线画清楚，并让它在绩效表、审批流和系统权限里真正生效。