你有沒有想過，HR 這個行業(yè)可能正在經(jīng)歷一場徹底的革命？當(dāng)其他行業(yè)還在討論如何讓 AI 更好地"輔助"工作時，有一家名為 Wisq 的公司已經(jīng)創(chuàng)造出了世界上第一個專門為 HR 領(lǐng)域訓(xùn)練的大語言模型 HRLM，以及第一個真正意義上的 AI HR 專員 Harper。最近，他們剛剛完成了 1500 萬美元的融資，準(zhǔn)備加速推進他們所謂的"HR Agentic 時代"。這不是簡單的工具升級，而是一次徹底的范式轉(zhuǎn)變。

深入研究 Wisq 的做法后，發(fā)現(xiàn)他們正在重新定義對 HR 工作本質(zhì)的理解：從傳統(tǒng)的"處理事務(wù)"轉(zhuǎn)向"解決問題"，從"響應(yīng)需求"轉(zhuǎn)向"預(yù)測并主動干預(yù)"，最重要的是，從"更多的自動化"轉(zhuǎn)向"更多的人性化"。傳統(tǒng) HR 部門面臨的問題其實很矛盾：一方面，他們被大量重復(fù)性、事務(wù)性工作淹沒，沒有時間專注于真正重要的戰(zhàn)略性人力資源工作；另一方面，HR 工作又極其需要人性化的判斷和情感智能，不能簡單地用傳統(tǒng)自動化工具替代。

Wisq 的解決方案展現(xiàn)出不同的思路，因為他們沒有試圖用通用 AI 工具來解決 HR 問題，而是專門為 HR 這個領(lǐng)域構(gòu)建了一套完整的 AI 系統(tǒng)。從 Wisq CEO Jim Barnett 的話中，可以聽到一個非常清晰的愿景："HR 的未來不是聊天機器人，而是一個真正的同事。"我覺得這句話準(zhǔn)確地描述了我們真正需要的 AI 伙伴關(guān)系模式。

為什么現(xiàn)在需要專門的 HR AI

很多企業(yè)在嘗試用 ChatGPT 或 Claude 這樣的通用 AI 工具來解決 HR 問題時，往往效果并不理想。原因很簡單：HR 領(lǐng)域有著極其復(fù)雜的法規(guī)環(huán)境、政策要求和情境判斷需求，而這些恰恰是通用 AI 模型的弱點。Wisq 團隊在構(gòu)建 HRLM 時總結(jié)了幾個關(guān)鍵的時機因素。HR 決策往往需要同時解讀聯(lián)邦和州的重疊法規(guī)，同時還要考慮公司政策和先例。很容易遺漏關(guān)鍵細(xì)節(jié)或錯誤判斷適用性?，F(xiàn)有的大語言模型在這些高風(fēng)險場景中并不可靠。通用 AI 模型雖然能力強大，但它們主要在數(shù)學(xué)、代碼和一般網(wǎng)絡(luò)內(nèi)容上訓(xùn)練，并沒有針對政策密集、合規(guī)敏感的領(lǐng)域如 HR 進行優(yōu)化，因此在這類場景中的幻覺問題比能容忍的要嚴(yán)重得多。

成本和效率的平衡也是一個重要考量。像 OpenAI 的 o 系列推理模型這樣的頂級模型確實能提供不錯的結(jié)果，但成本和延遲使它們對企業(yè)級 HR 運營來說不切實際，甚至令人望而卻步。一些大企業(yè)在嘗試使用這些高端模型處理 HR 查詢時，每月的 API 費用就高達數(shù)萬美元，而響應(yīng)時間經(jīng)常需要幾十秒甚至幾分鐘。這種體驗對于需要快速響應(yīng)員工需求的 HR 部門來說是不可接受的。改變的契機在于開源模型的成熟。開源模型與商業(yè)模型之間的差距已經(jīng)顯著縮小。通過正確的調(diào)優(yōu)，開源模型現(xiàn)在可以以成本的一小部分提供接近的性能。根據(jù)斯坦福的一份報告，開放權(quán)重模型正在縮小與封閉模型的差距，在一年內(nèi)將某些基準(zhǔn)測試的性能差異從 8% 減少到僅 1.7%。

Wisq 采用的技術(shù)方法被稱為"蒸餾"，這是一種讓較大、更復(fù)雜的"教師"模型將知識傳遞給較小、更高效的"學(xué)生"模型的技術(shù)。更關(guān)鍵的是，他們開發(fā)了專有的"測試時計算算法"，可以優(yōu)化模型實時推理的方式。研究表明，這種方法可以讓較小的模型在某些任務(wù)上超越明顯更大的模型。谷歌 DeepMind 的研究人員在 2024 年的一篇論文中寫道："在較小基礎(chǔ)模型達到某種程度非平凡成功率的問題上，測試時計算可以用來超越 14 倍更大的模型。"使用他們的 Hurdle 基準(zhǔn)作為標(biāo)準(zhǔn)，Wisq 訓(xùn)練 HRLM 像頂級模型一樣推理，而不需要大量的數(shù)據(jù)收集和巨額的基礎(chǔ)設(shè)施費用。最近的研究表明，"僅使用 1,000 個樣本進行下一個標(biāo)記預(yù)測訓(xùn)練，并通過一種簡單的測試時技術(shù)（稱為預(yù)算強制）控制思考持續(xù)時間，就能產(chǎn)生一個強大的推理模型，其性能隨著更多測試時計算而擴展。"我認(rèn)為這是一個強烈的信號，表明通過將智能微調(diào)與定制測試時計算算法配對，能夠獲得與更大（也更昂貴）模型相媲美的性能。

Harper：不只是工具，而是團隊成員

當(dāng)了解 Harper 這個 AI HR 專員時，她的定位非常打動人。Wisq 沒有把她定義為一個"工具"或"助手"，而是明確地稱她為"同事"和"團隊成員"。這種定位背后體現(xiàn)的是對 AI-人類協(xié)作的深刻理解。Jim Barnett 在一次訪談中說："希望 Harper 讓人感覺平易近人。她不是人類，但她是一個數(shù)字隊友，在未來，都將與人類和數(shù)字隊友一起工作。"通過給 AI 一個名字和人格，Wisq 幫助組織讓向 AI 的轉(zhuǎn)變感覺更自然、更人性化。有兩個主要原因讓他們選擇給 Harper 一個名字和形象：希望 Harper 變得平易近人，讓人們把 Harper 當(dāng)作隊友來思考，因為她就是——她是一個 AI 隊友；希望人們能夠更容易地理解 Harper 能為他們做什么。相比于發(fā)送一長串功能列表，如果說"Harper 是一個 AI HR 專員"，人們就能立即理解 Harper 可以為他們做所有這些事情。

Harper 目前具備的能力令人印象深刻。她在員工啟用方面具有技能，可以回答 80% 的 HR 信息請求。她可以指導(dǎo)團隊如何發(fā)展和成長，處理各種情況。她能處理政策自動化和政策合規(guī)。當(dāng)提到"政策自動化和政策合規(guī)"時，指的是考勤問題、請假申請、績效改進計劃等 HR 團隊花費大量時間手動創(chuàng)建和重復(fù)操作的任務(wù)。Harper 可以自動化這些工作，把這些重復(fù)性任務(wù)從 HR 專員的工作清單中移除。她還可以增強項目，F(xiàn)ICO 是 Wisq 的一個重要客戶，他們使用 Harper 來增強績效管理程序。當(dāng)人們今天寫評估時，Harper 與寫評估的個人并肩坐著，幫助他們寫出更好的績效評估。另一個例子是，當(dāng)人們寫季度目標(biāo)時，由于 FICO 恰好使用 SMART 目標(biāo)方法來創(chuàng)建目標(biāo)，Harper 實際上可以幫助人們寫目標(biāo)，然后在目標(biāo)不夠具體、沒有時間限制或不可衡量的地方提出建議。

一個制造業(yè)客戶的案例特別值得深入分析。這家大型制造公司告訴 Wisq，他們 85% 的 HR 專員時間都花在兩個領(lǐng)域：考勤和安全。他們詢問是否可以構(gòu)建一個工作流程來自動化大量管理者的考勤問題。Wisq 實現(xiàn)了這一點，自動化了該工作流程。今天，管理者遇到考勤問題時會找 Wisq，Wisq 會引導(dǎo)他們完成該過程。發(fā)現(xiàn)的情況是，接近 50% 的情況下，Harper 可以直接幫助管理者自行解決問題，不需要 HR 干預(yù)。比如可能是某人第一次遲到，或者他們遲到了兩次但從未有過任何口頭警告或口頭討論。在大約一半的情況下，Harper 可以通過告訴他們還不需要任何 HR 糾正措施來處理，并指導(dǎo)管理者他們可以或需要做什么。但在另外 50% 的情況下，確實存在問題，需要某種形式的 HR 糾正措施。Harper 會帶領(lǐng)管理者完成填寫表格的過程，自動填充她能填充的內(nèi)容，然后管理者將其提交給 HR 進行審查。這種方式保持了人類在關(guān)鍵決策環(huán)節(jié)的參與，同時將 80% 的考勤時間從他們的工作中移除，并且可以在員工關(guān)系團隊可能無法工作的非工作時間處理這些問題。我認(rèn)為這種"在工作流程中的智能輔助"正是 AI 應(yīng)該發(fā)揮作用的方式。

HRLM：專為 HR 打造的推理引擎

Wisq 推出的 HRLM（HR Language Model）代表了垂直領(lǐng)域 AI 的巨大潛力。這不僅僅是在通用模型基礎(chǔ)上做一些微調(diào)，而是從根本上重新思考了 HR 場景下的 AI 推理方式。他們創(chuàng)建的 Hurdle 基準(zhǔn)測試系統(tǒng)特別值得關(guān)注，這是業(yè)界首個專門為測試和改進 HR 真實場景性能而設(shè)計的基準(zhǔn)，特別是那些需要法規(guī)熟練度和情境判斷的場景。基準(zhǔn)測試是衡量和改進模型性能的方式，但現(xiàn)有的"推理"基準(zhǔn)主要關(guān)注數(shù)學(xué)和編碼。它們也為可驗證任務(wù)提供基礎(chǔ)——有明確正確答案的問題——這對于訓(xùn)練推理模型在特定領(lǐng)域表現(xiàn)良好至關(guān)重要。但現(xiàn)有基準(zhǔn)并不反映 HR 的真實挑戰(zhàn)。所以他們構(gòu)建了 Hurdle，這是一個植根于 HR 特定任務(wù)的監(jiān)管能力基準(zhǔn)，如請假資格、工作場所住宿和政策解釋。

Hurdle 1.0 專注于與聯(lián)邦和州法規(guī)相關(guān)的 HR 問題。Hurdle 中的每個問題都反映了 SHRM 或 HRCI 等認(rèn)證考試的格式，通過測試模型應(yīng)用相關(guān)法律和政策的能力的場景。在 Hurdle 基準(zhǔn)測試上，HRLM 的表現(xiàn)優(yōu)于許多通用模型，能夠以 1/60 的成本提供與領(lǐng)先推理大語言模型相當(dāng)?shù)臏?zhǔn)確性。他們評估了每個主要大語言模型，為了生成可信的結(jié)果，基準(zhǔn)測試套件被設(shè)計為滿足關(guān)鍵標(biāo)準(zhǔn)，包括有效性、復(fù)雜性和一致性。發(fā)現(xiàn) HRLM 與那些大 100 多倍的模型性能相匹配，證明了通過正確的訓(xùn)練數(shù)據(jù)和測試時策略，不需要大規(guī)模基礎(chǔ)設(shè)施就能達到最先進的結(jié)果。

從準(zhǔn)確性角度來看，一個自然的問題是：這個模型在整體質(zhì)量方面與高端模型相比如何？雖然一些模型在原始準(zhǔn)確性方面可能略有優(yōu)勢，但 HRLM 在整體性能上超越了它們——在最重要的地方提供更快、更具成本效益和上下文感知的結(jié)果。實際上，這種權(quán)衡是值得的。雖然頂級商業(yè)模型的得分在 HRLM 性能的誤差范圍內(nèi)，但由于其約 60 倍的高成本，它們是不切實際的。對于大多數(shù) HR 工作流程，HRLM 提供了所需的精度，而沒有高昂的價格標(biāo)簽或性能滯后。Wisq 在不斷改進 HRLM。內(nèi)部測試顯示，HRLM 與 OpenAI、Anthropic 等公司的領(lǐng)先推理模型相當(dāng)，在許多情況下，由于定制訓(xùn)練數(shù)據(jù)和測試時推理算法，更適合 HR 特定推理，這些算法管理模型如何高效和有效地"思考"并提供正確答案。我認(rèn)為這種專業(yè)化的方法確保了 AI 不僅僅是通用智能的應(yīng)用，而是真正理解 HR 領(lǐng)域特殊需求的專業(yè)工具。

重新定義 HR 服務(wù)模式

傳統(tǒng)的 HR 服務(wù)模式存在根本性缺陷。大多數(shù) HR 團隊仍然依賴分層服務(wù)交付模式，但這種模式正在顯露裂痕。Jim 在訪談中解釋得很清楚："問題是，金字塔往往是顛倒的。員工行為沒有改變；工單仍然涌向 HR。零級任務(wù)被推到一級。那種傳統(tǒng)模式效果不好。"這種觀察擊中了要害，因為它揭示了 HR 部門長期以來面臨的核心困境。傳統(tǒng)的四層服務(wù)模式理論上應(yīng)該是這樣的：零級應(yīng)該是所有自助服務(wù)，通常是知識庫或某種問答系統(tǒng)，應(yīng)該處理員工的所有自助服務(wù)、較低級別的需求。一級是第一道防線，有人類 HR 專員或 HR 協(xié)調(diào)員回答通常是事務(wù)性的事情，但它們往往是相當(dāng)重復(fù)的事情，如考勤問題、請假問題、績效問題等。然后二級是專家，如薪酬、招聘、國際問題、稅務(wù)問題，三級是更戰(zhàn)略性的領(lǐng)域，比如 HR 業(yè)務(wù)伙伴會關(guān)注的領(lǐng)域。

但現(xiàn)實情況是，大部分 HR 專業(yè)人員的時間，特別是他們的 HR 專員、HR 協(xié)調(diào)員，實際上都花在了本應(yīng)該是零級的工作上。員工行為沒有改變，也許現(xiàn)在他們?nèi)ス蜗到y(tǒng)，但工單系統(tǒng)所做的只是將相同數(shù)量的問題路由到 HR 團隊。很多本應(yīng)該是零級的工作都移到了一級。由于效率方面的所有問題，傳統(tǒng)模式實際上效果不佳。AI 正在幫助改變這種狀況。通過 Harper，Wisq 的 AI HR 專員，公司正在自動解決高達 80% 的員工請求。結(jié)果是：HR 團隊壓力減少，服務(wù)模式最終按預(yù)期方式運行。Wisq 對此有一個非常不同的觀點，即今天這種情況如何改變，以及如何轉(zhuǎn)變 HR 的運營方式并自動化大量 HR 服務(wù)交付。零級現(xiàn)在應(yīng)該是 AI 驅(qū)動的自助服務(wù)，實際上現(xiàn)在可以使用 AI 回答 80% 的員工請求。一級也應(yīng)該是 AI 優(yōu)先的，不是僅有 AI，而是 AI 優(yōu)先，現(xiàn)在可以在政策合規(guī)等方面消除 80% 或 90% 的工作。二級也應(yīng)該是 AI 優(yōu)先，三級應(yīng)該是 AI 增強的。

這種變化也反映在員工對 AI 服務(wù)的接受度上。Jim 分享了一個令人印象深刻的數(shù)據(jù)："實際上他們更信任 AI 來回答他們的問題，而不是信任人類。人們實際上害怕去找 HR 談?wù)摵芏嘣掝}，令人震驚的是，在某些領(lǐng)域，他們實際上更信任 AI 而不是人類。"這種現(xiàn)象背后的原因值得深思：員工可能擔(dān)心向 HR 提問會影響他們的職業(yè)發(fā)展，或者擔(dān)心被貼上"問題員工"的標(biāo)簽。AI 提供了一種安全、私密的咨詢渠道，讓員工可以自由地尋求幫助而不用擔(dān)心后果。我覺得這種轉(zhuǎn)變的意義遠(yuǎn)不止提高效率，它實際上是在重新定義 HR 專業(yè)人員的價值定位。當(dāng)重復(fù)性、程序性的工作被自動化后，HR 專業(yè)人員可以真正專注于那些需要人類智慧、情感智能和戰(zhàn)略思維的工作。

AI First 但更加人性化的未來

Wisq 提出的"AI First & Deeply Human"理念值得深思。這不是一個矛盾的概念，而是對未來工作方式的深刻洞察。當(dāng)仔細(xì)分析 Harper 的工作方式時，發(fā)現(xiàn)她實際上是在創(chuàng)造更多有意義的人際連接空間，而不是減少這種連接。Jim 在訪談中說："AI 應(yīng)該處理機械化的工作，為有意義的人際連接創(chuàng)造更多空間。"這種理念在具體的應(yīng)用場景中體現(xiàn)得非常明顯。比如在績效管理方面，有一個很好的例子：假設(shè)有人即將為某個員工寫績效評估，他們準(zhǔn)備給那個員工一個"符合要求"的評級。但實際上 30 天前，這個人曾與 Harper 談?wù)撨^他們對這名員工的所有問題。當(dāng)他們開始寫績效評估，給出"符合要求"評級時，Harper 會對他們說："嘿，等一下?？吹侥阌媱澖o這個人'符合要求'的評級，但你是否忘記了 30 天前實際上有過一次對話，你表達了對這個人能否勝任工作的真正擔(dān)憂？"這是 AI 可以開始在問題變成更大問題之前在上游解決問題的例子。

這種預(yù)防性干預(yù)代表了 HR AI 的一個重要發(fā)展方向。不僅僅是響應(yīng)問題，而是主動識別和預(yù)防問題。這種能力要求 AI 系統(tǒng)具備深度的記憶和上下文理解能力，這正是 Wisq 在 HRLM 中重點開發(fā)的功能。文檔并不是處理人員問題的細(xì)微差別和復(fù)雜性所需要的全部。HR 專業(yè)人員需要整合上下文、記憶、對話和工作歷史。Wisq 的平臺將這些對話元素與公司文檔結(jié)合起來，提供即時、準(zhǔn)確和一致的解決方案。這種綜合性的記憶和上下文整合能力是傳統(tǒng) HR 系統(tǒng)無法提供的。在安全和合規(guī)方面，Wisq 的做法也令人印象深刻。他們的 AI 平臺具有復(fù)雜的、可定制的防護欄，確保 HR 政策和流程得到精確遵循。Wisq 的防護欄與組織特定的 HR 框架和合規(guī)要求深度整合。這允許 HR 團隊為 AI 交互定義細(xì)致的邊界，同時保持與員工自然、上下文感知的對話。

當(dāng)情況需要人類判斷或?qū)I(yè)知識時，Wisq 的智能分流系統(tǒng)會自動將案例升級給合適的 HR 團隊成員。這種復(fù)雜的方法確保常規(guī)事務(wù)得到自主處理，而敏感或復(fù)雜的案例得到適當(dāng)級別的人類關(guān)注，使 HR 團隊能夠更具戰(zhàn)略性和效率地運營。這種設(shè)計體現(xiàn)了對人機協(xié)作深層次的理解：不是要用 AI 替代人類判斷，而是要用 AI 增強人類的判斷能力，讓人類專業(yè)人員能夠?qū)⒆⒁饬性谧钚枰祟惣寄艿牡胤?。我認(rèn)為從更深層次來說，這種模式正在重新定義"專業(yè)性"的含義：在 AI 時代，專業(yè)人員的價值不再是掌握大量程序性知識，而是擁有判斷力、創(chuàng)造力和人際交往能力。

技術(shù)架構(gòu)背后的深層思考

深入研究 Wisq 的技術(shù)架構(gòu)后，發(fā)現(xiàn)他們的方法遠(yuǎn)比表面看起來更加復(fù)雜和深思熟慮。他們不僅僅是在做檢索增強生成（RAG），而是構(gòu)建了專有的推理和工作流引擎。檢索增強生成（RAG）并不是 AI agent 的萬能解決方案。即使是啟用 RAG 的解決方案也會自由地產(chǎn)生幻覺。HR 的 AI agent 解決方案需要嚴(yán)謹(jǐn)性。即使是啟用 RAG 的高級推理大語言模型也會誤解 HR 文檔的含義，并在這些防護欄之外產(chǎn)生幻覺，因此在壓力測試時無法執(zhí)行 HR 任務(wù)。通過 Wisq，即使是最復(fù)雜的問題也能快速輕松地處理。創(chuàng)建 HRLM 是對 HR 未來的承諾，一個 AI agent 快速、準(zhǔn)確且有根據(jù)的未來。他們知道 HR 領(lǐng)導(dǎo)者很重要的是，他們的技術(shù)理解他們每天面對的細(xì)微差別和法規(guī)。這就是為什么 HRLM 具有領(lǐng)域意識且深度可信，因此 HR 領(lǐng)導(dǎo)者可以在重要時刻依賴它。

他們專有的方法結(jié)合了微調(diào)和對模型如何處理和輸出答案的高級控制。這不僅僅是訓(xùn)練，而是編排。這就是使他們能夠在大量、高風(fēng)險的 HR 任務(wù)中提供智能、具有成本效益的結(jié)果的原因。Wisq 的解決方案將企業(yè)安全和可信度作為第一天就內(nèi)置的核心要素。他們提供完全的可觀察性，讓團隊對 Harper 的活動有完全的監(jiān)督，實時洞察 HR 交互。可定制的防護欄確保 Harper 始終保持主題相關(guān)，并將敏感話題標(biāo)記給 HR 進行審查。數(shù)據(jù)治理方面，客戶數(shù)據(jù)安全存儲，只有該公司可以訪問，絕不會暴露給其他客戶。角色和權(quán)限系統(tǒng)確保 Harper 遵守公司的政策和安全程序，具有特定的訪問權(quán)限和權(quán)限設(shè)置。這種全面的安全架構(gòu)反映了對企業(yè)級 AI 部署的深刻理解，認(rèn)識到在 HR 這樣的敏感領(lǐng)域，技術(shù)能力必須與嚴(yán)格的安全和合規(guī)要求相平衡。

從性能數(shù)據(jù)來看，結(jié)果令人印象深刻。對于擁有 10,000 名員工、HR 與員工比例為 1:100 的公司，Wisq 每年可節(jié)省 350 萬美元的 HR 成本。Harper 能正確回答 94% 的 SHRM-CP 考試問題，比及格率高出 20-30 分，而且回答速度快 12 倍。Harper 被稱為"像認(rèn)證一樣好"。Harper 的平均響應(yīng)時間不到 8 秒，為企業(yè)提供近乎即時的服務(wù)。僅在政策管理方面，每個 HR 團隊成員每月就能節(jié)省 35 小時以上的時間，通過 Harper 自動化政策合規(guī)任務(wù)。這些數(shù)字不僅僅是效率提升，更代表了 HR 工作方式的根本性轉(zhuǎn)變。當(dāng) AI 能夠處理大量程序性工作時，人類專業(yè)人員就能夠?qū)Ｗ⒂谛枰獎?chuàng)造力、判斷力和人際技能的工作。我認(rèn)為這種變化正在重新定義 HR 專業(yè)人員的角色，從"政策執(zhí)行者"轉(zhuǎn)變?yōu)?人力資源戰(zhàn)略家"。

變革的速度與必然性

當(dāng)思考 Wisq 和 Harper 代表的趨勢時，看到的不僅僅是 HR 行業(yè)的變化，而是整個知識工作的未來方向。Jim 在談到變化速度時的一句話特別觸動人："這種趨勢發(fā)生得比職業(yè)生涯中經(jīng)歷的任何趨勢都要快得多。六個月前聽到的反對意見正在消失，今天幾乎所有 HR 團隊都意識到這是一個必須做的事情——要么將 AI 引入團隊和工作中，要么替代者會這樣做。"這種緊迫感反映了一個更深層的現(xiàn)實：正處在工作方式的歷史性轉(zhuǎn)折點。但與以往的技術(shù)革命不同，這次的變化不是要取代人類，而是要增強人類的能力。Jim 說："等待完美解決方案或更多明確性不是一個可行的策略。現(xiàn)在采取行動的 HR 領(lǐng)導(dǎo)者有機會塑造 AI 在其組織中的使用方式。這不是一種過時的趨勢，它比職業(yè)生涯中見過的任何東西都發(fā)展得更快。你不能等找到'更好'的火車；你需要現(xiàn)在就上車。"

關(guān)于角色轉(zhuǎn)變的問題，Jim 有很清晰的表述："毫無疑問，角色將會轉(zhuǎn)變——一些職責(zé)可能會被吸收，但其他職責(zé)會得到增強。AI 釋放人們專注于創(chuàng)造性、以人為中心的戰(zhàn)略工作，他們真正想做的事情。今天會出現(xiàn)無法想象的新角色。這對每個工作都是一個戲劇性的轉(zhuǎn)變，不僅僅是 HR。"對未來 HR 組織的描述也很有啟發(fā)性："你將看到由數(shù)字和人類隊友組成的團隊，最有效的人類隊友將是精通 AI 的。"這不是關(guān)于人類 vs AI 的競爭，而是關(guān)于人類 + AI 的協(xié)作。在這種協(xié)作中，AI 處理那些可以標(biāo)準(zhǔn)化、程序化的工作，而人類專注于需要創(chuàng)造力、情感智能和復(fù)雜判斷的工作。Jim 進一步闡述："我認(rèn)為所有人都需要變得更加精通 AI 和更加技術(shù)化。不是高度技術(shù)化，因為模型正在快速改進。一年前，你必須在如何提示方面非常復(fù)雜，今天你可以對如何操作更加隨意。但我看到一整代精通 AI 的 HR 人類隊友，他們每天、每小時都在使用 AI。他們甚至不認(rèn)為這與上一代不使用計算機有什么不同——他們不會感知 AI 與軟件的不同，這只是他們所做的。"

入門級角色的變化也值得關(guān)注。Jim 的觀點是："入門級角色不會消失，那是下一代優(yōu)秀 HR 領(lǐng)導(dǎo)者。只是他們將要做的事情將更具創(chuàng)造性、重復(fù)性更少、更具戰(zhàn)略性。"這種觀點提供了一個積極的、以人為中心的技術(shù)發(fā)展愿景。年輕的 HR 專業(yè)人員不需要擔(dān)心被 AI 取代，而是需要學(xué)會與 AI 協(xié)作，利用 AI 處理程序性工作，自己專注于需要人類獨特技能的領(lǐng)域。這種變化要求 HR 專業(yè)人員不斷學(xué)習(xí)和適應(yīng)，培養(yǎng)與 AI 協(xié)作的能力，就像過去幾代人學(xué)會使用計算機和互聯(lián)網(wǎng)一樣。

在實際部署方面，Wisq 展現(xiàn)出對企業(yè)實際需求的深度理解。他們在向企業(yè)推廣時強調(diào)的投資回報率非常具有說服力?，F(xiàn)實是，對于那些掌握資金的人來說，他們實際上會為公司節(jié)省大量資金。許多客戶在考慮引入 Harper 時，首先想到的是改善服務(wù)效果，即如何改善員工體驗。但第二件事他們談?wù)摰氖侨绾翁岣咝省，F(xiàn)實是，他們經(jīng)常會查看今天空缺的 HR 專員職位，意識到如果他們有 10 個空缺的 HR 專員職位，他們可以減少其中的兩個并完全支付系統(tǒng)費用。因此，從投資回報率的角度來看，Harper 這樣的系統(tǒng)應(yīng)該是對金融團隊和執(zhí)行團隊相當(dāng)容易的銷售。在組織入職方面，團隊今天知道如何使用 AI，大多數(shù)人都在使用 OpenAI、Claude、Gemini，它只是從 60%、70%、80% 到 95% 的所有員工的時間問題。因此，在使用 Harper 方面幾乎沒有提升成本——他們只需去他們目前工作的地方，無論是電子郵件、Teams 還是 Slack，都可以向 Harper 詢問任何問題，Harper 將找出如何幫助他們。

AI 與人性化工作的平衡也是一個重要考量。當(dāng)被問及如何避免過度自動化 HR 功能時，Jim 的回答很有見地："如果我們將其去人性化，我們就過度自動化了。我認(rèn)為我們可以自動化它，同時保持深度人性化。這是 Wisq 內(nèi)部的座右銘之一——HR 應(yīng)該始終深度人性化，但它也可以是自動化的。我們?nèi)绾卧谶@兩者之間找到平衡？我們?nèi)绾巫屓藗兡軌驅(qū)r間花在深度人性化的事情上——指導(dǎo)、咨詢、支持、指導(dǎo)？這就是我們真正希望人類繼續(xù)做的事情。"我覺得這種觀點非常重要，因為它提供了一個清晰的指導(dǎo)原則：自動化應(yīng)該服務(wù)于人性化，而不是取代人性化。

反饋和質(zhì)量控制機制也展現(xiàn)了 Wisq 對企業(yè)級應(yīng)用的深度考慮。他們以多種方式監(jiān)控 Harper 的表現(xiàn)和結(jié)果。一種方式是系統(tǒng)指標(biāo)或評估評分，監(jiān)控 Harper 的相關(guān)性，以確保她以正確的方式回答問題，他們在數(shù)百個測試中運行這些測試，為每個公司確保準(zhǔn)確性。公司衡量 Harper 質(zhì)量的第二種方式是未升級或不導(dǎo)致工單的對話百分比，他們相信隨著時間的推移，Harper 應(yīng)該能夠回答 80% 的員工問題或問題。第三件事是，與 Harper 的每次對話都有給出反饋的能力——贊成、反對或報告問題。因此，他們在產(chǎn)品中有廣泛的報告。最后，公司給員工進行 NPS 調(diào)查，詢問對 Harper 的滿意度，到目前為止，分?jǐn)?shù)都非常高。我認(rèn)為這種多維度的質(zhì)量監(jiān)控體系確保了 AI 系統(tǒng)能夠持續(xù)改進，同時保持高標(biāo)準(zhǔn)的服務(wù)質(zhì)量。

對垂直 AI 未來的深層洞察

從更宏觀的角度看，Wisq 的成功預(yù)示著垂直 AI 的興起。與其試圖用一個通用 AI 解決所有問題，不如為特定領(lǐng)域構(gòu)建專門的 AI 系統(tǒng)。這種方法不僅在技術(shù)上更有效，也更符合實際業(yè)務(wù)需求。每個行業(yè)、每個職能領(lǐng)域都有其獨特的知識體系、工作流程和判斷標(biāo)準(zhǔn)，專門化的 AI 能夠更好地理解和適應(yīng)這些特殊性。HR 領(lǐng)域有著特殊的挑戰(zhàn)：每個決定都關(guān)乎人的生活，錯誤的判斷可能導(dǎo)致法律風(fēng)險或員工關(guān)系問題。這種高風(fēng)險性要求 AI 系統(tǒng)不僅要準(zhǔn)確，還要能夠解釋其推理過程，并在不確定時尋求人類指導(dǎo)。

Wisq 在 HR 領(lǐng)域的成功驗證了一個重要趨勢：未來的 AI 發(fā)展將更多地朝著專業(yè)化、垂直化方向發(fā)展，而不是追求單一的"超級AI"。這種趨勢的背后有著深層的技術(shù)和商業(yè)邏輯。技術(shù)上，專業(yè)化的 AI 能夠在特定領(lǐng)域達到更高的準(zhǔn)確性和可靠性，因為它們可以利用領(lǐng)域特定的知識和推理模式。商業(yè)上，專業(yè)化的 AI 能夠更好地滿足企業(yè)的實際需求，提供更加精準(zhǔn)和有效的解決方案。

展望未來，我相信會看到更多像 HRLM 這樣的垂直領(lǐng)域大語言模型出現(xiàn)。金融行業(yè)需要理解復(fù)雜金融法規(guī)和風(fēng)險管理的 AI，法律行業(yè)需要能夠解讀法律條文和判例的 AI，醫(yī)療行業(yè)需要具備醫(yī)學(xué)知識和診斷能力的 AI，教育行業(yè)需要理解學(xué)習(xí)理論和教學(xué)方法的 AI。每個專業(yè)領(lǐng)域都有其獨特的知識結(jié)構(gòu)、操作流程和判斷標(biāo)準(zhǔn)，通用 AI 很難同時在所有這些領(lǐng)域都表現(xiàn)出色。

這種垂直化趨勢還將推動 AI 技術(shù)架構(gòu)的演進。傳統(tǒng)的大而全的模型將逐漸讓位于小而精的專業(yè)模型，這些專業(yè)模型不僅在性能上更優(yōu)，在成本和部署方面也更有優(yōu)勢。Wisq 的 HRLM 就是這種趨勢的早期典型代表：它雖然比通用模型小，但在 HR 特定任務(wù)上的表現(xiàn)卻超過了那些大 100 倍的通用模型。

而這些專業(yè) AI 的出現(xiàn)，將真正釋放人類專業(yè)人員的創(chuàng)造潛力，讓他們能夠?qū)Ｗ⒂谀切┳钚枰祟惇毺丶寄艿墓ぷ?。?HR 領(lǐng)域，這意味著 HR 專業(yè)人員將從重復(fù)性的政策解讀和流程執(zhí)行中解放出來，轉(zhuǎn)而專注于組織文化建設(shè)、人才發(fā)展策略、員工關(guān)懷和復(fù)雜的人際關(guān)系處理。我認(rèn)為這種轉(zhuǎn)變不僅提高了工作效率，更重要的是，它讓專業(yè)工作重新回歸到其本來的價值：運用人類的智慧、創(chuàng)造力和情感智能來解決復(fù)雜問題，創(chuàng)造更好的工作環(huán)境和人際關(guān)系。

Wisq 在 HR 領(lǐng)域的探索，可能只是這場更大變革的開始。當(dāng)越來越多的垂直 AI 系統(tǒng)成熟并廣泛應(yīng)用時，我們將看到知識工作的根本性重構(gòu)：人類專業(yè)人員與專業(yè) AI 的深度協(xié)作將成為新的工作常態(tài)，而這種協(xié)作模式將釋放出前所未有的創(chuàng)新潛力和生產(chǎn)力。這不是人類被機器取代的故事，而是人類與機器協(xié)作，共同創(chuàng)造更美好未來的故事。

結(jié)尾

也歡迎大家留言討論，分享你的觀點！

覺得內(nèi)容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。