AI替代的不是HR，是不会用AI分工的HR

一句话判断

AI 不会替代 HR，就像 Excel 没有替代会计。但它会替代那些拒绝学会"人机分工"的人——不只是 HR，是所有岗位。

我为什么有资格说这个

我在字节做了多年 HR。筛过几千份简历，面试过几百人，参与过无数次绩效校准。

2025 年我开始系统地在咨询工作中嵌入 AI——简历诊断、JD 拆解、面试准备、知识库搭建。不是看别人用，是自己亲手搭、亲手测、亲手比较"有 AI"和"没 AI"的差距。

这篇文章是我做了之后想的，不是看文章看来的。

AI 在招聘领域正在改变什么（已经发生）

简历筛选：从 10 秒/份 → 批量结构化评分

一个 HR 看一份简历的平均时间是 6-10 秒。在这 10 秒里，TA 在看什么？

• 学校、公司名、职位跳槽节奏、量化成果词汇

这几件事，AI 现在已经做得比人快了。我把自己的简历评分框架（7 维度、红旗信号库）产品化之后，AI 可以一次跑 20 份简历，给出逐维度评分 + 排名矩阵。

但有一个重要的发现：AI 很容易发现"所有数据都很好"的简历，却很难发现"数据一般但潜力很强"的候选人。 后者需要观察力、直觉、和行业判断——这是人的地盘。

面试：从随机提问 → 结构化出题

我做过一个实验：让 AI 基于一份 JD + 候选人简历，自动生成 10 道面试题（行为面、情景面、压力面）。然后我拿这些题和"一个经验丰富的面试官自己出的题"做对比。

结果：AI 出的题覆盖了更多维度，但缺少"追问感"——不会根据候选人的回答动态调整压迫程度。

💡 这让我理解了一个关键概念——AI 的 Jagged Frontier（锯齿边界）：AI 在结构化提取、模式匹配上碾压人类，但在需要上下文感知和动态调整的任务上很弱。聪明的做法不是"让人更像 AI"也不是"让 AI 更像人"，是搞清楚边界、各自待在强区。

知识管理：从记在脑子里 → 结构化检索

我把我的咨询经验——案例（脱敏）、方法论、行业判断——结构化整理进知识库。现在接一个新客户的咨询前，AI 能自动检索相关的历史案例供我参考。

这不能替代我的判断，但它让我在做出判断前拥有了更完整的信息背景。

什么短期内还不会被替代（我的判断）

1. 关系建立与信任。 一个求职者跟你聊 10 分钟，愿不愿意把真实的职业困境说出来——这靠的不是算法，是共情和安全感的建立。
2. "嗅觉"。 一个候选人简历完美、面试流利，但你总觉得哪里不对劲。这种直觉来自几千次面试的经验积累，AI 还做不了。
3. 薪资谈判中的对手感知。 谈判不是信息交换，是心理博弈。感知对方的底线、判断什么时候该 push、什么时候该退一步——这需要人的临场判断。
4. 对人复杂性的理解。 一个人为什么在某个岗位干了 3 年没产出？可能是能力不行，也可能是环境不行、时机不行、个人状态不行。AI 倾向给出单一归因，而好的 HR 知道每个案例都有多重因果。

人机分工表（我的实际工作流）

| 环节 | AI 做 | 我做 | |------|-------|------| | 简历初筛 | 20 份 → 结构化评分 + 排名矩阵 | 审核 AI 的判断、标注 AI 遗漏的信号 | | JD 拆解 | 提取关键要求 + 隐含考察维度 | 判断用人部门真实意图（JD 背后那些没写出来的需求） | | 面试出题 | 自动生成 10 道题 | 根据候选人临场表现调整追问 | | 诊断报告 | 草稿（数据支撑 + 初步判断） | 加入我的经验判断 + 定制建议 | | 选题 | 抓取热搜 + 生成 50 个选题候选 | 从中挑 5 个、确定角度 |

给 HR 同行的建议

如果你是一个 HR，正在焦虑 AI 会不会替代你的工作——我的答案是：不会替代你，但会替代你"今天的工作方式"。

5 年前，HR 的主要工作是"找简历、约面试、发 Offer"。现在这些环节正在被自动化。但一个新的需求出现了：谁能定义人机分工的边界、谁能设计 AI 的评判标准、谁能在 AI 的输出上叠加人类判断——这些岗位会比传统 HR 更值钱。

换句话说：不是你跟 AI 竞争，是"会用 AI 的 HR"和"不会用 AI 的 HR"之间在竞争。

参考与延伸

• Microsoft Work Trend Index 2024 - AI 在职场四阶段采用模型
• Ethan Mollick, Co-Intelligence - Jagged Frontier 理论与人机协作实验
• Harvard Business School / BCG (2023) - AI 强弱区实验论文

本文观点基于作者个人实践与判断。AI 技术迭代快速，具体影响请结合最新发展判断。