北大光华发布中国企业AI人力资源管理三年追踪报告

自2024年10月至2026年5月，北京大学光华管理学院“人工智能驱动的人力资源管理（AIHRM）”思想力课题组围绕人工智能在中国企业人力资源管理中的应用，连续开展了三轮追踪问卷调查，累计获得2,241个企业观测。其中487家企业至少参与两轮调查，154家企业三轮全程参与。基于三轮数据的系统比较与匹配面板分析，课题组完成了本报告。

本项调查的开展，一方面源于人工智能技术的快速发展，人力资源管理正是其中极为重要的应用场景。大语言模型在文本理解、内容生成与多轮交互上的能力跃升，使人工智能能够直接介入以语言和判断为核心的管理工作，从简历筛选、面试评估、培训内容生成，到员工咨询、绩效反馈与组织诊断，人力资源管理的几乎每一个环节都存在被重塑的空间。另一方面，则源于缺少适用的基准数据。当前各方讨论人工智能采纳水平时所引用的比例，多来自国际咨询机构发布的全球调查，其受访企业以北美与欧洲市场为主体，来自中国企业的样本数量有限、行业与规模覆盖单薄，且很少单独公布中国子样本的结果。以此类数据推断中国企业的采纳进度，可能高估，亦可能低估。中国企业需要一套基于本土大样本、测量口径一致、可跨年度比较的基准数据。

报告主要发现如下。

一

采纳率接近半数，成熟度仍处早期

调查显示，在人力资源管理中已实际部署人工智能技术的企业比例，由2024年11月的37.3%上升至2025年6月的40.5%，2026年5月进一步升至47.9%。为排除样本构成变化的影响，课题组对第一轮与第三轮均参与调查的288家企业进行了组内比较，其采纳率由38.5%升至51.0%，涨幅高于全样本口径，表明总体上升主要源于企业的真实转化。同期，明确表示暂无计划的企业由36.6%降至24.1%。

图1 AIHRM采纳率的三年变化

采纳率的量变尚未带来成熟度的质变。第三轮调查引入应用成熟度五阶段自评，结果显示50.4%的企业处于了解与评估阶段，35.7%处于小范围试点阶段，两者合计86.1%；进入多模块部署的扩展阶段的企业占11.2%；达到规模化应用与深度集成阶段的企业合计仅占2.7%。将两组数据并置可见，多数企业已迈过从无到有的门槛，但距离人工智能真正融入人力资源管理体系仍有相当距离。

图2 应用成熟度五阶段分布（第三轮，n=526）

二

应用集中于流程效率类环节

按九个人力资源模块统计，三年间各模块的应用数量均呈上升态势，梯队格局保持稳定：招聘与人才获取、人力资源行政服务与工作设计构成第一梯队，绩效管理、薪酬管理与福利管理相对较低。第一梯队模块的共同特征是任务标准化程度高、文本处理密集、决策风险相对可控。薪酬与绩效直接关联员工切身利益与合规风险，企业推进较为审慎。

从具体实践看，62.4%的企业已使用人工智能算法自动筛选简历，是全部清单中渗透率最高的单项应用；人力资源行政服务的头部实践集中于休假与考勤管理（35.0%）、电子文档管理（31.9%）与全天候应答的聊天机器人（31.2%）。纵览各模块头部实践，居于首位的几乎全部为数据分析、筛选匹配与流程自动化类应用，当前应用版图以机器处理数据与流程为主体。

图3 九大模块使用率最高的三项具体应用（第三轮）

技术前沿的渗透呈现另一种秩序。生成式课程内容创作与承担实时对话评估任务的AI面试官扩散最快，后者在全样本中的使用率已达23.2%；由人工智能自主串联招聘全流程或编排工作流程的智能体应用仍处于早期，渗透率均在8%上下。企业愿意让人工智能生成材料、参与评估，但尚不放心让其独立作出决定。

三

企业分化的根源在于资源准备度

第三轮数据显示，已采纳与未采纳企业在全部六项组织指标上均存在显著差距，其中差距最大的两项为对人工智能的重视程度和资源与人员准备度，技术契合度与伦理关注等认知类指标的差距相对较小。

为超越单变量描述，课题组对三轮合并的2,241个企业观测开展了潜在剖面分析，识别出四类企业画像：全面领先型占26%，采纳率70%；积极推进型占33%，采纳率47%；谨慎观望型占31%，采纳率21%；尚未启动型占10%，采纳率6%。四类企业在归因维度上的差异远小于在状态维度上的差异，谨慎观望型企业同样认可效率提升与体验改善的逻辑，真正拉开距离的是资源准备与重视程度。归因维度的趋同，一种可能的解释是多数企业并未真正深究采用人工智能的目的与原因——在行业共识与外部示范的推动下，认可其价值几乎成为一种默认立场，而未必经过审慎的自我论证。无论如何，这一格局表明，中国企业在是否应当拥抱人工智能的问题上已接近共识，分化在于能否组织起相应的资源与能力，采纳的瓶颈是执行问题而非认知问题。

图4 潜在剖面分析识别的四类企业画像

四

人力资源负责人特征具有稳定的预测作用

三轮数据显示，人力资源负责人的个体特征与企业采纳率之间存在稳定关联。按年龄分组，负责人年龄越大，所在企业采纳率越低；按专业背景分组，兼具工程技术、财务、战略等跨界背景的负责人所在企业，采纳率持续高于仅具备人力资源单一背景的负责人所在企业，差距保持在十个百分点左右。将两者交叉后，四十岁以下且具备跨界背景的组别采纳率达48.6%，为四组最高；四十岁以下但仅有人力资源背景的组别为33.7%，为四组最低。

图5 人力资源负责人年龄×专业背景四组企业的采纳率

为排除反向因果的干扰，课题组利用追踪设计开展了滞后检验。第一个时间窗口基于第一、二轮匹配企业，在控制上一轮采纳水平后，仅有人力资源背景的组别，标准化系数为-0.36；本报告利用第二、三轮匹配数据构建了第二个独立窗口，在控制上一轮采纳水平、企业规模与高绩效工作系统后，该系数为-0.16，在千分之一水平上显著。跨越两个年度、两组不同企业样本，结论得到重复。

需要说明的是，年龄本身并不代表能力，四十岁及以上群体中，背景差异对采纳率的影响已基本消失。上述特征所标记的，是跨领域知识与变革推动经验的可得性，而这两者可以通过配置与培养获得。

五

治理体系建设滞后于应用扩张

企业面临的困难清单正在发生结构性位移。数据隐私与安全的提及率由第一轮的47.3%升至第三轮的61.8%，涨幅近十五个百分点，居各项挑战之首；算法偏见与公平由30.8%升至37.1%。同期，实施与维护成本的提及率由37.4%回落至30.8%，技能差距的提及率亦有所下降。随着工具价格下降与使用经验积累，成本与技能这类入门障碍正在缓解，而隐私、偏见与数据质量这类随应用深入而放大的内生风险，正在成为主要顾虑。

与风险感知上升形成对照的，是治理体系建设的普遍缺位。第三轮调查列出十类常见的人工智能治理措施，51%的企业尚未建立其中任何一项；覆盖率最高的员工人工智能培训仅有28.1%，正式使用政策覆盖21.5%，伦理审查与偏见检测的覆盖率不足3%。

图6 各项人工智能治理措施的覆盖率（第三轮，n=526）

治理措施的建设成本在试点阶段远低于规模化之后。一旦人工智能嵌入招聘筛选或绩效评估的正式流程，再回头补建审查机制，涉及对既成流程的推翻重来。当前86%的企业仍处于探索与试点阶段，这一窗口恰恰是建立治理框架成本最低的时机。

六

回报开始显现，代价同步出现

衡量生成式人工智能促进个人知识向团队能力转化的涌现效应，是少数逐轮上行的指标，全样本均值由2.62分升至2.81分，已采纳企业三轮均显著高于未采纳企业。投资回报方面，41.1%的企业认为下结论为时尚早；在能够作出评估的企业中，感知到中等及以上回报的约占六成。分职能看，招聘与人才获取、人力资源行政事务被最多企业列为回报最高的领域，与模块渗透率的第一梯队高度重合。

代价体现在三个方面。其一，41.4%的企业观察到人工智能扩大了高绩效员工与普通员工之间的差距。其二，过去十二个月中，30.2%的企业人力资源团队编制整体缩减，25.1%在总量持平的情况下进行了结构重组，总量增加的仅占6.8%；与编制收缩并行的是角色更新，数据分析师成为最多企业新增或强化的角色。其三，回归分析显示，应用越深的企业，涌现效应与绩效评价越高，但员工流失、主动离职与裁员优化人数亦同步更高。横截面数据不足以确定因果方向，但两类指标的同步上行足以提醒管理者：人工智能的落地过程，同时是一个需要主动管理的人员转换过程。

七

面板数据显示转型呈净流入但并不平滑

三轮全程参与的154家企业构成本项调查最珍贵的资产。课题组逐项比对了面板企业与第一轮全样本的基线特征，未发现统计显著差异。追踪其采纳状态迁移可见，已采纳企业由57家增至70家，暂无计划的企业由57家降至36家；两个观察间隔中，共发生48次转入采纳，同期亦有35次反向退出。净流入明确，但退出并非罕见，大约每三次进入伴随两次退出。

图7 154家企业采纳状态的逐轮迁移

组内配对检验显示，这批企业的人工智能应用总量由平均8.2项增至11.3项，涌现效应均值由2.57分升至2.91分，两项提升均高度显著。应用总量在第二轮到第三轮之间高位企稳，扩张最快的阶段可能已经过去，企业正在从增加应用数量转向消化与深化既有应用。

面向企业管理者的四点建议

第一，将投入重心从铺开转向做深。数据显示广度的扩张已近高位而深度普遍不足，回报又集中于少数模块。企业宜选择招聘、行政等已验证回报的场景，将单点应用推进至流程重构的深度，形成可复制的内部标杆后再行扩展。

第二，将治理框架的建设提前到规模化之前。可从成本最低、争议最小的措施入手：明确界定可使用人工智能技术的场景与必须保留人工复核决策的场景；界定哪些员工数据可以进入模型、留存多久、如何销毁等数据边界；开展面向使用者的培训；建立针对招聘与绩效等高风险场景的偏见检测机制。

第三，将负责人配置纳入转型方案。企业在选配人力资源负责人时宜将数据素养与跨界经验作为重要考量，对在任团队则应提供系统的技术与数据能力训练。

第四，主动管理转型的人员面。再培训与转岗安排不应是裁减之后的补救，而应作为部署方案的组成部分，与技术投入同步规划；对工具使用带来的绩效分化，宜通过培训普及与评价体系调整加以引导，避免其固化为组织内部新的不平等。

关于本项调查

调查过程中，课题组收到许多来信。不少来信者在表达关注的同时，也坦陈了一种焦灼：明知人工智能正在改变人力资源管理，自身企业却因数据基础、资源条件或组织认识的限制，一时还无法真正推进。

对此，三轮调查的数据本身提供了回应：尚未采用的企业至今仍是多数，绝大多数已经采用的企业也还停留在探索与试点阶段，真正进入规模化应用的不足3%。当前的差距，远没有行业叙事所渲染的那样悬殊。随着技术走向成熟、使用成本持续下降，工具的可得性将不再是少数企业的专利。届时更值得期待的是，人力资源管理者能够从繁重的事务性工作中腾出手来，从事更具价值与战略意义的工作，更好地服务员工，更充分地体现人力资源工作应有的人文关怀。

完整报告共十章，除上述内容外，还包含九大模块的详细应用格局、企业画像的诊断框架、三轮全程面板的完整分析，以及关于人工智能时代人力资源职能组织形态与从业者能力结构的讨论。报告同时提供按行业、企业规模与所有制分组的数据，便于企业参照与自身情况相近的分组开展横向对标。

课题组：北京大学光华管理学院“人工智能驱动的人力资源管理”思想力课题组

调查时间：第一轮2024年10—12月（n=1,022）；第二轮2025年6月（n=693）；第三轮2026年5月（n=526）

引用方式：姜铠丰. (2026). 人工智能驱动的人力资源管理：中国企业三轮追踪调查报告（2024—2026）. 北京大学光华管理学院光华思想力课题组.

来源丨光华思想力

审阅丨塔娜