给 HR 的 AI 实战课：从会用 AI 工具、到会设计 AI
200+服务的企业数
4.9+/5.0学员满意度
70%+学员 NPS
你现在的卡点
01
02
03
04
05
你是不是也卡在这里？
我学了很多提示词和 Skill，但不知道怎么把它们串成一整套的自动化工作系统
AI 写得又快又顺，但输出经常长篇大论，每次都要费老大的劲才能改到符合我的要求
AI 的回答看上去很专业，但我没办法判断它说的到底对不对
业务部门、候选人和手下员工都用 AI，材料是写得越来越漂亮，但质量是一言难尽。他们越用 AI，我越累
差距正在拉开
真正危险的，不是 AI 替代你
而是你每天忙碌的事情，看起来越来越像 AI 几分钟就能生成的东西。
同样 2 小时：传统做法
查资料、改表格、写初稿、再反复调整，最后还像是临时拼出来的。折腾了半天还完成不了一个方案的初稿。
同样 2 小时：会用 AI 的同事
多个线程（任务窗口）给 AI 布置方案创建和修改任务，用不到1个小时给 AI 安排了十几项工作。下楼喝杯咖啡休息半小时之后，回来验收和调教 AI 的成果，发现初稿已经完成得七七八八了。
那到底该怎么系统地学？
不是所有 AI 学习，都通向职业价值
很多 AI 学习，解决的是焦虑的表层，
01
02
03
04
很多 AI 学习，解决的是焦虑的表层，
不是职业价值的核心所在。
宏观务虚型：讲了很多趋势，却落不到你的工作里
老师整合了技术趋势、历史变化、权威机构观点和媒体报道，指出了 AI 的发展趋势。信息量很大，也能缓解一点焦虑。但回到明天的工作，仍然不知道怎样把招聘、培训、绩效、组织洞察这些具体事情用 AI 来改造升级。
玩具创作型：体验了神奇，却没有进入真实交付
写了几个 Skill，做一个小程序、一个网页、一个好玩的作品，确实能让人感到创造的快乐，也能第一次体会 AI 的能力。但热闹过后，它很难回答：一个普通职场人如何借 AI 提升专业水平、收入安全感和职业位置？
技术主导型：给了很多工具，却没有长进专业里
很多企业都在鼓励员工使用 AI，发放 token，IT 部门也提供了大量培训。但这些培训往往由技术功能主导：讲 AI coding、模型能力、提示词写法、安全规范，却很少进入真正的专业场景。员工学到了一种过去不具备的新技术能力，但它没有和招聘、培训、绩效、组织诊断、员工沟通真正结合，也就很难产生新的专业价值。
简单串联型：最常见，也最容易被误认为“AI 落地”
这是现在最常见的一类：无论在各大智能体平台，还是在社群里被分发传播的各种 Skill、Agent，大部分本质上都是把一个旧任务拆成几个动作，再用几段简单提示词串起来。它们也许能减轻一点重复劳动，但并不是一种更高水平的工作方式，更不能代表未来人机协作的新模式。
未来判断
真正的懂 AI 不是“更快地做旧工作”，
证据 1
证据 2
证据 3
证据 4
真正的懂 AI 不是“更快地做旧工作”，
而是成为能设计人机协作的人。
AI 已经进入 HR 真实工作
SHRM 2025 年调研显示，43% 的组织已经在 HR 任务中使用 AI，高于 2024 年的 26%。在招聘场景中，51% 的组织使用 AI；常见应用包括撰写职位描述、筛选简历、自动搜索候选人和与申请人沟通。
来源：SHRM, 2025 Talent Trends: AI in HR
AI 正在从工具变成数字同事
Microsoft Work Trend Index 2025 提出，企业正在走向由“人 + Agent”组成的混合团队：第一阶段是 AI 助手，第二阶段是 Agent 成为数字同事，第三阶段则是人设定方向，Agent 运行完整业务流程，人只在需要时介入。
来源：Microsoft Work Trend Index 2025
技能结构正在重排
World Economic Forum 2025 报告预测，2025-2030 年间，约 39% 的现有技能会被转化或过时；AI 与大数据是增长最快的技能之一，但分析思维、韧性、领导力与社会影响力仍然是雇主最看重的核心能力。
来源：World Economic Forum, Future of Jobs Report 2025
真正难点是组织和治理
McKinsey 2025 年报告指出，虽然几乎所有企业都在投资 AI，但只有约 1% 的领导者认为自己的组织已经达到 AI 成熟状态。SHRM 也指出，67% 的 HR 受访者认为组织并没有主动训练员工与 AI 协作。问题不只是有没有工具，而是组织能不能建立标准、治理和协作方式。
来源：McKinsey Superagency in the workplace 2025；SHRM 2025 Talent Trends
想象一下，五年后，你打开电脑第一时间看到的不再是钉钉和飞书的待办提醒。
你看到的是一套仪表盘：AI 已经静默完成了大量标准事务，只把少数异常、风险和关键选择推到你面前。
过去那种让你很烦心的事务性工作，AI 都已经直接帮你处理完了。摆在你面前的是一项项任务的 AI 处理的思路、逻辑以及处理的建议，它等你去作最后的确定。
对于一些复杂任务，AI 完成了一个调研分析，提出了它的初步假设和见解，等着你去逐个验收，和发布下一步工作的指示。
你不再靠“忙着处理业务部门的需求”证明价值，而是靠判断、设计流程，并为判断结果负责来证明价值。
这不是纯想象。Microsoft 已经提出人机混合团队和 Agent Boss 的组织趋势；ServiceNow 等企业级平台也在把 AI Agent、HR 服务交付和 AI 治理变成产品能力。
资料来源： McKinsey / World Economic Forum / SHRM / Microsoft Work Trend Index / ServiceNow AI Agents / ServiceNow AI Control Tower / ServiceNow HR Service Delivery
为什么选择我们
01
我们为什么觉得这一次不一样
02
市面上的 AI 学习还没有解决真正的问题
03
HR 正处在最需要被帮助的位置
现场不是讲工具功能，而是一起拆真实任务。
在工作坊里，我们会把学员正在面对的招聘、培训、绩效和组织沟通问题拆开，先定义标准和流程，再决定 AI 在哪里介入、怎样校正、最后整理成下次还能用的成果。
不是远远讲概念，而是看着材料一起改。
现场会直接围绕学员正在做的材料，判断任务有没有拆清楚、标准有没有定义好、AI 输出该怎么校正。
从真实 HR 环节出发，判断哪里优先引入 AI。
课堂不是追工具热点，而是回到招聘、培训、绩效和组织沟通这些具体环节，讨论怎样变成可交付的工作方式。
南海公学从未来回到当下讲 AI，用真实方法和案例帮助 HR 看见新的工作方式
南海公学为什么做这门课
以前的技术大多是在节约体力、加速信息流动；这一次不一样，AI 正在进入判断、分析和表达，开始替代一部分脑力工作。
很多课程要么讲趋势缓解焦虑，要么讲工具功能和提示词，要么把旧 HR 流程简单套进 AI。它们能让人尝鲜，却很少帮助 HR 把 AI 变成可交付、下次还能用、能提升专业价值的工作系统。
招聘、培训、绩效、组织沟通都高度依赖判断、表达和流程设计，正好会被 AI 重新改写。南海公学选择先从 HR 做起，是因为这个场景足够真实、足够迫切，也最能把方法变成看得见的帮助。
哪些人在学习
工作坊现场：先把问题说清楚
大家围绕真实业务场景展开讨论，先把 HR 任务、对象、标准和风险说清楚，再进入 AI 工作流设计。
小组共创之后
小班和工作坊更适合做任务拆解、现场反馈和作品打磨，让方法真正被学员带走。
真实授课现场
课堂不是只听趋势，而是把 AI 放回岗位能力、工作流程和真实交付里。
现场指导
学员带来的不是抽象问题，而是招聘、培训、绩效、组织沟通里正在发生的具体任务。
现场讲解与校正
课程现场会把学员的想法、流程和输出标准写出来，再带大家判断哪些部分适合交给 AI。
他们不是在围观 AI，而是在现场把 HR 任务拆开来做
部分学员来源企业
他们来自消费品、制造、医药、科技、金融、教育与专业服务等不同组织，带着真实工作任务进入课堂。
他们发生了什么改变
他们改变的，不只是 AI 使用熟练度
个人交付方式被改变 事业单位 COE 专家：从写不完材料，到拥有一条从研究到创作的 AI 生产链路
Before
她所在的工作环境需要编写大量正式材料，而且事业单位对内容结构、语言表达、叙事方式和格式规范都有很高要求。材料不能只是“写得快”，还必须符合组织内部的语言习惯、表达结构和正式场合的使用要求。
改造之前，她每天都有写不完的材料，经常加班到晚上七八点。最直接的诉求不是学习一个新工具，而是希望 AI 真正减轻写作压力，让自己从高强度材料工作里释放出来，腾出更多时间陪孩子。
在课上突破了什么
她在课上突破的，不是“让 AI 代写材料”，而是看清正式材料背后真正难的是两件事：高质量素材从哪里来，以及怎样让输出符合组织对结构、风格和格式的要求。
- 她把自己的写作压力拆开：先盘点搜索、研究和素材处理工具，找到更适合信息整理和素材加工的组合。
- 她把一个模糊的写作任务拆成素材获取、框架构建、观点生成、初稿形成、语言结构调整和格式适配的完整生产链路。
- 她开始用自己过去写得最好的材料、最熟悉的表达方式和常用工作套路，训练 AI 可以参考的模板。
After
改造之后，她每天至少能节省 3 个小时，基本可以准点下班回家陪孩子。
更重要的是，她不再把 AI 只看作“帮我写稿”的工具，而是开始理解 AI 可以怎样进入自己的工作链路，并进一步延伸到生活场景。受到启发后，她还在尝试利用 AI 开发辅导孩子学习英语和物理的 App。
重新理解专业价值 咨询公司资深合伙人：从年龄焦虑，到重建自己的专业生产系统
Before
他是一位咨询公司的资深合伙人。最初，他对 AI 的态度是排斥和质疑，认为咨询行业高度依赖专业性、经验和判断力，AI 无论如何都无法替代他的工作。
随着身边越来越多朋友开始使用 AI，他原来的排斥逐渐变成年龄焦虑：担心自己作为一名资深顾问学不会新事物，也担心被新的工作方式慢慢抛下。这不是简单的工具焦虑，而是资深专业人士在 AI 时代的身份焦虑。
在课上突破了什么
他在课上突破的，不是某个软件怎么用，而是发现资深顾问真正要带给 AI 的，是自己的经验、判断、框架和洞察。AI 的门槛没有想象中高，难的是把自己的专业生产方式重新整理出来。
- 他把过去花在素材创建、内容整理、文档输出和日常案头工作上的时间，拆成可以由 AI 承接的生产环节。
- 他开始把 20 年积累的经验、方法和判断整理成知识库和模板，让 AI 更接近自己的真实意图。
- 他在课上形成一套覆盖素材收集、观点形成、论证框架到作品表达的咨询内容生产系统，并用 MVP 方式持续迭代。
After
目前，这套咨询内容生产系统已经初步形成，反馈非常好。他之前对 AI 的焦虑和迷惑也随之消散。
他不再把 AI 看成一个会不会替代自己的工具，而是看成一套可以承接自己经验、放大判断力、释放创造力的专业生产系统。目标是让这套系统最终分担他约 30% 的工作量，把时间更多用在真正定义自己价值的事情上。
组织变革判断被改变 大型企业 HRD：从被 AI 推着走，到看清组织变革蓝图
Before
这是一位大型企业 HRD。在 AI 转型浪潮中，他曾经非常焦虑：全世界都在学习 AI，甚至自己的下属已经用得非常熟练。当他布置一项工作时，下属很快就能用 AI 拿出成果汇报。
作为管理者，他感觉自己处在被 AI 推着走的状态。亲自钻研一个个具体工具，似乎不符合高管的角色定位；完全不学，又无法理解 AI 的原理和本质。他也听过不少专家讲座，但仍然看不清自己到底要利用 AI 到达什么样的远方目标。
在课上突破了什么
他在课上突破的，不是补一个工具技能，而是把 AI 放到组织变革里理解：它会重新改变任务结构、岗位结构、能力结构和管理者角色。
- 他重新看见未来组织各个层级的任务会怎样被重新分配，哪些执行性工作会沉入系统。
- 他梳理人的能力结构会发生哪些变化，以及组织形态会如何被 AI 影响。
- 他开始思考管理者在新商业组织里的角色，以及 HR 可以按什么节奏推动岗位、任务和能力的重构。
After
学完之后，他对 AI 和组织管理的理解往前走了一大步。他更清楚地看见组织管理者在 AI 变革中将面对怎样的挑战，也重新理解了自己作为高管未来在商业组织中的角色。
即便业务战略和外部环境变化尚不明朗，他也明确了从现在到未来，岗位、任务和人的能力这些要素需要怎样逐步变化。对他来说，这不是某个 AI 技巧，而是一张清晰的组织变革蓝图。
学员作品的成果
先看他们做出了什么，而不是光听我们怎么说
HR Recruiting Copilot
从“想省时间”出发，把岗位澄清、简历证据、面试评估和决策备忘录组织成一套可运行的招聘工作流。
Employee Engagement Survey Analyst
把调研评论处理拆成数据口径、隐私保护、主题编码、行动计划和看板规格，让员工声音进入行动流程。
Talent Analytics Role Alignment Advisor
从交付报表转向参与人才决策机制设计，让数据进入晋升、继任和调岗讨论，同时保留人类复核。
Executive Process Coach
把会话契约、承诺账本、节奏引擎和复盘循环整理成过程系统，让经验不只依赖现场状态。
学员评价
他们说有用，是因为看见了自己的工作
下面是部分学员课后提交的反馈，姓名和身份信息已做脱敏处理。
我原来以为用 AI 就是反复调整提示词和 AI 对话，直到拿到一个想要的答案。听完周老师的课才发现，AI 不是一个聊天工具，而是一个人可以借力完成复杂任务的工作系统。
来之前我以为自己已经比较会用 AI。听完才发现，我过去更多是在“把问题问得更好”，而不是设计一套可以稳定完成任务的工作方式。
我一边听课一边拿真实项目练，把“任职资格标准构建”和“任职资格认证流程”的主体框架做出来了。对我来说，这已经不是上课了，而是当场解决了问题。
过去很多流程、机制和制度优化，因为预算、人手和时间一直没做。听完课我发现，只要思路清晰，很多以前不敢启动的事情，现在都可以拿 AI做一遍。
来之前我很焦虑：人效目标、AI 替代、岗位变化都压在眼前。学完之后反而轻松了，因为我发现 HR 可以主动设计、推动和落地这件事。
提示词也好，Skill 也好，真正重要的不是写出一个漂亮模板，而是理解背后那套完成任务的思路：怎么拆问题，怎么稳定产出，怎么把任务变成流程。
以前大家都说 AI 像一个聪明实习生，我一直没有太强的感觉。听完这堂课，我才真正理解：它不是只能帮我写材料，而是真的能帮我搞定任务！
真正给我触动的，不是 AI 会替代多少人，而是不同角色看到 AI 时，思考层级完全不一样。工具会变，但你怎么看待 AI，决定了它能帮你放大什么。
很多 AI 课在讲工具和技巧，但周老师讲的是策略、方法和背后的思路。工具会变，模型会变，但驾驭 AI 的思路不会轻易改变的。还是得多跟高手一起学习。
常见问题
进入学习群前，你可能真正关心的事
Q1：我已经会用 ChatGPT / 豆包了，还有必要进群吗？
有必要。真正的差距不是会不会用 AI，而是能不能把 AI 变成专业判断、交付标准和下次还能用的工作系统。这个群关注的不是多认识几个工具，而是看 AI 怎么进入 HR 的真实交付。
Q2：这个群是工具课、提示词课，还是 HR 场景学习？
核心是 HR 场景。工具和提示词会出现，但只是手段；更重要的是招聘、培训、绩效、组织沟通、方案输出这些真实任务，怎样被 AI 重构。
Q3：为什么我已经用了 AI，还是做不出满意的 HR 成果？
因为生成内容只是第一步。真正能交给领导、客户或团队使用的成果，需要任务拆解、专业判断、约束条件、输出标准和反复校正。群里会持续拆这些过程，而不是只给一句提示词。
Q4：进群以后具体能看到什么？
你会看到 AI+HR 的作品拆解、方法样例、模板提示、场景资料、课程更新和后续活动通知。重点是持续看见：AI 怎样真正进入 HR 的真实工作。
Q5：我现在只是想先学一点，也可以进群吗？
可以。只要你对 AI+HR 感兴趣，就可以进群看案例、拿资料、跟着拆真实场景。先从你最近最需要解决的一项 HR 工作开始。
Q6：这个方向更适合 HR 专员、HRBP，还是 HR 管理者？
都可以，但关注点不同。专员适合先做高频任务提效，HRBP 适合提升业务沟通和方案能力，管理者和顾问更适合看方法、体系和团队应用。
Q7：没有技术背景，可以进群吗？
可以。不要求写代码，也不要求懂模型原理。我们会从 HR 能理解的工作任务出发，用场景、案例和作品拆解建立学习路径。
免费资源
AI + HR 实战资源库
招聘、求职与候选人评估31 个资源进入
HR 服务、员工入职与运营自动化18 个资源进入
员工体验、敬业度与组织反馈3 个资源进入
管理教练、职业发展与领导力支持4 个资源进入
能力体系、Skill 库与通用 AI 工作系统14 个资源进入
资源来自公开第三方项目归档。二级页会标明原始来源、适合怎么拆解、依赖环境和下载边界；招聘、绩效、员工评价等高风险场景不建议直接用于真实人事决策。
社群学习
对 AI+HR 感兴趣，就从这里开始
添加 Janeen，备注“社群”，进入 AI+HR 学习社群。