HR 领域第 一 AI 专栏，希望以此为窗口，向 HR 传达专业的 AI 知识与信息，赋予人力资 本领域变革力量，以 AI 为钥，携手 HR 开启数字化变革之门！在这里，HR 们可以得到前沿技术思考、行业技术干货、全球 AI 好物、HR+AI 创新应用等。 目录 第一部分 人岗匹配 让 AI 技术提升人岗匹配效果，我们做了这些探索 解锁这项 AI 黑科技，马上实现人岗匹配自由 第二部分 型尝试。 同时并借鉴了 PNN、DCN、DLRM 和 DKN 网络原理正在适配适合现有数据类型的模型。本节 主要简要介绍 DNN 和 Wide&Deep，DeepFM 的使用，再阐述对现有数据的思考。 以 YouTube 的经典 NN 为开端（如图 3，引用自相应论文），现有的数据下如何去使用 DNN 达 到收益正是我们所考虑的。在现有的特征中除了上文提到的二分类特征，embedding 相似性等 入到模型的 dense feature 部分，然而实验证明并没有想当然的好 , 甚至产生了负作用。但至 少证明了特征交叉能带来收益，至于 graph embedding 的加入为啥效果不好却是值得思考和 探索的问题。 经过上面的探索我们获取了一些经验，例如交叉特征有用，用 embedding 产生的向量两两相似 性计算对树模型有用，因此我们本着上面积累的经验进行了人工构建交叉特征作为 xgboost

Model）通过引入“思考过程”来增强模 型在逻辑推理问题上的准确性和可解释性，已被广泛应用于各类大模型中。然而，由 于思考过程具有发散性和探索性，在回答风险提问时可能产生不安全内容。应对这一 挑战的方式是构建带思考过程的安全语料库 ：思考过程本身避免不安全的假设和推 演，并在面对恶意指令时，主动思考问题的意图并制定安全的回复策略。该方法有效 保证了推理模型的安全性，抵御了思考过程被恶意滥用的风险。 在语义理解与内容生成过程中始终遵循预设的安全规范与伦理要求，从而显著提升输 出内容的合规性与可信度。 （2）推理阶段引入安全反思模式有效纠正错误。通义千问 3（Qwen3）在启用 Thinking 模式时，采用“先思考、后生成”的机制，显著提升复杂任务的求解能力。 内容安全在线防护 针对越狱攻击等对抗性行为，系统通过引入多维度的安全反思，在推理过程中对用户 意图进行多角度分析，有效识别潜在安全风险，并依据预设的安全准则生成响应策略，

中国：人工智能系列 白皮书｜2025/05 AI赋能BI的核心功能分析 AI赋能BI通过自动化数据处理提高效率，减轻数据分析师的重复性工作负 担，同时通过智能决策支持帮助企业进行战略性决策，推动高附加值的 思考和资源优化，从而提升整体运营效益 人工智能与商业智能发展现状——AI赋能BI的核心功能 来源：头豹研究院 ◼ 自动化数据处理与分析是AI赋能BI的基础功能 AI通过自动化技术实现数据拉取、清 AI通过整合多源数据并提供深层洞察，赋能企业进行战略性决策，帮助识别市场趋 势、优化资源配置。对话中指出，“数据分析师能在这个系统给的方案之上，再做出 更复杂的一些思维和思考”，这表明AI不仅是数据处理工具，更是战略合作伙伴，能 够让分析师将更多精力投入到高附加值的战略性思考中。 对话式应用 对话式数据查询 需求 分析 多轮 问答 对话式数据查询 思路拆解 数据查询 异常检测 报告生成 趋势预测 归因分析 尽管降本是ABI产品短期吸引力的关键，但其长期增长潜力在于对数据分析师的提效 赋能，而非单纯的替代。ABI系统能够自动化完成基础的数据处理工作，使得数据分 析师可以在系统提供的方案基础上，进行更复杂的分析与战略思考。这意味着，ABI 并非完全取代人工，而是将分析师从繁琐的重复性工作中解放出来，让其将精力集 中在更具战略性和高附加值的任务上，如战略决策和跨团队协作。这种提效不仅提 升了数据分析师的工作满意度（例

数字化的定义，不单单是技术视角0和1二进制数字的定义，关键的是映射到社会现实中，所代表着的实际的延伸含义， 这称之为“数字化意义”，例如客户体验、交互方式、检测诊断、即时在线等。 数字化的意义，是一个大话题，值得规划者深入思考。只有清晰全面的了解这些数字化意义，才能够正确的理解数字化 转型，从而指导组织与企业，在重新审视本单位价值链构成时，明确在哪些环节进行数字化转型。 什么是 数字化转型 前一章节已经讨论了数字化转型的原因，可对数 奇、特色、时尚、便宜、好用、易用、快捷......等等一系 列综合性指标，谁能将客户体验做到极致，谁将赢得竞争 的最佳条件。 创新至上。如何应用数字化技术来包装和创新产品和服 务，是每个数字化时代的企业都需要思考的问题。数字化 时代我们总喜欢说跨界，事实上，在数字化时代界限从来 都没有存在过，传统思维下，隔行如隔山，那是因为行业 之外的人进入行业需要付出的成本远远高于收益，外行没 有进入的动机。数字化时代，无论资源、人才还是信息，

全、高效与可持续， 这些时代之问，为传统的工程技术范式带来了根本性的挑战，也为工程智能的应 用和发展标定了最广阔、最迫切的需求场景。 正是基于这样的初心与担当，我们梳理了多年来的系统性的经验与思考，形 成了这份关于工程智能的白皮书。书中聚焦工程智能的核心，详细阐述了从单点 突破到规模化赋能的实现路径。我们希望通过这份白皮书，为工程智能领域的研 究者和从业者提供一套系统的认知框架与实践参考，更希望能吸引更多有志之士 计算智能，系统提供稳固的执行框架，而人则贡献创造性思维、非逻辑思维 与最终的价值判断。我们的系统设计，必须为人留下空间，赋能人；不是用 AI 技术完全替代人，而是人与智能系统长久地共同成长。 这本五万多字的白皮书，是我们团队对上述思考的系统性梳理与阶段性总结。 它既是一份蓝图，也是一份邀请。我们坚信：智能驱动，工程焕新；智工融合， 创见未来。 这项事业的宏伟，远非任何单一学科或团队所能独立完成。在此，我诚挚地 呼吁人工智 为能够自主规 划、执行并完成复杂工程任务的主动行为。该层通过构建和调度一系列专业的工 程智能体，有机地连接了底层的智能能力与上层的应用需求，是实现工程任务自 动化的关键环节。如果说模型层提供了思考的能力，那么智能体层则赋予了系统 行动的能力。 其核心构成模块如下： （1）重点领域工程智能超级智能体 重点学科工程智能超级智能体是面向特定工程领域（如建筑、制造、交通、 城市规划、机器人

情怀， 提升自我认知能力，培养社会责任感，树立高尚品质和 健康人格，使之善于思考、有价值追求、具备良好的心 理和身体素质。提高认识世界能力，熟悉掌握自然科学 原理、人文素养基础，树立正确的人生观、世界观、价 值观，成为德智体美劳全面发展的高素质人才。 培育智能时代的高阶思维。培养学生善于观察、 独立思考和理性判断，以及勇于创新和解决复杂问题 的能力。培育创新思维，强化科技教育和人文教育协

织、人才 与文化的全面重塑。 正是基于这样的洞察，2175 云团队撰写了这本《制造业数智化发展白皮书 2025》。这不仅 仅是一份行业报告，更是我们深耕制造业人力资源数智化领域多年的实践总结与思考结晶。 在本白皮书中，您将看到： 清晰的演进路径 - 我们从“数字化”与“数智化”的本质区别入手，帮助企业厘清转型的 阶段性目标，避免盲目投资。 全景的现状扫描 - 通过对四大类型企业的深入剖析，辅以研发、生产、供应链等关键领域 许多企业误以为上线了一套 HR 系统就完成了“数字化转型”，实则只是迈出了第一步。我 们只是将传统流程用数字技术重做了一遍，并未触及管理的核心——决策。 1.1.2 范式跃迁：数智化——让数据拥有“思考与行动”的能力 2175 云，人力资源数智化解决方案 第 8 页 共 37 页 “数智化”是在数字化奠定的坚实数据地基上，引入 AI、机器学习、大数据分析等智能技 术，实现从“流程驱动”到“

，数据处理 ，知识库投喂 ， 基于大模型数据分析、数据挖掘、模型 调优过 程设计 ，智能问答后输出报告格式标准设计。 二是智能问答 ， 以 GIS 产品智能问答为示例 ，结合 Deepseek 深度思考及推理特点 ，包括提示词设计 ，提示词优 化， 报告生成或推理结果输出。 场景二： 供应链商情分析报告智能生成

团队提供基于强化学习的战略沙盘。 当我们服务的世界 500 强企业开始用 AI 董事会辅助决策时，一个崭新的管理纪元到来了。 本白皮书呈现的不仅是技术路线图，更是面向未来的管理哲学。在此，我们邀请所有管理者共同思考：当 AI 能 比人类更精准地捕捉组织运行的暗物质，当算法比经验更可靠地预测战略选择的蝴蝶效应，管理的终极价值将 向何处演进？答案或许就藏在接下来的内容中——在这里，每个管理命题都将获得智能时代的最优解，每家企 统大模型的 " 黑盒生成 " 模式不同， DeepSeek 以低成本、开创性地实现了推理过程的可视化追溯。通过思维链（Chain-of-Thought）的完整呈现， 决策者可以清晰洞察 AI 的思考路径：从问题解析、知识调用到逻辑推演的全过程透明可见。这种 " 白盒化 " 设 计不仅使技术专家能够验证算法可靠性，更让业务管理者直观理解结论生成逻辑进行判断，有效解决了传统 AI 决策中 " 知其然不知其所以然 将基于数据驱动分析，帮助整 智能体 AI AGENT 感知 = 决策 行动 语音识别 Text-to-X 图像识别 文本转语音 数字人生成 大语言模型 向量数据库 交互入口 感知、思考、行动 记忆 听觉 书写 视觉 说话 大脑皮层 海马体 问答机器人 全自动工作流 静态知识库 记 忆 42 CHAPTER 2 AI 在企业人力资源中的应用白皮书 2.0

于：许多组织尚未转向新的 学习方式，以配合其新的工作模式。 挑战 3：传统技能培养模式必须革新，以支撑 AI 驱动的业务增长 AI应用的加速从根本上对传统劳动力培养方式提出了挑战，要求组织重新思考如何应对技能需求 与变革管理。在IDC近期《ICT职业与技能调查》中，当被问及组织在跟上IT技能需求方面面临的 主要挑战时，近半数 (49%) 的受访者指出，教育项目与业务需求之间存在脱节。而在《全球 领导力与创造力等人本技能依然不可或缺⸺约70%的企业认可这些能力的长期价值。这种“技 术熟练度+人本能力”的组合，正日益成为企业提升竞争力与生存能力的核心要素。 对企业而言，这些变化迫使其重新思考人才战略、人才配置与组织模式。在技能提升与转型培训 方面走在前列的企业，更有能力提升生产力、敏捷性与创新力；若无法适应变革，则可能在快速 演变的市场中落后。当前最紧迫的挑战仍是技能缺口⸺63%的雇主提及这一问题（来源：世界 30年，ICT岗位 需求将新增3600万，总量达9700万，给企业带来人才使用挑战。急于应用智能技术的企业不仅面 临熟练员工的短缺问题，还迫切需要在现有团队中培养新能力。在此背景下，企业必须重新思考 人才管理、组织学习与数字战略构建的方式。 表 2：各地区新兴ICT与AI人才需求（2025-2030年） 数据来源： 世界经济论坛《2025年未来就业报告》、猎聘大数据研究院、智联招聘、第