推薦序二
當計算機遇見人力資源管理：一場跨學科的效率革命

作為一名計算機科學家，我常年沉浸在代碼與算法的世界，致力于讓機器看懂醫療影像、預測工業設備故障。某天，一位HR朋友半開玩笑地抱怨：“你們這些計算機科學家總想著改變世界，卻沒人幫我們解決每天篩選幾百份簡歷的苦差事。”這句話讓我陷入深思：技術的真正價值，或許在于讓每個普通人的工作更從容、更高效。正因為如此，《一本書掌握HR必需AI技術：從招聘、培訓、激勵到戰略決策的全流程優化》讓我倍感欣喜——它如同一座橋梁，將我熟悉的AI技術與人力資源管理的現實需求緊密相連。

一、從像素到人才畫像：計算機視覺的跨界啟示

在計算機視覺領域，我們訓練AI識別X光片中的腫瘤、監控視頻中的異常行為。這些技術看似與人力資源管理風馬牛不相及，實則蘊含共通的邏輯：從海量數據中提取關鍵特征。本書第三章提到的“AI面試輔助”正是這一邏輯的應用。

讀取簡歷如同人工閱片：HR逐字閱讀簡歷，尋找關鍵詞，與醫生尋找病灶何其相似；

AI Agent好比AI賦能的CT機：自動提取候選人的技能標簽（如“Python熟練度”）、項目經驗強度（如“主導過三個跨部門項目”），并生成直觀的人才畫像。

這種方法與我的團隊在IEEE Transactions on Image Processing發表的“醫療報告生成模型”不謀而合：AI負責處理結構化信息，而人類則專注于進行綜合判斷。通過算法減少重復性勞動，這正是技術最樸素卻最實用的價值。

二、機器學習不僅能預測設備故障，還能預警人才流失

在工業AI研究中，我們利用傳感器數據預測機械故障；同樣，在人力資源管理領域，員工行為數據也能被用來預測離職風險。

類似工廠預警系統：通過分析員工的OKR（目標與關鍵結果）進度、會議發言頻次、審批流程響應速度等數據，標記出“潛在離職傾向者”。

更具人性溫度：AI不僅提供冷冰冰的數據，還會溫馨提示HRBP，“該約張工喝杯咖啡了”。

這種“技術理性與人性關懷”的平衡，與我在數字健康領域的研究理念相通：AI提示風險，醫生決定干預方式。既依托科學依據，又保留人性化的調整空間。

三、給技術人的跨界建議：從“炫技”到“解決真問題”

在ICML（國際機器學習大會）、NeurIPS（神經信息處理系統會議）等AI會議上，我常看到研究者們追逐模型精度，卻鮮有人關注技術落地“最后一公里”的難題。本書的價值在于，它通過真實的工作場景，告訴大家如何讓AI真正服務于HR：

降低使用門檻——從非計算機專業人士的角度，告訴大家如何使用AI；

適配業務需求——AI系統應錨定HR的專業知識，例如海氏素質詞典、薪酬模型等標準，通過算法封裝賦能業務，而非強行重構業務邏輯。

這提醒我們，技術應以解決問題為導向，而非讓業務屈從于技術。

四、給人力資源管理行業從業者的“科技樹”加點指南

有朋友問我：“AI時代來了，我需要學Python嗎？得看懂算法嗎？”我的回答是：完全不需要！例如，本書已將復雜技術封裝成“即插即用”的工具箱：

像查字典一樣找工具——附錄1、附錄4、附錄5按場景列出了105個工具，遇到問題時可按圖索驥；

像玩游戲一樣試錯——書中提供了多個提示詞模板，HR可根據實際需求靈活調整。

不是只有深奧的表達才算技術，任何能實際解決問題的都可以被稱為技術。

技術本身沒有邊界，但應用需要落腳點。本書正是這樣一個落腳點——它告訴我們，無須等待通用AI的到來，今天的工具已足以讓工作更美好。

偉大的技術，往往源于對他者痛點的真切體察。

這本書，正是將技術與痛點結合起來的生動實踐。

劉俊

蘭卡斯特大學計算機與通信學院教授

IEEE、ACM期刊高級編輯

CVPR、ICML等頂級會議領域主席

斯坦福大學全球前2%科學家

2025年3月9日于英國蘭卡斯特