对培训管理者和人才发展工作者而言，构建具有针对性、一人一策、千人千面的个性化学习与人才发展解决方案，是行业长期以来追求的核心目标。人工智能技术的快速发展，为这一目标落地提供了可能，让我们有望像高德地图提供的“车道级”导航服务一样，构建出“个体级学习与发展解决方案”。

此类解决方案依赖两大引擎：一是基于个性化智能推荐的员工自主学习引擎，另一个是针对具体工作任务和目标提供人才配置建议的辅助决策引擎。凭借两大引擎，通过“学以致用”和“用以致学”的持续循环和不断优化，将助力企业破解人才发展难题，构建高质量的学习与发展机制。

将AI技术应用于学习与人才发展领域，其前景令人期待。然而，过去20年间，行业内构建的信息化和数字化系统，仍然处于支离破碎的状态。基于我20余年的管理和技术应用探索，我认为这一问题主要有三方面原因：一是针对需求痛点采用“头痛医头、脚痛医脚”式开发思路，缺乏端到端和系统性设计；二是各级管理者对数字化应用“敬而远之”，难以形成引领效应；三是在企业短期化的人才发展效果评价导向下，数字化建设缺乏专注力和持续投入。令人担忧的是，这种碎片化现象很可能会在AI赋能的学习与发展实践中重演。那么，如何才能避免智能化应用同样陷入支离破碎的困境？

需要明确的是，扎实的数字化工作是人工智能应用的基础。AI应用的核心逻辑是，以海量数据为基础，依靠算法和模型让机器学习拟合人类智能规律，自主完成感知、判断、预测等智能任务，进而形成智能化能力，最终赋能于人类应用场景。在这一过程中，数据是基础，模型是引擎，二者既是企业运用AI的前提，也是将AI用于学习与人才发展工作的先决条件。只有准备好数据、调适好模型，才能形成真正的智能化能力，为经营管理活动进行有效赋能。

打造智能化能力需要各层级人员勇敢地躬身入局。具体说来，需要做好四个方面的工作：构建顺畅的数据流以满足机器学习需要，选择适配的大模型并持续迭代优化，建设高效的质控链与人机协同机制，以及融入社交化信息并强化企业文化的引领作用。其中，前两项工作需要大量的人工和专业投入，主要依赖企业的硬实力；后两项则更多取决于人才团队的成熟度和敏捷性，体现为企业的软实力。

01 构建顺畅数据流，满足机器学习需要

构建顺畅的数据流以满足机器学习需要，是企业数字化基础工作的核心目标。企业可以从三方面推进工作。

工作流程全在线

工作流程在线是产生数字信息的前提。以人员聘用流程为例，从岗位需求梳理、招聘信息发布、人员到岗工作，到该员工工作一定时间后离职的端到端全流程，会涉及人力资源管理工作的多个专业环节与活动，包括简历接收、素质测评、笔试和面谈记录、试聘期考核、业务培训和文化学习、年度考核、工作平台操作记录、项目角色和贡献确认、休假安排，等等。这些工作的过程和结果信息都应得到完整和及时在线记录，形成数字化信息。此外，从项目、任务、团队和部门等视角出发的流程信息，也应被完整记录，并与相关人员建立关联关系。

通过以上信息，可以围绕某几个关键维度初步勾勒出员工的个人画像，分析具体人员在特定时刻或特定阶段的潜在学习需求，揭示其个人优势和发展方向。

流程数据全入库

除了人员聘用及工作流程，公司的财务管理系统、业务或产品管理系统、客户服务系统、客户关系系统、交易系统等数据，都是公司数字化信息的重要构成部分。这些数据与公司经营和管理活动涉及的任务、目标、过程、结果和当事人相互关联，承载着与组织效率、团队效率、个人效率和协同效率有关的关键信息。所有数据也都必须实时、准确、完整地进入公司数据库。

在库数据全标注

无论是结构化数据还是非结构化数据，必须进行标准化呈现，并进行规范标注，使之成为可供机器学习和训练的高质量语料。

以上三方面的工作，是企业数字化项目的基础工作。近20年来，各大企业都在努力尝试或实质性开展数据库建设项目。但是，从满足机器学习和训练的需求看，仍有明显差距。毕马威公司与思科公司在《人工智能就绪度白皮书：企业数智化转型的AI变革路径与评估指南》中指出，从行业应用层面看，数据已被归入新质生产力范畴，但高质量数据仍较稀缺，主要问题包括中文开源语料稀缺、数据来源受限、垂直领域数据匮乏、数据更新迟缓、数据标准尚未统一等，致使模型训练常遇瓶颈。从长期来看，数据质量是决定模型竞争力的核心要素，必须在规模、质量、广度、深度、效度和精度等方面持续升级。

经验表明，数字化基础工作是不可跳过的，企业内的各类角色都应积极躬身入局。

02 甄选适配大模型，开展持续迭代优化

正如前所述，数据是基础，模型是引擎。企业在完成数字化基础建设之后，便可着手选择适配的大模型，并持续进行迭代优化。

首先，需要配置适用的大模型。企业应结合所在行业、自身优势和发展基础，对当前可用大模型进行全面考察、比较，并评估深度定制的可行性，从而选择出合适的大模型，在垂直领域内进行私有化部署。

其次，定制适用的工具包。基于公司的业务特点、各岗位人员的工作职责，以及服务客户的主要方式和工具，开发适配不同业务流程、类型岗位和客群使用的智能工具，逐步构建企业专属的智能工具包。

再次，保持不断精进的专注力。模型和智能工具的调优与进化，需要持久耐力，必须不断更新内外部相关信息，尤其是对内部最佳实践与经验的总结提炼。只有聚焦于员工队伍的专业特长、创造力和集体智慧，企业才能逐步形成真正的智能化优势。

麦肯锡公司在《2025 AI应用现状调研》（The State of AI in 2025）报告中指出，过去八年的调研显示，IT、营销与销售始终是AI应用最集中的职能领域；而最新的调查结果表明，知识管理首次跻身这一梯队，且以深度研究为代表的知识管理场景发展迅速，有望率先形成相对成熟的应用体系。这一发现，对于广大培训工作者来说，无疑深受鼓舞。

03 搭建高效质控链，落地人机协同机制

夯实数据基础并选好模型引擎之后，建设高效的质控链与人机协同机制同样不可或缺。

第一，建立专业的质控队伍。基于个人画像推荐的学习与发展建议，以及个人经验积累和任务特征提出的人员使用建议等，必须经过质量审核才能投入使用。比如，仅供内部使用的报告，可依据专业水平和管理职责分级审核；对于面向客户的服务报告和建议，则必须建立企业统一的合规要求、专业标准与审核流程。此外，操作类的自主学习内容，还必须进行现场考核与验收，才能投入实际生产使用。

第二，建立实时的反馈机制。为满足机器学习和持续进化需要，审核与使用环节中的任何修正意见和使用过程中的任何问题，均应及时反馈到大模型，促进机器自身不断学习与优化。

第三，建立自动的检核机制。针对因人为疏忽、遗漏、错误、延迟等因素造成的掉链、脱节、拥堵和缺失等流程故障，可借助智能技术建立人机协同工作模式，提升检核效率。

作为全球在线教育的标杆，可汗学院（Khan Academy）在ChatGPT问世之后，于第一时间推出了大模型驱动的AI导师Khanmigo，并为其应用设置了质控环节。它的设计逻辑采用了“苏格拉底式追问”。对学生来说，它是专属私教，能适配每位学生的学习进度，学得快的学生可以往前跳跃式学习；而且，对那些愿意自主学习、在线交互且拥有一定耐心的学生，或在特定学科的预习环节中，都取得了显著效果。另一方面，作为教师助手，AI能够帮助他们承担那些重复且繁重的工作——输出教案、批改作业与作文、统计学情等，将老师从办公桌前解放出来，使其拥有更多时间关注每位学生，做好引导和育人工作。

04 植入社交信息流，深化企业文化引领

在AI时代，企业除了打造智能化能力，还需要融入社交化信息，并强化企业文化的引领作用。

展示社交信息，提升工作环境温度

在线工作环境缺乏传统社交工作环境中的人际温度，容易削弱在线工作人员的热情、耐力和效率，社交化协同工作技术应运而生。但是，在业务流程中应该加载哪些社交化信息？如何呈现？又如何制定基于社交化信息的交互规则？由于各公司的认知、价值观、实践方式各异，应用效果自然也不同。但无论怎样设计、做到何种程度，都要服务于提高工作协同效率、为客户创造价值这一根本目的。

十多年前，我在纽约参加培训时参访过一家国际领先的金融行业专业服务公司。该公司的讲师向我们现场展示了其信息平台的功能。在平台的操作界面上，呈现了完整的个人社交化信息，包括个人简介、联系方式、工作职责、技能、职业经历、教育经历等。据他介绍，凡是与他有工作联系的人，都可以查看这些信息。实践表明，在数字化业务流程中同步展示参与人的社交化信息，能有效增强在线工作环境的“温度”和社交环境的画面感，强化当事人的身份意识和责任意识，从而提升工作协同效率。

同步协作进展，提升全流程效率

在在线工作平台上实时展现“上下左右”工作伙伴的项目进展、成果等信息，有助于彼此之间对齐和对接工作目标、标准、进度与成果。

字节跳动旗下的飞书平台，在构建社交化工作协同方面提供了领先的解决方案，支持在线开展招聘管理、人事管理、合同管理、项目管理、文档分享与编辑、知识管理、OKR与绩效管理、内部服务等工作与活动，实现了全员在线、全工作流程在线、关键操作留痕、全部信息同步汇集等数字化功能。在此基础上，通过应用引擎和智能化工具，显著提升个人效率、团队效率、协同效率和组织效率。

展现成就看板，强化结果意识

在企业各经营管理流程中，可将反映重要节点、结果和成效的关键指标，予以实时展示，强化所有参与人的结果意识，增加社交化强度。

社交化技术的应用，需要企业文化的支撑。人员信息、工作进展和成果的“半透明”，增加了所有相关人员的知情权，也相应赋予了其发言权、监督权和评价权，而这些权利在传统组织中通常仅限于特定职能部门或管理人员。然而，如果这些权限不放开，企业谈论智能化应用，便只会是纸上谈兵，或者只能使用极为有限的智能工具。换言之，向人工智能应用转型，决胜的关键不是技术，而是企业的文化和领导力。

华为技术有限公司发布的《智能世界2035》报告指出，在AI大模型和云计算技术的支持下，教育将转向自适应、沉浸式平台，根据每个学习者的进度和兴趣定制课程，在高度互联的世界中促进终身学习。智能技术将深度融入教育教学全要素、全过程，推动教育向更智能、更高效、更公平的未来跃迁。通过对数智基础设施的升级，孪生智能教师辅助教学和智能孪生教室等智能化服务将投入使用。

华为公司的这些洞见，可以视为对国家教育部等九部门联合发布的《关于加快推进教育数字化的意见》（教办〔2025〕3号）应用前景的具体勾画。若AI技术能够在国民教育各个阶段得到广泛的应用，将大力促进企业构建个体级人才发展智能方案，积极开展更加丰富的探索与实践。

以上四个方面的工作，每一项都并非易事，但缺一不可。唯有扎实做好这四方面工作，方可静待智能涌现。

作者：刘正周 广发证券股份有限公司培训中心原总经理、正高级经济师

来源：培训杂志