2026 CHRO 調查指出 HR AI 集中在招募（27%），員工發展（17%）與員工體驗（14%）長期低度導入。HRD 想跨出招募，先別再買第三方工具，這五步路徑（盤點、排序、試點、人機協作、擴散）幫你把 AI 從單點變成跨職能。
CHRO 開會時，AI 議題的開頭十有八九是「我們已經在招募端跑 AI 履歷篩選」。再追問下去，員工體驗、績效面談、學習發展、薪酬分析這些核心職能，幾乎都還停在 PPT。
SHRM 2026 CHRO 調查指出 HR AI 應用集中在招募（27%）、HR 科技（21%）、學習發展（17%）、員工體驗（14%）。MIT NANDA 計畫 2025《The GenAI Divide》指出 95% 的企業 AI 試點沒在六個月內產生財務回報。問題不在工具，在 HR 沒把 AI 從「買工具」改成設計流程。下面這五步路徑，是從 27% 卡點跨到跨職能落地的最短距離。
Step 1：盤點目前 AI 真實在哪些 HR 環節
做什麼：列出過去 12 個月買進來的所有 AI 工具，標出實際使用率與承擔的決策份量。
為什麼重要：多數 HRD 以為自己的 AI 範圍是正式採購清單，但實際在用的常常是員工私下用的 ChatGPT，這個落差不盤點，後面策略全建在錯的基礎上。
具體做三件事：把所有 AI 工具列成表（欄位：購買日期、月費、登入次數、員工滿意度）。匿名問卷問所有 HR 同仁「過去 30 天你用了哪些 AI 工具」，把私用工具撈進來。標出每個工具的決策份量是輔助分析、標記但人決定、還是直接做決定，第三類風險最高，亞馬遜 2018 年 AI 招募歧視事件就是教科書級反例。
怎麼確認做對了：表上每個工具都能對應到一個業務指標（不是「我覺得有用」，是省了 X 小時、準確率提升 Y%），填不出指標的工具，就是先要被淘汰的對象。盤點工具同時建議跑一輪個人 AI 技能診斷看 HR 同仁的 AI 素養基線，工具盤點與人員素養盤點要兩邊一起看才能解釋落差。
Step 2：用 ROI 框架排序跨職能用例
做什麼：把員工體驗、績效管理、員工發展、薪酬分析、HR 合規五大職能的潛在 AI 用例列出，依 ROI 框架排序挑 2-3 個最值得試的。Gartner 2026 報告把 AI 用例分三類：例行自動化（2-6 個月回收）、進階分析（6-18 個月）、轉型創新（18-36 個月），HR 應從第一類切入，不要第一波就賭轉型創新。
排序用三個欄位相乘：痛點頻率（一週做幾次）、單次成本（時數 × 時薪 + 錯誤代價）、AI 替代可行性（資料夠不夠、結構化程度高不高）。例如 Onboarding 文件審核（高頻 + 中成本 + 高 AI 可行）通常壓倒員工心情分析。
怎麼確認做對了：排序後手上有 2-3 個用例，每個都答得出「為什麼是它不是別的」。
Step 3：選一個非招募職能做 30 天試點
做什麼：從 Step 2 排出的 2-3 個用例裡挑「分數最高的非招募職能」做 30 天試點，定義一個明確、可量化的成功指標。
為什麼是 30 天：HR Executive《HR’s next AI hurdle》追蹤的成功 HR AI 案例幾乎都用 30 天小試點 + 早期成效的節奏，超過 60 天容易卡在內部討論、失去動能。
試點要刻意避開招募。招募已是 HR AI 的舒適區，再加一個招募用例不會擴大組織的 AI 能力範圍。挑員工體驗、合規、員工發展三個方向之一最好。具體例子：Onboarding 文件 AI 預審、員工問題 chatbot、薪資合規 flag agent。HR Executive 提到的「Flag, don’t decide」設計最適合 HR 場景，AI 標記疑慮、決策權留 HR，跨州法規或多國勞工法時最能展現價值（Meta AI 百萬年薪震盪下 HRD 的五步策略用的也是同一邏輯：人機分工的位置設計比工具選型更重要）。
怎麼確認做對了：30 天結束時能拿出三個數字：節省的時間、提升的指標、員工滿意度變化。
Step 4：人機協作的 70-30 設計
做什麼：每個 AI 用例都明確定義 AI 與 HR 的工作分配，採 70-30 黃金比例（人類權重 70%、機器 30%）。台灣師範大學 2024 人機協作研究追蹤管理職實證指出，明確預設標準（例如機器權重 100% 或 50%）幾乎肯定會適得其反，圍繞 70-30 微調最穩。
把 AI 角色定位在先做、再標、不決定。AI 先處理 80% 標準案例（回信、合規檢查、面談紀錄整理），把處理結果標出信心分數，HR 看信心高的快速核可、信心低的人工處理。這個分流結構讓 HR 把時間放到真正需要判斷的 20% 案例上。 亞馬遜 AI 招募事件的根因正是工具被設計成「直接做決定」，而不是「標記後給人決定」。
怎麼確認做對了：HR 同仁能說出「這件事我做、這件事 AI 做、這件事我們一起做」三組明確分工。
Step 5：從一個職能擴散到三個職能
做什麼：試點通過後，用 90 天時間表把第一個成功用例擴散到第二、第三個職能。MIT 報告指出能跨越 GenAI 鴻溝的企業共同點是「不大而全，要小而精」。
90 天分三段：
第一個 30 天鞏固試點：把人機協作 SOP 寫成標準作業文件、培訓 3-5 位 HR 獨立操作。
第二個 30 天複製到第二個職能：選資料結構相近的，重用 70% 設計、調整 30% 差異。
第三個 30 天擴散到第三個職能 + 開始建立資料治理基礎。跨三個職能後，資料一致性、權限、模型監控議題會浮現，要主動設計而不是等問題爆發再補。
怎麼確認做對了：90 天結束時能畫出一張「HR AI 用例地圖」：哪些職能跑了 AI、用什麼設計、達到什麼成效。HRD 拿這張地圖去和 CHRO 對話，比帶一份「我們有買 AI」的清單有用很多。
常見會踩的 3 個坑
第一個坑，先選工具、後想用例。多數 HRD 是被廠商業務說服才開始想用例，順序倒過來了。MIT 報告指出企業內部自行開發的 AI 工具失敗率是外購工具的兩倍，但訊號不是「外購比較好」，是「先想清楚要解什麼問題、再選工具」。
第二個坑，沒有 baseline 就開始導入。很多 HRD 在導入 AI 前根本沒記錄現在的狀況：onboarding 平均處理多久？合規檢查錯誤率多高？沒有出發點就無法計算進步多少。導入前花一週記錄關鍵指標，可以省下之後無數「AI 到底有沒有用」的爭論。
第三個坑，低估隱性成本。Pertama Partners 2026 統計顯示 AI 專案隱性成本結構：
| 類別 | 預算佔比 | 內容 |
|---|---|---|
| 數據準備 | 35% | 清洗、標註、建立資料管道 |
| 模型開發 | 20% | 選型、訓練、調校 |
| 整合與部署 | 18% | 串接現有 HRIS／薪資／LMS 系統 |
| 持續維護 | 17% | 模型效能監控、更新、故障排除 |
| 變革管理 | 10% | 員工培訓、流程調整、抗拒處理 |
HRD 簽約看到的訂閱費通常只佔總成本 20-30%。智谷的企業 AI 應用力培訓在輔導 HR 部門 AI 落地時第一堂課就是把這份隱性成本表攤開，讓 HRD 帶回去和 CFO 對話。
FAQ
HRD 想跨出招募，第一步應該選哪個職能？
選員工體驗或合規 flag。員工體驗的資料結構（FAQ、問題分類、滿意度）最適合 chatbot 或自動化處理；合規 flag 則因「Flag, don’t decide」設計風險最低、見效最快。員工發展與績效管理涉及更多主觀判斷，建議放在第二、三個職能再進入。員工體驗試點通常 30 天就能拿到第一輪數據，HRD 用這個成果去說服 CHRO 擴大 AI 預算最有效。
為什麼很多 HR AI 工具買了沒人用？
主要原因是 AI 工具與現有工作流脫節。MIT NANDA 報告指出 95% AI 試點失敗的核心問題是「現有的企業 AI 工具太僵化，無法像 ChatGPT 一樣學習、記憶、適應工作流程」。HRD 採購時容易被功能演示吸引，但員工每天要用的工具如果不能記住上下文、不能從回饋中改進，三週後就會被棄用。採購前一定要要求廠商在你的真實資料上跑 30 天試用。
AI 在 HR 的成效要怎麼向 CFO 證明？
用「節省的時間 × 時薪 + 錯誤率降低避免的損失 + 機會成本回收」三欄位算 ROI。HRD 把 AI 用例分三類：例行自動化（2-6 個月見效）、進階分析（6-18 個月）、轉型創新（18-36 個月）。對 CFO 說明時用第一類最容易過關，再用第一類的成效換預算做第二、三類。
預約一場 90 分鐘的 HR AI 用例排序工作坊，把你的 AI 從單點變成跨職能
智谷網絡（Kvalley Network）自 1996 年創立，專注企業 AI 轉型與中高階主管培訓，累計服務 3,000+ 家企業、75,000+ 小時訓練執行時數、年度訓練 30,000+ 人次。本文由智谷內容團隊整理，研究來源包含：HR Executive〈HR’s next AI hurdle: scaling beyond TA〉Phil Albinus 2026、SHRM 2026 CHRO Survey on AI in HR、MIT NANDA 計畫 2025《The GenAI Divide: State of AI in Business 2025》、Gartner 2026 March〈Rethinking ROI of AI〉CFO Report、Pertama Partners 2026 AI Project Failure Statistics、台灣師範大學丁玉珍 2024〈AI 人機協作 70-30 黃金比例實證研究〉、BCG 2021 Patel et al.〈AI 專案成功 10-20-70 法則〉。
推薦精選文章
📚 當 Meta 把 AI 工程師年薪拉到 1,400 萬：HRD 規劃企業AI人才策略的五步走
更多企業 AI 培訓服務：https://www.kvalley.biz/tcservice/digital/