这是「AI采纳微观实录」系列的第一篇。我们记录那些在搭建和使用AI工具、推进企业AI采纳（AI Adoption) 过程中，发生在会议室、工作聊天群里的真实故事——那些决策要素之间的拉扯，那些"既要又要"的纠结，以及人们如何一步步探索前进方向。
一、当AI遇见胜任力模型
人力资源领域正在经历一场静默的技术渗透。从简历筛选到面试评估，从培训设计到组织诊断，AI工具已悄然嵌入HR工作的各个环节。其中最具代表性的应用场景之一，便是将非结构化的访谈记录、观察笔记转化为结构化文本，例如岗位胜任力模型——一套描述"这个岗位上获得成功需要什么能力"的行为与认知框架。
2025年底，一个六人人力资源实践小组进行了一项实验：他们选取了一个已通过传统方法完成的关键岗位胜任力模型作为"标准答案"，将当初建模时积累的访谈记录、观察笔记、焦点小组会议记录等原始素材喂给基于企业知识库的AI模型，同时输入经典的胜任力定义与方法论要求作为提示词，让AI重新生成一套胜任力文本。随后，小组成员将AI产出与公司已审核确认的正式文本逐字逐义比对，一致的判定为准确，不一致的则记为错误。最终，AI生成的文本准确率定格在60%左右。
这个数字像一颗投入湖面的石子，激起了远比技术评估更复杂的涟漪。
二、60%准确率的三种解读
面对60%这个数字，小组的第一反应几乎是本能的：AI幻觉。这种反应带着双重释然——既庆幸这只是一次实验而非正式投产，又确认了人类判断的不可替代性。"还好只是个实验，"一位伙伴感慨，"如果正式推出只有60%准确率，业务显然无法接受。"作为以人力资源为职业的群体，这个结论带来了一种集体性的心理安慰：技术尚未成熟，人的专业价值依然稳固。
但小组并未止步于此。他们追问：40%的错误中，究竟有多少是真正意义上的"幻觉"？又有哪些源于其他可被识别、可被修正的因素？
这一追问打开了第二重思考维度：上下文错位。AI生成文本所依赖的上下文（静态的知识库），与去年集体写作建模(可能涉及岗位当事人，采访顾问，HR项目负责人，管理层等)过程中在人际流动并起作用的上下文，本质上是两套系统。那些在水面下涌动的隐性知识——访谈时的微妙停顿、会议室里的权力博弈、审核文本环节中某位高管的坚持或妥协——并未被完整编码进知识库。如果以经过人为校准流程"净化"后的文本作为唯一正确答案，那么AI的"错误"很大程度上源于信息输入的不对称。要提升准确率，就需要将人工建模过程中的隐性决策假设尽可能显性化，但这要如何实现？
讨论至此，第三种解读自然浮现：或许那个被奉为圭臬的人工流程本身并非完美答案。传统的胜任力建模严重依赖访谈、工作日志分析、实地观察等方法，形成初稿后再经管理层审核校准。这个过程理论上融合了多源信息与集体智慧，同时实践中难免渗入非方法论因素——权力影响、个人偏见、组织政治，或是对"未来想要什么样的人"的前瞻性想象，而非"当下表现优异者实际具备什么"的客观描述。如果不预设集体生成的文本还是AI文本哪个更优，而是将两者并置对照，至少可以开启一轮新的对话：比较两个版本的一致与分歧，分析各自的逻辑依据，探究差异产生的根源。
三、幻觉、对齐与方法论反思
60%准确率引发的深层思考，指向三个难以简单归类的议题。
首先是技术可控性与不可控性的边界。AI幻觉——即模型生成看似合理实则虚构的内容——确实是当前大语言模型的固有局限。但区分"幻觉"与"非幻觉错误"并非易事。当AI将"跨部门协调能力"表述为"横向资源整合能力"时，这是语义偏差还是实质错误？当AI遗漏了人工文本中强调的"抗压能力"维度，是概率起了作用，还是提示词未能充分引导？人力资源文本的特殊性在于，大量核心概念缺乏刚性定义，"领导力""创新思维""商业敏锐度"等词汇在不同组织语境中承载着不同的行为指征。在这种语义弹性空间中，"错误"的判定标准本身就成了问题。
其次是提示词工程与组织知识的显性化。上下文对齐的挑战，本质上是如何将组织特有的认知框架转化为AI可处理的指令。胜任力建模不仅是一项技术活动，更是组织价值观、战略意图、权力结构的投射。当HR专家在访谈中追问"这个岗位最关键的三个挑战是什么"时，他们不仅是在收集信息，更是在引导受访者进入特定的意义框架。这种专业直觉如何编码为提示词？审核会议上，某位副总裁坚持加入"数字化转型意识"作为核心能力，尽管当前岗位持有者普遍缺乏此项——这种战略前瞻性与现实滞后性的张力，如何转化为AI可理解的权重设置？
最后是经典方法论的改革可能。非AI时代形成的HR方法论体系——从行为事件访谈、工作分析到焦点小组，都建立在信息处理成本高昂的前提之上。访谈需要训练有素的专家，编码需要大量人工时间，校准需要多轮会议磨合。AI的介入改变了成本结构：海量文本的快速处理、多版本方案的即时生成、跨文档模式识别成为可能。这不禁让人追问：当技术能够承担信息整理与初稿生成的基础工作时，人力资源专业人士的核心价值将向何处迁移？
四、实验之后的未竟之问
这个六人小组发现，"人机对照"本身可以成为一种新的工作方法。不是简单判定谁对谁错，而是将差异视为诊断组织认知状态的窗口。AI的"错误"可能揭示了知识库的信息缺口，人工文本的"独特之处"可能暴露了未经审视的假设。这种对照阅读，或许比单一来源的文本更能逼近复杂组织现实的真相。
更重要的是，这个实验暗示了一种谦逊的技术采纳姿态：不将AI视为替代人的黑箱，也不将其贬为不可靠的玩具，而是作为一面镜子，照见我们习以为常的专业实践中的盲区与偏见。60%的准确率不是终点，而是一个起点——通向对技术能力边界的清醒认知，对组织知识管理复杂性的重新尊重，以及对人力资源方法论创新可能性的开放探索。
在AI技术迭代速度远超组织学习曲线的今天，这种实验精神或许比任何具体结论都更为珍贵。毕竟，在人与机器共同书写的未来工作图景中，最需要的不是非此即彼的站队，而是持续对话的耐心与智慧。