AI時代，你的企業準備好了嗎？ 當人工智慧已從科技熱潮走進企業日常，人資夥伴該如何跟上這波數位轉型浪潮，打造高效能、個人化的員工體驗？
MAYOHR與人資小週末連續第三年攜手合作，2025年針對企業對 AI工具的應用與期待進行深度調查。【2025 AI應用及人資數位轉型白皮書】彙集百家企業的第一手回饋，深入探討製造、資訊、高科技、零售等多元產業在數位轉型中的進展與挑戰。
專注於組織職等與職能建構、人才發展策略及HR數位系統導入的周志偉，近年投入AI在人資場域的實務應用與落地推動。在今年的問卷調查研究中，他觀察到生成式 AI 的興起正迅速改寫人資版圖，但台灣企業在意識、基礎建設與實戰層面仍存在顯著落差。本次將透過三大現象剖析困境，並提出可立即啟動的行動建議。
AI浪潮別怕！一起大膽試水，HR 親手打磨才有解 —【周志偉】
生成式 AI 的爆發，正迅速改寫人資版圖，然而台灣企業在意識、基建與實戰層面仍存顯著落差。我們將透過三大現象剖析困境，並提出可立即啟動的行動建議。
現象一：HR 的 AI 焦慮
調查顯示，54.9% 的受訪 HR 明確認為 AI 對人力資源「非常重要，將成為未來趨勢」，然而真正每天使用 AI 工具的僅 38.9%，加上每週使用數次的 28.6%，仍有近三成幾乎不碰 AI。在意識與行動的落差之間，以及多項組織障礙相互交疊後，有68.2% 的HR指出企業技術整合困難；63.2% 缺乏內部專業知識；61.5% 憂慮法律與隱私；53.3% 面臨員工接受度與變革管理挑戰。這些因素使「覺得重要」與「實際部署」出現明顯斷層。同時，56.9% 的 HR 又表達將「擴大使用 AI」的計畫，呈現高度認知動機卻未能落地的矛盾。
進一步觀察職能轉型脈絡，近年來「科技人資」職位已涵蓋資料庫、程式設計、系統導入等跨域技能，並延伸至數據分析與專案管理。傳統 HR 需要面對語言模型、流程自動化與治理框架等全新知識體系，導致技能缺口與角色再定位的壓力同步增長。此時，內部培訓或許成為緩解焦慮的主要手段：有52.6% 的受訪者對 AI 保持高度期待，但同時希望企業提供正式課程與實作機會。在缺乏結構化資源的情境下，個體學習路徑分化，恐怕這樣的AI焦慮進一步被放大並外溢至日常作業與決策流程。
現象二：基礎建設，真的夠了嗎？
雖然 73.5% 的企業表示已導入人資管理系統（HRIS），但核心行政流程仍有 49.2% 以紙本或 Excel 進行，顯示「有系統卻未落實」的落差。69.8% 的公司選擇購買外部系統，其中約 63% 採用雲端版本，有 37% 仍停留在地端環境，容易限制與 AI 工具的即時串接與資料流動運用。採購HR系統的驅動多聚焦於「統一管理」(70.1%) 與「企業擴張」(54.6%)，顯示導入動機仍偏向作業整合而非數據洞察。台灣以中小企業為主，組織層級相對扁平，資訊人力與預算有限。
這樣的結構性條件下，企業雖投入不少 HR 系統資本，卻因流程標準化不足，時常導致同一套 HRIS 在不同事業單位使用時產生多版本資料，長期累積出嚴重的資料治理問題。缺乏穩定而乾淨的主數據，使企業難以建立可追溯、可迭代的長期資料庫，對未來AI 模型訓練與監測將因此受限，最終可能步入「系統看得到，洞察做不到」的困境。
現象三：企業 AI 實戰仍處低基期
在具體人資流程中，54.6% 的企業尚未使用 AI 處理任何人資事項；已啟用者亦僅集中於人事行政管理 24.1%、招募甄選與人才培訓各 19.8%，薪酬與績效相關應用僅 10.2%。以企業推動 AI 自動化的四個階段：
(1)從標準化任務的 RPA
(2) Chatbot
(3)決策輔助 Copilot
(4)自主決策的 Agent AI
目前多數企業仍停留在最基礎的工具層或尚未起步階。從本次的調查實務顯示，員工常於個人層次使用生成式模型撰寫郵件、簡報或程式片段，然而部門間資料並未經由合適的資料庫集中，組織級洞察因此難以產生。低基期亦體現在測量與治理環節：僅 66.2% 的企業將「系統資訊安全」列為評選條，顯示對模型風險與數據偏見的意識仍有限。當 AI 成效難以量化、驗證與迭代，專案便容易停留在基礎階段。綜合以上，企業的 AI 實戰呈現「個人增效高、組織綜效低」的斷層，並在資料流、流程整合與風險控管三方面同時暴露基礎挑戰。
其實，面對這一波AI浪潮也不必太過焦慮，因為大多數公司仍處於低基期，我們應正面看待這股力量，建立能順應AI潮流並符合自身企業需求的人力資源基礎建設才是王道，那我們該怎麼動手開始呢？
建議解方一：大膽擁抱 AI，化解 HR 焦慮
面對生成式 AI 的顛覆性浪潮，HR 與其在旁觀望，不如主動投入實作：先從自己最熟悉、卻最耗時的流程切入。例如，面試排程、入離職手續或文件審批，利用低程式碼 RPA 或 Copilot 工具設計小規模原型，親身體驗「一鍵即自動」的工作流，再反向檢視流程設計是否合理。此時，可輔以麥肯錫 7S、流程圖或價值流程分析，對組織戰略、結構、系統與技能進行同步盤點，確保自動化優化的不是局部、而是整體協同。
培訓層面則應改採「學中做、做中學」模式：將生成式 AI 工具、提示語寫法、資料保密實務納入工作坊，盡可能在設計時以訓用合一為目標，讓每一位學習者「走出教室，就增加一項技能」，縮短知識與實務距離。因為唯有透過動手實驗、錯誤修正與同儕分享，才能讓 HR 從「知道」跨到「做到」，將焦慮轉化為可累積的實戰經驗與企業的流程資產。
建議解方二：扎實基礎建設才是真功夫
AI 的效益取決於資料品質，如果主數據不完整、欄位定義不一致，再聰明的模型也只能輸出雜訊。因此，HR 必須把「資料治理」列為永續工程，而非專案附件。建議先釐清企業在人事、薪酬、考勤、績效等核心資料中真正需要追蹤的指標，再依據 ISO 27001 或 GDPR 授權邊界設計資料分類、生命週期與存取權限，逐步建立人力資源資料品質稽核機制（完整率、準確率、及時率），並與 IT 共同協作確認 API 介面與元資料，逐步將不同的孤島系統逐步接入同一資料庫中。
由於基礎建設難以在短期績效上發光，HR團隊需以長期營運風險、員工體驗與合規性為語言，與 CEO、CFO與事業單位溝通投資必要性，爭取至少二~三年以上的持續性資本與人力預算。唯有「高品質的資料」，後續的 AI 分析、預測與決策輔助才能真正成為管理層可信賴的工具。
建議解方三：為 AI Agent 做好長期佈局
組織要從工具層逐步跨入 Agent 層，首先需將 HR 各項流程與文化特性模組化，並預留可被 LLM、RPA 等工具呼叫介面。建議具體做法是：以「員工生命週期」為軸，把招募、培育、任用、發展、離職等傳統日常業務等節點，拆解為可量化或質化描述的事件，同時將關鍵欄位資料長期累積寫入人資資料庫，最後同步至 AI Agent進行處理。
由於台灣絕大多數公司為中小企業，對於導入大型 HRM 套裝服務可能會吃不消，不如採取「核心HRIS＋RPA＋不同HR功能SaaS」的組合。如此一來，HR單位可在每年有限預算下逐步擴充，拉長戰線，同時保留不同區域須因地制宜以及選擇更好的SaaS服務彈性。
當資料基底與流程邏輯日趨完備後，HR 便能利用 Agent 進行自動撰寫職務說明、推送學習內容、預測離職風險，甚至在員工詢問時即時生成個人化政策解釋。這是一場持久戰，關鍵在於先畫出人機互動藍圖、梳理工作流程、累計有效資料，並持續更新符合企業需求的可靠系統服務，才能讓 HR 與 AI 形成真正的協作。
在這波AI浪潮中，唯有掌握「資料」、「流程」與「應用」三要素，HR 才能真正駕馭 AI。讓我們一起努力，賦能於人，協助企業邁進AI轉型之路。
by 周志偉在這波AI浪潮中，唯有掌握「資料」、「流程」與「應用」三要素，HR 才能真正駕馭 AI。讓我們一起努力，賦能於人，協助企業邁進AI轉型之路。
更多精彩的分析與內容，歡迎【免費索取】2025 AI應用及人資數位轉型白皮書登場，一次掌握 AI 應用與數位轉型關鍵洞察！
