大模型和HR和招聘日常工作有哪些结合点？

企业大模型不是顾问，他不能只说不练，也不能取代原来的IT系统，它要和你原来的业务系统紧密耦合在一起，协同工作，所以这就需要一套工作流。我举一个例子，比如你做了一HR，面试只是一个单点功能，面试完了之后我怎么把面试结果发到公司HR系统里？我怎么通知HR这个人录用或者不录用。实际上这些功能都不是大模型在做，都需要一套工作流系统，把大模型Agent框架的能力跟企业原来的业务系统紧密的连在一起，实际上需要一个更大的Agent框架。所以我们讲企业做大模型不再是问题，第一知识管理的问题,第二大模型训练中Agent框架的问题,第三业务融合的问题。所以在企业里面打造大模型，并不像大家想象的那么简单。

我们总结了企业做大模型的4个误区：[heading3]1、总想搞一个宏大的产业大模型[content]宣传可以这么说，但实际上目前掌握的大模型能力，是不足以支持一个产业大模型的，比如建筑大模型、钢铁大模型，太大而化之了。大模型现在非常适合的是找到一个场景，在场景里解决一个专业问题。[heading3]2、总想用一个万能大模型解决所有企业问题[content]这个也不现实，企业将来在不同的场景，比如HR、财务内部可能都会有一个大模型。比如面试有面试大模型，机器人自动面试，员工评估也有一个大模型。[heading3]3、还有认为有了大模型，原来的IT系统就淘汰了[content]这个观点最要不得。事实上，大模型仅仅是解决了一些过去软件不具备的推理和知识理解的能力，它缺很多手和脚，需要通过跟你原来的业务系统连接在一起，协同工作，才能让大模型在企业内发挥作用。所以原来的数字化搞得越好，IT系统越发达，大模型效果越好。而且大模型在企业落地，绝不是一个聊天机器人的形式，那是大模型发展早期的一个探索。[heading3]4、大模型就不用做数字化了，直接一步到位弯道超车[content]这个观点也是不对的。因为如果你的企业没有基本的IT系统、数字化系统，老板也不用网络，不用邮件，也没有内部的文档管理、办公OA系统，你就没有数据的积累，没有知识的沉淀，大模型就是巧妇难无米之炊，你想做大模型是不可能的。

举一个例子，新员工招聘。场景要找得多细，你把企业要干的目标分解成很多阶段，比如搜集简历、编写职位描述、制定招聘计划、确定招聘需求、筛选简历、安排面试、数字人自动面试、结果评估，然后发录取通知书。也就是说对场景的选择要画得足够细，你不要笼统的说老周我要做一个HR大模型，我也不知道你到底要解决什么问题，是招聘问题，还是员工的关怀问题？如果是招聘，我就能把它分解得很细。这里再次证明我一个观点，就是做场景选择的时候靠外部力量解决不了，只有靠你自己，因为你自己对你的业务最了解。然后，画一个纵轴，把大模型目前比较成熟的能力列出来，形成一个表格看看。在每一个表格里去看，这个场景大模型能不能做，如果能做就打个勾，不能做就打个叉，你就筛选了一半。然后，还要看这个场景的容错度，有些场景是不怕出错的，比如我们做个会议记录，有录音作依据，大模型只是听写和润色，这没问题。但如果你在医疗行业，用大模型给人看病、给人开药，那这个场景的容错率就比较低。还有就是场景的数据准备度，说要干了，你有没有准备好相应的知识库。假设说，何伊凡要在中国企业家俱乐部做一个客服大模型，很多企业家问你各种各样的问题，但是发现历史上回答问题的资料都没有，数据没有积累、沉淀就不行。