一直以来，健康福利与健康管理都是企业运营不可忽视的重要组成部分，无论是对于公司竞争力还是员工生产力，都不可或缺。发展至今，“以人为本”的核心理念已经深入人心，特别是在中国市场环境下，员工的健康管理已经逐渐形成了较为完善的体系，包括法定福利、商业保险、年度体检、沟通工具、健康场所等等。

众所周知，人才始终是每一家企业的关键和核心。无论企业处于成长期还是稳定发展期，都需要持续不断的人才支持。相应的，如何快速有效的增加所需岗位以保证高管管理半径的扩大与核心业务的持续增长，让企业保持恒久的竞争力，成为每个企业面临的首要问题。实践中，很多企业会发现：建立企业人才池，从内部选拔和培养管理人才与技术人才，相较外部招聘渠道的投资回报收益更高，人才与企业文化环境的契合度也更好。因此，人才盘点逐渐成为各个企业做好人才管理工作不可或缺的一环，其盘点的结果也被广泛应用在人力资源规划制定、薪酬调整、奖金分配、发展方案制定、员工职业生涯规划和人才配置等各个方面。

快速、精准、相对低成本地获得优秀人才是招聘永恒的话题之一。对于人才的争夺战从未停止过，只是与以往相比，这一争夺战已经越来越前置，企业对人才的获取也越来越主动。面对行业中较为稀缺与热门的人才，招聘更是需要长期经营的工作。另外，随着技术与招聘的结合程度的加深，利用招聘系统对整个招聘流程和人才进行管理也渐渐成为大量企业的选择。人才库在绝大多数情况下作为招聘系统的功能之一，对简历的整合、识别、归类甚至候选人关系维护情况的记录有着关键作用。

“招聘”是所有企业在发展和成长过程中至关重要的环节，从校招到社招，从招聘基层员工到招聘公司高管，企业HR 都有一个共同的目标，那就是找到合适的候选人。为了实现这一目标，HR 们在招聘流程中做了尽可能多的候选人质量把控工作，其中就包括引入雇佣前的测评工具。

新生代员工的吸纳与培养一直是企业人才发展的热门话题，也是在如今环境快速变化、复合型人才需求高的前提条件下不得不面对的话题。在社会经济条件相比上世代已悄然发生改变之时，Z 世代也带着全新的心态与需求即将步入职场。一方面，风险升高的BANI 时代与技术升级的产业结构导致了低端就业岗位的减少与不稳定，促使学生产生内卷；然而另一方面是内卷之下既无生存压力所迫、也暂无婚育需求的年轻人们同样不稳定的就业意愿，导致企业同样难以获取新生代高潜人才。 在上述因素的推动下，企业的校招定位与需求也产生了相应的变化，在校招中获取高潜人才的必要性显著提高。本届报告，相较往届而言也将更聚焦于高潜校招的开展与运营，探索在2024届校园招聘中的新趋势、新对策。

随着企业数字化进程不断深入，数字化转型也逐步从基础能力建设向融合应用、从规模扩张向质效提升的新的阶段迈进。在这个背景下，人力资源数字化也面临新形势: 一方面，行业数字化成熟度参差不齐，需要根据不同阶段特征更有针对性地提升效能; 另一方面，HR 数字化需更多与业务实现深度融合，真正发挥业务赋能作用。 基于以上市场发展态势，本报告更多从两个方面进行探索: 一是重新审视HR 数字化不同成熟度阶段的特征，以及如何有针对性提升效能；二是聚焦HR与业务数字化转型的深度协同，探讨HR 如何进行业务赋能。

布莱恩·阿瑟在《技术的本质》中讲到：“科学与经济的发展，都是由技术所驱动的。技术给我们带来了舒适的生活和无尽的财富，也成就了经济的繁荣。我们的世界因技术而改变。”诚然，无论是在经济学理论中技术要素对于生产函数的改变，还是在现实中技术对于人类生产生活的改变，都证实了技术的重要力量。 在2023年，生成式人工智能（Generative Artificial Intelligence）无疑是备受关注的科技热点。麦肯锡在Technology Trends Outlook 2023 报告中将生成式AI列为2023年的全球科技趋势之一，并称生成式AI通过科技的力量推动了商业和社会的进步，引领了全球经济的复苏与可持续增长；世界经济论坛在Top 10 Emerging Technologies of 2023 报告中也同样将生成式AI列为2023年的新兴科技之一，并表示在合理的应用之下，生成式AI能够颠覆行业、促进经济增长、改善人们的生活。 生成式AI的出现对于人工智能领域而言既是转折点，同样也是引爆点。与以往的人工智能技术不同的是，生成式AI通过对大规模语料、数据、图形等信息的无监督学习，可以生成文本、图像、代码、音频等新的内容。依靠着其强大的生成功能，生成式AI的热度迅速从科技领域传到了各行各业，人们惊叹于生成式AI的无所不知，也惊叹于它的对答如流。 在这样的关注之下，生成式AI背后的基础大模型成为了技术的焦点。基础大模型技术可以被细分为大语言模型、大视觉模型、音频大模型、多模态大模型等，有了不同的大模型作为基础，生成式AI得以适应文字、图片、音频等各类任务。 在众多的大模型技术中，大语言模型有着更为广泛的应用场景，也受着资本投入的青睐。它可以帮助C端用户完成大量的文字类工作，回答他们的各类问题；同时也可以与RPA等技术结合，为B端用户带来更好的流程体验。 经济学家约瑟夫·熊彼特所提出的“创造性破坏”可以较为贴切地概括大语言模型为企业带来的影响。熊彼特认为，创新会破坏企业内部的旧结构，创造新结构。技术、商品、商业模式等结构的创新，会打破已有的市场均衡，为企业带来超额利润。同样，大语言模型作为技术的创新，也会为企业带来效率提升、成本降低等利好，也会带来管理与竞争模式的变化。作为企业重要的支持部门，HR部门也同样面临着变化与创新。 上述的利好与变化是企业管理者们、HR从业者们所关注的，也是本研究报告的出发点。由于大语言模型是人工智能技术中的一个类别，大语言模型在HR领域的运用情况很大程上取决于企业对于人工智能技术的关注与支持，以及人工智能技术在HR领域的发展情况。因此，本研究会先从AI技术在HR领域的运用概况讲起，为大语言模型的落地提供基础。而后，研究将聚焦于讨论大语言模型在HR领域的实践。研究通过对国内外学术资料的研究，阐述了大语言模型的技术原理；通过定性与定量研究的结合，讨论了大语言模型为企业与HR部门带来的价值与变化，并对大语言模型在HR领域的应用场景重点展开了讨论。

人才培养与发展离不开人的能力这一因素，而“胜任力”这个概念最是早由戴维• 麦克利兰（David McClelland）于1973 年正式提出，胜任力模型也曾经风靡一时。但在如今经济环境、业务环境快速变化的VUCA 时代，传统的胜任力模型暴露出了诸多问题：生涩、理论化的描述语言难以被业务、高层理解；冗长的建模流程难以适应快速变化的环境；前期成本投入高，价值难以澄清；落地实操困难，评测主观性强……包括怎样确定真正需要的能力项，也成为了老大难的问题。 与此同时，企业也不得部面对衡量人才、识别人才的重要问题，拥有有效的能力依据才能够选出人才、培养人才，为业务输送血液，也能让员工有发展进步的图谱索引。由于上述需求，胜任力模型等能力依据势必进行升级优化。那么，您所在的公司是否仍使用胜任力模型？或对其做出了不同程度的改良乃至改革？怎样才能实现敏捷建模，让能力模型有效支撑公司业务发展？ 本届报告，将聚焦于目前企业在能力模型应用上的现状，梳理应用过程中所出现的问题，探究问题出现的原因，并通过案例尝试给不同体量、不同发展阶段的企业可参考的重塑方式。在研究当中，我们发现能力模型等能力依据在不同类型、行业的企业中发生了不同程度与方向的变化，但多指向精简、敏捷、业务导向的变体。