点。 报告认为，高质量灵活就业包括高质量的就业信息、高效率的就业匹配、高水平 的就业保障与低的劳动力市场运行成本。 二是关注在就业领域中发挥越来越重要作用的新型平台，这一类平台相当于 是一种“平台的平台”，将大量与就业相关的平台、服务主体等聚合在平台上，形 成一个就业生态。在这个生态系统内，从招工信息的发布、用工需求的匹配，到 职业技能的培训、薪资报酬的支付，乃至劳动权益的保障，各个环节都能得到高 对就业市场的影响主要集中在就业匹配效率方面。当前，我国就业的主要矛盾是 结构性矛盾。通过人工智能技术的运用，能够在更大范围内进行更高质量的匹配， 从而有助于缓解就业市场的摩擦，缩小结构性矛盾。 四是本项研究报告关注平台所带来的高质量充分就业助力。报告认为，依托 平台的平台，利用平台在技术、数据、信用服务等方面的综合能力，能够推动就 业市场的信息更高质量、更透明、更可信；推动就业市场的匹配更为高效与精准； 推动就业保障水平更高，从而提高灵活就业的就业质量。 五是本报告关注数智化平台服务于蓝领灵活就业高质量发展。当前，蓝领就 业存在三重失衡：总量失衡、技能结构失衡、信息匹配失衡。现有的招聘平台门 槛较高，难以服务于蓝领就业与下沉市场。而报告所调研的支付宝平台，通过打 造平台生态，降低数智化平台的使用门槛，推动就业生态中的各主体协同，全方 位服务于蓝领高质量就业。 本报告在上述创新的基础

.........................................................................................23 4.1 岗位匹配与推荐................................................................................................ 技术进行岗位推荐的方案，正逐渐成为人力资源技术创新的一个重 要方向。 深度探索技术通过分析海量的员工数据和职位信息，能够精准 预测和推荐最适合的岗位人选，这不仅提高了招聘的效率，还能显 著提升员工与岗位的匹配度。这种技术通过以下几个关键维度来实 现优化：  数据整合与分析：整合来自不同渠道的员工绩效数据、技能评 估、职业发展历史等，通过深度学习算法分析这些数据，以实 现更精准的人才预测。  依赖人工筛选 和简单的关键词匹配，这不仅耗时耗力，而且难以满足企业对人才 需求的多样性和复杂性。随着人工智能技术的不断进步，深度学习 模型在自然语言处理和推荐系统中的应用逐渐成熟，为人力资源管 理带来了新的解决方案。DeepSeek 作为一种先进的深度学习推荐 系统，能够通过分析大量的职位描述和候选人简历，自动匹配最合 适的岗位和人才，提高招聘效率和匹配精度。 具体而言，DeepSeek

规模增长迅速，2023-2028 年年复合增长率预计达 12.7%，AI 在其中的应用将不断深 化。 ⚫ 北京国际人力多维度应用 AI，赋能人力资源全流程。“京企直聘”平台借助 AI 技术整合 分析求职数据，精准匹配人才与岗位，提高招聘效率，节省人力成本；在服贸会现场的 AI 业务体验区，“数字伙伴联盟”成员模拟面试场景，多维度评估候选人。“易北京” APP 智能客服系统利用自然语言处理技术提供多语种 24 后，在效率提升、成本降低和服务模式创新上潜力巨大。其在 AI 技术研发与应用成果丰 富，已推出行业级预训练语言模型 CRE 和匹配系统，还计划 2025 年推出 PC 端寻访自动 化 Agent 和具备关系图谱预测功能的 CRN，进一步提升智能化水平。 ⚫ BOSS 直聘借 AI 全面升级招聘服务，南北阁大模型获权威认可。 “智能匹配”功能借助 人工智能，依据求职者多维度数据精准推荐职位并反向筛选，提升招聘效率；“直聊”模 式中的智能客服减轻企业招聘人员负担。自主研发的百亿参数规模南北阁大模型，面向求 职招聘垂类场景，有效提升人岗匹配精准度，其 V1.0.0 版顺利通过中国信通院大语言模 型专项验证并获 4+评级。 ⚫ 同道猎聘巧用 AI，革新人才评鉴、服务与趋势洞察。多面・AI 面试基于冰山模型等理论 构建庞大数据库，精准甄别候选人，节约人才甄选成本，应用已拓展至人才管理多环节。 自主研发的“同道汇才”AI

实现流程优化创新，为优化营商环境、便利企业和群众办事、激发市场活力和社会创造力、建设人民满意的服务型政府提 供有力支撑。 建设目标 一站式政策服务 因企制宜的精准推送。政策精准匹配，主动推送最新政策发布。在线收集企业信 息数据，指导政策调整。政策标签 - 企业标签的精准匹配，主动推送。政策原文 随时切换查看，在线申请政策办理。 一站式企业服务 一站式营商服务 理念一 理念三 理念二 提供企业服务的入口，方便 4+2” 特色理念 智能企业标签 智能政策匹配 智能事项审批 招商发布 企业走访 三 建设内容 政企服务门户 打造个性化的专属服务门户，实现“一窗受理”、“一网通办”、“全程网 办”。 政策智能匹配 政策标签 - 企业标签的精准匹配，主动推送。 政策精准解读 匹配政策解读信息提供给企业，做到政策解读的精准推送。 政策专题申报 企业对匹配的政策进行申报，填写相关申报内容，参与政策提供内容， 一企一案生成个性 化清单 到达企业通过平台 进行签到 / 打卡 针对企业提出的问 题进行汇总 走访人员根据企业 情况进行清单填报 涉及到每个行业的 企业服务清单 根据类型进行企业 与服务清单的匹配 场景二：服务清单走访  走访计划审批后，可根据服务清单对企业进行画像自动生成针对本企业的服务清单，发送给走访人员，按计划进行 走访，走访过程中可以进行企业问题的上报、签到、打卡、拍照上传等内容，上报的企业内容进行汇总，根据紧急

化，最终达成“数据高利用，算力不等待，协同效率佳”的目标。 2�数网协同：支撑数据流通的精准匹配和路径可控 可信高速数据网基于APN6技术，通过数据分类分级等属性与APN-ID网络标识 映射，可实时感知数据分发需求，并根据差异化需求自动调整带宽和路径，实现按 需匹配与动态调度。借助SDN控制器，构建“数据需求-算力资源-网络路径”的智 能匹配体系，优先保障模型训练、实时交易等高优先级任务所需的低时延与高带 宽 案》，要求政府数据开放需匹配高速网络支撑能力，通过Data gov平台搭建“高速 访问-API调用-可视化分析”的网络服务体系，确保近30万个跨机构数据集可通过 低延迟网络被高效调用，为数据开放提供可信、高速的网络底座。三是明确数据交 易的网络合规。通过《数据经纪人责任制与透明法案》等法规，要求数据经纪商的 “需求-中介-供给”交易链条需依托可信网络实现，强制数据匹配、脱敏、评估等 环节的 10 测准确率达92%；部署区块链网络审计平台，实现所有网络操作上链存证，审计效 率提升70%。三是推动跨领域高速数据协同。通过“数据银行”模式整合分散数据 资源，依托高速网络实现跨主体数据高效匹配；DSA主导的“DATA-EX”平台，依 托低延迟网络连接教育、医疗等领域，促进多领域数据高速且可信的交换。 综上，日本通过“政府统筹+企业创新”，以可信技术为核心、以高速网络为 支撑，在关键

标割 裂，未能形成端到端的业务价值闭环，导致数字化投入难以转化为实际产出。 企业难以用可量化的KPI衡量员工在知识创造、流程优化和创新中的贡献，绩效管理 与实际业务产出脱节，人才激励与发展难以精准匹配组织战略目标。 企业在多业务、多部门运作中，人员、流程和工具之间缺乏深度联动，信息孤岛 严重，导致跨部门协作缓慢，决策响应滞后，整体组织效能难以提升。 企业内部数据分散在不同系统和工具中，缺乏统一标准和智能整合能力，知识资产 业务决策、流程操作和人才协作都能 够直接利用组织沉淀的知识。 岗位技能智能化 • 通过AI驱动的人才画像、能力测评、 学习路径推荐和协作助理，智能化识 别岗位所需技能和员工现有能力，并 提供个性化学习和任务匹配方案。 • 将人才能力与业务流程直接关联，确 保关键岗位人员在业务操作和决策中 发挥最大价值，支持组织整体协同与 效率提升。 业务流程智能化 • 通过流程挖掘、智能决策支持和工作 流编排，将企业核心业务流程数字化、 主要关注薪资计算与合规发放，缺乏与绩效、假勤、激励挂钩的智能 联动。数据割裂，导致薪酬与人才贡献感知脱节，难以发挥薪酬激励 的战略价值。 解决单点管理 缺乏动态匹配 假勤系统 解决的是单点的时间管理，通常只起“记录作用”。缺乏与产出、绩效、 业务需求动态匹配的能力，导致“有人但效率未必可见”。 单一环节 难以支撑后续流程 招聘系统 只解决简历筛选、面试流程等单一环节，无法与培训、绩效、用工成 本管

问答引擎是对话机器人重要的问答引擎，基于阿里巴巴达摩院领先的 NLP 算法 研 发，为用户提供高泛化性、灵活拓展的 QA 对匹配引擎，介绍如下： 适用知识 引擎优势 知识结构 模型训练 事实性知识 高泛化性、精准匹 配、向量召回、语义 计算 QA 问答对 FAQ 匹配模 型 支持线上 训练 2.2 任务问答引擎 任务问答引擎负责多轮对话的对话流设计、意图的管理、任务流的执行等功能，任务对 分类模型+匹配模型 支持线上训练 2.3 图谱问答引擎 图谱问答负责结构化体系化知识的问答，基于知识图谱 Schema 针对具备一定结构关 系 的三元组知识进行快速问答，支持多跳、计算、推理能力，介绍如下： 适用知识 引擎优势 知识结构 模型训练 概念性知识 多维度逻辑推理、属 性识别+匹配，自动 化反问多轮机制 知识图谱三元组知识 结构 属性识别+匹配模型 支持线上训练 答，支持条件约束及聚合函数计算的问答，介绍如下： 适用知识 引擎优势 知识结构 模型训练 概念性知识 NL2SQL 算法，复杂 函数计算及推理，主 动多轮机制 二维数据表知识结构 表格问答匹配模型 支持线上训练 自动生成训练集 版本：1.0

领域的应用具备必要性与可行性。但从实际情况而言，55% 企业对 AI 技术的应用还处 于观望状态 ★ 招聘和培训是当前 AI 技术运用最为广泛的两个模块，在招聘模块，聊天机器人、建立解析与人岗匹配、 视频面试为 Top3 的运用场景；在培训模块，培训流程管理、个性化课程与内容推荐、场景化培训为 Top3 的运用场景 ★ AI 大模型的出现可为 HR 领域带来新的解决方案。70% 以上的 招聘客服（聊天机器人） 运用比例：78.26% ・◎ 通过文字或电话的形式与应聘者进行对话，人工智能助理还可以提供一些人才搜索、推送和面试日常安排的工 作，为候选人提供自动、实时、独特的提醒和信息。 简历解析与人岗匹配 运用比例：40.23% ・◎ 简历解析作为最先被 HR 熟知的 AI 产品，思路无外乎基于机器学习对大量的简历数据进行大数据分析，找到 简历里面的内容、岗位说明书（招聘广告）以及优秀候选人之间的关联。 产品可以依据企业的人才模型，通过大语言模型自动生成 职位需求，并将市面上的人才与职位需求进行匹配。匹配完成后 AI 可以自动邀约候选者 进行面试。在面试过程中，AI 产品可以为面试官形成针对性的面试问题，并记录面试者 的回答。 ★ 入职引导：在入职场景中，SAP 的 AI 产品可帮助 HR 向新员工推荐个性化课程，帮助新 员工匹配导师。员工也可以通过 AI 入职引导助手，完成刚入职时的事务性工作 ★ 招聘有效性分析：SAP

治理（ IT Governance ），是指为了实现同经营业务战略相匹配的 IT 战略，在企业建立的治 理机制。通过在企业确立 IT 治理，能够让 IT 战略得以合理地制定和执行，为经营业务战略的实现作 出贡献的同时提高企业价值，从而形成一个良性循环。 确立 IT 治理，需要建立以下三大机制 01 确保经营业务战略与 IT 战略匹配性的体制 02 保证 IT 战略朝既定方向执行的监控体制 03 确保经营业务战 略与 IT 战略匹 配 性的体制 保证 IT 战略朝 既 定方向执行 的监 控体制 对 IT 战略执行过 程 中产生的 IT 风 险进 行控制的体 制 为了实现同经营战略相匹配的 IT 战略，在企业建立 的 治理体制 治 理 的 机 制 IT 治 理 计 划 、 执 行 技 能 IT 管理 （ IT 战略、计划制定， IT 投资、成本管理， IT 运营、维护等） IT 服务提 供 为 IT 治理的确立提供积极支援 CI O 经营层 CEO 、 COO 、 CFO 等 在 IT 治理下实施活动 CI O P17 IT 治理的三大机制（战略匹配机制、执行监控机制、风险控制体 制） 通过这些规则的建立与审查结 果，经营层就能够了解公司的 IT 风险，从而规避威胁企 业生 存的重大风险 P18 IT 治理机制的推进（单公司 IT 治理、多公司联合

管理案例有限，但在投研分析等间接领域，技术融合已展现价值，驱动保险价值链降本增效、创新发展。 AI 技术在险企负债端与投资端用例图谱 自动化风险评估 多模态数据解析 非结构化信息识别 自动匹配核保要求 自动化生成核保建议 智能投顾辅助决策 投资组合管理 自动生成投资方案 产品开发助手 产品需求挖掘 产品形态设计 产品精算定价 个性化产品定制 动态风险定价模型 组合风险收益模拟 语音语义识别技 术 图像识别技术 智能话术生成 智能决策 辅助 精准匹配产品 智能产品组合 投保方案优化 策 来源：公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。 智能保单检视 工具 投保申请 规则匹配 通过移动端智能交互系统， 自动采集 客户健康声明、基本信息等投保资料 , 支持语音输入与视频资料上传， 实 时校验信息完整性，减少人工录入误 差。 智能合约：将保险条款转化为可执行 的智能合约逻辑，自动匹配客户健康 状况、职业风险等条件，识别标准体 、次标准体或拒保对象，同时通过机 器学习持续优化规则匹配逻辑，提升 准确性与可解释性。 资料 收集 决策制定 对医疗票据、体检报告、手写病历等非结 构化文档进行自动化解析，提取血糖、血