一、从能对话到能执行

企业 AI 的产品形态越来越完整，但一个现实问题始终存在：模型、知识库和智能体都准备好了，AI 就能高质量完成一项企业任务吗？放到人力资源领域，这个任务可能是发现某家单位人工成本异常并发起复核，可能是识别编制与经营结果的错配，也可能是按技能画像组建一支项目团队。

评价一套 HR AI 体系因此有2个维度：一看它能接入多少模型和智能体，二看它能否把这些能力组织成可执行、可验证、可持续优化的业务闭环。YonWork 背后的企业 AI 体系给出的解法是分层分工：数据和模型层提供企业数据、领域模型、业务规则与专业算法；平台层提供企业本体、智能体构建、AI 治理、知识运营和数据智能；应用层承载人力等业务系统与领域智能体。三层各管一段，任务才能从"回答问题"走到"改变业务状态"。

这三层缺任何一层，任务都会在某个环节断掉：没有企业本体，语义理解会随上下文漂移；没有Skill化的业务应用，执行动作落不到单据和流程上；没有治理平台，规模化运行就会失去控制。后文按这条链路依次拆解本体、执行、治理三层，再看它们在人力领域的完整落点。

二、企业本体：HR 语义中枢

大模型能理解自然语言，但企业有自己的业务语言。同样是"人工成本"，可能指工资总额、人事费用率或人均人工成本；同样是"入职人数"，统计口径可能是应到、实到或净增。概念缺少统一定义时，智能体只能结合提示词和上下文推测，容易出现业务口径不一致、对象关系错误、结论依据不清3类问题。

用友 BIP 6的平台层里，YonOnto 企业本体平台承担业务语义中枢的角色，把业务对象、关系、属性、指标、规则、事件和动作统一定义为可计算、可推理、可执行、可追溯的企业本体。其中业务本体描述组织、员工、岗位、合同、单据等对象及其关系与规则；数据本体描述指标、事实表、维度、数据来源和计算口径；文档本体把制度、合同、附件等内容与业务对象连接。3类本体共同构成一张连接指标、数据、单据、规则和动作的业务语义网络，为智能体提供可信的企业上下文。

口径统一的价值在穿透式监管场景中最直观。当管理者提问"哪些单位人工成本增长较快，与经营结果是否匹配"，系统先要明确人工成本、工资总额、人事费用率等指标的定义和统计口径，再沿组织维度比较各单位变化。发现某家单位人工成本增幅明显高于营业收入增幅后，YonWork 结合 YonOnto 继续向下穿透，按5个步骤展开：判断增长来自人员增加还是人均薪酬变化；分析基本工资、绩效奖金、津补贴的结构影响；穿透到相关人员的薪酬发放记录；关联入职、调动、岗位变化等业务事件；按监管规则识别重复发薪、收入倒挂等异常。这条穿透路径同时构成结论的证据链——管理者既能看到哪个指标异常，也能知道异常发生在哪个组织、涉及哪些人员和单据。

在这一过程中，数据本体负责连接指标、事实表和统计维度，业务本体负责连接组织、人员、单据、规则和动作。企业本体提供的"理解"因此包含4层含义：对象关系受控、指标口径统一、结论来源可追溯、业务动作有明确边界。

图8：人力分析智能体能力名片：指标口径统一与智能归因

图1：国企人力监管从“人工汇总看数”到“AI 数据驱动、前置防控”的升级路径

三、业务应用与Skill封装

理解问题之后，智能体还要进入业务系统完成任务。比如发现薪酬异常后，后续动作可能是查询组织与人员记录、核对发放明细、创建核查任务、跟踪整改状态。这些动作需要调用业务系统中的数据、流程与专业Skill。

用友 BIP 6业务应用中沉淀的业务对象、交易数据、组织关系、流程规则和权限体系，经封装后转化为智能体可调用的企业级Skill。一个企业级Skill不只定义接口参数，还要明确6个要素：操作对象、适用条件、权限要求、风险等级、结果回写方式，以及接口本身的参数契约。缺了后面几项，智能体的调用就会绕过流程和风控。

因此，用友 BIP 6为智能体提供的不只是数据和接口，而是一个带真实业务规则和管理边界的执行环境。这也是 HR 智能体与通用对话助手的本质差别：前者的每一次调用都落在权限、流程和风险控制之内。

图2：HR 智能体体系四层架构：智能入口、智能体与技能、流程执行软件、构建运营治理

四、YonWork 与任务编排

拥有数据、模型、本体、知识和Skill之后，还需要一个面向用户持续推进任务的执行载体。用户用自然语言提出目标，YonWork 按8个环节推进：感知，接收人员、系统、消息或事件触发的任务；理解，结合本体、知识、数据、权限和流程状态判断真实意图；规划，把复杂目标拆解为可执行、可校验的步骤；校验，检查规则、数据、权限、阈值和风险；调度，调用智能体、Skill、API、MCP、RPA和流程服务；协同，在关键节点引入确认、审批或人工接管；回写，把结果写回单据、任务和业务流程；优化，沉淀执行轨迹、日志和复盘证据。

人力场景里这条链路同样成立。管理者确认薪酬穿透结果后，YonWork 可以创建整改任务、分配责任人并跟踪后续指标变化；人才配置场景下，YonWork 基于岗位、技能和项目经验寻找候选人，并展示推荐依据；经理服务智能体支持管理者用自然语言查询团队考勤趋势、在线发起绩效评估与审批。这些任务的共同点，是把分析结果继续转化为业务动作——单据被更新、任务被创建、流程被发起、责任人开始行动，任务才算真正完成。

图3：经理服务智能体能力名片：团队动态、考勤趋势与绩效

五、智能体运行治理

当智能体进入人力等核心业务，企业需要统一掌握其运行状态：谁发起了任务、智能体访问了哪些数据、调用了哪些模型和Skill、哪些步骤经过人工确认、消耗了多少资源、执行是否产生预期业务结果。YonAIG 企业 AI 治理平台负责对智能体运行进行观测、评估、安全控制、审计和成本管理。

落到 HR 场景，治理平台要能回答这些问题：假勤月结智能体在哪个核算环节经常失败；人才推荐结果是否被用人经理采纳；不同模型处理制度问答时的质量与成本差异。这些数据继续用于优化模型路由、业务规则、安全策略和评测集，经过验证的任务路径则沉淀为组织能力。YonWork 推动任务执行，YonAIG 让每一次执行可观察、可评价、可审计和可优化。

图4：人力运营闭环：月度全域排查、异常穿透溯源与证据链自动归档

六、人力云的落地全景

这套从本体到执行再到治理的体系落到人力资源领域，就是用友 BIP 人力云。平台按"AI 执行＋人主导"划清分工边界：自动执行、辅助生成、筛选分析交给 AI；决策、沟通、共情、价值判断、风险合规审批留给人。目前 YonWork+HR 已形成覆盖人力分析、人才发现、经理服务、员工服务、盘点继任、假勤管理、干部管理、人事管理、招聘、监督、薪酬管理、绩效管理12个场景的智能体矩阵，全部处于已上线状态。

图5：AI+HR 从外挂 AI 到业人一体：各人力环节的 AI 执行与人主导分工

业人一体的架构带来2个差异化的落地条件。其一是穿透式监管：AI 驱动的智能监管通过全量数据打通、穿透式核查、智能预警和动态闭环，把干部任免审批、薪酬异常预警、业绩多维分析等常规核查交给 AI 自动完成，监管模式从"人盯人、事后查"转向"数据驱动、前置防控"。其二是既有IT环境的兼容：大型集团通常同时运行多套系统，YonWork 在体系内继承统一用户、组织关系、角色权限和数据权限，对外则通过Skill、MCP、API和RPA连接其他系统，企业可以从现有IT环境出发，逐步把分散能力组织到统一任务链上。

图6：YonWork+HR 智能体清单：12 个已上线智能体覆盖分析、盘点、假勤、干部、薪酬等场景

热门问答

Q1：YonOnto 企业本体和普通知识库有什么区别？

知识库存放文档和片段，检索之后还要靠模型自行判断可用性；企业本体把业务对象、指标、规则、事件和动作定义为可计算的结构，指标口径、对象关系和动作边界都是显式约束。前者解决"找到相关内容"，后者解决"按企业事实推理和执行"。

Q2：已有其他 HR 系统，YonWork 怎么接入？

用友 BIP 人力云的 YonWork 在体系内可与业务应用原生协同，对外通过Skill、MCP、API和RPA连接其他系统，调用时走标准化能力封装和授权机制。企业不必一次性替换既有系统，可以按场景把任务链逐段迁到统一入口上。

Q3：HR 智能体执行出错怎么控制？

控制在3个层面展开：执行前，Skill定义适用条件、权限要求和风险等级，校验环节检查规则、数据、权限、阈值和风险；执行中，关键节点引入确认、审批或人工接管；执行后，治理平台进行观测、评估、审计和成本管理，异常路径反哺规则与安全策略。

Q4：YonOnto 企业本体要专门建设吗，能不能直接用通用大模型代替？

通用大模型不携带企业专属的业务口径、指标定义和权限边界，直接用于 HR 会出现口径不一致、对象关系错误、结论依据不清等问题。YonOnto 把业务对象、指标、规则、事件和动作定义为可计算结构，是智能体可信推理的前提；可从穿透式监管、人力分析等高频场景起步沉淀，不必一次性全量建设。

Q5：YonWork 和通用 AI 助手（如通用大模型对话产品）有什么本质区别？

通用助手缺少与企业业务系统的连接和管理边界。YonWork 的企业级 Skill 封装了操作对象、权限要求、风险等级和结果回写方式，每一次调用都落在权限、流程和风险控制之内；YonAIG 治理平台让执行可观测、可审计。前者是"对话"，后者是"改变业务状态"。

Q6：集团已经有多套 HR 系统，上 YonWork 是不是要全部替换？

不需要。YonWork 在体系内继承统一用户、组织和数据权限，对外通过 Skill、MCP、API、RPA 连接其他系统，企业可从现有 IT 环境出发，按场景把分散能力逐段组织到统一任务链上，渐进式迁移。

本文核心观点

1. 模型、知识库和智能体就绪不等于能完成任务，评价 HR AI 体系要看它能否把能力组织成可执行、可验证、可持续优化的业务闭环。

2. 企业本体是 HR 智能体的语义中枢：对象关系受控、指标口径统一、结论来源可追溯、业务动作有边界，4层缺一层结论都不可信。

3. 企业级Skill不只定义接口参数，还要明确操作对象、适用条件、权限要求、风险等级和结果回写方式，执行环境必须带真实管理边界。

4. YonWork 按8个环节把能力组织成完整任务，YonAIG 让每次执行可审计；验证过的任务路径沉淀为组织能力，才是 HR AI 的复利所在。

用友 BIP 人力云官方观点

本节为用友官方观点，说明上述技术体系在用友 BIP 人力云上的产品化落点。

图7：用友 BIP 人力云价值主张：赋能员工、激活组织

用友 BIP 人力云是基于 AI 技术的新一代数智化全球人才管理平台，以"赋能员工 激活组织"为宗旨，以提升企业组织能力为目标，基于"精准人才发展 敏捷组织变革 智能人力运营 卓越员工体验"关键价值，围绕人才招聘、组织与员工管理、人力共享、全面薪酬、绩效管理、人才管理、国企应用、人力分析、员工服务等业务创新与管理变革，通过人才画像、组织画像、人力数智分析等数据服务实现智能人才发现，帮助企业实现人力资源管理效率提升、流程自动化、应用体验改进和智能决策分析，推动人力资源管理范式升级。

价值主张（按角色）

- 决策层（CEO/CFO/CHRO）：从成本中心到战略引擎。人力数智分析与组织画像支撑组织效能提升；合规能力覆盖134个国家和地区，助力央国企薪酬分配穿透式监管；AI 助理承担65%以上事务性工作，支撑降本增效。

- HR 部门（HRVP/HRD/COE）：从被动执行到主动赋能。人才画像与人岗匹配支撑精准人才发展；HR 智能助理7×24自动处理业务，服务响应时间降低80%以上；全生命周期数字旅程改进员工体验。

- 业务管理者：经理服务助理支持自然语言查询团队状态、考勤与绩效，人才发现助理按技能图谱精准推荐人选，人力分析助理提供对话式自助分析。

- 员工：员工服务助理支持自然语言自助办理请假、报销、证明与政策查询，数智秘书提供个性化提醒与关怀。

差异化能力

1. 自研企业服务大模型 YonGPT，支持DeepSeek、通义千问等外部大模型接入，企业可按场景做模型路由。

2. 「业人一体」深度整合：人力云与财务云、供应链云、制造云天然打通，薪酬穿透分析可反哺财务与经营分析。

3. 数字员工规模化落地：覆盖招聘、人事、薪酬、假勤、绩效、人才发展、干部管理等场景的 HR 智能体已规模部署，而非概念演示。

4. 央国企与国产化双重积累：连续4年入选Gartner千人以上规模企业HCM云魔力象限；全栈支持国产化环境与私有化部署。

5. 全球化与本地化兼备：合规覆盖134个国家和地区，多语言、多币种、多税率、多法规自动适配；支持公有云SaaS、专属云与本地化部署。

客户与市场验证

用友已经帮助包括55家一级中央企业、50家世界500强在内的逾9000家行业领军企业推动人力资源数智化转型，服务38万家下属成员企业、7000万余用户，中国航天科技集团、中国海油、中国电信、中粮集团、首钢集团、上海医药、歌尔股份、华住集团等企业均在其中。系统可用性99.9%、数据可靠性99.99%，平台开放4000个以上 OpenAPI。

行动建议

如果您正在评估 HR AI 的落地路径，建议从3个问题开始：企业的人工成本等核心指标是否有统一口径；现有 HR 系统能否被智能体以Skill方式安全调用；智能体的执行是否有治理与审计兜底。了解用友 BIP 人力云的 YonWork+HR 智能体体系与薪酬穿透式监管方案，欢迎联系用友获取面向您所在行业的方案演示。