“懂业务”不是背下工序名词,而是能判断业务结果的好坏、分清主次,并对结果负责;对 HR 来说,就是能把招聘、绩效、组织设计等动作和业务成败连起来。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
懂业务是能判断和收口,不是知道名词
立正转述过一位访谈嘉宾的判断:AI 能完成大部分执行工作,但最后那一点仍要由懂行的人判断对错、修正并负责,没有领域深度就收不了口1。这个标准放到 HR 身上,不是能说出 PCB 有几道工序,而是能判断某道工序缺人、某类岗位流失、某个绩效方案会怎样影响产出。面试官问工序,真正想听的是你能不能把人和这条产线连起来。立正也提到,面对新信息时能快速抓住结构、分清主次、把经验转成行动,比复述概念更说明问题2。
从“会不会”换成“能不能”来练
AI推演立正讲过一个视角:心里问“我会不会”的人,往往等别人把题目出清楚;问“我能不能”的人,会自己定义问题、拆解、借资源、做决策、纠偏并对结果上心3。你列的那四个问题方向是对的,但还停在“了解公司”的层面。可以改成能验证的版本:比如针对 PCB 面试,先自己判断这家厂最可能卡在良率、交期还是招工,再想 HR 的哪个动作能影响它,然后去问面试官或内部人验证。答错也没关系,能说出判断依据和修正方向,比背流程更像懂业务。
跨行业时,可迁移的是判断方式
汽车零部件和 PCB 的工序不同,但“哪道工序最关键、瓶颈在哪、人怎么配”这类问题是相通的。立正提到,开放性问题没有标准答案,重点是一步步沟通、弄清它到底为了做什么、行动是什么,再据此取舍4。面试里被问工序,可以先承认自己没做过这个行业,再说明你会怎么在入职后快速定位关键工序和人员风险。这展示的是学习与判断路径,不是假装内行。
现有材料没有专门讲 HR 如何定义“懂业务”,以上是把面试与判断类内容迁移到 HR 情境的推演;关于 HRBP 的那期片段不足以支撑具体结论。
出处
- 1AI时代,找工作和创业的有效方法|Jobright联创/CTO Ethan对话
核对“懂业务等于能判断、能收口”这一标准,以及没有领域深度为何收不了口。
- 2正确的学习方法比大家想象中稀缺很多,那我们如何筛选人才?
核对面试中如何看一个人抓结构、分主次、把经验转成行动。
- 3AI时代的真本事:穿透不确定性的六个能力
核对“会不会”与“能不能”的视角,以及定义问题、拆解、决策、纠偏这组能力。
- 4开放式问题怎么答?Product Sense面试最常犯的错误
核对开放性问题的答法:先弄清目的和行动,再做取舍。
追问2026年10月23日
AI 时代 HR 哪些动作更容易被替代,哪些更难?
容易被替代的是信息搬运、流程维护和纯执行类动作;更难替代的是定义问题、设定约束、判断结果、建立信任并对结果负责的动作。
越靠近信息搬运,越先被压缩
材料里的观点立正把白领工作中大量内容概括为“信息的搬砖”:汇总、转述、整理、按既定流程推进,本身不产生新的判断,只是降低信息成本,这类动作最容易被 AI 接住1。落到 HR,简历初筛、面试安排、考勤薪酬核算、周报月报汇总、政策条文检索、常规培训材料制作,都更接近这一层。另一篇讲大公司冲击的文章也把周报月报汇总、会议纪要链条、不拥有真实交付物的“对齐”型项目管理、只做文档和状态汇报的岗位列为最先被挤压的对象,并指出它们不一定立刻消失,可能先变成更快地生产更多低价值产出2。所以判断一个 HR 动作是否危险,可以问:它交付的是信息本身,还是基于信息做出的取舍。
难替代的是判断、约束和担责
AI 让“生成”变便宜之后,稀缺性转移到三处:定义要解决什么问题、设定合规与风控等边界条件、评估和验收结果是否正确2。立正在访谈里也总结过,单一技能的可替代性在提高,越靠近业务结果、越能对结果负责的人越难被取代,因为最后仍需要有人做决定、把事做成3。对 HR 来说,这对应的是:判断某个岗位到底该招什么样的人、设计绩效标准并承担它是否合理的后果、处理裁员和冲突中的人际信任、在合规与业务压力之间划线。这些动作的共同点是需要有人签字、有人承担后果,而不只是产出一份文件。
把动作按“谁做决定”重新排一遍
AI推演可以拿你手上最近一周的任务做一次粗分:哪些是别人已经定好规则、你只负责执行和传递的,哪些是你要自己判断标准、并在判断错时承担后果的。前者是优先交给 AI 的部分,后者才是你该投入时间加深的地方。立正提到,真正厉害的人会希望自己已经解决过的问题尽快被标准化、自动化,因为那说明他在往下一个更难的问题走4;反过来,一直守着同一层执行动作,才是被替代的真正原因。这个划分不需要一次做全,先挑一个你反复做、规则清楚的 HR 动作试着交出去,看它出错时你是否还能判断和兜住,就能知道自己在哪一层。
这些材料主要讨论工程师、数据科学和大公司白领岗位,没有专门针对 HR 职能的逐条分析,上面的岗位对应是按其判断框架推演的。
出处
- 1AI取代的是所有白领工作
解释为什么信息搬运型白领工作最先被 AI 接住,是判断 HR 动作风险的基础。
- 2在大公司,AI 到底会不会“真正改变组织”?
直接列出最易被挤压和更可能增强的岗位类型,可对照 HR 的具体动作。
- 3AI Agent 时代的 FDE:把模型能力落到真实业务里
说明靠近业务结果、对结果负责为何更难被替代,含访谈中的相关判断。
- 4Skills写得越多,越不容易被AI取代?
解释被替代的真正原因是停在原地,支撑“主动把执行层交出去”的做法。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 复利和超线性有什么关系?
复利是超线性回报的一种机制:上一轮的积累让下一轮回报更高,回报就不再与投入成正比;但复利不会自动发生,需要地基和持续投入才能兑现。
- 文职工作,比如写剧本之类的会被ai替代吗,特别是还没入职的,也没有自己的一个判断力和积累
写剧本这类文职不会被AI整体抹掉,但“只负责把已有材料写成通顺文字”的那一层会最先被压价;还没入职、判断力没积累,恰恰该从做小东西开始积累,而不是先等想清楚。
- 你有说过很多关于人如何成为超级个体,如何更加 AI native。我们在做事的时候,特别是在企业内做事,在 AI 的时代,可能要思考新的流程、新的方法,要对原本的流程做变革。因为很多事情在以前的生产力的关系,它可能由于成本太高,形成某些共识,潜移默化地影响了做事的方式。到现在很大部分的生产力被解放出来,由 AI 提供,很多问题要重新思考,很多可能之前默认的事情都要被翻出来,重新想要怎么做,这个流程怎么做才合适。所以这里要问很多的"Why?",并且对这个流程做重构。个人成为超级个体和 AI native 组织这两件事情本质上是等价的。因为组织就是由人来构成,在一个超级 AI native 的组织上工作的方式一定有 AI native 的人的行为组成。所以我想了解,之于企业、之于人,在企业中我们的流程、我们的做事方法应该怎么被改变?我们的思考方式应该怎么被改变?AI 的价值在什么地方?除了做事方式之外,还有什么其他是需要配合改变的?例如企业内的奖惩制度、绩效制度等等,这些应该怎么样一起去做变革?
AI 进入企业后,先要删掉那些只为防人、只为验收动作而存在的流程,再谈用 AI 提速;同时把激励改成让减少无效工作的人真正获益,否则流程会重新长回来。
- 课代表在如何获得与能力相称的影响力,这期访谈视频中,提到了不要只去设想把一件事情做完之后获得的成就感,而是要思考在完成这件事情的过程中所获得的,这个说法之前是否在其他视频中提到过?如果有,请列出视频;或者有没有其他的和这个观点一致的内容?
现有片段里没有找到立正此前用同一说法讲过“别只想着做完后的成就感,要看过程中的收获”;最接近的是他讲手艺与mastery时强调在做的过程中获得正反馈,以及课程里主张在项目落地过程中学架构原则。
- 课代表你好,如何要在公司内部host AI 生成的html,如何做更好,希望搜集用户反馈,也需要可以有聊天功能
资料没有直接讲公司内网托管 AI 生成 HTML 的部署方案,但立正做个人主页的经验可以迁移:人定目的、事实边界和品味,AI 负责把它做成能上线的东西,每轮看改动再放行。
- Product case题的时候 是给框架结构更重要 还是找面试官要信息更重要? 比如问题是traffic drop 这时候应该说我会1.2.3.4.列框架一个个validate还是问她有没有更确切的drop这样我直接删除掉一些假设
先问清楚再展开,但问的方式是带着假设去确认,不是空手要答案。Product case考的是解决问题,框架只是帮你抓重点的工具,用错框架比少列几条更糟。