融資1500萬美金，打造了一個AI HR通才，還專門搞了一個垂直模型

你有沒有想過，HR 這個行業可能正在經歷一場徹底的革命？當其他行業還在討論如何讓 AI 更好地"輔助"工作時，有一家名為 Wisq 的公司已經創造出了世界上第一個專門為 HR 領域訓練的大語言模型 HRLM，以及第一個真正意義上的 AI HR 專員 Harper。最近，他們剛剛完成了 1500 萬美元的融資，準備加速推進他們所謂的"HR Agentic 時代"。這不是簡單的工具升級，而是一次徹底的范式轉變。

深入研究 Wisq 的做法后，發現他們正在重新定義對 HR 工作本質的理解：從傳統的"處理事務"轉向"解決問題"，從"響應需求"轉向"預測并主動干預"，最重要的是，從"更多的自動化"轉向"更多的人性化"。傳統 HR 部門面臨的問題其實很矛盾：一方面，他們被大量重復性、事務性工作淹沒，沒有時間專注于真正重要的戰略性人力資源工作；另一方面，HR 工作又極其需要人性化的判斷和情感智能，不能簡單地用傳統自動化工具替代。

Wisq 的解決方案展現出不同的思路，因為他們沒有試圖用通用 AI 工具來解決 HR 問題，而是專門為 HR 這個領域構建了一套完整的 AI 系統。從 Wisq CEO Jim Barnett 的話中，可以聽到一個非常清晰的愿景："HR 的未來不是聊天機器人，而是一個真正的同事。"我覺得這句話準確地描述了我們真正需要的 AI 伙伴關系模式。

為什么現在需要專門的 HR AI

很多企業在嘗試用 ChatGPT 或 Claude 這樣的通用 AI 工具來解決 HR 問題時，往往效果并不理想。原因很簡單：HR 領域有著極其復雜的法規環境、政策要求和情境判斷需求，而這些恰恰是通用 AI 模型的弱點。Wisq 團隊在構建 HRLM 時總結了幾個關鍵的時機因素。HR 決策往往需要同時解讀聯邦和州的重疊法規，同時還要考慮公司政策和先例。很容易遺漏關鍵細節或錯誤判斷適用性。現有的大語言模型在這些高風險場景中并不可靠。通用 AI 模型雖然能力強大，但它們主要在數學、代碼和一般網絡內容上訓練，并沒有針對政策密集、合規敏感的領域如 HR 進行優化，因此在這類場景中的幻覺問題比能容忍的要嚴重得多。

成本和效率的平衡也是一個重要考量。像 OpenAI 的 o 系列推理模型這樣的頂級模型確實能提供不錯的結果，但成本和延遲使它們對企業級 HR 運營來說不切實際，甚至令人望而卻步。一些大企業在嘗試使用這些高端模型處理 HR 查詢時，每月的 API 費用就高達數萬美元，而響應時間經常需要幾十秒甚至幾分鐘。這種體驗對于需要快速響應員工需求的 HR 部門來說是不可接受的。改變的契機在于開源模型的成熟。開源模型與商業模型之間的差距已經顯著縮小。通過正確的調優，開源模型現在可以以成本的一小部分提供接近的性能。根據斯坦福的一份報告，開放權重模型正在縮小與封閉模型的差距，在一年內將某些基準測試的性能差異從 8% 減少到僅 1.7%。

Wisq 采用的技術方法被稱為"蒸餾"，這是一種讓較大、更復雜的"教師"模型將知識傳遞給較小、更高效的"學生"模型的技術。更關鍵的是，他們開發了專有的"測試時計算算法"，可以優化模型實時推理的方式。研究表明，這種方法可以讓較小的模型在某些任務上超越明顯更大的模型。谷歌 DeepMind 的研究人員在 2024 年的一篇論文中寫道："在較小基礎模型達到某種程度非平凡成功率的問題上，測試時計算可以用來超越 14 倍更大的模型。"使用他們的 Hurdle 基準作為標準，Wisq 訓練 HRLM 像頂級模型一樣推理，而不需要大量的數據收集和巨額的基礎設施費用。最近的研究表明，"僅使用 1,000 個樣本進行下一個標記預測訓練，并通過一種簡單的測試時技術（稱為預算強制）控制思考持續時間，就能產生一個強大的推理模型，其性能隨著更多測試時計算而擴展。"我認為這是一個強烈的信號，表明通過將智能微調與定制測試時計算算法配對，能夠獲得與更大（也更昂貴）模型相媲美的性能。

Harper：不只是工具，而是團隊成員

當了解 Harper 這個 AI HR 專員時，她的定位非常打動人。Wisq 沒有把她定義為一個"工具"或"助手"，而是明確地稱她為"同事"和"團隊成員"。這種定位背后體現的是對 AI-人類協作的深刻理解。Jim Barnett 在一次訪談中說："希望 Harper 讓人感覺平易近人。她不是人類，但她是一個數字隊友，在未來，都將與人類和數字隊友一起工作。"通過給 AI 一個名字和人格，Wisq 幫助組織讓向 AI 的轉變感覺更自然、更人性化。有兩個主要原因讓他們選擇給 Harper 一個名字和形象：希望 Harper 變得平易近人，讓人們把 Harper 當作隊友來思考，因為她就是——她是一個 AI 隊友；希望人們能夠更容易地理解 Harper 能為他們做什么。相比于發送一長串功能列表，如果說"Harper 是一個 AI HR 專員"，人們就能立即理解 Harper 可以為他們做所有這些事情。

Harper 目前具備的能力令人印象深刻。她在員工啟用方面具有技能，可以回答 80% 的 HR 信息請求。她可以指導團隊如何發展和成長，處理各種情況。她能處理政策自動化和政策合規。當提到"政策自動化和政策合規"時，指的是考勤問題、請假申請、績效改進計劃等 HR 團隊花費大量時間手動創建和重復操作的任務。Harper 可以自動化這些工作，把這些重復性任務從 HR 專員的工作清單中移除。她還可以增強項目，FICO 是 Wisq 的一個重要客戶，他們使用 Harper 來增強績效管理程序。當人們今天寫評估時，Harper 與寫評估的個人并肩坐著，幫助他們寫出更好的績效評估。另一個例子是，當人們寫季度目標時，由于 FICO 恰好使用 SMART 目標方法來創建目標，Harper 實際上可以幫助人們寫目標，然后在目標不夠具體、沒有時間限制或不可衡量的地方提出建議。

一個制造業客戶的案例特別值得深入分析。這家大型制造公司告訴 Wisq，他們 85% 的 HR 專員時間都花在兩個領域：考勤和安全。他們詢問是否可以構建一個工作流程來自動化大量管理者的考勤問題。Wisq 實現了這一點，自動化了該工作流程。今天，管理者遇到考勤問題時會找 Wisq，Wisq 會引導他們完成該過程。發現的情況是，接近 50% 的情況下，Harper 可以直接幫助管理者自行解決問題，不需要 HR 干預。比如可能是某人第一次遲到，或者他們遲到了兩次但從未有過任何口頭警告或口頭討論。在大約一半的情況下，Harper 可以通過告訴他們還不需要任何 HR 糾正措施來處理，并指導管理者他們可以或需要做什么。但在另外 50% 的情況下，確實存在問題，需要某種形式的 HR 糾正措施。Harper 會帶領管理者完成填寫表格的過程，自動填充她能填充的內容，然后管理者將其提交給 HR 進行審查。這種方式保持了人類在關鍵決策環節的參與，同時將 80% 的考勤時間從他們的工作中移除，并且可以在員工關系團隊可能無法工作的非工作時間處理這些問題。我認為這種"在工作流程中的智能輔助"正是 AI 應該發揮作用的方式。

HRLM：專為 HR 打造的推理引擎

Wisq 推出的 HRLM（HR Language Model）代表了垂直領域 AI 的巨大潛力。這不僅僅是在通用模型基礎上做一些微調，而是從根本上重新思考了 HR 場景下的 AI 推理方式。他們創建的 Hurdle 基準測試系統特別值得關注，這是業界首個專門為測試和改進 HR 真實場景性能而設計的基準，特別是那些需要法規熟練度和情境判斷的場景。基準測試是衡量和改進模型性能的方式，但現有的"推理"基準主要關注數學和編碼。它們也為可驗證任務提供基礎——有明確正確答案的問題——這對于訓練推理模型在特定領域表現良好至關重要。但現有基準并不反映 HR 的真實挑戰。所以他們構建了 Hurdle，這是一個植根于 HR 特定任務的監管能力基準，如請假資格、工作場所住宿和政策解釋。

Hurdle 1.0 專注于與聯邦和州法規相關的 HR 問題。Hurdle 中的每個問題都反映了 SHRM 或 HRCI 等認證考試的格式，通過測試模型應用相關法律和政策的能力的場景。在 Hurdle 基準測試上，HRLM 的表現優于許多通用模型，能夠以 1/60 的成本提供與領先推理大語言模型相當的準確性。他們評估了每個主要大語言模型，為了生成可信的結果，基準測試套件被設計為滿足關鍵標準，包括有效性、復雜性和一致性。發現 HRLM 與那些大 100 多倍的模型性能相匹配，證明了通過正確的訓練數據和測試時策略，不需要大規模基礎設施就能達到最先進的結果。

從準確性角度來看，一個自然的問題是：這個模型在整體質量方面與高端模型相比如何？雖然一些模型在原始準確性方面可能略有優勢，但 HRLM 在整體性能上超越了它們——在最重要的地方提供更快、更具成本效益和上下文感知的結果。實際上，這種權衡是值得的。雖然頂級商業模型的得分在 HRLM 性能的誤差范圍內，但由于其約 60 倍的高成本，它們是不切實際的。對于大多數 HR 工作流程，HRLM 提供了所需的精度，而沒有高昂的價格標簽或性能滯后。Wisq 在不斷改進 HRLM。內部測試顯示，HRLM 與 OpenAI、Anthropic 等公司的領先推理模型相當，在許多情況下，由于定制訓練數據和測試時推理算法，更適合 HR 特定推理，這些算法管理模型如何高效和有效地"思考"并提供正確答案。我認為這種專業化的方法確保了 AI 不僅僅是通用智能的應用，而是真正理解 HR 領域特殊需求的專業工具。

重新定義 HR 服務模式

傳統的 HR 服務模式存在根本性缺陷。大多數 HR 團隊仍然依賴分層服務交付模式，但這種模式正在顯露裂痕。Jim 在訪談中解釋得很清楚："問題是，金字塔往往是顛倒的。員工行為沒有改變；工單仍然涌向 HR。零級任務被推到一級。那種傳統模式效果不好。"這種觀察擊中了要害，因為它揭示了 HR 部門長期以來面臨的核心困境。傳統的四層服務模式理論上應該是這樣的：零級應該是所有自助服務，通常是知識庫或某種問答系統，應該處理員工的所有自助服務、較低級別的需求。一級是第一道防線，有人類 HR 專員或 HR 協調員回答通常是事務性的事情，但它們往往是相當重復的事情，如考勤問題、請假問題、績效問題等。然后二級是專家，如薪酬、招聘、國際問題、稅務問題，三級是更戰略性的領域，比如 HR 業務伙伴會關注的領域。

但現實情況是，大部分 HR 專業人員的時間，特別是他們的 HR 專員、HR 協調員，實際上都花在了本應該是零級的工作上。員工行為沒有改變，也許現在他們去工單系統，但工單系統所做的只是將相同數量的問題路由到 HR 團隊。很多本應該是零級的工作都移到了一級。由于效率方面的所有問題，傳統模式實際上效果不佳。AI 正在幫助改變這種狀況。通過 Harper，Wisq 的 AI HR 專員，公司正在自動解決高達 80% 的員工請求。結果是：HR 團隊壓力減少，服務模式最終按預期方式運行。Wisq 對此有一個非常不同的觀點，即今天這種情況如何改變，以及如何轉變 HR 的運營方式并自動化大量 HR 服務交付。零級現在應該是 AI 驅動的自助服務，實際上現在可以使用 AI 回答 80% 的員工請求。一級也應該是 AI 優先的，不是僅有 AI，而是 AI 優先，現在可以在政策合規等方面消除 80% 或 90% 的工作。二級也應該是 AI 優先，三級應該是 AI 增強的。

這種變化也反映在員工對 AI 服務的接受度上。Jim 分享了一個令人印象深刻的數據："實際上他們更信任 AI 來回答他們的問題，而不是信任人類。人們實際上害怕去找 HR 談論很多話題，令人震驚的是，在某些領域，他們實際上更信任 AI 而不是人類。"這種現象背后的原因值得深思：員工可能擔心向 HR 提問會影響他們的職業發展，或者擔心被貼上"問題員工"的標簽。AI 提供了一種安全、私密的咨詢渠道，讓員工可以自由地尋求幫助而不用擔心后果。我覺得這種轉變的意義遠不止提高效率，它實際上是在重新定義 HR 專業人員的價值定位。當重復性、程序性的工作被自動化后，HR 專業人員可以真正專注于那些需要人類智慧、情感智能和戰略思維的工作。

AI First 但更加人性化的未來

Wisq 提出的"AI First & Deeply Human"理念值得深思。這不是一個矛盾的概念，而是對未來工作方式的深刻洞察。當仔細分析 Harper 的工作方式時，發現她實際上是在創造更多有意義的人際連接空間，而不是減少這種連接。Jim 在訪談中說："AI 應該處理機械化的工作，為有意義的人際連接創造更多空間。"這種理念在具體的應用場景中體現得非常明顯。比如在績效管理方面，有一個很好的例子：假設有人即將為某個員工寫績效評估，他們準備給那個員工一個"符合要求"的評級。但實際上 30 天前，這個人曾與 Harper 談論過他們對這名員工的所有問題。當他們開始寫績效評估，給出"符合要求"評級時，Harper 會對他們說："嘿，等一下。看到你計劃給這個人'符合要求'的評級，但你是否忘記了 30 天前實際上有過一次對話，你表達了對這個人能否勝任工作的真正擔憂？"這是 AI 可以開始在問題變成更大問題之前在上游解決問題的例子。

這種預防性干預代表了 HR AI 的一個重要發展方向。不僅僅是響應問題，而是主動識別和預防問題。這種能力要求 AI 系統具備深度的記憶和上下文理解能力，這正是 Wisq 在 HRLM 中重點開發的功能。文檔并不是處理人員問題的細微差別和復雜性所需要的全部。HR 專業人員需要整合上下文、記憶、對話和工作歷史。Wisq 的平臺將這些對話元素與公司文檔結合起來，提供即時、準確和一致的解決方案。這種綜合性的記憶和上下文整合能力是傳統 HR 系統無法提供的。在安全和合規方面，Wisq 的做法也令人印象深刻。他們的 AI 平臺具有復雜的、可定制的防護欄，確保 HR 政策和流程得到精確遵循。Wisq 的防護欄與組織特定的 HR 框架和合規要求深度整合。這允許 HR 團隊為 AI 交互定義細致的邊界，同時保持與員工自然、上下文感知的對話。

當情況需要人類判斷或專業知識時，Wisq 的智能分流系統會自動將案例升級給合適的 HR 團隊成員。這種復雜的方法確保常規事務得到自主處理，而敏感或復雜的案例得到適當級別的人類關注，使 HR 團隊能夠更具戰略性和效率地運營。這種設計體現了對人機協作深層次的理解：不是要用 AI 替代人類判斷，而是要用 AI 增強人類的判斷能力，讓人類專業人員能夠將注意力集中在最需要人類技能的地方。我認為從更深層次來說，這種模式正在重新定義"專業性"的含義：在 AI 時代，專業人員的價值不再是掌握大量程序性知識，而是擁有判斷力、創造力和人際交往能力。

技術架構背后的深層思考

深入研究 Wisq 的技術架構后，發現他們的方法遠比表面看起來更加復雜和深思熟慮。他們不僅僅是在做檢索增強生成（RAG），而是構建了專有的推理和工作流引擎。檢索增強生成（RAG）并不是 AI agent 的萬能解決方案。即使是啟用 RAG 的解決方案也會自由地產生幻覺。HR 的 AI agent 解決方案需要嚴謹性。即使是啟用 RAG 的高級推理大語言模型也會誤解 HR 文檔的含義，并在這些防護欄之外產生幻覺，因此在壓力測試時無法執行 HR 任務。通過 Wisq，即使是最復雜的問題也能快速輕松地處理。創建 HRLM 是對 HR 未來的承諾，一個 AI agent 快速、準確且有根據的未來。他們知道 HR 領導者很重要的是，他們的技術理解他們每天面對的細微差別和法規。這就是為什么 HRLM 具有領域意識且深度可信，因此 HR 領導者可以在重要時刻依賴它。

他們專有的方法結合了微調和對模型如何處理和輸出答案的高級控制。這不僅僅是訓練，而是編排。這就是使他們能夠在大量、高風險的 HR 任務中提供智能、具有成本效益的結果的原因。Wisq 的解決方案將企業安全和可信度作為第一天就內置的核心要素。他們提供完全的可觀察性，讓團隊對 Harper 的活動有完全的監督，實時洞察 HR 交互。可定制的防護欄確保 Harper 始終保持主題相關，并將敏感話題標記給 HR 進行審查。數據治理方面，客戶數據安全存儲，只有該公司可以訪問，絕不會暴露給其他客戶。角色和權限系統確保 Harper 遵守公司的政策和安全程序，具有特定的訪問權限和權限設置。這種全面的安全架構反映了對企業級 AI 部署的深刻理解，認識到在 HR 這樣的敏感領域，技術能力必須與嚴格的安全和合規要求相平衡。

從性能數據來看，結果令人印象深刻。對于擁有 10,000 名員工、HR 與員工比例為 1:100 的公司，Wisq 每年可節省 350 萬美元的 HR 成本。Harper 能正確回答 94% 的 SHRM-CP 考試問題，比及格率高出 20-30 分，而且回答速度快 12 倍。Harper 被稱為"像認證一樣好"。Harper 的平均響應時間不到 8 秒，為企業提供近乎即時的服務。僅在政策管理方面，每個 HR 團隊成員每月就能節省 35 小時以上的時間，通過 Harper 自動化政策合規任務。這些數字不僅僅是效率提升，更代表了 HR 工作方式的根本性轉變。當 AI 能夠處理大量程序性工作時，人類專業人員就能夠專注于需要創造力、判斷力和人際技能的工作。我認為這種變化正在重新定義 HR 專業人員的角色，從"政策執行者"轉變為"人力資源戰略家"。

變革的速度與必然性

當思考 Wisq 和 Harper 代表的趨勢時，看到的不僅僅是 HR 行業的變化，而是整個知識工作的未來方向。Jim 在談到變化速度時的一句話特別觸動人："這種趨勢發生得比職業生涯中經歷的任何趨勢都要快得多。六個月前聽到的反對意見正在消失，今天幾乎所有 HR 團隊都意識到這是一個必須做的事情——要么將 AI 引入團隊和工作中，要么替代者會這樣做。"這種緊迫感反映了一個更深層的現實：正處在工作方式的歷史性轉折點。但與以往的技術革命不同，這次的變化不是要取代人類，而是要增強人類的能力。Jim 說："等待完美解決方案或更多明確性不是一個可行的策略。現在采取行動的 HR 領導者有機會塑造 AI 在其組織中的使用方式。這不是一種過時的趨勢，它比職業生涯中見過的任何東西都發展得更快。你不能等找到'更好'的火車；你需要現在就上車。"

關于角色轉變的問題，Jim 有很清晰的表述："毫無疑問，角色將會轉變——一些職責可能會被吸收，但其他職責會得到增強。AI 釋放人們專注于創造性、以人為中心的戰略工作，他們真正想做的事情。今天會出現無法想象的新角色。這對每個工作都是一個戲劇性的轉變，不僅僅是 HR。"對未來 HR 組織的描述也很有啟發性："你將看到由數字和人類隊友組成的團隊，最有效的人類隊友將是精通 AI 的。"這不是關于人類 vs AI 的競爭，而是關于人類 + AI 的協作。在這種協作中，AI 處理那些可以標準化、程序化的工作，而人類專注于需要創造力、情感智能和復雜判斷的工作。Jim 進一步闡述："我認為所有人都需要變得更加精通 AI 和更加技術化。不是高度技術化，因為模型正在快速改進。一年前，你必須在如何提示方面非常復雜，今天你可以對如何操作更加隨意。但我看到一整代精通 AI 的 HR 人類隊友，他們每天、每小時都在使用 AI。他們甚至不認為這與上一代不使用計算機有什么不同——他們不會感知 AI 與軟件的不同，這只是他們所做的。"

入門級角色的變化也值得關注。Jim 的觀點是："入門級角色不會消失，那是下一代優秀 HR 領導者。只是他們將要做的事情將更具創造性、重復性更少、更具戰略性。"這種觀點提供了一個積極的、以人為中心的技術發展愿景。年輕的 HR 專業人員不需要擔心被 AI 取代，而是需要學會與 AI 協作，利用 AI 處理程序性工作，自己專注于需要人類獨特技能的領域。這種變化要求 HR 專業人員不斷學習和適應，培養與 AI 協作的能力，就像過去幾代人學會使用計算機和互聯網一樣。

在實際部署方面，Wisq 展現出對企業實際需求的深度理解。他們在向企業推廣時強調的投資回報率非常具有說服力。現實是，對于那些掌握資金的人來說，他們實際上會為公司節省大量資金。許多客戶在考慮引入 Harper 時，首先想到的是改善服務效果，即如何改善員工體驗。但第二件事他們談論的是如何提高效率。現實是，他們經常會查看今天空缺的 HR 專員職位，意識到如果他們有 10 個空缺的 HR 專員職位，他們可以減少其中的兩個并完全支付系統費用。因此，從投資回報率的角度來看，Harper 這樣的系統應該是對金融團隊和執行團隊相當容易的銷售。在組織入職方面，團隊今天知道如何使用 AI，大多數人都在使用 OpenAI、Claude、Gemini，它只是從 60%、70%、80% 到 95% 的所有員工的時間問題。因此，在使用 Harper 方面幾乎沒有提升成本——他們只需去他們目前工作的地方，無論是電子郵件、Teams 還是 Slack，都可以向 Harper 詢問任何問題，Harper 將找出如何幫助他們。

AI 與人性化工作的平衡也是一個重要考量。當被問及如何避免過度自動化 HR 功能時，Jim 的回答很有見地："如果我們將其去人性化，我們就過度自動化了。我認為我們可以自動化它，同時保持深度人性化。這是 Wisq 內部的座右銘之一——HR 應該始終深度人性化，但它也可以是自動化的。我們如何在這兩者之間找到平衡？我們如何讓人們能夠將時間花在深度人性化的事情上——指導、咨詢、支持、指導？這就是我們真正希望人類繼續做的事情。"我覺得這種觀點非常重要，因為它提供了一個清晰的指導原則：自動化應該服務于人性化，而不是取代人性化。

反饋和質量控制機制也展現了 Wisq 對企業級應用的深度考慮。他們以多種方式監控 Harper 的表現和結果。一種方式是系統指標或評估評分，監控 Harper 的相關性，以確保她以正確的方式回答問題，他們在數百個測試中運行這些測試，為每個公司確保準確性。公司衡量 Harper 質量的第二種方式是未升級或不導致工單的對話百分比，他們相信隨著時間的推移，Harper 應該能夠回答 80% 的員工問題或問題。第三件事是，與 Harper 的每次對話都有給出反饋的能力——贊成、反對或報告問題。因此，他們在產品中有廣泛的報告。最后，公司給員工進行 NPS 調查，詢問對 Harper 的滿意度，到目前為止，分數都非常高。我認為這種多維度的質量監控體系確保了 AI 系統能夠持續改進，同時保持高標準的服務質量。

對垂直 AI 未來的深層洞察

從更宏觀的角度看，Wisq 的成功預示著垂直 AI 的興起。與其試圖用一個通用 AI 解決所有問題，不如為特定領域構建專門的 AI 系統。這種方法不僅在技術上更有效，也更符合實際業務需求。每個行業、每個職能領域都有其獨特的知識體系、工作流程和判斷標準，專門化的 AI 能夠更好地理解和適應這些特殊性。HR 領域有著特殊的挑戰：每個決定都關乎人的生活，錯誤的判斷可能導致法律風險或員工關系問題。這種高風險性要求 AI 系統不僅要準確，還要能夠解釋其推理過程，并在不確定時尋求人類指導。

Wisq 在 HR 領域的成功驗證了一個重要趨勢：未來的 AI 發展將更多地朝著專業化、垂直化方向發展，而不是追求單一的"超級AI"。這種趨勢的背后有著深層的技術和商業邏輯。技術上，專業化的 AI 能夠在特定領域達到更高的準確性和可靠性，因為它們可以利用領域特定的知識和推理模式。商業上，專業化的 AI 能夠更好地滿足企業的實際需求，提供更加精準和有效的解決方案。

展望未來，我相信會看到更多像 HRLM 這樣的垂直領域大語言模型出現。金融行業需要理解復雜金融法規和風險管理的 AI，法律行業需要能夠解讀法律條文和判例的 AI，醫療行業需要具備醫學知識和診斷能力的 AI，教育行業需要理解學習理論和教學方法的 AI。每個專業領域都有其獨特的知識結構、操作流程和判斷標準，通用 AI 很難同時在所有這些領域都表現出色。

這種垂直化趨勢還將推動 AI 技術架構的演進。傳統的大而全的模型將逐漸讓位于小而精的專業模型，這些專業模型不僅在性能上更優，在成本和部署方面也更有優勢。Wisq 的 HRLM 就是這種趨勢的早期典型代表：它雖然比通用模型小，但在 HR 特定任務上的表現卻超過了那些大 100 倍的通用模型。

而這些專業 AI 的出現，將真正釋放人類專業人員的創造潛力，讓他們能夠專注于那些最需要人類獨特技能的工作。在 HR 領域，這意味著 HR 專業人員將從重復性的政策解讀和流程執行中解放出來，轉而專注于組織文化建設、人才發展策略、員工關懷和復雜的人際關系處理。我認為這種轉變不僅提高了工作效率，更重要的是，它讓專業工作重新回歸到其本來的價值：運用人類的智慧、創造力和情感智能來解決復雜問題，創造更好的工作環境和人際關系。

Wisq 在 HR 領域的探索，可能只是這場更大變革的開始。當越來越多的垂直 AI 系統成熟并廣泛應用時，我們將看到知識工作的根本性重構：人類專業人員與專業 AI 的深度協作將成為新的工作常態，而這種協作模式將釋放出前所未有的創新潛力和生產力。這不是人類被機器取代的故事，而是人類與機器協作，共同創造更美好未來的故事。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。