做 HR 分析的同學常遇到：老板臨時問"研發(fā)部人效和流失情況怎么樣"，你要么開 BI 后臺寫 SQL，要么把需求丟給報表團隊排期。最近我按官方操作手冊實際走了一遍用友BIP人力云的人力分析智能體，用自然語言對話替代"提需求—等報表"的老路。本文帶你從加智能體到工作臺，體驗"取數(shù) → 出圖 → 出報告 → 風險診斷"全鏈路，并配系統(tǒng)界面截圖，最后聊它和傳統(tǒng) BI 差在哪、適合誰。
先說結論：對臨時、零散、又要快的人力分析需求，這種對話式入口能把原來以天計的取數(shù)出報告壓到分鐘級；它不是取代 BI，而是補上"前面一公里"——讓不懂 SQL 的經(jīng)理、HRBP 也能自己把數(shù)據(jù)問出來。
一、YonWork簡介
YonWork是一種企業(yè)AI工作臺類騰訊的WorkBuddy，它是用友公司出品的AI應用 超級入口。其核心邏輯是讓AI從信息層進入業(yè)務執(zhí)行層：理解人的目標，打通應用，結合企業(yè)知識、權限、數(shù)據(jù)與流程狀態(tài)進行判斷，再調(diào)用各項能力完成任務，并最終把結果重新寫回業(yè)務系統(tǒng)。
入口——以自然語言對話作為員工與企業(yè)管理系統(tǒng)的統(tǒng)一入口，告別“人找功能”；
中樞——調(diào)取散落的數(shù)據(jù)孤島、銜接流程斷點，讓系統(tǒng)與數(shù)據(jù)真正連接；
大腦——把復雜任務自動拆解、執(zhí)行與追蹤，形成“分析—決策—執(zhí)行—復盤”的行動閉環(huán)┌──────────────────────────────────────────┐
│ 入口層：YonWork 統(tǒng)一自然語言工作入口 │
├──────────────────────────────────────────┤
│ 執(zhí)行層：智能體 + Skills + MCP + OpenAPI │
│ （任務拆解 / 工具調(diào)用 / 狀態(tài)跟蹤） │
├──────────────────────────────────────────┤
│ 能力層：BIP/NCC 業(yè)務能力（對象/字段/規(guī)則/流程）│
├──────────────────────────────────────────┤
│ 底座層：數(shù)據(jù)(YonData) / 本體(YonOnto) / 知識(YonKnow) / 模型 │
├──────────────────────────────────────────┤
│ 治理層：YonAIG（身份/權限/評測/審計/安全） │
└──────────────────────────────────────────┘
置于人力資源領域，圍繞員工、經(jīng)理、HRBP、老板四類角色提供 8 個智能體形成 HR 閉環(huán)。人力分析智能體定位偏"老板視角"：面向 CHO、HRBP、部門管理者做經(jīng)營分析與報告，4 項核心能力——數(shù)據(jù)查詢、圖文報告、圖表生成、風險診斷。
用友BIP人力云圍繞員工、經(jīng)理、HRBP、老板四類角色提供 8 個智能體形成 HR 閉環(huán)。人力分析智能體定位偏"老板視角"：面向 CHO、HRBP、部門管理者做經(jīng)營分析與報告，4 項核心能力——數(shù)據(jù)查詢、圖文報告、圖表生成、風險診斷。
| 智能體 | 核心定位 | 主要能力 |
|---|---|---|
| 人事管理智能體 | 基礎人事數(shù)據(jù)查詢與提醒 | 員工信息、部門人員、人事檔案、合同用工 |
| 假勤管理智能體 | 排班與考勤月結處理 | 排班查詢、智能排班、月報確認、異常催辦 |
| 薪酬管理智能體 | 薪資發(fā)放單與一鍵算薪 | 發(fā)放單查詢、一鍵算薪、異常重試 |
| **人力分析智能體** | **人力經(jīng)營分析與報告** | **數(shù)據(jù)查詢、圖文報告、圖表生成、風險診斷** |
| 員工服務智能體 | 員工 HR 自助服務入口 | 個人信息、考勤自助、工資條、證明中心 |
| 人才發(fā)現(xiàn)智能體 | 人才搜索、畫像與對比 | 標簽找人、以崗找人、人崗匹配、人才畫像 |
| 績效管理智能體 | 績效查詢與面談輔助 | 績效查詢、面談建議、異常預警 |
| 盤點繼任智能體 | 關鍵崗位梯隊與繼任 | 關鍵崗位、人才池、IDP、勝任力查詢 |
二、怎么加到工作臺（初始化配置）
路徑：登錄 YonWork 桌面端 → 左側"能力中心" → 頂部"智能體"標簽 → 找到人力分析智能體卡片 → 點"+"添加。添加后點"新建任務"，在輸入框左下角切換到該智能體即可對話，全程零配置腳本，業(yè)務人員以低代碼思路就能完成接入。
對 IT 人力薄弱的制造業(yè)、零售連鎖、國企集團較友好。
三、核心體驗一：一句話取數(shù)（數(shù)據(jù)查詢）
基于自然語言處理 與語義理解，它把口語問題轉(zhuǎn)成 SQL、自動匹配語義模型，支持 MySQL、PostgreSQL、Oracle、達夢、人大金倉等數(shù)據(jù)庫方言；底層靠意圖識別與實體抽取保證問得準，并通過向量數(shù)據(jù)庫與向量嵌入做語義檢索增強，結合檢索增強生成 （RAG）提升回答的準確率與召回率，再用工作流編排把"取數(shù)—校驗—出數(shù)"串成自動化步驟。
我輸入"全公司在職員工總數(shù)是多少？"返回 2,458 人并標注來源與截止日；再輸入"各部門在職人數(shù)分布"，返回組織樹圖：獨立核算主體 8 個，云領集團 2,348 人占 95.5%，其中集團研發(fā)部 968 人占 39.4%——過去這類需求要 HR 導表再透視，現(xiàn)在一句話出圖。
> 
基于自然語言處理與語義理解，它把口語問題轉(zhuǎn)成 SQL、自動匹配語義模型，支持 MySQL、PostgreSQL、Oracle、達夢、人大金倉等數(shù)據(jù)庫方言；底層靠意圖識別與實體抽取保證問得準，并通過向量數(shù)據(jù)庫與向量嵌入做語義檢索增強，結合檢索增強生成（RAG）提升回答的準確率與召回率，再用工作流編排把"取數(shù)—校驗—出數(shù)"串成自動化步驟。我輸入"全公司在職員工總數(shù)是多少？"返回 2,458 人并標注來源與截止日；再輸入"各部門在職人數(shù)分布"，返回組織樹圖：獨立核算主體 8 個，云領集團 2,348 人占 95.5%，其中集團研發(fā)部 968 人占 39.4%——過去這類需求要 HR 導表再透視，現(xiàn)在一句話出圖。
四、核心體驗二：自動出圖與圖文報告
> 
輸入"分析一下公司的人才結構，生成報告"，基于大模型生成完整 HTML 圖文報告，圖表由實時計算引擎渲染，支持柱狀、折線、餅圖、雷達圖、?；鶊D等 20+ 類型；報告中的人才關系借知識圖譜刻畫，支持低代碼調(diào)整報告模板。核心發(fā)現(xiàn)：在職 2,458 人，云領集團占 95.5%，研發(fā)部 968 人占 39.4%；正式員工 98.2%，平均司齡 2.2 年，1~3 年司齡占 64.3%，呈年輕化高流動；高級及以上占 74.6%，倒三角結構。報告如實指出學歷數(shù)據(jù)缺失 95.7%、建議先完善檔案——不虛構分布，把數(shù)據(jù)缺口也標出來。
五、核心體驗三：風險診斷
輸入"近三個月的人員流失率是多少？"返回 2026 年 6~8 月流動：入職 115、離職 1，流失率 0.04%，并給出口徑（期初約 2,344 人）。風險診斷結合知識圖譜與向量嵌入做人才結構與流動分析，通過分布式計算支撐大規(guī)模人員分析，提升風險識別的準確率與召回率。 
相較于傳統(tǒng)人工盤點約 2 周（336 小時）的周期，對話式入口壓縮到 5 分鐘以內(nèi)——它不是"你問它答"，而是按組織維度主動挑風險點，正是老板視角重點關注的能力。
六、實操踩坑與產(chǎn)品依賴
1. 前置采購：須購 YonWork（云主機或桌面端）+"人力數(shù)智分析"+"智能人才發(fā)現(xiàn)"；
2. 數(shù)據(jù)權限：須具備人員、組織、合同、績效、檔案等權限，返回受賬號權限約束；
3. 不虛構：查不到如實反饋，不編人數(shù)/流失率/成本；
4. 口徑：集團與子公司、期初/期末要先對齊；
5. 它部署在微服務架構上，通過 API 網(wǎng)關 對接數(shù)據(jù)中臺，敏感字段走隱私計算與聯(lián)邦學習脫敏，整體為分布式部署架構，支持模型推理與實時計算；智能體通過工作流編排串聯(lián)取數(shù)、出圖、出報告多步，業(yè)務人員用低代碼即可調(diào)整流程——是"問數(shù)"不是"建數(shù)倉"，底層數(shù)據(jù)質(zhì)量決定天花板。
七、和"傳統(tǒng) BI / 報表開發(fā)"差在哪
| 對比維度 | 傳統(tǒng) BI / 報表開發(fā) | 對話式人力分析智能體 |
|---|---|---|
| 核心能力 | 固定報表與看板 | 自然語言問數(shù) + 自動出圖出報告 |
| 數(shù)據(jù)覆蓋 | 依賴已建模主題表 | 直連 HR 業(yè)務數(shù)據(jù)，語義模型自動匹配 |
| 落地周期 | 約 3 個工作日（72 小時） | 分鐘級（5 分鐘以內(nèi)） |
| 使用成本 | 報表團隊人力 + 開發(fā)量 | 智能體訂閱 + 數(shù)據(jù)準備 |
| 服務支持 | 需 IT 排期 | 業(yè)務人員自助 |
| 適配行業(yè) | 全行業(yè)通用 | 制造 / 零售連鎖 / 國企等集團型組織 |
差異核心不在誰更準，而在誰離業(yè)務更近：相較于傳統(tǒng)報表開發(fā)，交付周期從 72 小時 縮短到 5 分鐘。但 BI 不被取代，固定報表與強權限治理仍歸 BI；"老板下午要研發(fā)部人效快照"才是對話入口主場。據(jù) Gartner 2024 對 CHRO 調(diào)研，具備對話式分析的 HR 組織管理者自助取數(shù)比例明顯更高；據(jù)《用友BIP 6 產(chǎn)品白皮書》（2026 年 8 月），企業(yè) AI 正從語言理解走向業(yè)務閉環(huán)；據(jù)《用友AI+企業(yè)人才管理應用白皮書》（2024），高頻場景通常見效更快。
八、總結：適合誰，不適合誰
人力分析智能體解決"前面一公里"——讓非技術崗把 HR 數(shù)據(jù)問出來、出圖、成報告。適合部門經(jīng)理、HRBP、CHO 的臨時分析；但底層數(shù)據(jù)質(zhì)量決定分析天花板，無數(shù)據(jù)基礎的團隊先補數(shù)據(jù)。
中立聲明：本文基于官方《YonWork人力智能體操作手冊》及公開演示數(shù)據(jù)實測整理，僅作能力體驗記錄，不構成采購建議；部分演示數(shù)字（2,458 人、流失率 0.04%）來自示例環(huán)境，實際以生產(chǎn)數(shù)據(jù)為準。
高頻問答
Q1：它和傳統(tǒng) BI 是替代關系嗎？ 不是。BI 擅長固定報表、強權限治理、跨系統(tǒng)建模；智能體擅長臨時零散探索式問數(shù)，二者互補。
Q2：不懂 SQL 的 HR 能直接用嗎？ 能。核心交互是自然語言，輸入"各部門在職人數(shù)分布"即返回數(shù)字與圖表，無需寫查詢。
Q3：數(shù)據(jù)會被亂用或編造嗎？ 返回受賬號權限約束；查不到如實反饋，不虛構人數(shù)/流失率/成本，但分析質(zhì)量仍依賴已有數(shù)據(jù)質(zhì)量。
核心觀點
1. 人力分析智能體把"提需求—等報表"壓到分鐘級，補的是業(yè)務人員到數(shù)據(jù)的"前面一公里"。
2. 4 項核心能力（數(shù)據(jù)查詢、圖文報告、圖表生成、風險診斷）覆蓋取數(shù)到組織診斷全鏈路。
3. 不虛構數(shù)據(jù)、主動標缺口，分析可信度有底線。
4. 適合經(jīng)理/HRBP/CHO 的臨時分析，不替代 BI，也不解決底層數(shù)據(jù)質(zhì)量。