行业参考 · 制造 · HR · 证据 E1
AI接手例行工作，台達電讓HR晉升關鍵決策伙伴
这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。
企业遇到的问题
HR大量例行工作占据时间，希望将行政流程交给AI，让HR转型为流程设计与高价值判断的事业伙伴。
概要
台达电子自建约8成Smart HR系统功能，AI进入招募、学习、员工服务场景，AI面试一年约节省810小时，HR Chatbot在台湾累计逾3.5万次问答，智能学习推荐带动240万次学习浏览与参与。系统与MES串接发展智能出勤、专技、奖金。获鼎革奖人资管理转型大型机构首奖。
原文写明的事实
- 原文刊于哈佛商业评论台湾版2026年10月号
- 台达电子全球人资长陈启祯说明外部大语言模型无法搜到内部累积逾20年工作资料，Smart HR有8成功能自建
- 原文写明AI面试一年约节省810小时
- 原文写明HR Chatbot在台湾累计逾3.5万次问答
- 原文写明智能学习推荐带动240万次学习浏览与参与
- 原文写明系统与MES串接，发展智能出勤、智能专技、智能奖金
- 原文写明台达获第六届数位转型鼎革奖人资管理转型大型机构首奖
怎么做的
- 输入：简历、候选人信息、员工学习数据、产线出勤与生产数据
- 处理：Smart HR自建模型进行履历筛选/摘要、学习推荐、出勤调度与奖金计算
- 数据：内部DMS知识库、员工工作角色/绩效、产线MES数据
- 动作：AI替代筛选、摘要、推荐、出勤调度等例行工作，HR监督产出
- 输出：面试时间节省810小时/年、3.5万次Chatbot问答、240万次学习浏览
如果你也想做：复制评估
AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。
- 难度：高（需要配置 Skill / Connector）
- 需要的能力：履历摘要Skill、学习推荐Skill、出勤调度Skill
- 需要接的数据/系统：MES连接器、内部DMS知识库连接器
- 仍需人工的环节：HR监督AI产出并确认结果；职位规格与筛选条件需人工定义
- 风险：自建系统投入大、周期长；推荐不精准可能影响招聘和学习效果
- 原文没披露的：自建模型与训练过程未披露；未披露失败案例与人工复核比例
台达自建Smart HR有实际数字但技术细节未公开，复刻需大量内部数据与开发投入。
来源
证据说明：权威媒体HBR台湾原创报道，有企业高层署名与多个具体数字，但非企业官方一手数据；模型自称 E2，按来源结构下调为 E1。