《数智化人才管理师》公开课现场，我们专门设计了一个教学活动：把益才经典的“心-知-行”人才发展方法论，拆解成一个可复用的Skill。
这个活动表面上是在用AI做方案，实际上训练的是一件更关键的AI底层能力：如何把一个工作方法论，拆成AI可以稳定执行、专业人员可以持续校准、组织可以反复复用的工作流程。
现在，很多HR和管理者已经开始用AI做培养方案。
输入企业背景、培养对象、能力短板，AI很快就能给出：培养目标、课程模块、阶段安排、行动学习、导师辅导、评估方式。
但真正的问题是：这到底是一份有专业逻辑的人才培养方案，还是一份由AI拼出来的课程清单？
很多AI生成的方案，结构完整，措辞专业。但继续追问就会发现问题：
为什么这个群体首先要做认知提升？
为什么这些能力短板要通过这些课程解决？
为什么这个业务挑战需要行动学习，而不是普通培训？
培养动作如何对应业务目标？
评估指标如何证明行为真的发生变化？
如果这些问题回答不清楚，那么方案再完整，也只是“像方案”。
AI时代，人才发展工作者不能只追求“生成得快”，更要追问“判断是否成立”。
卡内基梅隆大学、麻省理工学院、牛津大学和加州大学洛杉矶分校的研究人员联合进行了一项实验：召集1222名受试者，让他们使用AI聊天机器人，仅仅10分钟。结果令人震惊——当AI助手突然被撤回后，使用过AI的用户“放弃问题或答错题的可能性显著增加”，与从未使用过AI的对照组相比，差距十分明显。实验结论就是：AI只需要10分钟，就能让人的自主解题意愿和能力出现可测量的退化。
MIT助理教授米歇尔·巴克在研究报告中写道：这背后是一个认知层面的根本问题——关乎毅力、学习能力，以及面对困境时的心态。当一个人习惯了让AI替他拆解复杂问题，他就丧失了在陌生领域中从头摸索、建立知识框架的能力。你以为是AI在帮你干活，其实是AI在替你废掉大脑。
应对之策就是，AI时代下人才发展工作者不能只追求“生成得快”，更要追问“判断是否成立”。AI可以生成内容，但专业人员必须掌握判断框架。关键问题在于我们把AI放在了什么位置。
如果把AI当答案机，使用方式就是：把背景丢进去，让AI直接生成方案，拿到结果后稍作修改，最后变成一份看起来完整的交付物。这种方式短期很快，但长期会带来一个隐性问题：人没有真正经历问题拆解，没有形成判断框架，没有训练方案设计能力，只是越来越熟练地接受AI答案。
更好的方式应该是：先由人建立框架，再让AI参与推演；先由人判断问题，再让AI补充方案；先由人定义标准，再让AI完成结构化表达。也就是说，人始终是判断主体，AI是推演伙伴。
这也是这个教学活动的底层逻辑：不是让AI替学员思考，而是让学员借助AI，把自己的方法论、判断逻辑和专业标准表达得更清楚。
益才经典的“心-知-行”人才发展方法论：
心，解决发展意愿、角色认知、责任动机的问题；
知，解决知识结构、方法工具、管理认知的问题；
行，解决行为转化、岗位实践、训战落地的问题。
这套方法论本身并不难理解。难的是，当我们面对一个真实企业、真实人群、真实业务挑战时，如何判断：哪些问题属于“心”的问题？哪些短板需要通过“知”来补足？哪些能力必须通过“行”才能真正转化？三者之间如何组合，才能形成一套真正支撑业务结果的培养方案？
如果这些判断没有拆清楚，AI只能按照常见套路生成内容。于是，“心知行”很容易被写成三个栏目。心：安排一门角色认知课；知：安排几门管理技能课；行：安排一个课后实践任务。只是看起来用了方法论，真正的“心知行”不是分类工具，而是诊断和设计工具。它帮助我们判断：
这个项目首先要解决的是意愿问题、认知问题、能力问题，还是行为转化问题？
这个群体当前最需要的是角色转身、方法补课，还是业务场景中的持续训练？
这套培养方案最终是为了“学完课程”，还是为了支撑岗位胜任、业务改善和组织能力提升？
所以课程现场的关键任务，不是让学员把“心知行”三个字写进方案，而是把心知行背后的判断逻辑拆出来。AI真正需要的，也不是一个方法论的结构，而是一套可以执行的专业流程。
很多人搭建Skill，容易停留在“增强版提示词”。有角色设定，有背景信息，有输出格式，也有注意事项。但一到真实场景，输出仍然不稳定。原因在于，提示词解决的是“怎么问AI”；Skill解决的是“让AI按什么专业流程工作”。换个角度看，搭建Skill很像带一个新员工。 你不会只对一个新人说：“帮我做一份干部培养方案。”然后就期待他直接交出高质量成果。你会告诉他：这个项目的背景是什么；培养对象是谁；学员真正关心什么；什么样的方案算合格；哪些错误不能犯；过程中先分析什么、再判断什么、最后输出什么。 带AI也是一样。AI不是不能干活，而是需要被清晰地管理。目标不清，它就泛化；标准不明，它就套话；过程不控，它就跳步；结果不核，它就可能把一份“看起来完整”的方案交给你。 所以，Skill不是一个更长的提示词，而是一套“带AI完成专业任务”的管理流程。它至少包括五个动作： 第一，定目标。做成什么样，才算一份好的人才培养方案？ 第二，给标准。什么是高质量输出？什么是不合格输出？ 第三，管过程。AI应该先分析什么，再判断什么，最后生成什么？ 第四，核结果。输出是否回应业务挑战、能力短板和心知行逻辑？ 第五，做迭代。发现偏差后，如何修正规则，而不是只修改这一版答案？ 这也是课程现场“心知行Skill搭建”活动真正要训练的能力：设计一套让AI稳定完成专业任务的工作流。 回到课程现场。这个活动训练核心是三种底层的AI能力。 第一，把方法论拆成流程的能力。 学会了“心知行”方法论，但不一定能把它拆成输入、判断、执行、输出和校验。而这正是AI时代专业能力能否被放大的关键。 第二，把专业判断写成规则的能力。 过去，很多专业判断存在于资深顾问和优秀HR的经验里。 未来，这些经验需要被显性化、结构化、规则化，才能进入AI工作流。 过去，一个优秀HR或顾问的价值，更多体现在“我会做”。 未来，更重要的是： 我能不能把我会做的事，拆成别人也能借助AI完成的流程？ 我能不能把我的判断标准，变成组织可以共同使用的规则？ 我能不能把一次项目经验，沉淀成下一次可以复用的能力资产？ 这也是《数智化人才管理师》公开课希望带给学员的核心收获。“心知行Skill搭建”这一教学活动呼应的是“人才管理工作者如何在AI时代升级自己的专业能力？”这一关键命题。 不是把AI当答案机，而是把AI训练成推演伙伴。 不是让AI替你思考，而是用AI放大你的方法论和判断力。 不是简单提升效率，而是把专业能力产品化、流程化、资产化。 第六期课程已经圆满收官。 欢迎关注后续《数智化人才管理师》研修班课程信息。写在最后
能不能把熟悉的人才发展方法论，拆成AI可以执行的步骤。
能不能把“我知道怎么做”，转化为团队也能复用的判断标准。第三，把项目经验沉淀为资产的能力。
能不能把一次人才培养方案设计，沉淀成以后反复调用、持续优化的Skill。
关于AI与人才管理的探索，还将继续。