用AI來管公司，Moka推出三款AI HR工具｜涌現新欄目

作者｜梁鍵強

編輯｜王毓嬋

一句話介紹

Moka為AI人力資源軟件服務商，早期從智能化招聘管理系統起步，后逐步擴展至更完整的HR管理系統。5月，Moka上線了招聘Eva、人事Eva和BPEva三款AI HR產品。

招聘Eva覆蓋招聘全流程，輔助企業完成識人、篩選和面試；人事Eva聚焦報表處理、流程流轉和員工咨詢等重復事務；BPEva則用于動態更新人才畫像，輔助企業進行人才識別和組織決策。

支撐這三款產品的是Moka AI工坊，它相當于底層能力平臺，可以讓企業用業務語言描述需求，具有快速響應、個性化定制和安全上線等能力。

圖片來源：Moka

團隊介紹

Moka聯合創始人兼CEO李國興，本科階段獲得上海交大和密歇根大學計算機雙學位，后取得斯坦福大學計算機碩士學位。曾任職于Facebook和智能數據監控公司SignalFx。2015年回國創辦Moka，并帶領公司從招聘管理系統起步，逐步將AI Agent引入招聘、人事和組織管理等HR場景。

融資進展

此前已完成老虎環球基金領投的C輪一億美元融資。總融資規模近1.5億美元。

產品及業務

去年，脈脈高聘人才智庫發布的《2025年度人才遷徙報告》顯示，2025年1月至10月，新經濟行業人才供需比升至2.23，意味著平均2.23名求職者競爭1個崗位，求職端競爭進一步加劇。

企業端的用人需求也在回暖。報告顯示，自2025年6月起，新經濟行業每月新發崗位量均超過去年同期，其中AI崗位量單月增長11倍，出海相關崗位新增16.99%。

一邊是人才競爭壓力加劇，一邊是崗位需求回升，企業面對的人才匹配問題也變得更復雜。對 HR 來說，工作不只是更快找到合適候選人，還包括理解業務戰略背后的用人需求，并持續處理員工溝通、人才保留和組織調整等問題。

Moka聯合創始人兼CEO李國興指出，當前HR的工作長期被大量事務性流程占據，真正能投入人才戰略、組織設計和員工溝通上的時間并不多。

面對更高頻、更復雜的人才流動和管理需求，AI工具有了進入招聘、人事和人才管理場景的空間。

這次發布的招聘Eva、人事Eva和BPEva產品，分別對應招聘、人事和人才管理三個核心場景。李國興希望通過這三款產品，把一部分重復、瑣碎、流程化的工作交給AI，讓HR回到更高價值的組織工作中。

招聘Eva主要面向招聘流程。它不僅負責簡歷篩選、面試紀要這類任務，還貫穿了簡歷理解、候選人搜索、初篩、約面、面試反饋和Offer推進等環節。

圖片來源：Moka

在招聘場景中，Eva的特長在于記憶和校準能力。很多企業的崗位招聘并不是一次性需求，而是長期持續進行。招聘Eva能夠在這個過程中不斷理解企業的用人偏好、崗位畫像和判斷標準，并根據候選人初篩、面試結果等反饋動態調整。

比如，當某些候選人在初篩階段被淘汰，或在面試后被認為不合適，這些信息都可以反過來幫助Eva校準崗位畫像，逐漸理解企業、部門甚至個人的偏好。

招聘Eva還具備“面試教練”的功能。在視頻面試中，它可以實時讀取面試內容，給面試官提供追問建議，并在面試結束后生成面試紀要和面試質量報告。

人事Eva面向更高頻、更重復的人事事務，主要處理數據報表、日常事務流程、員工咨詢等工作，包括員工入職后的信息錄入，假期、考勤、薪資數據校驗，排班生成，流程自動化，以及數據巡檢等。李國興稱，人事Eva可承接HR 70%-80%的重復性事務工作。

BPEva面向的是人才管理和組織決策。相比招聘Eva和人事Eva，它處理的不是具體流程，而是更善于“理解人的需求”。Moka希望通過BPEva構建動態人才畫像，幫助企業識別員工能力、崗位匹配和潛在發展風險。

傳統人才管理多依賴季度、半年或年度盤點，周期較長，也容易滯后。BPEva的作用，是在授權前提下讀取會議紀要、文檔等數據，動態更新員工畫像，幫助HR及時發現員工狀態變化、崗位匹配和潛在流失風險。

三款Eva的底層能力來自Moka AI工坊。它可以承接不同企業的個性化需求，將業務語言轉化為具體能力配置，并通過沙盒預演、存檔和回滾等功能，減少上線后的不確定性。

在Moka看來，對企業用戶來說，未來使用HR系統的方式可能會發生變化。過去是人在系統里操作流程，之后則可能更多變成在熟悉的辦公軟件里，直接和Eva對話、派發任務、接收提醒等。

Founder思考

• AI接手流程性工作后，HR的價值會更多回到人和組織本身

AI HR的出現，會給HR的工作方式帶來直接變化。過去，HR很大一部分時間被招聘推進、入離職流程、員工溝通、人事數據、BP事務等日常工作占據。雖然企業經常討論人才戰略和組織建設，但在實際工作中，HR很難真正把大量時間投入到這些更高價值的事情上。

當事務性工作被AI分擔后，未來HR的角色會更偏向兩類工作。

第一是成為信任的建立者。員工愿不愿意表達真實想法、溝通自身狀態，本質上依賴人與人之間的信任，這仍然很難完全交給AI。

第二是成為人才和組織的架構師。比如根據公司業務方向、戰略重點和組織現狀，判斷人才結構是否合理、組織是否需要調整等。這類涉及方向判斷和組織設計的決策，仍然需要HR負責人和管理層共同完成。

• 招聘、人事和BP，是HR Agent最容易落地的三類場景

從過往經驗、產品能力來看，招聘、人事和BP是最容易被AI Agent切入、也最有落地價值的方向。

招聘是多數企業長期存在的需求，流程也相對繁瑣。一個企業里，HR團隊中人數最多的往往是招聘團隊。招聘不僅涉及簡歷篩選，還包括崗位需求理解、候選人搜索、約面、面試反饋和Offer推進。

過去這些環節需要HR人工串聯，而Agent的價值在于，它可以把這些分散任務連接起來，推動流程繼續往前走。

人事事務則是另一類適合Agent介入的場景。它的特點是高頻、重復、細節多，而且不能出錯。比如假期、考勤、薪資、排班、入離職流程、員工咨詢等。對HR來說，這類工作占用時間，但很難體現其價值。

雖然每家企業規則不同，但一旦規則進入系統，AI就可以根據配置，協助處理這些問題，節省HR的時間。

BP對應的是人才和組織問題，這也是CEO和HR一號位更關心的部分。它不像招聘和人事那樣更側重于處理流程，而是試圖回答“人和崗位是否匹配”“員工是否有發展風險”“組織里哪些人需要被看見”等問題。

• AI HR讓員工價值更容易被客觀評價，也更容易被看見

員工能力成長、協作表現、學習能力、崗位匹配情況，都會在日常工作中留下痕跡。如果這些信息能夠被線上化、結構化，并被AI讀取，員工的亮點就可能更早被發現。

過去，員工表現往往高度依賴管理者的主觀評價。如果領導了解某個人、認可某個人，他的貢獻可能更容易被看見；如果員工不擅長表達，或者與直接管理者風格不匹配，也可能在組織中被埋沒。

如果AI能在授權前提下讀取更多客觀工作數據，比如文檔、會議紀要、項目進展、績效結果、代碼、CRM記錄等，它就有機會從更多維度識別員工的真實貢獻。這樣一來，組織對人的判斷就不只依賴某一次匯報、某個領導的評價，或者短期的人才盤點。

對一部分員工來說，他們甚至可能愿意開放更多工作數據，讓AI幫助組織看到自己的真實價值。但數據合規開放的核心前提，仍然是明確授權范圍與使用邊界。

• AI Agent會削弱崗位邊界，也會提高對“超級個體”的需求

AI HR Agent出現后，企業對人的需求也會發生變化。過去組織更強調明確分工，比如技術負責技術，產品負責產品，運營負責運營。但在AI工具普及后，很多專業技能的獲取門檻正在下降，崗位之間的邊界也會變得更模糊。

未來更被需要的，可能是借助AI完成端到端工作的“超級個體”。比如技術人員不只是會寫代碼，也要有產品意識和用戶意識；產品經理不只是寫需求文檔，也要理解技術，并能夠使用AI Coding工具搭建demo。

AI讓一些具體技能變得更容易調用，因此人的判斷力、品味和跨領域理解能力反而更重要。

這類人通常有幾個特點：對周邊領域有一定理解，善于使用AI，愿意用AI完成過去自己不會的工作，同時具備判斷標準和審美能力。

• AI原生組織的關鍵，不只是上線新的AI工具，還在于重塑協作方式

AI原生組織有一個判斷公式：AI人才密度×AI組織協同深度。前者指組織里有多少人是真正會用AI的人，后者指組織能在多大程度上讓AI參與協同工作。兩者結合，共同構成企業組織的競爭力。

所謂AI人才密度，指的是員工遇到問題時，會不會首先思考這件事能不能用AI完成，而不是沿用過去的經驗和慣性。

越是工作經驗豐富的人，有時越容易被過去的工作方式束縛。比如原本擅長Excel分析的人，可能仍然習慣自己搭表、寫公式、做分析，而不是直接把原始數據交給AI，讓AI按照目標完成分析。

AI組織協同深度，則要求組織把更多信息線上化、結構化，讓AI可讀、可調用。比如會議紀要、文檔、項目進展、業務數據等，如果都停留在線下溝通或個人經驗里，AI很難真正參與組織運轉。只有當關鍵工作被記錄、沉淀，并允許AI提建議甚至直接執行，Agent才能真正進入組織流程。

在內部實踐中，AI對工作方式的影響已經開始顯現。比如產品經理可以在沒有技術同學幫助的情況下，用AI搭建demo；技術同學也不再嚴格區分前端、后端、算法，而是借助AI Coding工具完成更完整的任務閉環。團隊成員更像“超級個體”，組織層級也會被壓縮。

不過，全員AI化的難點并不只是工具，而是組織慣性和人的工作習慣。AI團隊專項試點推行的阻力更小，因為被抽調進來的成員本身對新工具和新產品更興奮。但要讓全公司都改變原來的工作方式，就需要持續對抗慣性。

類似變化說明，AI原生組織的難點不只是引入新的AI工具，而在于組織是否有能力打破慣性，重新設計工作流程。