绝大多数 HR 在尝试用 AI（如 WorkBuddy、Claude）做数据分析时，会反复撞上同一种困境：输入「请帮我分析一下今年各部门的离职率」，AI 给出的是一番描述性统计，没有归因、没有风险判断；投喂一张几万行的薪酬表，要求「给出优化建议」，它只会重复「加强内部公平性、优化绩效考核」这类正确的空话。是模型不够聪明吗？并不是。生成式 AI 的底层是概率预测，缺少严密业务逻辑与控制变量的约束，它只能输出「平庸的平均值」。HR 数据分析的本质，从来不是把数据拼成报表，而是通过数据还原业务真相、评估风险，并在约束条件下做出处方性决策（Prescriptive Decisions）。要让 AI 从「能对话的工具」变成「严谨的数据分析协作者」，缺的不是更高级的模型，而是一套内嵌 HR 领域数据逻辑的 Prompt Engine（提示词引擎）。WorkBuddy 这类 Agent 平台把执行门槛降到了很低，但它不吃「帮我看看人效」这样的表述。它要的是结构化的任务：分析对象是谁、口径怎么定、对比维度是什么、结论落到哪个决策。提示词就是 HR 业务语言和模型执行语言之间的接口。我把72个高频场景，每个拆成「准备工作、操作步骤、标准版提示词、扩展版提示词」四段。没有建模背景的 HR 可以直接复制使用，也能在复用中逐步建立自己的分析范式。它不教你用工具，给的是一套可以反复调用的业务分析标准件。

💡 资料领取指引

标准版 PDF（免费）：关注公众号，后台回复 【HR72场景全景版】 即可直接获取下载链接。

专业版（含可编辑 PPT + 升级版提示词+通用方法论）：点击文末“赞赏”支持【9.9元】后，后台私信获取。

受页数限制，以下展示标准版部分内容：

····

关联阅读：

HR如何更有效的用WorkBuddy推AI培训？

从入门到精通：HRBP的Workbuddy实践指南

如何用WorkBuddy跑通HR自动化流程？

HR如何用好WorkBuddy？