招募一個人的成本是留住一個人的 3-5 倍。但很多 HR 把 80% 的時間花在招募，只有 20% 花在留才。AI 能幫你提前發現離職風險、系統化分析員工滿意度、設計個人化的發展計畫，讓你從「救火隊」升級為「策略夥伴」。
💡 本篇定位 這是 HR AI 技能樹的「員工發展」支線。適合有基礎 HR 經驗，想做更深層人才管理的你。
離職風險預測
從數據找出警訊
以下是我部門員工的近期數據，請幫我分析離職風險：
數據項目：
- 入職日期、職稱、部門
- 近 3 個月出勤紀錄（遲到/請假頻率）
- 近期績效評估分數
- 最近一次加薪/晉升的時間
- 目前薪資和市場行情的落差
- 和主管的 1:1 紀錄摘要
[貼上去識別化的數據]
請分析：
1. 高風險員工（哪些指標亮紅燈？）
2. 中風險員工（需要關注的早期訊號）
3. 每位高風險員工的可能離職原因
4. 建議的介入策略（按優先級）
5. 3 個月內的流失率預測離職面談分析
以下是最近 10 位離職員工的離職面談紀錄摘要：
[貼上面談紀錄]
請分析：
1. 離職原因分類和比例（薪資/發展/管理/文化/個人）
2. 重複出現的關鍵詞和主題
3. 哪個部門/主管的離職率特別高？
4. 可以立即改善的 3 個行動
5. 需要長期投資的 2 個方向
6. 和產業平均離職原因的比較員工滿意度分析
問卷設計
請為我設計一份員工滿意度調查問卷：
公司規模：[人數]
目的：[年度調查 / 脈衝式快速調查]
匿名程度：[完全匿名 / 部門匿名]
問卷設計：
如果是年度調查（15-20 題）：
1. 「工作本身」面向（3 題）
2. 「主管領導」面向（3 題）
3. 「團隊合作」面向（3 題）
4. 「薪酬福利」面向（2 題）
5. 「成長發展」面向（3 題）
6. 「公司文化」面向（2 題）
7. eNPS 題（推薦度）
8. 開放式問題（2 題）
如果是脈衝式調查（5 題）：
5 題覆蓋最重要的面向
每題附：量尺說明、為什麼問這題結果分析
以下是我們員工滿意度調查的結果：
[貼上統計數據]
請提供：
1. 整體滿意度摘要（一句話）
2. 最滿意的 3 個面向和原因分析
3. 最不滿的 3 個面向和原因分析
4. 和去年的比較（如有）
5. 部門間的差異分析
6. 年資分群比較（新人 vs 資深）
7. 具體行動建議（短期 3 個 + 長期 2 個）
8. 管理層簡報摘要（10 行以內）培訓計畫設計
請為以下團隊設計一份季度培訓計畫：
部門：[部門名]
人數：[X 人]
目前的能力缺口：[列出]
公司策略方向：[今年的重點是什麼]
預算：[每人/總額]
可用時間：每月 [X] 小時
培訓計畫包含：
1. 培訓目標（具體可衡量）
2. 每月主題和內容規劃
3. 學習方式建議（線上/實體/混合/自學）
4. 推薦的課程或資源
5. 成效評估方式
6. ROI 估算（訓練投資如何回收）個人發展計畫（IDP）
請為以下員工設計個人發展計畫：
員工現況：
- 職稱：[職稱]
- 在職年資：[X 年]
- 績效表現：[強項/待改善]
- 職涯志向：[想往哪個方向發展]
- 主管回饋：[摘要]
IDP 包含：
1. 短期目標（3 個月）
2. 中期目標（6 個月）
3. 長期目標（1 年）
4. 每個目標的具體行動（做什麼、學什麼）
5. 所需支持和資源
6. 檢核時間點和成功定義績效面談準備
請幫我準備和以下員工的績效面談：
員工：[化名，職稱]
績效期間：[Q1/半年/年度]
績效數據：[列出量化指標]
行為觀察：[你注意到的優點和待改善]
員工自評摘要：[如有]
請準備：
1. 開場（營造安全氛圍的開場白）
2. 績效回顧（先優點，再改善，用 SBI 框架）
3. 發展討論（下一步成長方向）
4. 行動計畫（雙方的承諾）
5. 如何處理可能的情緒反應（如果員工不認同）效率對比
| HR 任務 | 傳統做法 | 用 AI 後 |
|---|---|---|
| 離職風險分析 | 靠直覺 | 數據驅動 |
| 滿意度問卷設計 | 2 天 | 1 小時 |
| 調查結果分析 | 3 天 | 2 小時 |
| 培訓計畫規劃 | 1 週 | 1 天 |
| 績效面談準備 | 1 小時/人 | 15 分鐘/人 |
新人到職 90 天的 AI 留才策略
用 AI 打造結構化的 Onboarding 體驗
統計數據顯示，新進員工在到職 90 天內的離職率最高。很多時候不是薪資問題，而是「不知道自己在幹嘛」的迷失感。HR 可以用 AI 設計一套結構化的 90 天引導計畫，大幅降低新人的早期流失：
第 1-30 天（適應期）：用 AI 根據新人的職位和部門，自動生成一份客製化的「新人指南」——包含部門組織圖、關鍵聯絡人、常用系統操作步驟、和前三個月的學習目標。比起丟一本 200 頁的員工手冊，一份 5 頁的精準指南效果好十倍。
第 31-60 天（融入期）：設定 AI 自動在第 30 天和第 45 天發送匿名的「新人適應調查」。問題不要超過 5 題，重點問：「你覺得最困惑的一件事是什麼？」和「你的直屬主管有沒有每週和你 1:1？」這兩題的回答能揭露 80% 的潛在問題。
第 61-90 天（定著期）：用 AI 分析新人前 60 天的出勤模式、學習進度、和調查回覆，標記出「可能不適應」的個案。HR 針對這些個案主動安排一次非正式的咖啡面談，聊聊感受和期望。很多時候，一杯咖啡的時間就能挽回一個即將離職的人。
這套流程最大的價值是「系統化」——不再依賴個別主管的帶人能力，而是讓每一位新人都能獲得一致且有品質的到職體驗。
AI 在留才策略中的倫理邊界
用 AI 分析員工數據是強大的工具，但如果使用不當，反而會破壞員工信任。HR 必須在「數據驅動決策」和「尊重員工隱私」之間找到平衡。
三條不可踩的紅線
- 不要用 AI 監控員工的私人通訊：即使技術上做得到，監控員工的私人訊息或社群發文會嚴重破壞信任。離職風險預測應該基於「工作行為數據」（出勤、績效、加薪紀錄），而不是「私人行為數據」。
- 不要讓 AI 單獨做出人事決策：AI 的分析結果應該是「參考依據」，不是「最終決定」。例如 AI 判斷某員工離職風險高，你應該先和主管討論、再和員工面談，而不是直接啟動留才方案。
- 透明化數據使用：員工有權知道公司在收集哪些數據、如何使用。建議在員工手冊或入職說明中明確載明 AI 分析的範圍和目的。
建立員工信任的做法
- 公開說明 AI 的用途：例如在全員大會上說明「我們用 AI 分析匿名的滿意度調查結果，幫助改善工作環境」，而不是偷偷使用。
- 確保匿名性：滿意度調查結果如果能追溯到個人，員工就不會講真話。技術上必須確保匿名性，並且讓員工相信這一點。
- 用 AI 的結果做「加法」：用數據來「增加福利、改善環境、設計培訓」（正面用途），而不是「監控、懲罰、淘汰」（負面用途）。
這些原則不只是道德要求，也是實務考量——一旦員工覺得「公司在用 AI 監控我」，你的離職率只會更高。更多 AI 倫理議題可以參考 AI 隱私與資料安全。
❓ FAQ
用 AI 分析員工數據安全嗎？
必須格外小心。建議：1) 數據去識別化（移除姓名、員工編號）；2) 使用企業版 AI（不會訓練模型）；3) 確認符合個資法規定；4) 分析結果只限 HR 和必要主管可見。
預測到離職風險後該怎麼做？
不要直接告訴員工「AI 說你可能要離職」😅。自然地安排 1:1 面談，關心工作狀況和發展期望。針對 AI 分析出的可能原因（薪資、發展、主管），有針對性地準備對策。預防永遠比救火便宜。