一、为什么"会问,就能查"?

凯普 HR 系统里,绝大多数列表页都是「标准表格」——员工档案、考勤、薪资、计件、假勤、食堂消费,同一套接口按业务区分。这意味着 AI 助手能读的范围天然覆盖全业务:你问得到的,它基本都查得到。不是给每个报表单独接一遍 AI,而是接上后,整片业务表都"会说话"。

用大白话问「今年入职总人数、哪个部门最多」,AI 直接跑全业务表返回
图:用大白话问「今年入职总人数、哪个部门最多」,AI 直接跑全业务表返回

二、一句话,问出要的数

不用记字段名,不用拼条件。比如直接问「本月新入职多少人」「哪个车间上月考勤异常最多」,WorkBuddy 助手会先把你的话翻译成系统查询,再把结果用表格或话术返回。取数这件事,从「找人、等表」变成了「开口就问」。

一句话问出总数与完整人员明细清单的对话截图
图:一句话问出总数与完整人员明细清单

三、多条件、区间,AI 自动组装

复杂筛选也不用你动手拼。像「10 月加班超过 36 小时的产线员工」「工龄 3 到 5 年、在东莞基地的技术岗」,多条件、区间、按年按月,都由 AI 自动组装成查询条件,你只负责描述需求,剩下的交给助手。

多条件筛选,AI 自动落库字典并组装查询的对话截图
图:多条件筛选,AI 自动落库字典并组装查询

四、结果上,还能继续追问

拿到结果不是终点。你可以接着问「这些人工龄怎么分布」「按部门拆开看看」,AI 在刚才的结果上继续深挖,像跟同事聊数据一样自然。会问,就能查;查完,还能接着问。

在结果上继续追问,AI 按部门、年龄、性别等维度拆解分析的对话截图
图:在结果上继续追问,AI 按部门、年龄、性别等维度拆解分析
对话式使用改变的是「取数」的门槛——从找人、等表,变成开口就问。