国内车灯龙头2025年秋招440名硕博，入职一个月集中劝退107人。为省约2000万人力成本，市值蒸发14.74亿。这不是个例，是制造业产能预判与人力规划错配的缩影。
表面上是"优化人力结构"，账算下来是70倍杠杆的亏损。
HR 靠拍脑袋招人，订单一波动就裁员，招的人还留不住。
没有人力需求预测模型，订单好就猛招，订单差就猛裁。招聘+培训成本打水漂，还砸了雇主品牌。
外包成本是正式工的1/3，但比例靠感觉调。订单波动时，正式工养不起，外包又补不上。
加班多、满意度低、收入不匹配的员工悄悄在找下家，等发现人走了才紧急招人，陷入恶性循环。
不是让AI替你管人，是让数据替你做决策，最后那一下拍板还是你。
订单量、人员结构、考勤、薪资、历史招聘数据
自动算每个岗位最优人数、正式外包比例、谁有离职风险
该裁多少人、外包补多少、哪些员工要重点留
AI给方案，你做最终决定，责任可控
少养闲人、少浪费招聘费、少赔裁员代价
不是替代HR，是让数据替你拍板。
根据订单量、产能、历史数据，算出每个季度该招多少人、裁多少人、外包多少。不再拍脑袋。
自动算每班需要多少人、谁上什么班、正式工和外包各占多少比例最划算。订单波动自动调整。
提前识别哪些员工有离职风险（加班多、满意度低、收入不匹配），主动留人，避免招了又走。
行业项目验证数据。
AI能力如何落地到业务流程。
覆盖人力规划全流程：需求预测→人数测算→技能组合→排班→轮班→休息安排，一条线走完。适用制造业、零售、物流、医疗、呼叫中心等行业。
用机器学习预测哪些员工有离职风险，并解释关键原因（加班、收入、满意度）。提前干预，避免招了又走的恶性循环。
某汽车零部件制造企业（年营收52亿，员工3200人），AI人力规划上线3个月的真实决策看板。
| 部门 | 离职率 | 趋势 |
|---|---|---|
| 销售部 | 18.1% | ▲ |
| 仓储物流 | 15.0% | ▲ |
| 冲压车间 | 13.1% | → |
| 焊接车间 | 11.6% | → |
| 装配车间 | 10.6% | ▼ |
| 质检部 | 8.6% | ▼ |
| 技术研发 | 6.7% | ▼ |
案例数据来自公开信息，效果数据来自行业项目实践。
| 数据 | 说明 |
|---|---|
| 星宇劝退107人、市值蒸发14.74亿 | 公开信息 |
| 2025年营收152.57亿、净利16.24亿 | 企业公开年报 |
| 正式员工10426→7532人 | 企业公开年报 |
| 外包报酬2.44亿→3.02亿 | 企业公开年报 |
| 82%认为重要、8%有进展 | 行业实践数据 |
| AI省10%年人工预算 | 项目验证数据 |
| 8-12周试点周期 | 项目验证数据 |
| 人力规划管线（预测→排班） | 已落地能力 |
| 流失预测准确率92% | 已落地能力 |