人力资源审计问题库与证据链分析

场景

“帮我审计一下 HR”太宽泛。审计需要先明确目标、问题、标准和证据，才能判断某个流程是否存在控制缺口。AI 可以把问题库与材料建立关联，指出缺证据或口径不一致；审计结论、人员责任与整改决定由审计和专业负责人作出。

输入

选定一项范围，例如招聘公平、薪酬审批或离职交接。准备现行制度、适用规则、流程图、抽样记录、审批与执行日志、历史问题。先授权，再最小化读取个人资料；无需接入全员邮件聊天。审计标准应来自企业批准的制度及权威规则，不能由 AI 自行发明。

操作

将目标拆成可回答的问题：是否有岗位需求批准、筛选标准是否与岗位相关、淘汰是否有人复核、候选人数据是否按期清理。每条问题写审计标准、应有证据、实际证据、样本范围和异常判定条件。AI 帮忙从材料中定位证据，输出“有证据支持、存在矛盾、缺证据、需要访谈”四状态，并链接原始记录。对异常追溯流程节点和责任接口，不推断某管理者“有毒”或员工“有问题”。审计人员复核样本，访谈后再下结论；整改事项写负责人和复核日期。

提示词：

按以下审计目标和已确认标准，构建问题库并关联获授权证据。每条列标准出处、应有证据、实际记录、缺口、反向证据及待访谈问题。不要把缺资料直接认定为违规，不做个人动机推断。资料：〔内容〕。

验收与来源

抽查每项发现能否回到制度条款和原始文件。A1033《智能审计：穿透人情的迷雾》提出先定义审计问题库，但其通过离职共现或邮件频率推断管理者问题的做法不足以支持定性，本文不采用。

一条审计问题的写法

“招聘是否公平”太大，无法直接核查。可以拆为“某岗位的筛选条件是否在发布前经用人经理与 HR 批准”“筛选条件是否与实际岗位任务相连”“被淘汰候选人是否有抽样复核记录”。每条问题对应批准文件、JD 版本、系统规则和抽样记录。若发现筛选条件在招聘中途被修改，AI 应列出修改日期、批准记录及受影响候选批次；是否构成审计发现还要由审计人员判断。

证据链完整性

每项发现应能从结论回到具体样本，再回到原系统记录；对反向证据也保留链接。审计报告区分“确认的控制缺口”“资料缺失导致无法判断”“管理改进建议”。整改后复核时用同一条问题和新的样本验证，而不是只检查责任人是否写了“已完成”。

问题库如何分层

顶层是审计目标，如“招聘流程是否公平且可追溯”；第二层是控制点，如岗位条件审批、简历筛选规则、面试评价、候选人告知和数据保存；第三层才是可抽样的问题。每条问题必须回答“看什么证据、抽什么样本、什么情况算异常”。AI 能帮忙把制度条款展开成检查问题，但审计负责人要确认这些问题是否真正覆盖风险，不能默认越多越好。

采样时记录总体和样本选择方式。只抽“已录用员工”的材料，会漏掉被淘汰候选人是否得到公平处理；只看一个主管的邮件，也不能代表全公司流程。AI 整理证据链时应同时列出支持与反向材料，把“找不到”与“确认不存在”区分。涉及系统日志的样本，记录时间与版本，避免后来修改过的规则覆盖历史状态。

审计发现应标事实、标准、影响和待复核结论。对需要整改的事项，写控制点、负责人、完成时间和再测试样本。若文章中提到“多个离职者指向同一主管”，最多作为访谈线索，不能跳过证据调查就给个人定责。

交付与验收清单

• 问题库有标准、样本范围和应有证据。
• 发现项能从结论追到原件与规则。
• 反向证据和未找到的资料被保留。
• 整改后用新样本复测，而非只签“已完成”。

多个离职事件关联同一管理者只是审计线索，不能跳过调查给个人定责。