ChatGPT
AI冲击下的职场变局：年轻员工首当其冲，初级岗位入口加速收窄，AI正在重构任务，而非简单消灭岗位
高AI暴露岗位需求下降42%，AI采用企业人力却增长27%：
HRTech概述： 美国劳动力数据与研究公司Revelio Labs通过劳动力供给、企业招聘需求、就业与工资、岗位工作内容以及招聘匹配五个维度，持续追踪人工智能对美国劳动力市场的实际影响。首期数据显示，自2022年10月以来，AI暴露度最高职业的招聘需求相对于最低暴露职业下降42%；与此同时，已经采用AI的企业，员工规模增长却比未采用企业高出27%。这组看似矛盾的数据表明，AI带来的变化并不是简单的“机器取代人”，而是企业内部的任务组合、人才结构和招聘方式正在同步重构。
从预测岗位消失，转向观察正在发生的变化
围绕AI与就业市场的讨论，过去几年一直充斥着相互矛盾的判断。一些研究预测AI将大规模取代岗位，另一些观点则认为AI能够提高生产率、创造新职业并推动企业增长。
Revelio Labs推出AI Labor Market Tracker的核心目的，是减少这种以预测为主的讨论，转而通过实际劳动力数据回答一个更直接的问题：AI现在究竟对招聘、就业、技能和工作内容产生了什么影响？
该Tracker将按月更新，结合Revelio Labs自身的劳动力数据、招聘职位、薪酬信息和员工情绪数据，同时参考并更新相关学术研究结论。追踪范围包括劳动力供给、企业需求、就业与工资、岗位活动以及人才与企业之间的招聘匹配。Revelio Labs表示，其底层数据覆盖超过3000万家公司、50亿条招聘职位以及195个以上国家和地区。
需要注意的是，产品虽然使用“实时衡量”作为定位，但其首期指标主要反映截至2026年6月的劳动力市场变化，并按照月度节奏更新。更加准确的理解，应当是一个持续更新的近实时劳动力市场监测体系，而不是逐日或逐小时变化的实时系统。
高AI暴露岗位需求下降，但不等于岗位已经被AI替代
首期Tracker中最受关注的数据，是AI暴露度最高职业的招聘需求出现明显下降。
Revelio Labs正式Tracker页面显示，自2022年10月以来，AI暴露度最高职业的招聘需求相对于最低暴露职业下降了42%。这里的“AI暴露度”并不是指企业已经使用AI取代了这些岗位，而是衡量某项职业中的工作活动，有多大比例在技术上可能由当前生成式AI完成。
例如，数据整理、基础分析、文案起草、内容总结、信息录入和标准化报告等任务，通常具有较高的AI暴露度。即使企业尚未正式部署AI，也可能因为预期这些任务未来会被自动化，而减少相关岗位招聘、调整岗位职责，或者提高招聘门槛。
Revelio Labs的新闻稿以数据工程师和金融分析师等岗位为例，称AI暴露程度较高职业的招聘需求相对于低暴露职业下降36%。但公司正式Tracker页面显示的最新数字为42%。两个页面分别以2022年11月和2022年10月为比较基准，公开资料没有进一步解释两组数字差异的具体原因。HRTech建议，在引用该研究时以正式Tracker页面显示的42%为主，同时注明新闻稿曾使用36%的表述，避免将不同口径混用。
更重要的是，AI暴露度高并不意味着这些岗位已经消失。Revelio Labs发现，自ChatGPT推出以来，AI暴露度最高职业的就业增长，仅比AI暴露度最低职业低约4%。就业市场已经出现压力，但目前并没有出现与招聘需求下降同等幅度的岗位消失。
年轻员工和初级岗位正在承受更明显的压力
AI对不同职级和年龄人群的影响并不平均。
Revelio Labs的研究显示，在AI暴露度较高的职业中，年轻员工的就业表现明显弱于资深员工。22至25岁员工在相关职业中的就业增长，相对于低AI暴露职业下降约13%。
这意味着AI对劳动力市场最早产生的影响，可能不是大规模裁撤现有员工，而是减少企业对初级人员的需求。过去，许多年轻员工通过资料整理、基础分析、报告撰写、客户支持和流程操作等工作进入企业，再逐步积累行业知识和判断能力。随着这些任务被AI辅助或部分自动化，企业可能不再需要同样数量的初级员工。
这一变化会带来一个长期的人才供应问题。如果企业只保留需要经验和判断能力的高级岗位，却不断削减用于培养人才的初级岗位，未来可能出现资深人才不足、内部继任断层和管理人才供应下降。
因此，AI时代的初级岗位不应该只是被简单取消，而需要被重新设计。企业需要让年轻员工更早参与客户沟通、业务判断、AI结果审核、跨部门协作和复杂问题解决，避免其工作长期停留在最容易自动化的任务层面。
为什么AI采用企业反而增长得更快？
与高AI暴露职业需求下降同时发生的，是AI采用企业员工规模的明显增长。
Revelio Labs通过企业发布的AI integrator相关岗位，识别已经开始将生成式AI整合进业务流程的企业。研究显示，自2022年10月以来，这些AI采用企业的员工规模增长，比未采用企业高出27%。其中，高级岗位增长31%，初级岗位增长只有6%。
这组数据说明，AI可能降低企业对某些任务和岗位的需求，同时帮助企业扩大整体业务规模。企业通过自动化重复工作、加快产品开发、提高客户服务效率或扩大数据处理能力，可能释放出新的业务需求，进而增加销售、产品、管理、工程和客户成功等岗位。
换句话说，AI减少的可能是完成某项工作的单位人力需求，而不是企业整体的增长能力。一个部门可能因为AI减少部分基础岗位，但企业整体却因为生产率提升而进入新的市场，并增加其他岗位。
不过，27%不能直接理解为采用AI必然会使员工规模增长27%。Revelio Labs也明确指出，AI采用企业在正式采用AI之前通常已经增长得更快。这些企业可能本身拥有更好的资本条件、技术能力、管理体系和业务增长速度。因此，这一结果反映的是两类企业之间的增长差距，而不是已经被完全证明的AI因果效应。
AI改变工作内容的速度，可能快于改变岗位数量
Revelio Labs首期Tracker最有价值的判断，并不是哪个岗位会消失，而是AI正在快速改变岗位内部的工作内容。
传统劳动力市场分析通常关注职位数量、失业率、岗位名称和职业分布。但一个岗位本身就是多项工作活动的组合。即使企业没有取消“市场分析师”“招聘顾问”或“财务分析师”等职位，也可以重新分配这些岗位内部的任务。
例如，一名分析师可能减少数据录入、资料搜集、基础制表和报告初稿工作，转而增加AI结果审核、异常判断、业务解释和管理层沟通。一名招聘人员可能减少简历初步整理，却需要投入更多时间进行候选人验证、能力判断、关系维护和招聘流程设计。
Revelio Labs建立的工作活动差异指数显示，2026年6月，美国经济中按员工规模加权的工作活动组合同比变化达到8.4个百分点。更值得关注的是，大部分变化发生在同一职业内部，而不是因为企业从一种职业大规模转向另一种职业。
这也解释了为什么一些基于整体就业和职业分布的研究，尚未观察到明显的AI就业冲击。2026年6月，Yale University旗下The Budget Lab发布的持续追踪研究认为，当前职业结构变化尚未清晰显示与AI引入之间的关系，AI使用指标也没有表现出与就业或失业变化之间的明确联系。
两项研究并不一定相互矛盾。Yale University更关注宏观就业和职业结构是否已经发生明显变化，而Revelio Labs进一步观察岗位内部的任务构成。宏观岗位数量可能相对稳定，但岗位内部的工作方式已经发生快速改变。
正如Revelio Labs Chief Economist Lisa Simon所概括的那样，AI正在自动化部分工作，但尚未自动化完整岗位；工作内容正在快速改变，而大部分变化发生在现有职业内部。
AI也可能正在降低传统招聘信号的有效性
AI不仅改变企业招聘什么样的人，也正在改变求职者如何参与招聘。
Tracker数据显示，企业目前平均需要发布5.05个招聘职位，才能对应一次可观察到的外部招聘，同比增长264%。招聘职位与实际招聘之间的匹配效率，已经连续六年下降。
这一趋势早于ChatGPT出现，因此不能全部归因于生成式AI。但Revelio Labs认为，AI可能进一步放大了原有问题。
生成式AI降低了制作简历、撰写求职信、准备面试回答和批量申请岗位的成本。优秀候选人能够更好地展示自己，但普通申请者也能够快速生成一份看起来专业、完整且符合职位描述的申请材料。
结果是，简历和求职信的信号价值下降。企业收到更多看起来合格的申请，却更难判断谁真正具备岗位能力。企业可能因此增加筛选环节、减少与普通申请者沟通，候选人则通过提交更多申请应对较低的回复率，形成新的恶性循环。
Revelio Labs还发现，在没有获得Offer的面试评价中，候选人提及招聘人员失联、未回复或“ghosting”的比例，自2022年10月以来上升约9%。但该研究尚不能证明AI生成的申请直接导致了招聘方失联，只能说明AI可能在一个已经低效的招聘体系中增加了更多噪音。
HRTech观点：企业需要从“岗位管理”转向“任务与能力管理”
从HRTech视角看，Revelio Labs这项研究最重要的意义，是提醒企业不要再用简单的“AI替代多少岗位”来制定人力策略。
第一，企业需要将AI影响评估下沉到任务层面。一个岗位通常同时包含可自动化任务、可由AI增强的任务，以及必须依赖人类判断、信任和责任承担的任务。仅根据岗位名称决定裁员或冻结招聘，容易错过真正需要重构的工作环节。
第二，企业需要重新设计初级人才入口。不能因为AI能够完成基础工作，就完全取消初级岗位。更合理的方式，是让AI承担重复劳动，同时让年轻员工更早学习业务判断、问题分析、客户沟通和AI结果审核。
第三，企业需要更新技能模型和职业发展体系。未来岗位价值可能不再取决于员工能否完成大量标准化任务，而取决于其能否定义问题、调用AI、验证结果、理解业务并对最终决策负责。
第四，招聘团队需要重新建立人才识别信号。当简历、求职信甚至部分面试答案都可以由AI生成时，企业需要增加与真实工作相关的评估，例如结构化工作样本、情境任务、项目讨论和基于过去行为的深度访谈，而不是简单增加更多筛选工具。
第五，HR需要谨慎解释AI与就业之间的因果关系。高AI暴露岗位需求下降，不等于AI已经直接取代这些岗位；AI采用企业增长更快，也不等于任何企业部署AI都会自动获得增长。行业周期、企业规模、资本能力、组织成熟度和人才结构都可能影响结果。
AI对劳动力市场的影响，正在以多个方向同时发生
Revelio Labs AI Labor Market Tracker揭示的并不是一个简单的就业结论，而是一个正在分化的劳动力市场。
AI暴露程度较高的工作需求正在下降，尤其影响初级岗位和年轻员工；真正采用AI的企业却可能获得更强的扩张能力，并增加高级岗位；岗位名称和就业总量尚未发生全面变化，但岗位内部任务正在快速重组；招聘技术越来越强，企业与人才之间的匹配效率却可能继续下降。
AI对就业的影响不会以一次统一的冲击出现，而会分别体现在招聘需求、岗位任务、技能投资、企业增长、职业入口和招聘匹配等不同环节。
对于企业HR而言，当前最重要的问题已经不是“AI会不会取代员工”，而是企业能否在AI改变工作之前，重新设计任务、能力、招聘和人才成长体系。
关于Revelio Labs
Revelio Labs是一家劳动力智能与研究公司，通过处理和标准化公开职业履历、招聘职位、员工评价等数据，为企业、投资机构、研究人员和政府部门提供劳动力市场分析。公司表示，其数据覆盖超过3000万家公司、50亿条招聘职位以及195个以上国家和地区。Founder and Chief Executive Officer为Ben Zweig，Chief Economist为Lisa K. Simon。
文章来源：HRTech编译与解读。数据来源包括Revelio Labs、AI Labor Market Tracker及Yale University The Budget Lab。
ChatGPT
【伦敦】AI员工赋能初创公司Atheni获得35万英镑种子轮融资，打造企业AI能力内化新范式
HRTech概述：总部位于伦敦的 AI 员工赋能初创公司Atheni宣布成功完成35 万英镑种子轮融资，本轮融资由知名天使投资人 Alex Chesterman OBE 参与投资，同时获得英国创新署（Innovate UK）官方资助，资金将用于核心产品迭代与市场拓展，助力企业破解 AI 工具落地 “浅尝辄止” 的行业痛点。Atheni 核心产品Atheni Accelerator以 “工作流嵌入 + 角色定制化” 为核心，将 AI 指导深度融入员工日常操作场景。平台聚焦 ChatGPT、Claude、Copilot 等主流 AI 工具，为不同岗位员工提供个性化提示词、场景化操作指引及实时反馈支持，从 “教员工用 AI” 升级为 “让员工善用 AI”，推动 AI 从基础工具应用向决策辅助、思维升级的深层价值跨越。
总部位于伦敦的 AI 员工赋能初创公司Atheni宣布成功完成35 万英镑种子轮融资，本轮融资由知名天使投资人 Alex Chesterman OBE 参与投资，同时获得英国创新署（Innovate UK）官方资助，资金将用于核心产品迭代与市场拓展，助力企业破解 AI 工具落地 “浅尝辄止” 的行业痛点。
深耕 AI 能力内化，重构企业 AI 应用逻辑
区别于传统 AI 培训 “一次性灌输、知识留存低” 的短板，Atheni 核心产品Atheni Accelerator以 “工作流嵌入 + 角色定制化” 为核心，将 AI 指导深度融入员工日常操作场景。平台聚焦 ChatGPT、Claude、Copilot 等主流 AI 工具，为不同岗位员工提供个性化提示词、场景化操作指引及实时反馈支持，从 “教员工用 AI” 升级为 “让员工善用 AI”，推动 AI 从基础工具应用向决策辅助、思维升级的深层价值跨越。
两年客户验证成效显著，高留存印证市场刚需
Atheni 由 Mackenzie Howe 与 Louise Ballard 联合创立，正式融资前已通过两年密集客户实践打磨产品方法论，构建起高适配、高转化的 AI 赋能体系。目前平台已覆盖教育、制造、金融服务、私募股权等多元行业，数据显示，客户接入平台 90 天内用户参与率超 90%，显著高于行业平均水平，充分验证产品的普适性与实用性，也凸显企业对 “可落地、高回报”AI 赋能方案的迫切需求。
聚焦 “培养优秀用户”，直击 AI 落地核心痛点
“当前多数 AI 初创公司专注打造更强大的工具，而 Atheni 专注培养更优秀的 AI 用户。” 联合创始人 Mackenzie Howe 表示，企业 AI 应用的核心瓶颈不在于工具可及性，而在于员工能否真正用 AI 创造增量价值—— 实现更清晰的决策、更高效的协作与更具突破性的创新。Atheni 通过量化 AI 应用成效、明确价值转化路径，精准解决行业痛点：企业难以衡量 AI 投入回报率（ROI），助力组织实现 AI 投资的可量化、可追溯、可优化。
资本加码加速扩张，抢占 AI 赋能黄金赛道
随着生成式 AI 技术快速普及，企业 AI 应用进入 “深水区”，但多数员工仍停留在 AI 基础任务使用阶段，AI 生产力潜力未充分释放。Atheni 的差异化定位 ——“工具嵌入 + 能力培养 + 价值量化”，精准契合市场需求，在快速扩张的企业 AI 赋能赛道中占据先发优势。
本轮融资后，Atheni 将加速推进 Atheni Accelerator 平台迭代，深化与现有客户的合作落地，同时完善商业体系，为后续更大规模融资蓄力。伴随企业数字化转型加速，聚焦 “AI 能力内化” 的 Atheni，有望持续释放价值，助力全球企业真正释放 AI 生产力，构建人机协同新生态。
ChatGPT
【警惕】AI招聘的隐形风险：从 Mercor 数据泄露到 HR“自建系统”失控边界
HRTech概述：在AI快速进入招聘与人力资源管理核心流程的当下，一个被行业系统性忽视的问题正在逐渐显现：HR不仅在使用AI工具，也在无意中成为企业数据风险与合规风险的直接承担者。近期AI招聘公司 Mercor 遭遇网络攻击的事件，与 Ben Eubanks 对“vibe coding”现象的警示，实际上共同指向同一个更深层的趋势——AI正在打破HR系统原有的边界，而组织尚未建立与之匹配的治理能力。
Mercor事件：AI招聘架构的系统性脆弱性
从表面看，Mercor事件是一次典型的数据安全事故，其攻击路径被认为与开源项目 LiteLLM 的漏洞相关。但如果从架构层面分析，这并非孤立事件，而是AI招聘系统普遍面临的结构性问题。首先，AI招聘平台天然依赖大量外部组件，包括模型接口、中间层工具和API调用，这使得系统不再是传统意义上的“封闭HR系统”，而是一个高度开放的技术网络。一旦某个环节（例如开源组件）出现漏洞，风险就会沿着调用链迅速扩散，形成供应链级别的安全事件。
其次，AI招聘系统的数据集中度显著提高。相比传统ATS仅存储简历信息，AI平台往往整合视频面试数据、评估标签、行为分析结果等更高价值的数据资产。这类数据不仅敏感程度更高，而且结构更复杂，一旦泄露，其影响远超传统数据泄露事件。第三，AI系统本身扩大了攻击面。每一个模型调用、每一次数据传输、每一个API接口，都是潜在的攻击入口。这意味着，AI并不是简单叠加在HR系统之上，而是从根本上改变了系统的风险结构。
HR自建AI工具：效率背后的合规与安全盲区
与Mercor事件几乎同步发生的，是HR领域快速兴起的“自建工具”趋势。在 ChatGPT、Claude 等生成式AI工具的推动下，越来越多HR开始尝试通过简单脚本或自动化流程优化工作。例如，将候选人简历从ATS导出，上传至AI模型进行评分，再将结果回写系统。这类流程在操作层面看似高效，但在法律与合规层面却存在明显风险。
最直接的问题是数据传输与第三方使用。当候选人数据被上传至外部AI平台时，数据是否获得授权、是否跨境传输、是否被用于模型训练，往往并不透明。在GDPR以及美国部分州的数据保护法规框架下，这种未经明确授权的数据使用，很可能已经构成违规。其次，AI参与招聘决策还涉及自动化决策与潜在歧视问题。如果AI模型参与候选人筛选或排序，企业需要具备解释其决策逻辑的能力，而“vibe coding”生成的工具通常缺乏可审计性，这在法律争议中将成为重大风险点。
更关键的是，很多HR忽略了一个根本差异：原型工具与企业级系统之间存在本质鸿沟。一个可以快速运行的脚本，并不等同于一个可以长期稳定、安全、合规运行的生产系统。企业级系统必须具备安全性、稳定性、权限控制、审计能力等一整套机制，而这些恰恰是“自建工具”最容易缺失的部分。
从工具使用者到风险承担者：HR角色的结构性变化
这两类现象叠加后，实际上揭示了HR职能的一个重要转变。过去，HR主要是流程与人员管理的执行者，而在AI时代，HR开始不可避免地承担数据治理与AI使用风险的责任。招聘流程中每一次数据调用、每一次工具接入、每一次自动化决策，都在扩展HR的责任边界。
问题在于，大多数HR团队并未为这种转变做好准备。缺乏对数据流的理解、不熟悉API调用逻辑、不了解第三方工具的合规边界，使得HR在拥有更多技术能力的同时，也暴露在更高的风险之中。这种“能力未匹配责任”的状态，使AI在HR场景中的应用呈现出一种典型的失衡：工具能力迅速提升，但治理能力严重滞后。
行业拐点：效率导向正在让位于治理能力
当前HRTech行业普遍强调AI带来的效率提升，但Mercor事件以及围绕“自建工具”的争议，正在推动行业进入一个新的阶段。未来的竞争不再仅仅取决于谁用AI更多，而在于谁能够建立清晰的数据边界与治理体系。企业需要回答的不只是“能否用AI提升效率”，而是“在什么范围内使用AI是安全且合规的”。
这意味着，HRTech产品与HR团队本身，都需要从“工具导向”转向“治理导向”。包括建立数据使用规范、明确AI参与决策的边界、区分个人效率工具与企业生产系统，以及引入必要的审计与安全机制。这些能力将成为下一阶段HR数字化转型的核心竞争力。
从风险暴露到能力建设：RAIHR正在成为行业共识
如果说 Mercor 事件揭示的是“风险已经发生”，那么当前HR领域更需要面对的问题是：我们是否具备管理这些风险的能力。
早在2024年，HRTechChina 就已经开始持续呼吁行业正视这一变化，并正式发起了“RAIHR（Responsible AI in HR）”倡议，尝试为HR在AI时代建立一套清晰的能力框架与实践边界。该倡议的核心，并不是讨论“是否使用AI”，而是回答一个更关键的问题：在使用AI的过程中，HR应该承担什么责任，以及如何建立可控、可审计、可合规的使用机制。
从实践角度看，RAIHR关注的并不是工具本身，而是三个更底层的问题：数据如何使用、决策如何产生、系统如何被管理。这恰好对应当前HR在AI应用中最容易忽视、但风险最高的三个领域。换句话说，RAIHR试图解决的，是从“工具使用能力”到“风险治理能力”的跃迁。
结合当前行业的发展阶段，可以看到一个越来越清晰的分水岭正在形成：一部分HR仍停留在“如何更高效使用AI工具”，而另一部分HR，已经开始思考“如何在不产生风险的前提下使用AI”。前者决定效率，后者决定边界与长期价值。
在这一背景下，RAIHR不再只是一个概念，而更像是一种必要的行业基础设施。随着监管趋严、企业数据风险不断上升，以及AI在招聘与管理中的深度嵌入，是否具备RAIHR能力，将逐渐成为HR专业度的重要标志之一。
对于企业而言，这意味着需要建立明确的AI使用规范与审计机制；对于HR个人而言，这意味着必须理解数据流、决策逻辑与系统边界；对于HRTech行业而言，这意味着产品与服务必须从“功能导向”走向“合规与治理导向”。
AI不会放慢进入HR的速度，但风险正在同步放大。真正的问题，不是是否使用AI，而是是否在有边界的情况下使用AI。
在这个阶段，再次呼吁行业正视这一变化：从今天开始，把“Responsible AI in HR”作为一个必须建立的基础能力，而不是一个可以延后讨论的话题。
ChatGPT
OpenAI 重磅发布 GPT-5：从聊天机器人迈向智能体，AI 正式进入企业实用时代
【HRTech 报道】2025年8月7日，OpenAI 正式发布了其最新旗舰级大模型 GPT-5，标志着生成式人工智能进入“智能体”新阶段。OpenAI CEO 萨姆·奥特曼在发布会上表示，GPT-5 是通往通用人工智能（AGI）的关键一步。不同于以往注重模型规模和参数数量，GPT-5 更侧重于架构创新与企业级能力落地，预示着 AI 正式成为企业核心工具的一部分。
从模型到智能体：统一架构打开多场景应用空间
GPT-5 是 OpenAI 首个“统一模型”，整合 GPT 系列与 o‑series（推理模型），不仅具备对话能力，更可以像智能代理一样执行复杂任务，包括代码生成、项目规划、调试协助和研究报告撰写等。这一转变也意味着，企业将不再仅依赖外部插件或工具，而是可以通过 GPT-5 实现高度自动化的工作流，开启“AI 工作伙伴”时代。
企业级应用升级：写作、医疗、金融能力全面增强
在多个关键行业场景中，GPT-5 展现出显著性能提升：
医疗健康场景的幻觉率降至仅 1.6%，较 GPT-4o 的 20.6% 大幅降低；
通用对话场景幻觉率也降至 4.8%；
可即时生成完整软件（vibe coding），实现从自然语言到代码部署的全过程自动化；
被媒体评价为“具备博士级专家问答能力”的 AI 助手。
这些提升让 GPT-5 在高风险行业如医疗、法律、金融中变得更加可靠，适用于决策支持、合规判断及精密内容生成。
技术亮点：即时软件与动态推理机制
GPT-5 引入了“实时路由器（real-time router）”与“test-time compute”机制，可根据用户输入的复杂程度动态调整推理深度与计算资源，在保证速度的同时提升响应准确率。这使得 GPT-5 成为真正适应多任务、多需求的智能系统。
基准测试领先但保持克制
在 SWE-Bench Verified（真实 GitHub 编程任务）中，GPT-5 首次尝试得分达 74.9%，略高于 Claude Opus 4.1 的 74.5%；在 GPQA Diamond（博士级科学问题测试）中取得 89.4%，领先行业同类模型。但在 Humanity’s Last Exam（跨学科能力测试）上使用工具后的得分为 42%，略低于 xAI 的 Grok 4 Heavy（44.4%）。OpenAI 也坦言，部分代理任务与安全机制仍在持续优化中。
用户体验升级：人格化、记忆能力双提升
个性化设定：ChatGPT 中新增了四种人物性格设置——“Cynic（愤世者）”、“Robot（机器人）”、“Listener（倾听者）” 和 “Nerd（学究）”，让用户能够根据对话偏好调整风格。同时，模型更关注会话历史与用户偏好，提升个性化与长期交互体验，助力 AI 助手真正走入日常工作与生活。
全面开放策略，赋能开发者与企业
GPT-5 已对所有 ChatGPT 用户开放，免费用户亦可体验核心能力：
Plus 用户每月 $20 可获得更高使用额度；
Pro 用户每月 $200 可访问 GPT-5 Pro 模型与更大计算资源；
开发者 API 提供 gpt-5、gpt-5-mini、gpt-5-nano 三种规格，灵活适应不同业务需求，按 token 计费起步价为每百万输入词元 $1.25，输出词元 $10。
对 HR 科技的深远影响
对于 HR 科技行业而言，GPT-5 的发布意味着：
招聘流程将更加智能化，实现从 JD 编写到简历筛选、面试问题生成的全链路自动化；
合规培训、政策解释、员工沟通等复杂任务可借助 GPT-5 实现快速生成与多语言支持；
企业内部的 AI 助手不再是概念，而是切实可用的生产力工具，推动 HR 数字化转型向深水区迈进。
OpenAI 用 GPT-5 展现了生成式 AI 的另一种可能：不仅聪明，更安全、更懂业务、更可控。这或将成为未来 HR Tech 领域，乃至所有企业级软件的核心驱动力量。
ChatGPT
【美国】人才平台提供商Twill获得140万美元种子轮融资，改变科技行业的招聘方式
通过同行推荐将公司与经过审核的技术专业人士联系起来的下一代人才平台 Twill 宣布公司已获得 140 万美元的种子轮融资，由 Bloomberg Beta 领投。其他投资者包括 Vitalize VC、Correlation Ventures、Purpose Built Ventures 以及 Netflix、Meta 和 Snap 的高管。
73%的招聘专业人士认为，缺乏合格的求职者是他们面临的最大挑战，而LinkedIn上只有10-15%的求职者符合职位要求，在这种情况下，Twill利用专业网络和领域专长的力量，正在超越技术招聘。与依赖通用招聘人员的传统招聘平台不同，Twill 建立了一个由经验丰富的技术专业人士组成的受邀社区，他们利用自己的网络为空缺职位推荐合格的候选人。这种方法可确保招聘经理收到由行业专家亲自担保的经过预先审查的长期候选人。
“Twill 创始人兼首席执行官 Michelle Volberg 说："传统的招聘模式已经从根本上被打破。“招聘经理们一直在与大量不合格的申请做斗争，但人工智能使这一问题急剧恶化。现在，求职者可以使用 ChatGPT 生成完美的简历，这导致大量看似合格的求职者实际上并不符合他们列出的资历。人工智能只会让招聘市场变得更加困难。
该平台的突出之处在于为其专家社区提供了可观的经济奖励，会员最多可获得50%的或有搜索费用--每次成功招聘可获得5,000至25,000美元不等。这种创新模式确保了高质量的推荐，同时也公平地补偿了利用其网络和专业知识的行业专业人士。Twill拥有10,000多名专业会员，通过利用热心线索，将最合格、最经过审核的求职者推到最前沿，并将他们安排到职位上，通常可在30天或更短时间内完成，从而加快了招聘时间。
“随着定制化外发信息数量的增加，最合格的求职者会被淹没，而且往往毫无反应。在 LinkedIn 上无视招聘人员信息的最佳候选人下班后都会与 Twill 会员闲逛。沃尔伯格解释说："我们正在通过建立一个由行业领袖组成的社区来解决这个问题，这些行业领袖真正了解并能为他们推荐的人才提供担保。“我们的成员在工程、产品和销售领域平均拥有 12 年以上的经验，为招聘过程带来了广泛的人脉和真正的判断力，这是人工智能无法复制的。
Twill 对社区成员和候选人推荐的严格审核流程使其与众不同。传统平台会自动将所有申请转给招聘经理，而 Twill 则实施了两层筛选流程。首先，候选人必须由经过验证的社区成员推荐。然后，Twill 的团队会进行额外的筛选，确保候选人符合职位要求，然后再将候选人推荐给招聘经理。
“当我们被越来越多的信息淹没时，来自熟人的值得信赖的推荐就显得尤为重要。Twill以一种强大的方式将这一点带到了招聘领域，"Bloomberg Beta主管Roy Bahat说。
有了这笔资金，Twill 计划扩大其专家成员社区，增强其平台功能，并壮大其团队，为更多寻求高质量人才的公司提供服务。
关于Twill
Twill 通过经验丰富的行业专业人士的推荐，将公司与经过预先审查的候选人联系起来，从而改进技术招聘工作。该平台的工程、产品和销售专家社区利用他们的网络和专业知识推荐合格的候选人，并为成功的职位安排赚取丰厚的奖励。Twill 通过其双层审核流程和以人为本的推荐，确保了高质量的匹配和更好的招聘结果。
ChatGPT
AI助力：减轻人力资源与员工培训的工作负担
九月的一个周日傍晚，天色已晚。按理说，你应该舒舒服服地躺在沙发上，沉浸在最新的狂欢剧集中。尽管屏幕上的情节跌宕起伏，但你通常在周末结束时进行的逃避现实的活动却无法吸引你，因为你无法摆脱未来一周令人生畏的前景。
明天早上，15 名新招聘的毕业生将在同一天开始工作，所有人都要在你的系统上进行设置，所有人都急需支持和个人关注，所有人都需要在今年结束前取得成果并向客户收费。
是的，你是团队中的一员，但你能为这些新员工提供的一对一服务是有限的，同时还要满足已经相当庞大的员工队伍的需求。
对于从事人力资源工作的人来说，这种令人焦虑的情景（或主题的变体）并不陌生。
当然，这并不全是坏事。
一方面，有两点很可能是令人欣慰的：1）在招聘过程中，你或人力资源部门的其他人会有时间与他们单独交谈，今后也会有机会再这样做；2）他们会希望他们的一些培训和日常询问完全由内部在线平台处理，无需人工输入。
但另一方面，还有一个巨大的灰色地带，那就是更多的个人接触，虽然不是必要的，但也是很好的选择，而且是最好的雇主所提供的--只要你有资源......但许多部门都没有。
人工智能已应用于当今的人力资源领域
好消息是--无论它是用于提供反应性材料以补充知识库或内联网，还是用于主动培训或在招聘过程中提供帮助、为管理人员提供信息、访问 IT、填写假期表格、绩效考核、薪酬门户、费用等，你说得出来--人工智能（AI）的进步正开始让时间和资金短缺的人力资源专业人员的生活变得无比美好--尽管这项技术永远不会也不应该完全取代你。
当然，人们也希望人工智能能为人力资源、员工培训和技能提升带来变革潜力，从而重塑劳动力管理和技能发展； 例如，Gartner 最近发现，超过四分之三（76%）的人力资源领导者认为，如果他们的组织在未来 12 到 24 个月内不采用和实施人工智能解决方案（如生成式人工智能），那么他们的组织成功率将落后于那些采用和实施了人工智能解决方案的组织，而参加该技术研究咨询公司一月份基准会议的 34% 的人力资源领导者表示，他们正在探索生成式人工智能的潜在用例和机会。
那么，这些潜在用例是什么呢？在过去的一两年里，有三大领域引起了我的注意：
招聘
在招聘和录用方面，人工智能驱动的重复性人工任务自动化大大减少了人力资源团队处理和审核候选人的时间。通过生成定制的沟通序列，并使用大型语言模型（LLM）来创建看似定制的职位描述和面试问题，这种技术可以提高参与度和回复率。人工智能还可用于跟踪和分析转换率，帮助招聘经理确定和完善他们的推广策略，只关注那些能够实现目标的策略。
监测
监测绩效、参与度和行为，为人力资源团队提供即时见解，是当今人工智能的核心优势。通过分析存储在系统中的员工数据类型（如电子邮件、Teams 或 Slack 聊天记录）和工作模式信息，这些系统可以标记出负面指标。尽早发现这些问题并在问题升级之前采取干预措施，显然符合公司的利益。
内部流动
最好的公司都会从自己的员工队伍中向上招聘。问题是，这一过程往往是在员工偶然发现空缺职位并做出反应时才启动的，而不是相关方面鼓励他们申请，这意味着机会往往被错过。人工智能辅助系统利用用于监控员工的类似技术，弥补了这一不足，并向繁忙的人力资源团队提出内部甄选建议，节省了时间和外部招聘人员的成本。
在入职培训、学习与发展等其他关键领域，市场上还有许多令人印象深刻的应用，但它们都有这些共同的好处：提高效率、决策更可靠、信息更灵通，当然还有减少支出，更不用说同事们会享受到有助于留住人才的积极体验。
那么，有什么好处呢？
未来的创新
这让我想到了人工智能在人力资源领域的未来。这并不难理解；我们正处在一个上升的轨道上，在这个世界里，人工智能，尤其是生成式人工智能，将使我们的生活变得更加轻松。
但我要提醒大家：人工智能的问题不在于它能做什么或不能做什么。好吧，在减少文本输出中的 "幻觉 "和在图像中再现看起来真正属于人类的手方面，仍然存在一些磨合问题。但是，我们还需要对用户进行全面的教育：我们还不清楚哪些是人工智能制造的，哪些不是，这可能会带来危险。对于人工智能生成的内容，我们必须培养一种透明和诚实的文化。
无论是在招聘材料、内部沟通还是其他任何与人力资源相关的文件中，我们都必须直言不讳地说明哪些内容是由人工智能生成的。这种透明度不仅能建立信任，还有助于对人工智能的能力和局限性设定切合实际的预期。
最后，我想简单介绍一下 Rapport 公司，看看它的技术是如何通过动画头像帮助员工发展的。
不过，它们确实为某些类型的交互带来了新鲜和令人振奋的体验。
举一个常见的例子，培训和技能提升。员工希望在培训过程中与聊天机器人对话，并与人力资源系统进行其他互动。他们不太习惯的是虚拟互动人物--或者说 VIP。VIP具有自动语音识别功能，由Rapport用户在一个简单易用的平台上构建，可与ChatGPT等软件和用户自己的系统进行简单的插件和集成，VIP具有量身定制、用户自定义的面部表情、准确的唇语和自然的手势，以及检测和响应情绪的能力。
与其他人工智能增强系统一样，VIP 也会利用您的信息。但改变游戏规则的不同之处在于它们如何为员工体验注入活力。
更专业的可能是这个使用案例： 人力资源专业人员与动画化身对话，动画化身代表他们正在与之进行艰难对话的员工--艰难的审查、纪律听证会、让他们申请的晋升失败等等--他们需要在真正对话前进行练习和培训。
诸如此类的创新代表着人工智能的未来；在这令人兴奋的起步阶段，它们也代表着现在。
ChatGPT
【美国】招聘平台Skillfully获得250万美元种子轮融资，重塑招聘行业的未来
Skillfully 是一家位于加利福尼亚州旧金山的公司，专注于模拟驱动的招聘解决方案，公司获得了 250 万美元的种子轮融资。
本轮融资由 Better Ventures 领投，Silicon Valley Quad、American Student Assistance、Strada Education Foundation、FN Fund 和 Inventus Capital Partners 参投。
这笔新资金使我们能够将我们的解决方案推广到更多的世界顶级雇主，为专业服务、销售和人员招聘领域的技能优先就业设定了新的黄金标准。
Skillfully公司坚信，当前的求职、就业和发展方式已经从根本上被打破，因此公司致力于解决传统简历驱动型招聘方式的缺陷。在人工智能变革的行业中，这些过时的方法既辜负了雇主，也辜负了求职者。
招聘人员历来依赖简历、求职信和在线资料来衡量求职者的技能。然而，这种方法已经越来越不够用了，现在 90% 的申请材料都是通过 ChatGPT 等 GenAI 工具来增强的，这使得雇主们被简历淹没。然而，为这些人工智能工具提供动力的底层技术同样可以通过我们所说的 "体验式 "招聘彻底改变招聘方式，创造一个更加公平、更具包容性和以技能为中心的就业市场。
体验式招聘利用虚拟模拟工作场所的挑战，将招聘者的关注点从传统的技能描述转移到可验证的技能展示。Skillfully 的 HiredNow 产品提供完全定制化的模拟，使雇主能够看到求职者的实际技能，提供有价值的见解，从而将招聘精确度提高 10-20 倍，并显著节约人力资源成本。这种方法可确保求职者的实际能力和职业潜力得到评估，而不仅仅是在线职业门户网站上的另一份申请表。
Better Ventures合伙人Lyndsey Boucherle说："Skillfully帮助雇主发现更大的人才库，降低招聘成本，做出更好的招聘决策，同时为代表性不足的人才提供公平的竞争环境。我们很高兴能支持他们推动向基于技能的招聘转型。
此次融资标志着Skillfully进入了转型发展阶段。我们迫切希望将我们的招聘前模拟平台进一步商业化，并开发更多的创新产品，使我们的客户能够在不断发展的体验式、技能优先的招聘新格局中茁壮成长。
关于Skillfully
在首席执行官Brett Waikart的领导下，Skillfully公司提供了一个以模拟和评估分级为中心的招聘平台。通过该平台，雇主还可以直接从其经过技能验证的人才网络（TalentNetwork）中招聘人才，该网络包括大学、社区学院系统、哈佛商学院和劳动力发展组织等全国性职业合作伙伴。雇主可以接触到一个多样化的、积极进取的求职者人才库，而传统的以简历为先的招聘工具和职业网络往往会忽略这些求职者。
ChatGPT
【根特】人工智能平台Tekst.com获得70 万欧元融资，用于实现基于文本的流程自动化
总部位于根特的 Tekst.com 开发了一个前景广阔的人工智能平台，使大型公司能够自动处理基于文本的流程，如处理大量电子邮件。公司宣布将从 Entourage 公司筹集 70 万欧元，用于在欧洲进一步开发和商业化其技术。
在先进的人工智能出现之前，将文本转化为可用数据是人类必须手动完成的工作。考虑处理电子邮件中的特定信息，将其输入客户关系管理（CRM）、会计或企业资源规划（ERP）软件包。
人工智能的前景很好，但像 ChatGPT 这样的通用 LLM（大型语言模型）所做的不过是将文本转换成其他文本。准确解释非结构化文本，然后将其转换为可用数据--数据库可以处理的输入数据--仍然是一项不可能完成的任务。
Tekst.com 的首席技术官兼联合创始人 Tiebe Parmentier 说： "现有的基于识别关键字和设置规则的软件可以自动标注普通公司约 20% 的传入邮件流量，但准确率很低。这对于公司有效地自动处理来说太少了： "我们为客户提供的定制培训人工智能模型可以识别更多邮件的含义，准确率更高。这样就可以避免重复性工作，这不仅对企业本身是个好消息，对员工也有积极意义。我们将'枯燥'的操作从他们手中解脱出来，让他们的工作更加愉快"。
公司已经赢得了几家希望具体、快速开始使用人工智能的大客户。其中包括美国全球医疗设备公司 Becton Dickinson 和大型乳制品合作社 Milcobel。
"Tekst.com 首席执行官 Wouter Janssen 说："我们的企业客户通常已经实现了大量数据流程的自动化。"但在追求'无接触自动化'的过程中，他们仍然面临着最后一堵墙：自动处理电子邮件、案例、订单和票据中的大量文本，但要以严格控制和安全的方式进行。
B2B 领域的客户沟通需要小心谨慎，尤其是大型合同，快速准确的沟通至关重要。此外，还必须考虑到有关安全和隐私的所有协议和规则。
Tekst.com 的人工智能模型成功地在公司内部绘制了正确分析和路由信息所需的所有知识。它可以毫不费力地从 SAP 和 Salesforce 等现有数据系统中检索到这些信息。此外，Tekst.com 在后台执行工作，因此员工无需使用另一种新工具。最后，Tekst.com 符合所要求的安全和保密标准，如 GDPR 法规和全球 ISO 27001 信息安全标准。
Becton Dickinson 公司客户服务数字化经理 Christophe Boucquet 说： "我们有大量面向客户的收件箱，需要一个能够快速分析并优先处理不断增长的电子邮件的解决方案。鉴于我们产品的性质，在某些情况下，我们的客户需要极快的响应时间。有了 Tekst.com，我们在短短三周内就取得了成果。如果使用 Outlook，这是不可能实现的，如果我们自己尝试训练一个人工智能模型来处理电子邮件，可能要花费好几个月的时间。
Showpad 前联合创始人兼执行主席 Pieterjan Bouten： "Tiebe和Wouter雄心勃勃，他们的目标是让人工智能在复杂的商业环境中发挥作用。他们开发出了一项出色的技术，能在很短的时间内提高很多效率。我们看到了该公司的巨大潜力，相信他们能够成长为一家全球性企业。
ChatGPT
【法国】提供GenAI平台公司Adaptive ML获得2000万美元种子轮融资，帮助企业打造独特的GenAI体验
Adaptive ML是一家能让公司根据用户的互动情况不断改进其生成式人工智能模型的初创公司，公司宣布已获得由Index Ventures领投的2000万美元种子轮融资。ICONIQ Capital、Motier Ventures、Databricks Ventures、IRIS、HuggingFund by Factorial以及许多著名的天使投资人也加入了本轮融资。
Adaptive的愿景是让各地的企业都能利用不断学习的生成模型的优势，并提供直观的体验来提升关键业务指标。公司已经推出了企业平台的第一个版本，并将利用这笔资金继续投资于研究和产品开发，并迅速壮大巴黎和纽约的团队。
"Adaptive ML 首席执行官Julien Launay说："在 Adaptive ML，我们正在简化通往更直观、更有粘性的 genAI 应用程序的道路，直接推动用户体验和业务成果的改善。"从长远来看，我们设想永久学习模型吸收每一次交互，为每一位用户提供独一无二的体验。
企业对使用大型语言模型（LLM）的需求很高，然而，目前在通用现成模型与使其适用于特定生产用例之间存在很大差距。
只有当模型与用户的目标相一致时，才能产生吸引人的体验。实现这一目标是一个复杂的过程，涉及高度技术性和专业化的技术。这种复杂的偏好调整过程推动 OpenAI 成为像 ChatGPT 这样的世界性现象。Adaptive 将释放这些技术的威力，并让世界各地的企业都能使用它们。
Adaptive 平台抽象了微调和强化学习的技术细节，加快了基于 LLM 的产品的发布速度。为了实现这一目标，Adaptive 在工程设计、数据和部署方面采用了创新方法。
"对齐是用户体验大型语言模型的基础，"Index Ventures合伙人Bryan Offutt说。"预训练教会模型如何思考，而对齐则教会模型如何交流。我们很高兴能与Adaptive合作，将对齐的力量带给各地的企业，使他们能够建立适合其业务的生产就绪模型。
关于 Adaptive ML
Adaptive ML公司成立于2023年，由Baptiste Pannier、Julien Launay和Daniel Hesslow创立，是一家提供Gen人工智能平台的公司，旨在构建解决方案，帮助客户建立更准确、更高效的专业人工智能模型。公司利用公司数据以及用户互动和反馈，提供有助于获得反馈的机器学习模型。其愿景是让各地的企业都能利用不断学习的生成模型的优势，提供直观的体验，提升关键业务指标。
ChatGPT
【伦敦】数据分析平台Fluent获得690万欧元种子轮融资，以实现其AI驱动的数据分析仪横扫整个工作量的目标
改变决策者获取和使用商业数据方式的数据分析平台 Fluent 宣布完成由 Hoxton Ventures 和 Tiferes Ventures 领投的 690 万欧元种子轮投资。新投资将用于加速 Fluent 突破性技术的开发，并扩大其在欧洲的人工智能和机器学习专家团队。
Fluent 公司成立于 2021 年，是一家由人工智能驱动的数据分析师公司，它能让非技术团队成员用简单的英语直接向数据提出问题，在几秒钟内获得洞察力，并让数据团队免于手动回答临时数据请求的痛苦。
Fluent 公司首席执行官Robert Van Den Bergh说： "数据团队平均有 40% 的时间用于回答来自业务部门的问题。对数据团队来说，这些问题很多都很容易回答，但却使他们无法进行更深入、更具战略性的分析，而这些分析可能会改变他们的业务。借助 Fluent 的自然语言界面，我们可以帮助团队成员自助回答他们的数据问题。
在过去两年中，Fluent 赢得了包括贝恩公司在内的旗舰客户，实现了数据访问的民主化。
贝恩公司合伙人Ian Weber评论说： "Fluent 的平台帮助我们利用 LLMs 对大型复杂数据集进行分析并提供见解。Fluent 允许我们的非技术用户快速、高效、准确地获得所需的答案，尤其是对于预建数据仪表盘而言过于复杂或具体的问题。我们很高兴能探索 Fluent 未来如何帮助我们的客户更好地获取数据和见解。
Fluent 首席技术官Cameron Whitehead补充说："我们的客户已经采用了 Tableau 和 Looker 等商业智能工具，希望他们的非技术团队成员能够自行查询数据，但很快就发现这些工具技术性太强，导致只有一小部分团队成员真正使用它们。Fluent 就是为了满足那些非数据专家的团队成员的需求而打造的。
自2022年OpenAI的ChatGPT推出以来，各组织一直在对该技术进行测试，以了解在哪些方面可以提高工作效率，而分析Excel文件一直是比较受欢迎的应用之一。然而，能够与组织一起扩展的企业就绪解决方案仍处于萌芽阶段，准确性和信任度方面的担忧限制了该技术的采用。Fluent 弥补了这一缺陷，提供了一个企业就绪的解决方案，让数据团队可以轻松地整理、管理和信任数据。
Hoxton Ventures 合伙人 Charles Seely 评论说： "在一个数据驱动的世界里，目前的数据分析方法是企业的短板，在他们的组织中造成了永久性的瓶颈，拖慢了每个人的速度，阻碍了决策。Fluent 的方法不仅具有创新性，而且是企业迫切需要的，我们很高兴能参与他们重塑企业与数据交互方式的旅程。
Tiferes Ventures管理合伙人、InVision联合创始人Clark Valberg补充说："Fluent通过在每个组织层级实现实时访问数据驱动的洞察力的民主化，实现了协作智能的全新模式。我相信这是现代企业内部发生的最重要的战略和文化演变。
扫一扫 加微信
hrtechchina
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
扫一扫 加微信
hrtechchina
