-
Future of Work
2026最新版员工体验旅程图（EX Journey Map 2026）开放下载：AI增强与全球化升级
HR 的工作从来不缺执行，真正缺的是一张能看清全局的员工体验地图。
招聘看转化率，培训看完课率，薪酬看市场竞争力，绩效看目标达成率。但员工真正感受到的，并不是某一个单点流程，而是从第一次看到招聘信息，到入职、成长、激励，再到离职后的完整体验。这正是《EX Journey Map 2026》要解决的问题。
《EX Journey Map 2026》由 EX Institute 与 HRTechChina 联合发布，是一套面向 HR 团队的年度员工体验框架工具。它覆盖员工全生命周期 8 个关键阶段，帮助企业系统识别关键触点、评估体验质量，并找到最值得优先改善的环节。
本次发布的是高清 PDF，中英双语，可打印，可用于团队工作坊、内部复盘和管理层汇报。目前已有超过 5,000 位 HR 下载使用，覆盖华为、腾讯、阿里、比亚迪、蔚来、西门子、德勤等企业。
2026版员工体验旅程图三大升级
第一，新增“第0阶段”：AI治理与全球化战略底座。
在招聘、入职、绩效和发展之前，企业需要先建立底层能力，包括数据标准、AI伦理、PIPL合规、全球HRIS和跨区域管理机制。没有这一层，AI应用很容易停留在孤立工具层面，难以真正改善员工体验。
第二，AI增强视角贯穿员工全旅程。
新版旅程图将AI简历筛选与偏见检测、AI薪酬建议引擎、AI智能入职助手、Manager AI Coaching、AI情绪监测预警、AI离职风险预测等场景，嵌入到员工生命周期的不同阶段，帮助HR从“知道AI重要”走向“知道AI如何落地”。
第三，增加出海全球化视角。
面向正在全球化扩张的企业HR，新版加入多法域劳动合规、跨文化面试设计、Total Rewards全球薪酬体系、外派与回任衔接等内容，帮助企业在不同国家和地区建立更一致、更合规的人才管理体验。
覆盖8个关键阶段
《EX Journey Map 2026》覆盖员工体验完整路径：
0 AI治理与全球化战略底座
1 招募
2 录用
3 入职
4 绩效
5 成长
6 激励
7 离职
每个阶段都标注了核心员工体验触点、员工期望状态，以及AI应用和全球化扩展场景，方便HR团队直接对照使用。
现在下载
填写工作邮箱即可获取高清完整版 PDF，并订阅月度 EX 洞察，随时可退订。
下载地址：exinstitute.org/download
2026员工体验相关延伸资源
EX Awards 2026 · 员工体验大奖
第六届 EX Awards 已于 6 月 1 日正式开放，设置 23 个奖项，覆盖企业 HR 团队、HR 科技机构和服务机构。评选以 JPA 员工旅程实践评估为核心，所有参评企业无论是否获奖，均可获得专业诊断报告。案例提交截止日期为 8 月 31 日。
了解详情：exinstitute.org/awards
EX 工具包
旅程图 PDF 是起点。EX 工具包提供 8 个阶段的深度解读、自测诊断工具与实操模板，帮助 HR 从框架认知走向落地改善。
了解详情：exinstitute.org/
EX Institute · People First™
体验即信任 · exinstitute.org/
Future of Work
2026年06月06日
-
Future of Work
【重磅发布】专为HR从业者设计的AI能力成熟度评测（HR AI Forward）正式在中国上线
2026年5月20日充满爱意的日子里 — HRForward.ai 与 HRTechChina 今日联合宣布，HRForward.ai 测评产品正式在中国市场上线。这是目前中国市场首个专为HR职能设计的AI成熟度评测与成长系统，覆盖个人测评、团队诊断与组织评估三大产品线。平台同期宣布 HRTechChina 为中国区唯一授权合作伙伴，并获授权主办 HR AI Awards 2026 年度评选与 HR AI Forward Summit 2026 年度论坛。
同时将在5月28日上海HR科技年度论坛中正式发布解读，HR AI Forward 成熟度框架：四级十二阶段，欢迎届时到现场关注。
背景：HR的AI能力差距，正在成为组织竞争的隐性变量
随着AI工具在职场的全面普及，HR从业者对AI的接触程度已普遍提高。然而，"会用AI"与"真正具备AI工作能力"之间的差距，正在成为HR职业发展中一个被系统性低估的核心变量。
大多数HR从业者目前处于L1阶段——AI已经进入工作，但停留在临时提效的层面，使用缺乏复用机制，换一个任务场景往往需要重新摸索，无法积累为稳定的职业能力。这一现状的影响远不止于个人效率。
HR职能在组织中承担着人才标准制定、流程设计与能力建设的核心职责。HR团队的AI成熟度，直接决定其服务的组织对AI人才的识别标准、对AI工作方式的接受速度，以及整个组织进入AI时代的步伐。一个停留在L1的HR团队，正在用旧的标准衡量人才，用旧的方式设计流程，在不知不觉中延缓组织的AI转型。
"很多HR已经在用AI，但不知道自己在哪里，也不知道下一步应该做什么。这正是我们建立这套框架的原因——帮HR从业者把自己的AI能力状态看清楚，把成长路径说明白。"
— HR AI Forward
HR AI Forward 成熟度框架：四级十二阶，专为HR职能设计
HR AI Forward Maturity Framework 是目前中国市场首个专为HR职能设计的AI成熟度评估标准，基于系统性研究与大量HR从业者深度访谈构建，采用四级十二阶结构，覆盖从AI尚未介入工作到AI系统性驱动组织运营的完整演进路径。
L0 · Traditional HR · 事务型HR
AI尚未进入日常工作，HR工作以流程执行和人工操作为主。三个Stage分别对应：人工执行者、AI认知者、初步尝试者。
L1 · AI-Enabled HR · 工具型HR
AI开始作为提效工具使用，但使用临时、缺乏复用，尚未形成稳定工作方法。当前大多数HR停留于此。 三个Stage分别对应：工具入门者、工具应用者、规范使用者。
L2 · AI-Ready HR · 能力型HR · 关键跃迁点
AI已进入工作方式本身，在多场景中形成可复用的AI工作体系，能够跨场景迁移，持续沉淀工作资产。这是整个框架的核心分水岭，也是 AI-Ready Credential 专业认证的颁发门槛。三个Stage分别对应：流程接入者、能力构建者、成熟实践者。
L3 · AI-Native HR · 系统型HR
AI成为工作结构的组成部分，HR开始用AI重构流程、设计系统，成为组织AI转型的核心推动者。三个Stage分别对应：系统探索者、系统运营者、原生引领者。
框架的核心判断是：从L0到L1是接触与尝试，从L1到L2是能力与结构——这两个变化的本质完全不同。停留在L1，AI只是可有可无的辅助工具；进入L2，AI已真正嵌入工作方式，可复用、可迁移、可积累。L2才是真正的跃迁。
测什么，不测什么
HR AI Forward 的测评围绕真实工作行为与习惯设计，而非知识测试：
测这些： AI是否真正进入日常工作、是否形成可复用的方法与习惯、能否在不同场景迁移AI能力、是否从个人使用转向流程设计。
不测这些： AI术语和概念记忆、Prompt写作技巧、对热门工具的熟悉程度、软件操作知识问答、单次任务的偶然高水平输出。
三大产品线，覆盖个人、团队与组织三个维度
个人测评 · 先锋价¥198（正式价¥980）
面向HR从业者个人，26道围绕真实HR工作行为设计的测评题目，完成时间约10-15分钟，即时生成个性化报告。报告内容包含：当前Level与Stage的精确判断、四个核心维度的能力得分详情、与L2之间的关键差距分析，以及针对个人具体情况、优先级最高的成长建议。
测评结果达到L2及以上者，可申请 AI-Ready Credential 专业能力凭证——支持公开验证，可在LinkedIn展示，证明持有者不只是"用过AI"，而是真正具备了AI时代的HR工作能力。
当前开放首批先锋名额，以¥198的先锋价参与测评，正式价格为¥980。先锋名额有限，额满即止。
参与测评：https://forward.hrtechchina.com
团队测评 · ¥980/人
面向HR团队整体能力评估，支持批量采购。团队成员各自独立完成测评并获得个人报告，团队负责人可查看整体能力分布图、能力短板集中区域与培训优先级建议。适合希望以数据驱动团队能力建设决策的HR负责人、HRBP负责人及HR总监。
了解详情：https://forward.hrtechchina.com/team.html
组织诊断 Org 2.0 · ¥4,980/次
面向HR部门整体的组织级AI成熟度诊断服务，适合CHO、CHRO及HR战略负责人。评估维度涵盖AI工具渗透率、能力建设机制、流程重构深度、数据与治理意识五大核心领域，以28道结构化问卷为基础，AI生成完整诊断报告。报告输出包含五维雷达图、行业基准对比分析、八个模块的深度诊断内容，以及可直接呈递管理层的执行摘要。
咨询合作：hrai@hrtechchina.com
HRTechChina：中国区唯一授权合作伙伴
HR AI Forward 正式授权 HRTechChina 作为中国市场唯一合作伙伴，负责平台的本地化运营、推广与用户服务。HRTechChina 是中国领先的HR科技行业媒体与社区平台，长期聚焦HR科技前沿趋势，服务国内数十万HR从业者，是目前国内覆盖面最广的HR科技垂直平台之一。
HRTechChina 同时获得 HR AI Forward 授权，独家主办以下两项年度活动：
HR AI Awards 2026 — 年度最佳HR AI实践评选，中国区首届。评选不考察工具选型或AI使用意愿，而是评估一个HR职能在多大程度上真正建立了AI驱动的工作方式。设7个场景奖及1个年度综合大奖 Grand Prix，以L2为入围门槛，基于严格的结构化测评与案例评审。提名通道将于2026年7月1日正式开放，截止日期为2026年10月1日。
了解Awards：https://forward.hrtechchina.com/awards
HR AI Forward Summit 2026 — 中国首届HR AI Forward年度论坛，计划于2026年11月在上海举办，预计规模300-500位HR从业者。论坛围绕个人能力、团队建设、组织转型三条主线深度展开，同期举办HR AI Awards 2026颁奖典礼及AI-Ready Credential认证证书现场颁发。完成HR AI Forward测评的从业者，凭测评报告可免费参会。
了解Summit：https://forward.hrtechchina.com/summit
关于HR AI Forward
HR AI Forward 是一个面向HR从业者的AI能力评测与成长系统。它不以抽象知识测试为核心，而是围绕真实工作方式、使用习惯与能力成熟度进行判断，帮助用户识别所处阶段、看见关键差距，并获得结构化的成长方向。它的目标，不只是给出结果，而是帮助HR从业者从零散使用AI，走向真正AI-ready的工作方式。平台同时提供个人测评、团队测评、组织诊断与专业认证服务，覆盖英文与中文双语市场。官网：hrforward.ai
HRTechChina 是中国领先的HR科技行业媒体与社区平台，中国首家专注人力资源科技的垂直服务平台，覆盖逾十万HR从业者。HRTechChina 是 HR AI Forward 在中国市场的唯一授权合作伙伴，负责中国区的本地化运营、推广与用户服务，同时获授权独家主办 HR AI Awards 及 HR AI Forward Summit 年度活动。官网：hrtechchina.com
报名与联系方式
个人测评 https://forward.hrtechchina.com
团队测评 https://forward.hrtechchina.com/team.html
组织诊断 Org 2.0 https://forward.hrtechchina.com/org
HR AI Awards 2026 https://forward.hrtechchina.com/awards
HR AI Forward Summit 2026 https://forward.hrtechchina.com/summit
微信客服：小科 hrtech-china
新闻稿链接：
https://www.hrtechchina.com/Public/html/hrforward/520press.html
https://www.hrforward.ai/hrforwardandhrtechpr.html
Future of Work
2026年05月20日
-
Future of Work
杭州法院明确：企业不能因AI替岗直接裁员，AI技术升级不当然构成合法解除劳动合同理由
HRTech概述：杭州一起AI劳动争议案近日引发关注。某科技公司因“AI成本更低”，将负责大模型问句质检的员工月薪从2.5万元降到1.5万元，员工拒绝后被解雇。最终法院认定：违法解除劳动合同。法院强调，AI技术升级并不自动构成“劳动合同无法履行”，企业不能单方面因AI替代而降薪裁员。企业应优先培训员工、合理协商调岗，并保障劳动者权益。
随着AI大模型快速进入客服、内容审核、数据处理、运营支持等岗位，企业“AI替岗”正在从技术讨论逐渐演变为真实的劳动关系问题。而杭州法院近日公布的一起典型案例，首次对“AI替岗是否能够成为企业裁员理由”给出了明确司法态度。
根据杭州法院披露的信息，某科技公司员工周某长期从事“问句质检”工作，其核心职责是对AI大模型与用户交互生成的答案进行正确性审核与质量判断。这类岗位本质上属于AI训练与人工反馈体系中的关键环节，也是过去两年AI行业快速发展过程中大量新增的工作类型之一。
随后，该公司以“AI技术冲击、项目优化调整、AI替岗更具成本优势”为由，与周某协商调岗，并计划将其月薪从25000元降低至15000元，降薪幅度达到40%。
由于周某拒绝接受大幅降薪，公司最终解除劳动合同。
案件经过劳动仲裁后进入法院审理阶段。杭州法院最终认定：企业构成违法解除劳动合同，应向员工支付赔偿金。二审维持原判。
杭州法院在判决中明确指出，企业引入AI技术属于主动实施的技术升级与经营优化行为，但这并不当然等同于劳动法意义上的“客观情况重大变化”，也不意味着劳动合同已经“无法履行”。
这一认定非常关键。
过去几年，许多企业在推动数字化与AI转型时，往往倾向于将“技术替代”视为组织优化的天然理由。但杭州法院此次实际上划定了一条清晰边界：
AI效率更高、成本更低，并不意味着企业可以单方面降薪、调岗或解除劳动合同。
尤其值得注意的是，杭州法院还特别强调，公司向员工提供的新岗位与原岗位相比待遇明显下降，因此不能认定企业已经提供了“合理协商方案”。
换句话说，企业即使确实因为AI转型需要进行岗位调整，也必须遵循劳动法中的合理协商原则，而不是简单以“技术升级”为理由推动低成本替代。
从更宏观角度看，这一案件的意义已经不仅仅是单一劳动争议。
它实际上反映出当前中国在AI发展与就业稳定之间正在形成新的平衡逻辑。
一方面，中国正在大力推动人工智能产业发展，大模型、Agent、自动化系统正快速进入企业实际运营；另一方面，在经济增长放缓与青年就业压力上升背景下，“就业稳定”同样成为重要政策方向。
因此，杭州法院此次释放出的信号非常明确：
支持AI发展，但不能以牺牲劳动者合法权益为代价。
法院在“典型意义”部分还进一步提出了一个更值得HR行业关注的方向——企业应优先考虑“培训与岗位升级”，而不是简单替代。
杭州法院认为，如果企业确因AI变革需要调整业务，可以优先通过培训帮助员工进入“更高一级、更需要人工干预”的岗位，实现劳动效率提升与员工发展的双赢。
这一观点其实正在成为全球AI治理的重要趋势。
无论是欧洲的“负责任AI”，还是美国近期围绕AI与就业的讨论，核心问题都已经不再只是“AI会不会替代人”，而是：
企业如何合法、合理、可持续地完成AI转型。
对于HR部门而言，这意味着未来组织管理的重点可能发生明显变化。
过去，HR更多关注招聘、绩效、薪酬与员工关系；而未来，HR还需要开始处理：
AI带来的岗位重构
人机协作模式设计
员工再培训（Reskilling）
AI组织治理
AI时代劳动合规
技术变革中的员工沟通与稳定
特别是在客服、审核、运营、基础分析等容易被AI影响的岗位领域，类似案例未来很可能持续增加。
而杭州法院此次案例，也可能成为中国AI劳动争议进入司法规则阶段的重要标志。
对于企业来说，这意味着AI转型不能只关注“降本增效”，还必须建立更加成熟的组织变革机制；对于员工来说，则意味着持续学习与能力升级将越来越重要。
因为未来真正被AI取代的，可能不是“岗位”，而是无法持续适应变化的工作方式。
Future of Work
2026年05月08日
-
Future of Work
调查：员工开始用AI“抢同事工作”，有人因此升职，有人被裁
HRTech概述：AI正在迅速改变职场结构，但最新一项调查显示，这种变化已经从“提升效率”演变为更复杂的行为模式—很多人用 AI 把同事的工作接过来做，但不会告诉老板是 AI 做的，最后结果是——同事被裁了，他反而升职加薪。AI 已经不只是提效工具，而是“保饭碗工具”。这个对 HR 和管理者，其实是个很大的挑战
调查背景：1000名美国员工揭示新趋势美国职业平台ResumeBuilder发布的一项最新调查显示，在当前充满裁员压力的职场环境中，AI的使用方式正在发生显著变化。该调查于2026年4月通过Pollfish平台完成，覆盖1000名美国全职员工，且所有受访者均表示对未来12个月可能发生裁员“至少有一定担忧”。
结果显示，60.7%的受访者承认曾使用AI承担原本由同事负责的任务，这一行为被定义为“AI job hijacking”（AI岗位接管）。在过去12个月发生过裁员的公司中，这一比例进一步上升至74.3%，显示出裁员压力与该行为之间的显著关联。
行为变化：从“用AI提效”到“用AI替代同事”从人群分布来看，这一行为在35至44岁员工中最为集中，比例达到74.7%；男性员工的参与比例为67.1%，女性为51.8%。此外，近三分之一（32.3%）的AI使用者在过去六个月中已经接管了四项或以上的同事职责，显示出该行为正在规模化发展。
这一趋势意味着，AI在职场中的角色正在发生转变：从最初的效率工具，逐步演变为一种提升个人竞争力、甚至替代他人的手段。
信息不透明：大多数员工不会告诉老板AI参与程度更值得关注的是，AI的使用过程高度不透明。调查显示，62.8%的员工并未向管理者披露AI在工作中的实际参与程度。相反，他们往往将成果归因于个人努力或能力提升。
具体来看，50.1%的受访者表示会向经理解释为“主动承担更多职责”，28.2%称是“工作更加努力”，还有26.5%表示“通过与同事合作学习获得能力提升”。与此同时，61.6%的AI使用者坦言，如果管理者完全了解AI的参与程度，他们会对自身岗位安全感到担忧。
职场关系冲击：被替代的往往是“关系不错的同事”在组织关系层面，这一趋势的影响更加直接。调查显示，70.8%的受访者表示，被其接管工作的对象通常是“关系较好的同事”。
更具冲击力的是，在这些案例中，有63%的被替代者最终被裁员。按整体样本计算，约27.1%的受访者表示，他们曾通过AI接管朋友的工作，并最终看到对方被裁。这一结果表明，AI不仅改变了岗位结构，也正在重塑职场中的人际关系与信任基础。
激励机制扭曲：使用AI者反而获得更多回报尽管这一行为对同事产生了直接影响，但从个体职业发展的角度来看，AI使用者却普遍获得正向反馈。调查显示，79.6%的相关员工获得了至少一种职业回报。
其中，47.9%获得正面绩效评价，44.2%被赋予更多职责，21.7%获得晋升，20.4%获得加薪。这意味着，在当前绩效评价体系下，AI能力正在被直接转化为职业优势。
专家观点：从“创新”转向“生存竞争”ResumeBuilder首席职业顾问Stacie Haller指出，这一现象反映出职场行为逻辑的变化。她认为，这种趋势“更像是生存竞争，而不是单纯的创新”。
她进一步指出，当员工因裁员焦虑而采取行动时，往往会减少信息分享、规避风险，甚至在无意中削弱团队合作。长期来看，这种行为可能侵蚀组织内部的信任与文化，而管理层往往难以及时察觉。
AI治理将成为企业核心管理议题从更宏观的角度看，这一趋势并非孤立现象。在裁员压力、绩效竞争与AI能力差异叠加的背景下，员工行为正在发生结构性变化。AI逐渐从效率工具演变为“职场生存工具”。
对于企业而言，这提出了新的管理挑战：如何界定AI参与下的绩效归因，如何建立透明的使用规则，以及如何在推动AI应用的同时维护团队信任与协作机制。
未来的竞争，不仅在于谁更早采用AI，更在于谁能够更有效地治理AI。
Future of Work
2026年05月02日
-
Future of Work
Workday的重塑：从系统记录平台到智能体平台，你看好这个转型吗？
HRTech概述：Josh Bersin最新分析指出，Workday正从“system of record”转向“agent platform”，试图将其在数据、权限、流程与合规方面的积累，升级为AI时代的企业运行基础设施。这一判断意味着，未来HR系统不再只是记录工具，而将成为AI执行工作流的核心支撑层。但从市场反馈来看，确定性仍优先于想象力。Paychex在部分阶段市值已超过Workday，反映出资本更看重稳定现金流与合规执行能力，而非尚未兑现的AI叙事。对HRTech行业而言，一个清晰趋势正在形成：AI将重构“入口层”，系统将下沉为“执行与规则层”，而真正的竞争，将围绕谁能掌控工作流、数据语义与合规能力展开。更多关注HRTech，了解全球HR科技资讯。
以下是Josh Bersin的文章
Workday是财务和人力资源企业应用领域的先驱，但在人工智能时代，它一直在努力转型。本周，该公司以引人注目且整合的方式发布了清晰的未来战略，该战略充分利用了其近30亿美元的收购成果（HiredScore、Evisort、Paradox、Sana）、新的管理团队以及Workday在智能代理领域的重新定位。
我看好这些举措，所以我想详细解释一下。
Aneel Bhusri的重塑战略
2008年，Workday首次上市时，该公司率先推出了一种专为云端设计、独具创新性的平台。这是一项突破。
当时，企业普遍采用本地部署的客户端/服务器系统，唯一的替代方案是SaaS，即由其他公司托管的解决方案。这些老旧系统往往过时、难以集成，且缺乏扩展性和灵活性。
Workday 引入了一种新的架构：面向对象的数据库、集成的安全和业务规则引擎以及新颖的用户界面，这令各行各业的公司都感到兴奋。
公司发展迅猛，始终秉持“一体化”的理念——打造一个能够满足所有人力资源和财务需求的单一系统，采用统一架构，面向未来。公司营收增长迅速，成功吸引了超过30%的《财富》世界2000强企业客户，目前拥有超过11500家客户和超过7500万终端用户。
在这些年的发展历程中，公司始终秉持以员工为先的企业文化，吸引了众多人力资源主管、IT团队和投资者。联合创始人阿尼尔·布斯里(Aneel Bhusri)一直担任首席执行官一职，直至2024年将首席执行官的职位移交给卡尔·埃申巴赫(Carl Eschenbach)。
正如阿尼尔在峰会上解释的那样，过去两年里，他感觉Workday失去了创业文化，人工智能战略也不明确。因此，他重返公司担任CEO，重组了高管团队，领导公司进行重塑。下面我将详细解释。
新的Workday职位
让我们先从主要问题入手：在人工智能代理技术日新月异、易于构建的今天，Workday 的角色是什么？“记录系统”在未来将发挥怎样的价值或作用？
以下是我们所看到的他们的高层次回答。
Workday正在将系统记录平台转变为一个智能体平台。
如果我们能够释放公司内部的数据、安全性和业务规则，就可以设计和构建可扩展、安全且快速的代理。Workday 作为值得信赖的记录系统，提供公司规则、策略、安全模型和合规性，使代理能够大规模运行。这些“基础架构”目前已存在于 Workday 中，在 Workday 之外重新构建它们成本高昂、耗时且风险巨大。
Workday重塑计划的五大支柱
让我们来仔细分析一下这项战略的五大支柱。
第一：AI是企业软件的补充，而不是替代。
正如Workday所强调，仅靠推理能力无法完成发薪、财务结账、员工入职或职责分离。这些需要确定性的规则、审批链和二十年来构建的数据模型。Workday将概率推理与确定性执行结合，从而实现企业级AI。那些建立在提取数据之上的独立智能体平台，本质上是不完整的。
第二：Workday的“运行轨道”是企业AI的核心。
Workday的配置和业务流程框架编码了每个客户的独特政策、审批流程、合规规则和组织结构。从某种意义上说，这些规则本身就是企业。
在Workday之外运行的智能体并不了解这些规则，可能产生看似合理但违反合规的结果。而Workday通过现有配置来执行智能体操作，使其默认符合规则。
第三：治理与智能体管理可以产品化。
Workday认为，智能体管理将成为未来基础设施的核心组成部分。智能体像员工一样，是一等主体，拥有身份、技能、权限范围以及审计记录。
Agent System of Record（目前已有1200多家客户注册并观察智能体）、新的基于标准的访问与权限管理系统，以及统一的智能体入口，共同构成这一体系。这些能力被定位为企业级“信任基础设施”，用于管理智能体的扩张。
第四：通过Sana实现统一且解放的体验。
Sana成为Workday的新默认入口，所有客户均可使用（Sana for Workday），并可升级为Sana Enterprise，扩展至Salesforce、Slack、Teams和SharePoint。Sana正在与Microsoft Copilot等入口型AI竞争。
Workday的观点是，Sana将成为员工最后需要学习的企业应用。同时，它也是智能体开发平台和学习界面。
第五：新的商业模式与结果对齐，而非席位。
过去Workday按用户席位收费，价格高但使用率低。现在转向“席位+使用量”的混合模式，通过Flex Credits计量使用量。这将收入与客户结果（业务增长、生产力等）绑定。同时外部API也将按调用收费，补充此前未计入的收入。
Workday认为Sana是员工需要学习的最后一个企业应用软件（Joel Hellermark称之为软件界的达芬奇）。它同时也是代理开发工作室和学习平台。
（我想指出的是，Sana 的动态学习平台远比大多数公司意识到的要强大得多。人工智能原生学习不仅仅是培训，它还能全面赋能员工，从而显著提升生产力并促进员工技能提升。）
Workday 对“从零开始构建”的回应
现在我们都体验过 Claude Code、Codex、Cursor 或其他工具，很容易想象从零开始“重建”HCM 系统。
原则上，客户可以将 Workday 数据提取到数据湖中，使用工具将大型语言模型连接到数据湖，并尝试在 Workday 之外重建相同的代理功能。Workday
的回应是：这种方法会产生一个影子 ERP，构建成本高达数百万美元，缺少统一的对象图、配置系统和合规机制，而且自身也十分脆弱。由此产生的代理本质上就是不受规则约束的——它们在不执行规则的情况下最大化任务完成度。这会带来风险，并最终需要依赖现有的安全和工作流工具。
（我对此有一些不同意见，因为使用微软、谷歌或 ServiceNow 的工具很容易构建多进程代理，这些代理可能使用 Workday 进行身份验证，但也可能依赖 OKTA 或 Azure Identity 进行身份验证。因此，为了便于实施，一些应用程序会保留在 Workday 中，但其他应用程序可能会部署在其他地方。如果 Workday 意识到这一点，并且不对 API 收取过高的费用，那就一切都好。）
Workday 对多智能体未来的解决方案
客户将运行多个AI平台：Microsoft Copilot、Anthropologie Claude、Gemini Enterprise、Salesforce Agentforce以及内部定制代理。Workday对此表示赞同。
外部代理通过代理网关接入，使用 MCP 和 A2A 等开放标准。他们可以将任务委托给 Workday 代理以继承 Workday 的默认流程，也可以直接调用 Workday API（现在按调用次数计费）。无论哪种方式，当代理需要与人员、资金或受监管的工作流程交互时，逻辑推理部分将交由 Workday 处理。
（再次强调，如果 Workday 基于 Sana 的全新 Agent Developer 真如演示那样令人兴奋，那么很多应用开发者都会使用它。过去，构建 Workday Extend 应用相当棘手，因此，开发过程越简单易用，对 Workday 就越有利。）
我们能否让 Workday 更具动态性？动态重配置。
反对云系统的一大理由是其产品发布周期缓慢，导致客户往往需要等待数年才能获得新功能。目前，Workday 每年仅更新两次系统，产品路线图的推进缓慢且高度关联。
两项重大变革旨在解决这个问题。
首先，您现在可以利用全新的用户体验和 Sana 扩展 Workday 的功能。在代理记录系统中注册代理，即可轻松构建新应用，无需等待。此外，Workday 还与数百家合作伙伴携手，共同构建代理合作伙伴网络，为行业特定代理和咨询代理提供服务。
其次，更重要的是，Workday 推出了“部署代理”，这是一个动态的系统测试、配置和咨询式部署系统，可帮助客户更快地部署变更。
这是一项巨大的改进。企业不仅可以在一周甚至更短的时间内配置和部署 Workday，而且客户也不再需要聘请昂贵的系统集成商来使其正常运行。此外，Workday 现在将更加持续地推出新版本。
这大幅降低了实施和拥有成本，并使 Workday 能够更频繁地发布产品、功能和系统更新。这对客户来说是一项重大胜利，但对 Workday 系统集成合作伙伴来说却是一次巨大的冲击。（埃森哲报告称，他们在短短一周内就重组了 80 万名员工。）
我对这个故事的分析
我们派出了三位高级分析师参加峰会，并旁听了产品演示，还就整个产品战略进行了深入讨论。以下是我对这一切意义的总结。
1. 创始人回归，带来全新活力
就像苹果公司的史蒂夫·乔布斯和星巴克的霍华德·舒尔茨一样，有时一家开拓型公司也会迷失方向。阿尼尔作为一位对技术和Workday市场有着深刻理解的领导者，拥有定义“下一个篇章”的活力和热情。
创始人不仅引进了新的领导者，他还围绕产品领域建立了“总经理”模式，而不是将人工智能战略分散到各个领域。
现在，Workday 为 Agent Factory 和 AI API 分别设立了专人负责，管理团队每月还会召开一次跨职能 AI 工作组会议。此外，在产品与技术总裁Gerrit Kazmaier的带领下，公司仅用一个下午就将 50 个代理项目精简至 15 个。“创业文化回归了。”
（值得注意的是，微软最近出于几乎相同的原因，将其 Copilot 工程战略集中化。）
2. Workday 可以引领人力资源和财务部门实现自主运作的潮流。
与其继续专注于 Workday 现有的数百个小型代理，该公司现在将目光投向了面向未来的大型转型代理。
通过收购人工智能（招聘、智能代理和学习）领域的两大市场领导者 Paradox 和 Sana，Workday 拥有了一支在智能代理应用方面经验丰富的管理团队。Workday 不仅能够展示符合智能代理未来发展趋势的应用，还能充分利用其现有基础设施。这使公司有机会主动向企业展示未来的发展方向——构建和推动智能代理，从而重新定义企业的工作方式。
（我们的经验表明，将现有工作流程或任务“智能化”带来的收益有限。真正的巨大回报来自于构建我们所谓的“第三阶段智能体”，它可以自动化整个工作流程，并消除流程中的任务和步骤。Sana 和 Paradox 就是这种未来趋势的体现。）
3. Sana 和 Paradox 改变了Workday：新的领导层
Workday正在利用新的领导者来实现这一目标。
向产品和技术总裁 Gerrit Kazmaier 汇报工作的是 Workday 最新人工智能超级明星的两位新领导人：Adam Godson 和 Joel Hellermark。
Paradox 的首席执行官 Adam Godson 现在领导 Workday 的整个人才招聘平台，包括从 HiredScore 收购的 ATS 和人才情报系统。这是一个竞争异常激烈的热门市场，总支出超过 2000 亿美元。
Sana 的首席执行官（Joel Hellermark）现在领导着 Workday 的整个学习平台（和 AI 层），包括 Workday 的老产品 Workday Learning，这是一个总支出超过 4000 亿美元的市场。
这些具有创业精神的领导者现在成为General Managers，因此他们不仅负责产品战略，也同时负责收入和客户支持。这创造出一组高度负责的产品负责人，与此前那个交付速度非常缓慢的“integrated product group”形成鲜明对比。产品愿景、产品速度和竞争力都会呈指数级提升。
还要记住，现在talent acquisition、mobility、corporate learning和enablement，正是HR领域中AI发展最先进的几个领域。因此，我预计这两家公司中的开创性创新，将会直接影响Workday其他部分未来发生的许多agentic redesigns。
（请注意这些新兴人工智能市场的动态变化：SAP 刚刚以 18 亿美元收购了 SmartRecruiters，知识工具供应商 Glean 的估值高达 72 亿美元。Workday 与这些解决方案直接竞争，因此从某种意义上说，Paradox + Sana 在外部市场上的价值可能达到 100 亿美元。）
4. Workday可以尝试定义企业AI基础设施
我的第四个观察是，Workday有机会定义企业AI架构应该如何演进。这是一个混乱的话题，而且似乎让我见到的每一家公司都感到困惑。
我们必须提出的问题非常复杂：我们到底要构建多少个agents？我们要设计什么样的Superagents和Subagents？是否应该有一些agents负责“action”，而另一些agents负责“observation and benchmarking”？是否应该存在主从关系，让某些agents必须向其他agents请求许可？我们又该如何划分不同agents所拥有的信息与权限？
如果我们把agents看作“superpowered people”（我知道这是一个有些别扭的说法），那么我们就会遇到一些情绪和组织问题：agents会不会踩到其他agents的脚？某个人私下构建的小型“叛逆agents”，是否会复制、重叠甚至冲突于IT部门构建的更正式的企业级agents？
这是一团乱麻。
不过，Workday正在思考这个问题，而且他们看到了这个问题。在旧世界中，mainframe掌控一切。后来，“system of record”设定规则。
今天，我们有很多层：智能LLM、语义与规则层、agent code layer，也就是编排、工具和工作流层，以及runtime/trust layer，也就是安全、合规和护栏层。
Workday可以定义这一切应该如何运作。虽然这里有很多竞争厂商，包括Microsoft、Anthropic、OpenAI、ServiceNow和Google，但在ERP/HCM世界里，我挑战Workday去承担领导角色。而这也引出了一个问题：谁是Workday的“forward deployed engineering team”？
5. Workday理解context和semantic layer的挑战
“每个人都在忽视糟糕context这个巨大而无聊的问题。”——Joel Hellermark
这句话听在我耳朵里简直是音乐。
关于AI，有一个重要经验是每个人都应该学习的：context创造价值；如果我们不能信任内容，我们就不能信任agent。
Gerrit解释说，Workday在准确性方面最大的提升，并不是来自更大的模型，而是来自对knowledge graphs和context engineering的投入。我们在自己的产品Galileo中也看到了同样的情况。
因此，Workday正在推动Data Cloud演进，使其包含的不只是数据，而是你作为一家企业所建立起来的真实客户语义。这包括skills models、cost centers、career paths、certification workflows，以及数百种其他没有存储在HCM或财务数据库中的内容。
Workday团队理解这一点，说明Workday正在像一家AI公司一样思考，而不是像一个只想在工作流中构建agents的交易型软件供应商那样思考。
结论
这次活动，以及Workday一系列新领导者的出现，标志着一个转折点。
公司已经准备好重塑自身、开创新解决方案，并专注于帮助客户和合作伙伴参与到business agent revolution之中。
随着新的产品领导者、新的AI基础设施，以及帮助客户近乎实时地测试和重组其Workday系统的重点，我认为Workday确实正处在重塑的边缘。
对于金融分析师而言，我预计像Sana、Paradox以及Enterprise AI management tools这样的产品，几乎会立即展现出新的收入增长。过去五年，我们与Paradox和Sana都有非常密切的合作，它们各自都有客户和实施案例，证明其能够为Workday客户带来巨大价值。
我想祝贺Aneel、Gerrit以及整个Workday团队迎来这一重要转折点。随着未来更多公告发布，我们也会继续向大家更新相关信息。
Future of Work
2026年04月28日
-
Future of Work
【风险】研究发现AI更喜欢AI写的简历：算法招聘在模型对齐时代，正在重写HR的决策逻辑
HRTech概述：AI招聘正在出现一个被严重低估的新风险。一项来自马里兰大学、新加坡国立大学和俄亥俄州立大学的研究发现，大语言模型在筛选简历时，会系统性偏向“自己生成的内容”，偏差比例高达67%–82%。更现实的是，如果候选人使用与企业相同的AI模型优化简历，被录用的概率最高可提升60%。这意味着招聘逻辑正在发生变化，从“谁更优秀”转向“谁更匹配模型”。这种AI对AI的偏差，不仅挑战招聘公平性，也可能带来新的合规风险。未来HR需要关注的不只是AI是否好用，而是AI是否公平。在过去十年中，HR 技术的核心问题一直围绕“如何减少人为偏见”，但研究提出了一个更具颠覆性的结论：即便完全消除了人类偏见，AI系统本身也会产生新的结构性偏见，而且这种偏见正在快速进入招聘流程的核心。 HRTech一句话总结就是：AI招聘的最大风险，不是歧视人，而是AI偏爱“自己人”。
这篇题为 AI Self-preferencing in Algorithmic Hiring: Empirical Evidence and Insights 的论文，通过大规模实证实验揭示了一个此前几乎未被商业世界认真对待的风险：当候选人与企业同时使用AI工具时，AI不仅参与决策，还会系统性偏向“与自己相似的内容”。这意味着，招聘系统正在从“评估人才”，转向“匹配模型”。
从“人类偏见”到“AI偏见”：范式已经发生变化
长期以来，HR Tech 的公平性讨论集中在人类层面，例如性别、种族、教育背景等维度的歧视问题。然而，这项研究明确指出，随着大模型（LLMs）同时进入供给侧（候选人）和需求侧（企业），一种新的偏见正在形成：AI对自身生成内容的系统性偏好，即所谓的“self-preference bias”。
研究发现，在控制简历质量的前提下，LLM 在筛选简历时对“由同一模型生成的内容”的偏好比例高达 67% 至 82%。换句话说，即使两份简历质量完全相同，只要其中一份是由筛选模型生成，它被选中的概率就显著更高。这种偏差并非偶然，而是跨多个商业模型与开源模型普遍存在。
这标志着一个关键转变：招聘中的偏见，不再只是“人类如何判断人类”，而是“AI如何判断自己”。
招聘逻辑正在被重写：从能力竞争到模型对齐
如果进一步放大到完整招聘流程，研究的影响更加直接且深远。在模拟的24个职业招聘流程中，使用与筛选系统相同模型的候选人，被列入 shortlist 的概率提高了 23% 至 60%。这种差异并非来自能力，而是来自“生成路径”。
这意味着招聘竞争的底层逻辑正在发生变化。过去，候选人的核心竞争力在于经验、能力与表达；而现在，一个隐性的变量开始介入：候选人是否“对齐”了企业所使用的AI系统。
在这一逻辑下，招聘过程逐渐演变为一种“模型生态竞争”。不同AI模型形成不同语言风格、表达结构和信息组织方式，而筛选系统天然更容易识别并偏好“与自己一致”的模式。这种现象在销售、会计等高度结构化表达的岗位中尤为明显。
从HR的视角来看，这已经不再是筛选效率问题，而是评估机制被扭曲的问题。
AI招聘系统的“隐性风险”：合规与公平性的双重挑战
这项研究最值得警惕的地方在于，它揭示的是一种“不可见的系统性偏差”。与传统歧视不同，这种偏差不基于敏感属性，因此更难被发现、审计和监管。
但在现实监管环境中，这并不意味着风险更低。相反，在美国等市场，算法招聘已经进入严格监管阶段，例如纽约市的 Automated Employment Decision Tool（AEDT）法规，要求企业对招聘算法进行偏差审计。如果AI系统在不知情的情况下偏向特定候选人群体（例如更常使用某类AI工具的人群），企业仍可能面临合规风险。
更重要的是，这种偏差会在组织内部造成“隐性不公平”：优秀候选人可能被系统性过滤，而非因为能力不足，而是因为“表达方式不符合模型偏好”。
从工具使用到系统设计：HR的角色正在上移
这项研究的真正启示，并不在于“是否使用AI”，而在于“如何设计AI驱动的招聘系统”。
在传统HR Tech中，企业更多关注工具选型与流程自动化，但在AI时代，HR必须开始承担“系统架构设计者”的角色。这包括：
首先，避免单一模型主导决策。单模型筛选会放大自我偏好偏差，多模型交叉验证或ensemble机制将成为更合理的设计路径。
其次，引入AI bias mitigation机制。研究表明，通过简单干预（例如降低模型对自身风格的识别能力），可以将偏差减少超过50%。这意味着问题是“可治理的”，但前提是企业意识到它的存在。
再次，建立“AI中立”的评估标准。标准化简历结构、弱化语言风格差异、强化结构化信息提取，可能成为未来招聘系统的重要方向。
HR Tech的下一个竞争维度：不是更智能，而是更公平
从产业视角来看，这篇论文实际上在重新定义HR Tech的竞争逻辑。过去，招聘系统的核心指标是效率与匹配度；但未来，一个新的核心指标正在浮现：公平性（fairness）与可解释性（explainability）。
这也将催生新的产品机会，包括：
一类是“AI招聘审计工具”，用于检测与量化模型偏差；一类是“多模型招聘平台”，通过模型组合降低单一偏差；另一类则是“AI-neutral内容生成工具”，帮助候选人避免被模型生态锁定。
AI招聘的真正问题，不是效率，而是“判断权”
这篇研究的深层意义，在于它揭示了一个被忽视的问题：当AI不仅参与执行，还参与判断时，它就成为了“权力结构的一部分”。
而一旦判断权被模型所主导，那么谁训练模型、谁定义风格、谁控制数据，就在间接决定“谁更容易被雇佣”。
因此，未来HR Tech最重要的问题，不再是“AI能不能用”，而是：
谁在设计AI，以及它在偏向谁。
负责任的AI：HR在下一阶段的核心能力
当AI开始参与招聘判断，甚至影响候选人结果时，“是否使用AI”已经不再是关键问题，“如何负责任地使用AI”才是HR必须正面回答的核心命题。所谓负责任的AI（Responsible AI in HR），不只是技术层面的优化，而是涉及治理、流程、数据与能力的系统性设计。
首先，企业需要建立清晰的AI治理机制，明确AI在招聘流程中的角色边界与责任归属，避免将关键决策完全外包给模型。其次，在流程层面，应引入多模型验证或人工复核机制，降低单一模型带来的系统性偏差风险。同时，数据与评估标准也需要更加结构化与中立化，减少语言风格与表达形式对结果的干扰。
更重要的是，HR团队本身需要具备“AI判断能力”，能够理解模型的局限性、识别潜在偏差，并主动设计干预机制。这意味着HR正在从“工具使用者”转变为“系统设计者”和“风险管理者”。
在AI深度嵌入人力资源管理的时代，真正具备竞争力的组织，不仅是使用AI最早的，而是能够在效率、公平与合规之间建立平衡的。负责任的AI，不只是合规要求，更将成为企业人才战略的长期护城河。
Future of Work
2026年04月27日
-
Future of Work
微软首次推出员工“退休买断计划”：从裁员到重构，AI时代的人才与组织正在被重新定义｜HRTech解读
HRTech概述：微软刚刚推出其历史上首次员工自愿买断计划，覆盖美国约7%的员工，总人数约8750人。该计划采用“年龄加工龄等于70”的规则，主要面向资深员工群体，作为传统裁员的替代方案。与此同时，微软也在同步优化薪酬体系与HR部门的架构，减少复杂激励机制，强化绩效导向。这标志着企业正从规模扩张转向效率驱动，通过更精简的团队实现更高的产出。
在全球科技行业裁员潮持续的背景下，Microsoft 于2026年4月宣布了一项不同以往的人力资源举措：首次推出“退休买断计划”（Retirement Buyout），试图以更柔性的方式调整组织结构。——听起来是不是有点熟悉，买断工龄？
根据公开信息，此次计划面向美国员工中Senior Director及以下层级人群，适用条件为“年龄+在职年限≥70”（Rule of 70）。预计约7%的美国员工符合条件，涉及人数约8750人。符合条件的员工将在5月7日收到通知，并有30天时间决定是否接受该买断方案。
在内部备忘录中，微软首席人力官（Chief People Officer）Amy Coleman 明确表示，这一计划的目标是为员工提供“自主选择下一步职业路径的机会”，并强调公司将提供“慷慨支持”。这一表述刻意区别于传统裁员方式，也与过去一年微软已实施的约15000人裁员形成对比。
然而，尽管形式上更为温和，外界普遍认为，这一举措的本质仍然是组织收缩与结构调整的一部分。
一、发生了什么：从裁员到“选择性退出”
如果从表层来看，这是一项典型的“提前退休激励计划”。但结合过去一年科技行业的裁员趋势，可以更清晰地理解其定位：
2026年以来，科技行业裁员规模已超过80000人，其中Oracle 占比接近三分之一；Meta 也预计将进行约16000人的裁员计划。
在这样的环境下，微软选择不再单纯依赖裁员，而是通过“买断”这一机制，让员工主动退出，从而实现以下目标：
第一，降低裁员带来的舆论与品牌风险第二，减少法律与合规压力（尤其在美国劳工环境下）第三，控制组织调整节奏，而非一次性冲击
这种方式，本质上是一种“可控的人才流出机制”，也是HR工具箱中的一种升级版本。
二、但真正的变化，不只是“少人”，而是“换结构”
如果只把这次事件理解为成本控制，是不够的。
更关键的信息在于，这一买断计划是与一系列组织与薪酬调整同步推出的，包括：
取消股票奖励与现金奖金的强绑定关系
将绩效评估等级从9档简化为5档
提升管理层在激励分配上的灵活性
这些变化共同指向一个核心趋势：企业正在重构“人如何被评价、激励与配置”。
换句话说，微软正在同时调整三件事：1）人才结构（谁留下、谁退出）2）激励机制（如何奖励高绩效）3）组织效率（如何用更少的人完成更多工作）
这已经不是传统意义上的“裁员周期”，而是一次系统性的组织再设计。
三、AI正在成为这场变化的底层驱动力
尽管微软并未在公告中直接将买断计划与AI挂钩，但从行业背景来看，两者之间的关联非常清晰。
当前，科技公司正大规模将资源投入AI领域，同时通过自动化与智能化提升效率。这意味着：
一部分岗位将被AI替代或重构
组织对“高密度人才”的需求上升
企业更倾向于保留能够与AI协同工作的员工
正如行业分析所指出的，这一波裁员与调整“已经超越传统周期性波动，而是对企业运作方式的彻底重塑”。
从这个角度看，微软的买断计划不仅是一次人力资源策略调整，更是AI时代组织模型变化的一个缩影。
四、对我们HR与HR科技从业者的启示
这一案例，对中国市场具有非常现实的参考意义。
首先，组织调整方式正在发生变化。未来企业不会仅依赖“裁员”这一单一手段，而是会结合买断、内部转岗、绩效优化等多种方式，实现更精细化的人才流动。
其次，HR的角色正在升级。从执行招聘与裁员，转向参与组织设计与能力结构重构。HR需要回答的问题不再是“要不要裁员”，而是“什么样的组织结构适合AI时代”。
第三，HR科技的机会正在出现。随着组织复杂度提升，对数据驱动的人才决策、绩效评估、技能识别等工具需求将显著增加。这也是HR SaaS与AI产品的重要发展方向。
五、最后微软释放了一个清晰信号
微软这次没有简单裁员，而是通过“退休买断+薪酬改革+绩效重构”的组合拳，重新设计组织的“人力侧”。
这背后的核心逻辑非常明确：
不是减少员工，而是重构人与工作的关系。
对于HR而言，这意味着一个关键转变已经开始——未来的竞争，不再只是“谁有更多人”，而是“谁用更少的人，做更复杂的事”。
这，才是AI时代真正的组织能力。
Future of Work
2026年04月25日
-
Future of Work
HR的AI能力成熟度框架 HR AI Forward：四级十二阶成熟度模型的定义、分层与跃迁路径
核心摘要：本文系统介绍 HR AI Forward 成熟度框架（HR AI Forward Maturity Framework）的理论基础、分层逻辑与跃迁路径。该框架将 HR 从业者的 AI 能力划分为四个层级（L0 至 L3）、十二个发展阶段，以工作方式的实际变化为核心判断维度，而非以工具知识或使用频率为标准。文章重点阐释 L1 到 L2 的关键跃迁机制，探讨能力成熟度分层在 HR 专业发展实践中的应用价値，并说明评测系统与能力凭证体系的设计逻辑。强烈推荐了解，请关注 #HRTech
一、背景AI 时代 HR 能力标准的缺失
当前，AI 技术在人力资源领域的渗透速度已明显加快。越来越多的 HR 从业者开始使用 AI 工具处理招聘文案、面试记录、员工沟通和数据分析等日常任务。然而，在工具应用日趋普及的同时，一个核心问题始终未能得到清晰回答：在 AI 使用这件事上，什么叫做真正具备能力？
这一问题的缺失，正在带来两种典型困境。
第一，HR从业者层面的困境：缺乏参照系，自我评估偏差普遍存在。大多数从业者无法准确判断自己的 AI 能力处于什么水平，倒向于将「频繁使用 AI」等同于「具备 AI 能力」，而忽视了工作方式是否发生实质变化这一核心维度。
第二，组织层面的困境：缺乏语言，能力识别与培养路径难以建立。在没有共识标准的前提下，组织既难以区分真实能力与表面工具熟悉度，也难以为不同能力阶段的员工设计有针对性的发展路径。
HR AI Forward 成熟度框架的提出，正是为了回应上述困境：建立一套以工作方式为核心判断维度的 HR AI 能力分层标准，使能力发展变得可见、可判断、可推进。
二、框架核心判断逻辑
HR AI Forward 成熟度框架的核心判断逻辑，可以用一句话概括：
AI 是否已经真正进入了一个人的工作方式。
这一判断看似简单，但在操作层面需要区分若干种经常被混为一谈的状态：偷尔试用 AI 与稳定使用 AI；在单一任务中使用 AI 与能将 AI 能力迁移到多个场景；用 AI 加速现有任务与用 AI 重构一类工作的整体处理方式；将 AI 作为个人提效工具与开始在流程与系统层面运用 AI。
基于此，框架明确区分了三类不应作为核心评估维度的内容：
· 不测量 AI 理论知识。了解机器学习原理、熟悉大语言模型架构，是理论认知，不等同于工作能力。
· 不测量提示词技巧。提示词写作是能力的表现之一，但单次表现出色不能说明一个人具备结构性的 AI 工作能力。框架关注的是一致性、可迁移性与整合度。
· 不测量工具熟悉程度。工具平台会持续迭代更新，对特定工具的熟悉度不具备持久价値。框架评估的，是跨工具情境下的持续工作能力。
三、四级十二阶模型：完整结构与定义
HR AI Forward 成熟度框架采用四个层级（Level）、每级三个阶段（Stage）的结构，共形成十二个发展节点。层级回答的是“从业者当前处于什么主导工作状态”，阶段回答的是“在该状态内，发展成熟度处于哪个位置”。两者结合，构成对个体能力状态的精准定位。
L0 · Traditional HR · 事务型HR
层级定义：AI 尚未以任何有意义的方式进入日常工作。从业者可能了解 AI，但实际工作仍依赖人工执行、经验积积累与既有流程。L0 并非失败状态，框架的作用不在于评判，而在于提供清晰度。
阶段代码
阶段名称
核心特征
L0-S1
Manual HR · 人工执行者
工作完全依赖人工与经验，AI 未进入日常
L0-S2
AI-Curious HR · AI认知者
已意识到 AI 的相关性，开始关注探索，尚未实际使用
L0-S3
Early Trial HR · 初步尝试者
已做过零散尝试，使用频率低，未形成习惯
L1 · AI-Enabled HR · 工具型HR
层级定义：AI 已进入工作，从业者有规律地使用 AI 工具处理多类任务，并开始形成对 AI 应用边界的基本判断。这是目前大多数积极使用 AI 的 HR 从业者所处的层级。L1 同时也是最容易产生能力误判的层级，“有规律地使用 AI”感觉上容易被等同于“具备 AI 能力”，但 L1 描述的工作的底层结构并未发生实质改变。
阶段代码
阶段名称
核心特征
L1-S1
Tool Starter · 工具入门者
在个别任务中使用 AI，仍以临时调用为主，缺乏持续性
L1-S2
Tool User · 工具应用者
在多类任务中有规律使用 AI，基本习惯开始形成
L1-S3
Structured User · 规范使用者
开始积累模板与复用方法，使用更有结构，但仍以个人工具使用为中心
L2 · AI-Ready HR · 能力型HR
层级定义：AI 已稳定进入工作方式，从业者形成了可复用、可迁移、可持续的能力体系。这是整个框架最重要的分水岭，也是区分“会用 AI 的人”与“真正将 AI 建立为职业能力的人”的核心阈値。在 L2，AI 不再是从业者在特定任务中主动切换使用的东西，而是已经成为默认工作方式的组成部分。
阶段代码
阶段名称
核心特征
L2-S1
Workflow Adopter · 流程接入者
AI 已固定整合进至少一个核心工作流程，结构性变化出现
L2-S2
Capability Builder · 能力构建者
方法开始跨场景迁移，可复用工作方式逐步建立
L2-S3
Ready Practitioner · 成熟实践者
AI 稳定整合进多个工作领域，持续输出高质量产出
L3 · AI-Native HR · 系统型HR
层级定义：从业者与 AI 的关系从使用者转变为设计者，开始构建 AI 赖以运行的结构、流程与系统。L3 是一个真实存在但相对稀少的进阶状态，对于当前大多数接触框架的从业者而言，它是中长期方向，而非近期目标。
阶段代码
阶段名称
核心特征
L3-S1
System Explorer · 系统探索者
开始搭建复杂 AI 协同结构，探索跨流程自动化应用
L3-S2
System Operator · 系统运营者
多个 AI 驱动流程进入运行状态，主动维护与优化
L3-S3
Native Leader · 原生引领者
推动组织层面工作方式重构，具备引领性与系统影响力
四、关键跃迁机制：从 L1 到 L2
4.1 为什么 L1 到 L2 是最重要的跃迁
在框架所有的跃迁路径中，从 L1 到 L2 是最重要、也最常被低估的一步。从 L0 到 L1 的跨越，本质上是“开始”：工具足够易用，场景清晰，初期收益立竿见影，动力维持相对容易。从 L1 到 L2 则是本质不同的挑战——它不因更多的工具使用而发生，不因更多的提示词练习而实现，而是需要从业者在思考和组织工作方式上完成一次结构性转变。
4.2 L1 为何容易成为停滞点
L1 停滞具有内在的心理机制：L1 的感觉是好的。有规律地使用 AI 带来真实的效率提升，“自己是会用 AI 的 HR”这种自我认知也有其合理性——但这种认知是不完整的。L1 没有提供的，是让 AI 能力得以复利积累的结构性基础：每一次 AI 使用基本独立，有效方法不能自动延续到下一次；在某个场景有效的方式，无法自然迁移到其他场景；能力存在于当下任务，但不会跨任务积累。
4.3 L1 到 L2 跨越的核心机制
L1 到 L2 的跨越，需要在以下四个维度发生结构性转变：
01 从任务级使用转向流程级整合。AI 不再只用于完成眼前任务，而是被整合进至少一个核心工作流程的运作逻辑本身。
02 从工具熟悉度转向方法论建立。L2 的核心能力不是熟悉某个工具，而是建立了一套可跨情境复用和迭代的工作方法。这需要主动复盘与提炼，而非被动的重复使用。
03 从被动调用转向默认行为。L1 中，AI 是“想到的时候才用”的选项；L2 中，AI 是面对任务时的默认工作组件，不再需要临时决定是否调用。
04 从单次会话转向跨会话积累。有效的 AI 使用经验，通过文档化、模板化、结构化方式被保留下来，形成可调用的方法库，而非随着会话结束而消散。
五、阶段细分的理论价値
框架采用四级十二阶结构，而非单纯四级分类，有其内在的理论必要性。
仅以层级为单位进行描述，会产生显著的精度损失。以 L2 为例，L2-S1（Workflow Adopter）与 L2-S3（Ready Practitioner）同属 AI-Ready HR，但两者处于非常不同的发展位置：前者刚刚出现结构性变化的第一个信号，能力尚不稳定；后者已在多个工作领域形成成熟的 AI 整合工作方式，并接近 L3 的能力阈値。
若对这两位从业者给出相同的论断与成长建议，两者都无法从中获得真正有针对性的指导。阶段细分的价値，在于让框架从“粗粒度分类工具”升级为“个体层面的精准诊断工具”。
六、框架的实践应用场景
6.1 个人发展应用
对个人 HR 从业者而言，框架的核心价値在于：提供一个诚实、外部化的能力位置判断，从而支持更有效的成长决策。自我评估在 AI 能力领域有已知的系统性偏差——使用频率高的从业者容易高估自己的能力成熟度。框架通过基于真实工作行为的结构化评估，减少这种偏差，帮助从业者明确当前真正处于哪个阶段，以及最値得优先投入的成长方向。
6.2 组织能力管理应用
对 HR 团队管理者或 CHRO 而言，框架提供了一套超越工具采用率的能力语言：识别团队整体的 AI 能力基线与分布；区分“工具使用活跃但能力成熟度仍在 L1”与“已形成稳定 AI 工作方式”的人员；为不同能力阶段的员工设计有针对性的发展路径，而非一刀切的 AI 培训项目。
6.3 能力凭证与专业信号应用
框架也为能力可见性提供了结构支撑。对于达到 L2 及以上能力阈値的从业者，HR AI Forward 提供 AI-Ready Credential（AI就绪能力凭证）——一个可验证的正式能力凭证，用于在专业环境中展示已形成的 AI 工作能力，而非课程完成记录。
七、从框架到评测系统
理解框架的分层逻辑，是建立能力判断的前提；但准确定位个体在框架中的位置，需要系统化的评测工具支撑。
HR AI 能力评测与提升计划（HR AI Maturity & Growth Assessment）是基于本框架构建的配套评测系统。评测设计遵循以下原则：以真实工作行为为评估对象，而非知识测试；覆盖 AI 使用能力、数据能力、工作习惯、系统能力四个核心维度；通过 26 道题目，在 10 至 15 分钟内完成评估；输出精确到阶段（而非仅到层级）的个性化报告，包含位置定位、差距诊断、成长方向与行动建议。
八、HR AI Forward 成熟度框架
HR AI Forward 成熟度框架的建立，回应的是 AI 时代 HR 领域一个真实而紧迫的标准缺失问题。它以工作方式的实质变化为核心判断维度，以四级十二阶的结构提供精准的能力分层，以 L1 到 L2 的跃迁机制为核心洞察，为个人发展决策和组织能力管理提供了可落地的参照系。
框架的最终目标，不是给人贴标签，而是让能力发展变得可见、可判断、可推进——在 AI 加速重塑专业工作方式的当下，这是 HR 从业者最需要的那种清晰。
Future of Work
2026年04月15日
-
Future of Work
你用过AI，但不等于你具备了AI能力—从AI工具热潮到能力标准，HR AI Forward框架正在重塑HR的AI能力定义
HRTech概述：最新的HRAI能力成熟度框架，首次从“工作方式”而非“工具使用”定义HR的AI能力。该框架将能力划分为4个等级、12个阶段，从传统人工执行，到AI工具使用，再到能力构建与系统驱动，形成完整路径。当前多数HR并非不会用AI，而是停留在零散使用阶段，尚未形成稳定、可复用的工作方法。其中，L1到L2被定义为最关键跃迁，意味着AI从辅助工具转变为核心工作能力。该模型不评估AI知识或工具数量，而关注实际工作中的方法、结构与习惯。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
在过去一年，AI在HR领域的渗透速度远超预期。从招聘到员工沟通，从数据分析到政策生成，几乎所有HR职能都在被AI重构。但一个值得警惕的现象也在同步出现：行业对“AI能力”的理解，仍然停留在工具层。
讨论集中在ChatGPT、Claude、自动化工具、prompt技巧，甚至是哪一款产品更好用。但这些讨论背后隐含着一个关键误区——把“工具使用”当作“能力本身”。HR AI Forward提出的Maturity Framework，正是在这一背景下出现，其核心意义不在于提供新的工具清单，而在于重新定义：在AI时代，HR的能力究竟是什么。
能力的误判：为什么“会用AI”并不等于具备AI能力
当前HR行业的一个普遍现象是，大量从业者已经接触并使用过AI工具，甚至在多个场景中形成了初步应用。但从能力视角来看，这种状态更接近“工具熟悉”，而非“能力构建”。
HR AI Forward框架的核心判断在于：能力不是是否使用AI，而是AI是否已经进入你的工作方式。
这一判断切分出多个关键差异。偶尔使用与稳定使用不同；单一任务应用与跨场景迁移不同；效率优化与工作结构重构更是本质差异。很多HR停留在“效率提升”的阶段，但尚未进入“结构变化”的层面，这正是能力未真正形成的标志。
更重要的是，该框架刻意排除了对AI知识、prompt技巧以及工具数量的评估。这一设计具有方法论上的克制：这些因素虽然相关，但都不构成能力本身。能力的核心，在于是否形成稳定的方法、可迁移的逻辑以及持续复用的工作机制。
四层结构：HR与AI关系的演进路径
HR AI Forward将AI能力划分为四个层级，这不仅是能力划分，更是人与AI关系的演进模型。
L0（Traditional HR）代表AI尚未进入工作体系，工作依赖经验与人工执行。该阶段的关键不是能力不足，而是尚未完成“起步”。
L1（AI-Enabled HR）是当前大多数HR所处的阶段。AI已经被使用，并在多个任务中带来效率提升。但其本质仍然是“工具叠加”，工作的结构并未发生改变。AI在这里是辅助，而非基础。
L2（AI-Ready HR）则标志着能力的真正形成。在这一阶段，AI成为默认工作方式的一部分。HR开始构建可复用的方法体系，并能够在不同场景中迁移这些能力。工作输出的质量与深度，也因AI的结构性嵌入而显著提升。
L3（AI-Native HR）进一步将能力推向系统层。HR不再只是使用AI，而是设计AI工作流程，构建自动化体系，甚至推动组织层面的AI转型。
这一结构的本质，是从“执行者”到“系统设计者”的能力跃迁。
12阶段设计：从粗粒度分类到精细化诊断
相比仅使用四个Level划分，该框架进一步引入12个Stage，这一设计使其从“描述模型”升级为“诊断工具”。
在现实中，一个刚进入L2的HR，与一个已经能够在多个业务场景中稳定应用AI的HR，能力差距极大。如果仅以Level划分，两者将被归为同一类，导致评估与指导失效。
通过Stage的引入，框架能够精确定位个体在每一层级中的具体位置，从而提供更具针对性的成长路径。这种设计使模型不仅具备解释力，也具备实际应用价值。
真正的能力分水岭：L1到L2的跃迁为何如此困难
在整个框架中，最具洞察力的部分，是对L1到L2跃迁的强调。
从L0到L1，本质是“开始使用”，这一过程依赖工具普及与个人尝试，门槛较低。而从L1到L2，则是“重构工作方式”，这一过程涉及习惯改变、方法沉淀与结构重建，其难度远高于前者。
更关键的是，L1阶段具有明显的“伪完成感”。AI带来的效率提升，会让使用者误以为已经具备能力，但这种能力缺乏迁移性与复用性，无法形成持续优势。
L2的意义，在于让能力具备“复利效应”：方法可以复用，能力可以迁移，输出可以持续提升。这种能力一旦建立，将成为长期竞争优势。
框架的行业价值：建立AI时代的HR能力标准
HR AI Forward框架的真正价值，在于其“标准化能力语言”的建立。
当前行业处于一个典型的过渡期：AI已经广泛进入HR工作，但能力标准尚未形成。个体无法判断自身水平，组织无法识别真实能力，市场也缺乏统一的衡量尺度。
该框架通过清晰的分层与结构，为行业提供了三项基础能力：一是个体层面的自我定位；二是组织层面的能力识别；三是市场层面的能力表达与认证。
这意味着，HR能力正在从“隐性经验”转向“显性结构”，从“无法衡量”走向“可验证与可比较”。
从框架到评估：能力如何被量化与验证
在能力标准建立之后，真正的挑战在于如何将其落地。
HR AI Forward通过Assessment，将框架转化为可执行工具。通过26个问题，在10–15分钟内评估个体所处的Level与Stage，并输出差距分析与成长路径。
这一机制的意义在于，将抽象的能力模型转化为可测量结果，使能力从概念走向现实。尤其在AI能力这一新兴领域，个体往往难以准确判断自身水平，标准化评估提供了必要的客观参照。
结语：HR能力正在进入“结构化时代”
HR AI Forward Maturity Framework所揭示的，并不仅是一个能力模型，而是一种能力定义方式的转变。
过去，HR能力更多依赖经验积累与知识掌握；而在AI时代，能力的核心正在转向“是否能够用AI重构工作方式”。
未来HR之间的差距，将不再取决于是否接触过AI，而在于：是否已经将AI转化为稳定的工作机制，以及是否具备用AI构建系统的能力。
从这一意义上看，该框架不仅描述了当下的能力状态，也指向了HR职业发展的下一阶段路径。
Future of Work
2026年04月11日
-
Future of Work
【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。
Future of Work
2026年04月09日
扫一扫 加微信
hrtechchina
