-
Future of Work
【重磅】HCM时代正在结束：Workday正重构AI驱动的工作执行系统，微软重构HR架构，HRTech进入AI执行时代
HRTech核心概述：这篇文章强烈推荐HR科技公司的CEO、企业HR负责人收藏研究，把握未来趋势！
过去二十年，企业通过 HCM 系统来“管理人”和“记录工作”；而接下来十年，系统本身将开始参与并完成工作。这不是一次简单的 AI 升级，而是一场关于“工作如何被执行”的范式转移。当系统不再只是承载流程与数据，而是具备理解上下文、遵循规则并推动任务完成的能力时，企业运行的基本逻辑正在发生改变。HCM 时代所代表的“以记录为中心的系统范式”，正在走向终点。
而Workday刚刚发布新一代Agentic AI，标志着企业软件进入“执行时代”。不同于传统AI只提供建议，这一代AI Agent可以理解企业数据、遵循流程规则，并直接完成HR与财务任务。Workday提出“New Work Day”概念，人类负责决策，AI负责执行，形成全新的协作模式。同时，其引入按结果付费的flex credits模式，也意味着SaaS商业模式正在发生变化。HCM时代正在结束！更多全球HR科技趋势，请关注 HRTech
Workday 这最新一轮产品发布的意义，不在于又增加了多少 AI 功能，而在于它正在重新定义企业系统的角色。按照官方表述，Workday 这次推出的是“hundreds of new AI capabilities and agents”，并且将这些能力直接嵌入平台，用于 HR、Finance、IT 和 Legal 等关键职能，目标是让企业从“AI-assisted tasks”走向“truly agentic work”。这说明 Workday 想做的，已经不再只是传统意义上的 HCM 软件，而是一个能够理解上下文、遵循企业规则并推动任务执行的平台。与此同时，微软在 Amy Coleman 领导下对 HR 组织架构的调整，也释放出相似信号：组织侧正在为“人类 + AI”共同工作的未来重构自身。这不是两个孤立事件，而是系统与组织同时转向新工作方式的开始。
Workday 当前到底在做什么：从 AI 辅助走向 Agentic Work
从 Workday 官方文章来看，这次发布的核心非常明确：Workday 正在把 AI 从“功能层”推进到“工作层”。文章开宗明义写到，未来企业不会再只受限于人本身能做什么，而将由 people 和 AI agents 共同驱动；同时，Workday 正在向客户推出“hundreds of new AI capabilities and agents built directly into the platform”，并强调这些能力不仅改变工作如何完成，也改变工作的体验。这里的关键，不只是 AI 更强，而是 AI 被定义为平台内的“agentic teammates”，能够结合 trusted HR、finance、business data，连同 operational context 和 enterprise guardrails，把工作“做对”。
Workday 在这篇文章中给出的结构，其实已经勾勒出一个新的平台框架。
第一层是 Sana from Workday。官方说明，Sana from Workday 已在全球范围内正式可用，其中包括 Sana for Workday、Sana Self-Service Agent，以及 Sana Enterprise。Sana for Workday 被定义为新的 AI interface；Sana Self-Service Agent 负责自动化大量 HR 和 finance 的任务、问题与工作流；Sana Enterprise 则把这种能力扩展到 Workday 之外，去 orchestrate hundreds of enterprise systems and business applications。换句话说，Workday 不再满足于做自己系统内部的对话入口，而是在尝试成为跨系统的统一 conversational interface。
第二层是面向职能域的 agentic teammates。官方列出的 HR 侧能力包括 Payroll Agent、Total Rewards Agent（Early Access）、Talent Management Agent（Early Access）以及 Sana Self-Service Agent。Payroll Agent 的定位是横跨 payroll process 编排工作流、识别缺失数据与配置、管理 minimum wage updates，并提供 conversational insights。Total Rewards Agent 用于将 job profiles 与 market data 进行 benchmark，帮助 HR leaders 对 roles、skills 和 structures 做更准确的匹配。Talent Management Agent 则可基于 real-time contribution signals，为 managers 起草 evidence-based reviews。除了这些 agent，Workday 还增加了 Fraudulent Application Detection、Organizational Design & Scenario Modeling、Demand Forecasting 以及 Workday Peakon AI Topics 等 HR 能力。也就是说，这一轮变化已经不只是“问答式AI”，而是覆盖招聘、入职、绩效、薪酬、员工反馈与组织设计等多个核心流程。
第三层是将 agentic AI 扩展到 Finance、IT、Legal 和数据基础设施。Finance 侧新增 Financial Audit Agent、Planning Agent、Revenue Contract Agent（Early Access），并引入 Reimagined Expense Management 与 AI-Powered Reconciliation；其中 AI-Powered Reconciliation 被官方表述为可将 preparation and reconciliation 自动化“up to 70%”。IT 侧新增 Adoption Agent、BP Optimize Agent 和 Deployment Agent，同时扩展了 Workday Developer Copilot 与 AI Widgets。Legal 侧则继续推进 Workday Contract Intelligence Agent 和 Contract Negotiation Agent，并新增 full-document review and redlining capability。与此同时，Workday 还在强化 Workday Data Cloud、Live Data Query、Workday Data Connect 与 Workday Data Lake，明确强调要在 preserving Workday as the system of record 的同时，让外部平台获得 governed、real-time SQL access，且基于 zero-copy approach 避免数据重复。
如果把这些变化放在一起看，就能更准确理解 “Agentic AI” 与 “New Work Day” 的含义。它和此前常见的 Copilot、Assistant、Automation 的差别在于：Copilot 更偏向建议与生成，Assistant 更偏向问答与支持，Automation 多数基于预设规则；而 Workday 这次强调的是 reasoning、operational context、enterprise guardrails 与 orchestration。也就是说，系统不只是回应你的请求，而是在企业权限、流程与数据边界内，参与到多步骤任务的完成过程。Workday 自己在文中也明确写出，这些能力会让客户从 “AI-assisted tasks” 走向 “truly agentic work”，结果是 fewer clicks、fewer handoffs，以及更多时间投入更重要的工作。
Workday 为什么现在必须这么做：四层逻辑正在合流
如果只把这次动作理解为“AI 很热，所以 Workday 也要发 AI”，判断会过浅。更准确的说法是，Workday 是在商业、产品、技术与行业四层力量同时推动下，不得不向前走。
先看商业逻辑。过去企业采购 HCM 或 ERP，更关注的是流程标准化、数据统一、报表能力和合规性；而今天，客户越来越关心系统到底能否真正减少人工、提升产出、降低共享服务成本，并缩短业务完成路径。Workday 在文章里刻意强调，让 HR、Finance、IT、Legal teams “trade mundane, repetitive tasks for the work that really matters”，并多次使用 fewer clicks、fewer handoffs、automates routine work、agent-driven workflows 等表达。这反映出企业客户衡量软件价值的方式正在改变：不再只看有没有这个模块，而开始看这个系统能不能把工作做完。
再看产品逻辑。传统 HCM 的产品结构，建立在相对清晰的模块边界之上：招聘是招聘、绩效是绩效、薪酬是薪酬、员工服务是员工服务。但这次 Workday 的产品叙事，已经明显不是按模块展开，而是按工作流和执行任务展开。比如 Sana Self-Service Agent 并不局限于某个模块，而是横跨 Workday 与其他 knowledge sources 回答问题；Sana Enterprise 更进一步，直接跨 hundreds of enterprise applications 做 orchestration。Payroll Agent、Planning Agent、Contract Negotiation Agent 这些命名本身，也表明产品单元从“模块”变成了“执行主体”。这背后反映出一个变化：企业软件的核心设计对象，正在从功能模块转向任务流与工作结果。
技术逻辑则更直接。过去的自动化，多数依赖规则引擎、流程脚本和固定触发条件；它可以让流程更快，但很难处理跨系统、跨上下文、带判断色彩的复杂任务。而 Workday 这次反复强调 AI reasoning、trusted data、operational context 和 enterprise guardrails，说明它试图把大模型的推理能力与企业级 deterministic systems and controls 结合起来。这一步很关键，因为企业并不缺一个会聊天的模型，企业缺的是一个能够在权限边界、流程规则和真实数据约束下可靠执行的系统。Workday 的思路，本质上是把大模型从“生成层”引入到“执行层”。
行业逻辑则是更深的一层。无论是 HR Shared Services、Finance operations，还是 IT administration、contract review，这些职能过去十几年都在被不断标准化、流程化、中心化。今天它们共同面临的问题是：复杂性不断增加，但企业无法无限增加人手。于是，企业需要的已不再只是“更好的记录系统”，而是“更强的工作执行平台”。Workday 文章中把 HR、Finance、IT、Legal 一并纳入这一轮 agentic AI 叙事，本身就说明它看到的不是单一 HR 场景，而是整个企业后台与中台职能的共同转型。这也意味着，HR Tech 厂商如果仍然把自己理解为“某个模块的软件提供商”，很可能已经落后于客户需求的转变。
Workday 这一步的核心逻辑：它真正争夺的是 work execution platform 的位置
把前面的事实和逻辑合起来看，我的判断是：Workday 这次并不只是扩展 HCM，而是在从 HCM platform 走向 work execution platform。这个判断不是基于夸张想象，而是基于它在文章里已经做出的几项明确信号。
第一，Workday 依然强调 preserving the integrity of Workday as the system of record，但同时又通过 Sana、Data Cloud、Live Data Query、Data Connect 和 Data Lake，把系统能力向外扩展。也就是说，它并没有放弃 system of record 的位置，反而是在此基础上向 system of action 延伸。
第二，Sana Enterprise 被定义为可以 orchestrate agents across hundreds of enterprise systems and business applications。这已经不是单一 HCM 的叙事，而是 agent orchestration layer 的叙事。谁能成为这个层，就有机会从“一个系统”升级为“多个系统之上的工作入口和执行协调者”。
第三，Workday 这次把 HR、Finance、IT、Legal 放在同一波发布中，不是偶然。它在试图证明：agentic AI 不是某个部门的小功能，而是贯穿 enterprise operations 的统一方法。这意味着，未来讨论 Workday 时，不能再只把它看成“人力资源管理系统厂商”。更准确的理解是，它正在试图占据企业后台工作执行平台的位置。
至于 Flex Credits、outcome-based pricing、AI agent as labor 这类变化，这篇官方文章并未展开详细说明，因此若做进一步讨论，必须明确属于趋势判断，不应伪装成本文事实。原文未说明 Flex Credits 的具体机制，也未直接使用 outcome-based pricing 或 AI agent as labor 这些表述。但从 Workday 将 agent 明确包装为能持续执行任务的“teammates”，并把价值叙事从“软件功能”转向“把工作做对、做快、做完”，可以预见的是，未来企业软件的商业模式很可能会向结果与执行量倾斜，而不再仅以 seat 或 module 为中心。这种变化一旦发生，影响就不会局限于 HR，而会同时波及 Finance、IT、Legal 等系统预算与采购逻辑。这里需要强调：这是基于现有动作的行业推演，并非该篇原文直接陈述。
从 Workday 的现实变化出发，未来 HR 科技产品会怎么演进
如果以 Workday 这次已经发生的变化为起点，未来 HR 科技产品的演化方向会越来越清晰。
首先，HCM 的核心数据结构会逐步从 job-based 走向 task-based。今天的大多数 HCM 依然围绕职位、组织层级、岗位说明、审批路径来设计；但当系统开始能够处理具体任务时，企业管理的对象会越来越多地变成“谁来完成什么任务，以什么规则完成”。这并不意味着 job 会立刻消失，而是意味着 task、workflow、signal、context 会在产品结构中越来越重要。Workday 这次已经把 Payroll、Talent Management、Total Rewards、Planning、Contract Review 这些工作，重新组织为 agentic teammates 的执行单元，这正是一个前兆。
其次，Employee Experience、People Analytics、Knowledge、Workflow、Service Delivery 会加速融合。过去这些是分开的市场：一个做员工体验，一个做员工服务，一个做知识库，一个做分析，一个做流程。但从 Sana Self-Service Agent 和 Workday Peakon AI Topics 这类能力可以看到，未来体验不再只是界面体验，分析也不再只是报表分析，知识也不再只是静态知识库。系统会把员工提问、知识检索、反馈主题、流程执行和个性化答案整合成一个连续过程。员工感知到的，不再是“我在用几个系统”，而是“我在一个界面里把问题解决了”。
第三，AI Agent 对 HR Shared Services 和 HR Operations 的影响会最先落地。因为这些职能天然拥有高频、重复、规则明确、跨系统协同的特征。Workday 自己在文中提到 recruiting、onboarding、performance、payroll 等流程都正在走向 agent-driven workflows，这意味着 HR 运营工作会先被重写：一线问答、资料查找、状态更新、规则校验、数据补全、绩效材料草拟等任务，会越来越多地由 agent 完成。这里的结果不一定是简单裁员，更可能是团队结构重组：人类 HR 从执行大量标准动作，转向处理异常、提供判断、做组织设计与策略支持。
Talent Acquisition、Learning、Performance 也会随之变化。招聘环节中，Fraudulent Application Detection 已经说明 AI 将成为甄别 bot 或可疑申请的重要能力；Talent Management Agent 则表明绩效反馈的起草与初步整合正在自动化。至于 Learning，本文原文未展开详细说明，因此不能据此断言 Workday 已发布对应 agent；原文未说明。但可以预见的是，若招聘、绩效、组织设计、员工反馈已经进入 agentic 逻辑，那么学习与技能发展迟早也会被纳入同一条“从 signal 到 action”的链条。这一点属于趋势判断。
未来产品竞争的核心，也会从“功能多不多”转向“是否能完成工作、是否能编排人和 AI 的协作”。因为当所有厂商都能接入模型、都能做聊天界面时，真正的壁垒就不在生成能力，而在于上下文、数据质量、企业规则、跨系统编排能力和执行可靠性。Workday 这次最值得行业重视的地方，不是它用了多先进的模型表述，而是它明确把 trusted data、controls、guardrails、deterministic systems 作为 agent 成立的基础。未来 HCM 的界面会更对话化、动作更自动化、数据模型更强调实时信号与任务上下文，价值衡量方式也更偏向“系统帮企业减少了多少人工步骤、缩短了多少周期、完成了多少可审计任务”。这些变化目前还在展开过程中，但方向已经很明确。
为什么微软最新的 HR 组织架构调整是关键呼应
如果只看 Workday，很容易把这件事理解为系统厂商的主动升级；但把微软的 HR 组织调整放进来，逻辑就更完整了。因为它说明，企业组织一侧也在同步变化。
你提供的微软新架构中，最值得重视的不是某个具体部门名称，而是这些名称组合起来所反映出的设计思路。Engineering HR 这个设置，本身就不是传统 HR 语言。它说明 HR 不再只是制度管理和业务支持部门，而正在把流程、系统、工程化能力视为 HR 核心能力的一部分。换句话说，组织已经在假设：未来 HR 要管理的，不只是人和政策，还包括系统配置、流程逻辑和自动执行能力。
Employee Experience 与 People Analytics 的整合也同样重要。过去很多公司把体验与分析拆开，体验偏沟通与设计，分析偏数据与洞察。但当 AI 和 agent 进入 HR 体系后，体验和分析必须合一。因为未来员工体验不只由界面和政策决定，也由系统是否能基于数据及时响应、理解问题并推动动作决定。微软把 People Analytics 并入 Employee Experience，恰恰说明组织侧已经意识到：数据不再只是用来看，而是用来驱动体验与行动。
Workforce Acceleration 则是另一个强信号。传统 HR 语境更常见的是 Workforce Planning、Workforce Management、Talent Management，而“Acceleration”这个词意味着关注点已经从“管理既有劳动力”转向“提升整体工作速度与能力”。在 AI 进入工作流的背景下，这个命名很有意味。它暗示组织正在思考的，不只是人怎么被管理，而是整体 workforce——包括未来可能由系统和 agent 承接的一部分工作——如何被加速和放大。
把微软这套组织调整与 Workday 的产品方向放在一起看，就能看到非常清晰的行业信号：系统方已经在从 HCM 转向 work execution，组织方也在从传统 HR team 转向更工程化、更数据化、更面向未来协作模式的结构。两边同时变化，就意味着 HR 科技行业不能再停留在旧范式里。未来 HR 能力模型会明显分化：一部分 HR 会更像 architect，负责设计流程、规则、人机协作与组织结构；另一部分偏执行型、事务型岗位则会被 agent 和自动化持续压缩。这里同样要强调，关于微软此举未来影响的部分属于分析判断；微软具体内部意图，若未在正式材料中说明，则不宜做超出证据的断言。
未来 HR 的核心，不再只是管理人，而是设计“人 + AI 如何共同完成工作”的组织与系统
Workday 这次动作最重要的意义，不在于发布了多少 agent，而在于它正在把 HR 系统从“记录人”推向“执行工作”。它没有放弃 system of record 的根基，反而是在 trusted data、controls 和 enterprise guardrails 之上，向 system of action 迈进。与此同时，微软的 HR 架构调整说明，企业组织本身也已经开始为这种新系统逻辑做准备：HR 要更工程化、更数据化，也更面向任务流和生产力提升。
这背后的真正变化是，未来 HR 的核心职责将不再只是管理人、制定政策或维护流程，而是设计一个新的工作系统：在这个系统里，人类负责判断、创造、关系与复杂决策，AI 负责越来越多的执行、整合、提醒、检索、草拟与编排。谁能先把“人 + AI 如何共同完成工作”这件事设计清楚，谁就更可能在下一阶段的 HR 科技和组织竞争中占据主动。
对 HR 科技行业而言，最危险的不是 AI 来得太快，而是仍用旧 HCM 的想法去理解新一代系统。因为当组织方已经开始变化、系统方也已经开始变化时，行业再把自己理解为“卖模块、卖功能、卖记录系统”，就已经慢了一拍。Workday 这一步真正提出的问题不是“要不要加 AI”，而是“未来的企业系统，到底是记录工作，还是完成工作”。这才是接下来几年 HR 科技行业最值得严肃面对的分水岭。
Workday 正在把 HR 系统从“记录人”推向“执行工作”，微软则在把 HR 组织从“支持职能”转向“生产力设计者”。两者共同指向的，是一个全新的企业运行逻辑：工作不再完全由人完成，而是由“人 + AI”共同构成的混合劳动力系统来执行。在这个框架下，HR 的核心不再只是管理人，而是设计任务如何被拆解、如何在不同主体之间分配、以及如何在系统中被可靠地执行。对于 HRTech 行业而言，这已经不是是否拥抱 AI 的问题，而是是否能够完成从“记录系统”向“执行系统”的跃迁。
HCM 的旧边界正在失效，新的竞争，将围绕“谁能真正让工作被完成”展开。
Future of Work
2026年03月29日
-
Future of Work
深度解读：微软为何突然重构HR？AI时代组织运营模式的一次前置升级
HRTech核心解读：微软近日披露的一轮HR组织调整，表面上看是一次高层分工与汇报关系的重排，实质上却是AI时代下人力资源运营模式的一次系统升级。Amy Coleman上任Chief People Officer满一年之际，微软正在把HR从传统的支持系统，重构为更贴近业务节奏、更能驱动组织适应与资源重配的能力系统。对于所有HR同仁来说，这次调整的意义，远不止于微软自身。
微软HR架构大调整：从“稳定运营”走向“敏捷适应”的转型
如果只把微软这次变化理解为一次人事调整，很容易忽略它真正的分量。Amy Coleman在内部备忘录中写得非常直接：技术、工作方式与组织结构都在演变，而变化速度已经超过现有 运营模式和决策节奏原本所能承载的范围。她进一步指出，微软不再只是被要求“为稳定而扩张”，而是需要“为适应性而扩张”，并帮助企业建立新的节奏。
这句话几乎可以视为整轮重构的总开关。它说明微软看到的问题并不是某个单点 HR 流程不够好，而是原有 HR 体系建立在相对稳定、可预期、线性扩张的增长逻辑之上；而进入 AI 时代之后，业务优先级、产品节奏、组织接口与人才需求正在快速重排，原来的 HR 架构已经难以匹配这种变化。
这一背景与微软整体组织演进是同步的。根据原始材料，微软在 AI 时代正重新调整其产品与高管格局，包括整合 Copilot AI 工具团队，安排 Mustafa Suleyman 聚焦于 2025 年 11 月成立的 AI superintelligence 团队，同时也在 Rajesh Jha 退休之后推进 Office、Teams、Windows 等业务的管理交接。换句话说，HR 的变化不是孤立动作，而是微软整体组织为 AI 时代重新校准 运营模式的一部分。
从这个意义上说，这次 HR 重构并不是传统意义上的“HR优化”，而是微软在 AI 时代重新定义 HR 角色的一次系统性动作：HR不再只是承接业务提出的人才、流程与政策需求，而是要更深地参与组织如何响应变化、如何重配资源、如何让人和AI共同工作这些更根本的问题。
微软新的HR架构，到底是怎样一套系统
从 Amy Coleman 的内部备忘录来看，微软此次重构最重要的不是“换了谁”，而是“按什么逻辑重新组织HR”。在她之下，新的People组织被分成几个更清晰的能力模块，每个模块都更直接地对应业务结果，而不是传统意义上的职能分工。
首先是 Engineering HR。微软将所有工程 HR 团队整合到 Mel Simpson 领导之下，由她担任 CVP, Engineering HR。备忘录中特别提到，她当前已与 Copilot、Microsoft 365、Windows、Devices、MAI 和 OCTO 等团队紧密合作；在新的结构下，她与团队将面向所有工程领导者展开协同。 这意味着微软明确把工程人才支持作为独立且关键的业务接口，而不是再分散在多个 HR 线条中处理。
其次是 Employee Experience，由 Nathalie D'Hers 担任 CVP, Employee Experience。此次最值得关注的变化之一，就是由 Kanwal Safdar 领导的 People Analytics 团队将并入 Employee Experience 组织，向 Nathalie D'Hers 汇报。Amy Coleman 对此的解释非常明确：如果微软要提供 AI-first 的产品与体验，就必须更有意识地把“体验如何被设计”与“洞察如何被生成和应用”连接起来。她还提到，相关领导团队将在未来一个月内进一步定义，如何在保留 People Analytics 团队既有合作优势的同时，把分析资源更贴近业务。
第三个模块是 Total Rewards，由 Mike Cyran 担任 CVP, Total Rewards，直接向 Amy Coleman 汇报。Fred Thiele 已被晋升为 CVP, Global Benefits and Mobility，Mark Breer 负责 Executive Compensation、Global Equity Programs 以及 MAVS TR，两人都向 Mike Cyran 汇报。Amy Coleman 在 备忘录 中强调，薪酬与福利是员工体验与业务结果的共同核心，在工作方式持续变化的情况下，企业如何奖励与投资员工，比以往任何时候都更加重要。她还特别提到 Mike Cyran 在全球 pay equity、高绩效文化与差异化薪酬体系上的经验。 这说明微软并没有把 rewards 看作成本控制工具，而是明确视为支持高绩效与业务优先级的重要杠杆。
第四个模块是 Global Talent Acquisition。微软在 备忘录 中表示，人才战略就是竞争战略，而能否赢得未来，取决于是否能在竞争高度激烈、节奏不断加快的市场里招到最优秀的人才。因此，公司正在进入任命 dedicated Global Talent Acquisition leader 的最后阶段，该负责人将直接向 Amy Coleman 汇报。在这一负责人到位之前，Kristen Roby Dimlow 继续领导 GTA。 这里最值得注意的是 Amy Coleman 对“single owner”的强调：招聘必须由一个单一负责人全权带领，才能真正帮助业务扩张、提速并做出正确判断。
第五个模块是 People & Culture。微软将 HR4HR 与 Culture & Inclusion 合并，成立新的 People & Culture 团队，由 Leslie Lawson Sims 担任 VP, People & Culture。Diana Navas-Rosette 作为 GM, Culture & Inclusion，向 Leslie Lawson Sims 汇报。Amy Coleman 对这个新组织的定义很关键：它既是 People 团队如何运作的“引擎”，也把关键的 inclusion 工作织入到日常运作之中。 从原文可以看出，微软并没有否定 inclusion 的重要性，而是改变了它的组织位置——从相对独立的倡议型单元，转向与 People 运营和企业文化更深融合的日常机制。
第六个模块是 Global Talent Development。微软将 Talent Management、Leader Development、Manager Capability 与 Aspire 放在同一体系之下，由回归微软的 Wyatt Cutler 担任 VP, Talent Development。Leah Colson 与 Rawan Shalhoub 分别从 Talent Management 和 Manager Excellence & Development 向 Wyatt Cutler 汇报。Amy Coleman 对这一重组的描述是：把这些能力放在一起，可以加速微软最持久的业务优势之一——人的能力。 这说明微软在发展模块上的目标，已不仅是提供培训与发展项目，而是更系统地建设管理者、领导者与团队的能力。
第七个模块则是这次重构中最具前瞻意味的部分：Workforce Acceleration。微软新设这一 dedicated team，由 Justin Thenutai 担任 VP, Workforce Acceleration，Karen Kocher 领导的 Learning & Skilling 团队向其汇报。Amy Coleman 在 备忘录 中将 skilling、redeployment、workforce planning 以及 emerging human-agent collaboration 放在同一段中，并明确指出，这是一组相互连接的能力，能够帮助微软以不同方式思考人才与组织再造，并加速整个 workforce。 这一段几乎揭示了微软对未来 HR 战场的判断：AI时代的核心问题，已经不只是“如何招聘更多人”，而是“如何提升技能、重新配置人才、规划 workforce，并设计人和 agent 的协作方式”。
此外，Amy Coleman 还在备忘录 中回顾了几位关键领导者的离开与退休，包括 Lindsay-Rae McIntyre 将于 3 月 31 日离职，去担任外部公司的 Chief People Officer；Kristen Roby Dimlow、Chuck Edward 与 Dawn Klinghoffer 将在本财年末退休。 这些变化说明，这次重构并非简单增量叠加，而是与领导层交接、新旧模式更替同步发生。
从这张组织图中，读懂微软真正要改变什么
如果把这次结构变化放在传统 HR 语境下，很容易得到一个表层结论：微软是在做组织整合、职责收拢、汇报关系重排。但从你前面提供的截图解读与原文一起看，微软要改的其实是 HR 运营模式本身。
首先，它反映出 HR 正从“稳定型支持系统”转向“适应型组织系统”。过去很多大型企业的 HR 架构，是为了支撑规模化与一致性建立起来的，强调标准流程、明确分工、稳定运行。而微软在备忘录 中明确提出，现有 运营模式 和 decision rhythms 已经无法适应变化的速度。 这意味着问题不在于 HR 做得不够努力，而在于原有模式更适合稳定时期，不适合 AI 时代的持续重组。
其次，People Analytics 被并入 Employee Experience，说明数据分析在微软内部不再只是“看板”和“报告”的生产机制，而是被要求嵌入员工体验与业务决策闭环。原文中 Amy Coleman 强调，要把 how we design experiences 与 how we generate and apply insights 更有意识地连接起来。 这几乎可以被理解为微软对 People Analytics 角色的重新定义：分析的终点不是产生洞察，而是推动更快、更贴近业务的行动。
再次，Engineering HR 的统一收拢，说明微软正在把 HR 更深地嵌入核心产品和工程优先级之中。Copilot、Microsoft 365、Windows、Devices、MAI、OCTO 这些团队并不是普通业务单元，而是微软当前与未来产品竞争力的核心组成。 当这些工程团队在 AI 时代加速迭代时，HR若仍然分散、滞后或被动响应，必然跟不上业务节奏。Engineering HR 被集中到一个更清晰的结构之下，本质上是让 HR 支持能力与工程组织的速度重新对齐。
最值得 HR 同行认真思考的，是 Workforce Acceleration 的成立。Amy Coleman 并没有把这一模块仅仅定义为 learning 或 workforce planning，而是把 skilling、redeployment、workforce planning 与 human-agent collaboration 统一起来。 这意味着微软已经把未来 workforce 的核心问题看作一个系统问题：员工的技能如何更新、内部人才如何重配、岗位结构如何规划、人和 AI agent 如何协同，这些不能再被拆开处理。对于 HR 而言，这是一种相当清晰的信号：未来的关键不只是“招到谁”，而是“现有 workforce 如何被重新组织和加速”。
People & Culture 的变化同样值得重视。Lindsay-Rae McIntyre 作为 Chief Diversity Officer 离开后，微软并没有在原文中宣布一个同样独立的替代职位，而是由 Leslie Lawson Sims 领导新的 People & Culture 团队，并将 Culture & Inclusion 纳入其中，Diana Navas-Rosette 向其汇报。 这不是简单削弱 inclusion，而是组织哲学的变化：文化与包容不再主要以独立倡议的形式被推动，而是被要求更深地织入 People 团队的日常运作、领导行为与组织机制之中。
Amy Coleman的一周年感悟，其实是这次改革的管理哲学
如果只把 Amy Coleman 的一周年文字看作一封感性短文，会错过它最有价值的部分。她在那段感悟里写道，如果一项工作不能加速业务、不能帮助团队做出最好的工作，就应该停下来问一句，为什么还要做。接下来她提到的三句话——“Clarity beats complexity”“Build with, not just for”“Unlearning matters just as much as learning”——并不是抽象价值观，而更像是这次重构的 operating philosophy。
“Clarity beats complexity” 对应的，首先就是结构与流程的简化。在微软的重构中，我们看到的是更清晰的能力模块、更直接的负责人、更明确的汇报关系，以及对 single owner 的强调。尤其在 Global Talent Acquisition 中，Amy Coleman 明确写到，这项工作需要一个 fully dedicated 的负责人。 这背后对应的就是一个很朴素但很重要的管理判断：复杂会降低速度，而在 AI 时代，速度不再只是执行效率问题，而是组织竞争力本身。
“Build with, not just for” 则解释了为什么 HR 必须更深嵌入业务与员工场景。Engineering HR 的集中、Employee Experience 与 People Analytics 的结合、对 employee 作为 customer 的强调，都是在告诉我们，微软不再满足于 HR 设计一套制度“交付给业务”或“交付给员工”，而是要在业务真实运转的场景中与之共同构建解决方案。原文中 Amy Coleman 也强调，微软需要构建那些反映领导者和员工“今天如何工作”，并能预判“明天需要什么”的体验。 这本质上就是共创逻辑，而不是传统支持逻辑。
“Unlearning matters just as much as learning” 则是最容易被低估的一句。很多企业在谈转型时，都强调学习新能力，但真正阻碍变化的，往往不是没有新知识，而是放不下旧模式。微软这次重构中最鲜明的一点，正是它在主动拆解一部分旧的 HR 组织惯性：People Analytics 不再独立运行，Culture & Inclusion 不再维持原有结构，Workforce Acceleration 作为新模块被明确放到前台。这说明微软并不是简单叠加新项目，而是在主动让出空间，用新的能力模块替换旧有组织路径。
从这个角度看，Amy Coleman 的周年感悟其实不是对过去一年的情绪总结，而是对这次变革提供的认知框架。她写的是简单的语言，但背后对应的是一套很明确的组织观：HR要更清晰、更贴近业务、更敢于放下旧的路径依赖。
这次微软改革，对所有HR同仁意味着什么
对 HR 同行而言，微软这次调整最重要的价值，不在于照搬它的组织图，而在于它揭示了几个已经越来越清晰的趋势。
第一，AI 时代 HR 的核心竞争力，正在从流程管理转向组织适配能力。过去 HR 的成熟度，往往体现在制度健全、流程清晰、合规稳健；但在变化速度不断加快的今天，更关键的问题是，HR能否帮助组织更快感知变化、更快决策、更快调配资源。Amy Coleman 在原文中的判断已经很直白：过去的运营模式 与 decision rhythms 不再适用。 这意味着“稳定”不再足以定义优秀 HR，适应性才是。
第二，HR 的价值正在从支持业务转向加速业务。Amy Coleman 的那句标准已经非常清楚：如果一项工作不能 accelerating the business，就要反问自己为什么做。对很多 HR 团队来说，这其实是一个很严格的要求。它意味着 HR 不再只以满意度、覆盖率、执行率来证明价值，而要更直接地回答：是否让业务更快、更准、更具组织能力。
第三，People Analytics 的终点不是报表，而是决策。微软将其并入 Employee Experience，并强调 insight-to-action 的连接，就是在告诉我们，分析能力如果不能嵌入业务与体验，就仍然停留在支持层。 未来更重要的，不是 HR 是否有 analytics 团队，而是 analytics 是否真正改变决策质量和速度。
第四，Talent Development 的目标不再只是课程覆盖率或培训项目完成率，而是组织能力建设。微软把 Talent Management、Leader Development、Manager Capability、Aspire 放在同一结构下，就是在强调发展不应再以项目为中心，而要以能力为中心，以组织需要什么能力、管理者需要什么能力、如何建立可持续的人才梯队为中心。
第五，Workforce Planning 与 Human-Agent Collaboration 很可能会成为未来 HR 最关键的新战场。微软把 human-agent collaboration 明确写进 Workforce Acceleration 的定义里，这一点极具标志性。 它意味着领先科技公司已经不再把 AI 只看作提升效率的工具，而开始把“人如何与 agent 协作”视为 workforce 设计的一部分。对 HR 来说，这将直接影响岗位设计、技能模型、组织边界与人才再配置逻辑。
最终，微软这次调整传递出的最重要信号是：领先科技公司正在把 HR 从“人事支持功能”升级为“组织资源调度与能力重构系统”。这不是概念上的夸张，而是组织图、汇报关系与能力模块共同指向的方向。微软不是第一个谈 AI 对 HR 影响的大公司，但它这次给出的，已经不是观点，而是一套更接近实际 运营模式的答案。
给HR同仁的核心启示
对所有 HR 同行来说，微软这次改革真正值得借鉴的，不是具体岗位名称，也不是是否设立一个叫 Workforce Acceleration 的部门，而是背后的三个判断：第一，HR必须以业务速度为参照系，而不是只以流程完整性为参照系；第二，HR必须把数据、体验、人才发展与 workforce 重配放到同一个更大的组织适配框架中去理解；第三，HR未来的角色，不再只是维护秩序，而是帮助组织在持续变化中完成资源重组、能力升级与人机协同设计。
如果说过去优秀的 HR 是把支持系统做得更稳，那么未来更关键的 HR 能力，可能是把组织系统调得更快。微软这次重构之所以值得所有 HR 同行认真研究，就在于它展示了一种越来越清晰的趋势：在 AI 时代，HR 不再只是围绕“人”运转，而是开始围绕“组织如何持续适应变化”来重建自己。
Future of Work
2026年03月27日
-
Future of Work
【独家】当AI成为“数字员工”：英伟达的全球AI大会GTC2026给我们HR的10个重要启示
HR可能没注意今天开幕的英伟达全球AI大会GTC，但这场大会正在重新定义工作的现在！
HRTech概述：今天上午（美西时间3月16日上午）全球最受关注的人工智能大会之一——NVIDIA GTC（GPU Technology Conference）在硅谷举行。这场大会被很多科技媒体视为“AI产业的年度风向标”，因为全球大量AI技术路线、算力基础设施以及未来产业趋势，往往会在这里首次集中发布。
NVIDIA创始人兼CEO Jensen Huang（黄仁勋）在主题演讲中提出了一个重要判断：未来的数据中心将变成“AI工厂”，企业不仅拥有Human Workforce（人类员工），还会拥有Digital Workforce（数字劳动力）。随着AI agents开始承担越来越多运营任务，这一变化将直接影响企业组织结构、岗位设计以及人才需求。
对HR来说，这场技术大会其实释放了一个非常重要的信号：未来企业管理的对象，可能不仅是员工，还包括AI系统。
基于GTC 2026释放的技术趋势，可以从HR与未来工作的角度看到十个值得关注的变化。
NVIDIA GTC（GPU Technology Conference）大会由 Jensen Huang（黄仁勋）在主题演讲中揭幕，现场发布了多项新的 AI 基础设施技术，包括下一代 AI 平台 Vera Rubin、AI 推理系统 Dynamo 以及面向机器人和自动驾驶的 Physical AI 体系。整场演讲的核心逻辑非常清晰：AI 正在从“模型工具”阶段进入“生产基础设施”阶段。黄仁勋反复强调一个关键概念——AI Factory（AI 工厂）。在他的定义中，未来的数据中心将不再只是存储和计算的设施，而是持续生产“智能（intelligence）”的工厂。这些工厂通过训练模型、运行推理以及调度 AI agents，源源不断地产生智能 token，而企业则会像使用电力一样使用 AI。
黄仁勋提出了一个核心判断：未来的数据中心将不再只是计算设施，而会演变为“AI工厂”（AI Factory）。这些AI工厂将持续训练模型、运行推理并调度AI agents，从而源源不断地产生“智能（intelligence）”。在这样的体系中，企业将像使用电力一样使用AI能力。
在这一叙事之下，另一个概念被频繁提及：Digital Workforce（数字劳动力）。这一变化意味着，AI不再只是一个软件工具，而正在成为新的生产要素。对于HR和企业管理者而言，这一变化可能比任何一代技术更深刻，因为它触及的是企业组织结构与劳动力形态本身。
在这样的背景下，GTC 2026释放的信号，不仅关乎芯片和算力，更关乎未来企业如何组织工作、如何招聘人才以及如何管理生产力。基于大会释放的技术趋势，从HR与未来工作的视角，可以看到十个值得关注的变化方向。
一、企业将同时拥有Human Workforce与Digital Workforce
过去企业只有人类员工，而未来企业将同时管理两类劳动力：人类员工与AI agents。AI将承担大量重复性任务，例如客服响应、数据整理、财务核对和流程审批。HR在未来组织管理中的职责，也将逐渐扩展到数字员工的配置与治理，例如AI agent的权限、责任边界以及人机协作机制。
二、组织设计将从“岗位结构”转向“任务结构”
AI的影响并不一定是直接替代岗位，而是重新划分岗位中的任务结构。许多岗位将被拆分为三类任务：可以完全自动化的任务、需要AI辅助完成的任务，以及必须由人类完成的任务。未来的岗位设计和职位说明书，将更加关注任务组合，而不是传统岗位边界。
三、招聘标准将更强调AI协作能力
随着AI agents成为日常工作的一部分，企业将更加需要能够与AI高效协作的人才。这类能力包括理解AI的工作方式、能够设计AI工作流程、以及能够判断AI输出质量。招聘评估标准也将逐渐从工作经验转向学习能力与AI协作能力。
四、组织规模可能变小但产出更高
AI agents能够承担大量运营工作，使企业在保持甚至扩大业务规模的同时减少对传统岗位的依赖。未来可能出现更多“高产小团队”，即团队规模更小，但借助AI系统能够完成更复杂的业务。
五、绩效管理将出现“人机协同效率”指标
传统绩效体系通常只衡量个人产出，但在AI时代，员工是否能够利用AI提升效率将成为重要指标。例如员工是否能够通过AI缩短决策周期、优化流程或者提高分析质量。绩效评价体系也将逐渐转向“人机协同效率”。
六、HR专业能力需要技术理解能力
HR不需要成为工程师，但需要理解AI技术的基本逻辑与风险。例如算法偏见、数据隐私、自动化决策透明度等问题，都可能直接影响员工权益与组织治理。因此HR未来的角色将更加接近组织治理者。
七、员工技能更新周期将显著缩短
AI技术发展速度极快，这意味着许多技能的生命周期正在缩短。企业需要更加持续化的学习体系，而不是周期性的培训。HR的重点将从课程管理转向技能生态建设，包括持续学习平台、技能评估体系以及内部人才流动机制。
八、劳动力市场将出现新的职业角色
随着AI agents和自动化流程的普及，一些新的职业角色将逐渐出现，例如AI workflow designer、AI operations manager、AI governance specialist等。这些岗位将负责设计AI工作流程、优化AI使用效率以及确保AI使用符合组织政策。
九、企业文化需要重新定义人与技术的关系
当AI成为日常工作的组成部分，企业文化也需要重新定义人与技术之间的关系。组织需要明确AI是替代员工还是增强员工能力，以及企业如何在效率提升与员工发展之间保持平衡。
十、HR将成为AI治理体系的重要参与者
随着AI逐渐参与决策流程，企业必须建立AI治理机制。HR将与IT、法务以及风险管理部门共同参与这一体系的建设，包括制定AI使用政策、员工培训、数据使用规范以及AI决策透明度机制。
总体来看，GTC 2026所展示的并不仅是一场技术发布会，更像是一场关于未来生产体系的预演。当AI从工具升级为“数字劳动力”，企业组织结构、人才需求以及HR的职责边界都将随之改变。
未来HR需要管理的对象，或许不再只是员工，而是一个由人类与智能系统共同构成的组织。
Future of Work
2026年03月17日
-
Future of Work
最新研究：AI效率越高，人却越来越忙，一场正在发生的知识工作规则重写
HRTech概述：AI原本被认为可以帮助员工减少工作量、提升效率，但一些企业内部观察研究却发现了相反的趋势。研究人员在一家科技公司进行了为期8个月的跟踪观察，发现AI让员工完成任务更快，但并没有减少工作时间，反而让员工承担了更多任务。这一趋势意味着，AI不仅在改变工作效率，也在重塑知识工作的规则。对于企业来说，真正的挑战并不是是否使用AI，而是如何在效率提升的同时，避免工作强度持续上升。
人工智能正以前所未有的速度进入知识工作领域。从代码生成、文档撰写到数据分析与设计辅助，AI被广泛认为是下一轮生产力革命的核心驱动力。企业普遍期待，AI能够减少重复劳动，让员工更高效地完成工作，并最终释放时间用于更具创造性的任务。然而，一些企业内部观察与组织行为研究却揭示出一个值得警惕的趋势：AI并没有像预期那样减少工作量，反而在许多场景中加速了工作的节奏，并扩大了员工承担的任务范围。
AI带来的不是“少做”，而是“多做”
在一项针对科技企业的长期观察研究中，研究人员对约200名员工的实际工作方式进行了持续跟踪，并进行了40多次跨职能访谈。研究最初的目标是理解AI工具在真实工作环境中的效率提升效果，但最终结果却显示出一种完全不同的趋势。
许多员工表示，AI确实让他们完成任务的速度明显提高。例如，原本需要数小时撰写的文档可以在AI辅助下迅速生成初稿，复杂的分析报告也可以通过提示词快速形成结构框架。然而，当任务完成得更快时，员工并没有因此减少工作时间，而是倾向于主动承担更多项目或更多任务。AI所节省的时间并没有转化为休息时间，而是被重新填充为新的工作内容。
这种现象形成了一种典型的“效率填充效应”：技术提高效率之后，工作量往往随之增加，而不是减少。
任务启动成本的降低扩大了工作范围
AI还显著降低了工作的启动门槛。过去，一些任务之所以没有被执行，是因为准备成本较高。例如整理内部报告、编写总结或进行初步分析，这些工作往往需要较长时间准备。但在AI工具的帮助下，员工只需输入简单提示词即可生成初步内容。
这一变化带来的结果是，更多任务被启动和完成。表面上看，这是一种效率提升；但从组织运作角度来看，它实际上扩大了员工的工作范围，使单位时间内的任务数量明显增加。AI不仅让任务完成得更快，还让更多任务成为“值得做”的事情。
团队竞争推动工作节奏不断加快
AI还改变了团队内部的行为逻辑。当团队中部分成员开始利用AI显著提高产出时，其他成员会自然产生比较压力。如果某位同事借助AI一天完成多个项目，其余成员很容易担心自己的效率被视为不足。
即使管理层从未正式提高绩效要求，这种由同事之间的比较产生的“隐性竞争”也会逐渐改变团队节奏。随着时间推移，原本由技术带来的效率提升会转化为新的默认标准。团队整体工作速度随之提升，而这种变化往往是在没有明确管理决策的情况下发生的。
研究人员将这种过程称为“工作量爬升”（Workload Creep）。最初，它表现为生产力提升；随后，它成为新的绩效基准；最终，它演变为组织内部的隐性期望。
AI模糊了工作与生活的时间边界
AI还在改变工作的时间结构。传统知识工作通常依赖完整的时间块，例如集中数小时撰写报告或完成分析任务。但AI让许多任务可以在碎片时间完成。员工可以在午餐时间生成文档初稿，在会议期间让AI整理笔记，或在晚间快速修改AI生成的内容。
这种变化虽然提高了灵活性，但也使工作逐渐渗透到原本属于休息的时间段。很多员工开始在更多时间点与工作保持连接，从而模糊了工作与生活之间的边界。
压力在组织层级之间出现明显分化
研究还发现，AI带来的压力在组织层级之间分布并不均衡。一线执行层员工，例如工程师、产品经理、设计师和运营人员，承担了大部分由AI加速带来的任务扩张。他们需要更快地完成更多工作，同时持续保持高效率。
相比之下，管理层和高管往往更关注整体生产率指标，因此对这种压力变化的感受较弱。这种结构性差异容易导致组织内部形成不同的认知：管理层看到的是效率提升，而执行层感受到的则是工作强度增加。
技术提升效率，但制度决定结果
从历史经验来看，类似的情况并不罕见。电子邮件、即时通讯工具和远程办公技术在过去几十年中都曾带来类似影响。通信效率的提升往往会加快工作节奏，并延长工作时间。
AI的特殊之处在于，它不仅提高沟通效率，还直接参与任务执行，因此对工作节奏的影响更加明显。如果企业只是把AI视为单纯的生产力工具，而没有建立相应的管理机制，那么效率提升很容易自动转化为更高的工作强度。
企业需要重新设计AI时代的工作规则
在AI时代，企业真正需要思考的问题并不是“是否使用AI”，而是“如何管理AI带来的生产力变化”。一些领先组织已经开始尝试新的管理方式，例如重新设计绩效评估标准、明确AI使用边界，并避免将短期效率提升直接转化为更高的任务指标。
只有在合理制度框架下，AI带来的效率提升才可能真正释放员工的时间与创造力，而不是变成新的压力来源。
AI改变的不只是效率，而是整个工作结构
从更宏观的视角看，AI正在重新定义知识工作的运行方式。当技术能够显著提高个人效率时，组织如何设定工作节奏、分配任务以及保护员工的可持续工作状态，将成为未来管理的重要课题。
效率本身并不会自动带来自由。如果缺乏制度设计和管理规则，技术进步往往会被转化为更高的工作要求。AI带来的真正挑战，并不是技术本身，而是组织如何在效率与可持续工作之间找到新的平衡。
HRTech特别说明：AI并没有减少工作量，而是在很多情况下扩大了工作量（workload expansion）。不过需要先说明一点：这段文字在社交媒体上广泛传播，但目前并没有一个公开发表的 Berkeley正式学术论文完全对应这段描述的所有数据（例如“83% workload increase、200 employees、8 months embedded research”）。类似结论在多个研究中确实存在，但具体数字很可能是社交媒体的简化或二次传播。因此，理解其逻辑比纠结具体数字更重要。
Future of Work
2026年03月09日
-
Future of Work
Anthropic报告炸场：AI时代第一批“失业高风险人群”出现——22-25岁年轻人、女性白领、知识工作者
Anthropic发布最新研究《Labor Market Impacts》（点击下载报告），通过分析Claude人工智能在真实工作中的使用数据，并映射到美国劳工部O*NET职业任务数据库，首次从“任务层面”揭示AI对劳动力市场的真实影响。研究显示，AI并不会立刻消灭大量岗位，但正在悄然改变岗位结构和职业机会分布。最先受到冲击的可能不是传统蓝领，而是三类看似稳定的人群：刚进入职场的22-25岁年轻人、在行政与运营等知识型岗位占比较高的女性白领，以及大量从事分析、内容与技术工作的知识工作者。当AI逐渐接管标准化认知任务时，企业的招聘标准、组织规模与人才成长路径都将被重新定义。Anthropic这份报告告诉我们：水位已经在变化了，变化首先发生在入口处，首先影响的是年轻人，首先体现在招聘减速而非裁员加速。这三个"首先"，就是HR领导人现在需要行动的三个方向。
过去一年里，关于人工智能是否会引发大规模失业的讨论几乎每天都在发生，但真正基于真实AI使用数据的研究却并不多。Anthropic最新发布的研究《Labor Market Impacts》（点击下载报告）提供了一个不同的观察视角。研究团队没有再做抽象预测，而是直接分析Claude人工智能在真实工作中的使用记录，并将这些任务映射到美国劳工部的O*NET职业数据库，从而判断AI究竟在替代哪些工作任务、又在改变哪些职业结构。研究结论并没有像很多人担心的那样宣告“就业崩塌”，但却揭示出一个更值得警惕的趋势：AI冲击劳动力市场的第一波风险人群画像已经开始显现。
这批最早受到冲击的人，并不是传统想象中的蓝领，而是三个看似稳定的群体：22-25岁的年轻职场新人、以知识型岗位为主的白领女性，以及大量从事知识工作的专业人才。 对企业HR和组织管理者而言，这个信号比“AI会不会取代所有人”更值得关注，因为它意味着未来劳动力市场的变化可能首先发生在职场入口、职业结构和组织效率层面。
AI首先改变的不是岗位，而是岗位里的任务结构
Anthropic研究最重要的贡献之一，是把AI影响从“岗位层面”拆解到“任务层面”。在现实企业中，一个岗位通常包含多个不同类型的任务，例如信息整理、报告撰写、数据分析、沟通协调和决策判断等。研究发现，当前AI并不会一次性替代整个职位，而是优先接管那些高度结构化、可文本化、可规则化的认知任务，例如内容初稿生成、数据总结、资料整理、文档改写和信息检索。
从宏观角度看，这种变化似乎并不会立刻减少岗位数量，但它会逐渐改变岗位内部的价值结构。当AI能够完成越来越多基础任务时，企业对人类员工的期待也会随之改变：组织更需要具备判断能力、复杂问题解决能力和跨部门协调能力的人，而不是仅仅能够完成标准化执行任务的人。这种变化看似温和，却正在悄悄改变整个职场的价值体系。
第一批风险人群：22-25岁的年轻人
在Anthropic的研究中，一个值得注意的现象是，高AI暴露职业中的入门级岗位招聘正在出现放缓迹象。这并不意味着企业已经停止招聘年轻人，而是意味着很多过去由新人承担的基础任务，例如资料收集、研究整理、报告初稿、数据分析等，已经可以由AI工具完成。
在传统职业路径中，年轻人进入职场往往依赖这些低风险、低复杂度的基础工作积累经验。但当这些任务被AI接管后，企业对新人岗位的需求自然会减少。对于很多组织来说，让一名经验丰富的员工借助AI完成这些任务，往往比培养新人更高效。
这意味着未来几年，一个重要变化可能出现：年轻人进入职场的门槛将明显提高。 企业可能减少大量基础岗位，而更倾向招聘能够直接创造价值的员工。对于刚进入职场的22-25岁年轻人来说，这种变化可能是AI时代最早显现的就业冲击。
第二类风险人群：女性白领
Anthropic研究还指出，高AI暴露职业中女性比例相对更高。这并不是因为AI专门针对某一性别，而是因为很多女性比例较高的职业，如行政支持、市场营销、内容编辑、人力资源运营等，本身就包含大量文本处理、资料整理和流程协调等任务。
这些工作正是当前大型语言模型最擅长的领域。AI可以在几秒钟内完成报告草稿、邮件回复、数据总结和会议纪要等任务，而这些工作在许多企业中长期由行政、运营或HR团队承担。因此，在AI渗透的早期阶段，女性占比较高的知识型岗位可能更容易受到影响。
对企业HR而言，这种变化带来的挑战不仅是岗位调整，还涉及职业发展路径与组织公平。如果企业减少大量支持型岗位，却没有提供新的成长路径，那么组织内部的职业结构和人才培养体系都将受到冲击。
第三类风险人群：知识工作者
过去几十年中，人们普遍认为知识型职业是最安全的职业类型，因为这些岗位依赖思考、分析和创造力。然而Anthropic研究却揭示了一个反直觉的事实：AI使用最密集的领域恰恰是知识工作，例如软件开发、数据分析、市场研究和管理咨询。
原因其实并不复杂。当前AI最擅长处理的是文本、代码和信息，这正是知识工作的核心材料。例如，程序员可以使用AI生成代码框架，分析师可以利用AI整理数据和报告，营销人员可以借助AI生成文案和市场洞察。AI并不会完全取代这些职业，但它显著提高了生产效率。
当一个高能力员工借助AI可以完成过去三个人的工作时，企业自然会重新思考团队规模。长期来看，这种效率提升可能导致知识型岗位数量增长速度放缓，甚至在某些领域出现减少。
AI冲击的真正核心：组织效率革命
Anthropic研究反复强调，当前AI对就业的影响仍然处于早期阶段，但它正在改变企业组织效率。AI可以让一个小团队完成过去大团队才能完成的工作，这意味着未来企业的组织结构可能发生深刻变化。
过去，一个部门可能需要二十个人完成复杂项目；未来，借助AI工具，五到八个人的团队就可能完成同样任务。这种变化不会立刻带来裁员浪潮，但会逐渐改变企业招聘策略。组织会更加谨慎地增加员工数量，而更愿意通过技术提升现有团队效率。
对于HR领导者来说，这意味着管理逻辑需要从“岗位数量管理”转向“任务与能力管理”。企业必须重新思考岗位设计、人才培养和绩效评估，因为AI正在改变工作的基本单位。
AI时代的人才竞争规则正在改变
Anthropic的研究并没有宣称AI会迅速摧毁就业市场，但它清楚地展示了一种正在形成的趋势：AI正在改变哪些人更容易获得机会。未来职场的竞争将不再只是学历或经验的竞争，而是人与AI协作能力的竞争。
能够有效利用AI工具的人，将在效率和产出上远远领先于不会使用AI的人。与此同时，那些依赖标准化任务的岗位将逐渐减少，而需要判断力、创造力和复杂沟通能力的岗位将变得更加重要。
对HR而言，这意味着企业的人才标准必须升级。招聘时需要关注的不只是专业技能，还包括员工是否具备利用AI提升工作效率的能力。培训体系也需要调整，让员工学会在AI环境中工作，而不是把AI当成简单工具。
真正需要警惕的不是AI，而是组织准备不足
Anthropic研究最值得深思的地方，并不是它描绘了某种灾难性的就业未来，而是它提醒企业：AI对工作的影响已经开始，但大多数组织还没有真正准备好。
很多企业仍然停留在试用AI工具的阶段，而没有系统性地思考岗位设计、流程优化和组织治理。如果企业继续用过去的管理方式应对AI时代，那么效率提升带来的红利可能无法释放，反而会造成新的组织混乱。
对HR领导者来说，现在最重要的问题不再是“AI会不会取代员工”，而是“企业如何重新设计人与AI的分工”。只有在组织层面重新定义岗位结构、人才培养和管理机制，企业才能真正利用AI带来的生产率革命。
Anthropic的研究揭示了一个正在形成的现实：AI不会突然毁掉就业市场，但它正在慢慢改变谁更容易获得机会。 当年轻人、女性白领和知识工作者成为第一批高风险群体时，企业和HR必须开始思考新的职场规则，因为AI时代的劳动力市场已经悄然启动转型。
Future of Work
2026年03月07日
-
Future of Work
HRTech 深度报道 | 当 AI 直接走进 HR 的工作台：Anthropic Claude Cowork HR 插件发布深度解析
HRTech深度解读：Anthropic刚刚发布 Claude Cowork 企业插件体系，并上线面向 HR 的 Human Resources 插件。该插件覆盖 Offer 起草、30/60/90 入职计划、绩效评语生成及薪酬分析辅助文本等高频场景，定位为企业“内容生成层”。值得注意的是，它并不替代 HRIS 或 HCM 系统，而是通过企业级部署、权限管理与连接能力，让 AI 可以被 IT 管控和审计。这意味着企业开始把生成层平台化，部分文档自动化工具将面临重新定价，而核心系统与强责任业务将与 Agent 协同发展。
为什么值得关注，还记得之前发布法律插件时，直接拉崩了SaaS的股价，都现在都没缓过来。
更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
这一次不一样
过去几年，HR 从业者已经习惯了一波又一波"AI 将颠覆人力资源"的预言。大多数时候，结局都是雷声大雨点小——那些所谓的 AI 工具，不过是更花哨的关键词搜索，或是稍微聪明一点的自动填表功能。
但 2026 年 2 月 24 日这一天，事情开始有点不同。
Anthropic 在其"Enterprise Agents"发布会上正式推出了 Claude Cowork 系列企业级插件，其中专门面向人力资源的 HR 插件，覆盖了录用通知书起草、入职计划制定、绩效评估撰写，以及薪酬分析四大核心场景。这不是一个实验性功能，也不是某家 HRTech 厂商的锦上添花——这是全球估值最高的 AI 公司，在通用大模型上直接构建的 HR 垂直应用，面向所有 Claude Pro 及以上用户开放。
这是一个值得每一位 HR 从业者认真对待的信号。
一、发布了什么：四个场景，一个野心
根据 Anthropic 官方博客及今日发布会内容，HR 插件的功能定位清晰聚焦于文档生产类工作：
录用通知书（Offer Letters） Claude 能够根据岗位信息、薪酬结构、入职日期等基础数据，快速生成合规、专业的录用通知书。企业 HR 无需从头构建模板，也无需在法务审阅前多次返工。
入职计划（Onboarding Plans） 针对不同岗位角色，生成结构化的入职路线图，包含 30/60/90 天目标设定、关键对接人、系统权限申请节点等要素。
绩效评估（Performance Reviews） 基于管理者提供的员工表现描述，Claude 可以将碎片化的口头反馈转化为措辞专业、结构清晰的书面绩效评语，同时保留管理者的核心判断。
薪酬分析（Compensation Analyses） 结合岗位层级、市场数据、内部薪酬带宽，辅助 HR 生成薪酬对比报告，支持 offer 谈判、调薪季决策以及薪酬公平性审查。
从产品逻辑来看，这四个场景有一个共同特征：高频、重复、文字量大、对措辞专业性要求高。这正是传统 HRIS 系统的"死角"——Workday 能存储绩效评分，但它不会帮你把"这个员工表现一般"转化成一段得体的书面评语。
二、它真正做到的，和它尚未触及的
理解这款产品的边界，对 HR 从业者至关重要。
它真正做到的事：
Cowork HR 插件的核心价值在于压缩从"信息"到"文档"的距离。管理者知道一个员工的表现，但要把这种认知转化为一份可以放进档案、经得起质询的书面文件，中间有大量"翻译"工作——遣词造句、结构组织、语气把握。这部分工作现在可以大幅交给 Claude。
更重要的是，Anthropic 明确表示这套系统允许企业 IT 管理员对插件进行深度定制：嵌入企业自己的 HR 政策文件、薪酬框架、合规要求，甚至接入内部 HRIS 数据。这意味着它不是一个通用模板工厂，而是一个可以"说公司语言"的 HR 协作者。
它尚未触及的事：
然而，如果你期待 Claude Cowork HR 插件能够替代现有 HRIS 的核心功能，目前还为时过早。它不管理数据库，不处理薪酬计算，不执行合规审计，也不提供员工自助服务门户。它是一个强大的"内容生成层"，而非"数据管理层"。
这个边界非常重要——既不要高估它，也不要因为这个边界而忽视它的意义。
三、市场已经用股价投票了
发布会的影响是即时且直接的。
就在今年 1 月 30 日 Anthropic 发布早期版本插件时，资本市场已经提前给出了反应：Thomson Reuters 单日创下历史最大跌幅，跌近 16%；LegalZoom 暴跌近 20%；FactSet 跌超 10%；欧洲数据分析巨头 RELX 下挫 14%。
尽管这些跌幅主要发生在法律和金融数据领域，但信号已经足够清晰：当 Anthropic 进入某个垂直场景，市场的第一反应是"谁的护城河不够深"。
对于 HRTech 行业，这个问题同样值得正视。
四、谁应该紧张，谁可以暂时缓口气
中高风险区：文档生成类 HRTech
市面上存在一批专门解决 HR 文档痛点的工具——offer letter 生成工具、绩效评语辅助写作平台、入职材料自动化系统。这类产品如果核心价值主张与 Cowork HR 插件高度重叠，且没有构建足够深的数据护城河或工作流集成，将面临直接的替代压力。
典型产品类型包括：独立的 AI 写作助手（面向 HR 场景的）、轻量级入职自动化工具，以及部分 ATS 系统中的模板生成模块。
中低风险区：核心 HRIS / HCM 平台
Workday、SAP SuccessFactors、Oracle HCM 这一梯队的头部产品短期内受到的直接冲击有限。原因有三：其一，它们的核心价值是数据管理与流程自动化，而非文档生成；其二，它们已深度嵌入企业的 IT 基础设施，迁移成本极高；其三，它们本身也有能力集成 AI 能力，不会坐以待毙。
事实上，Anthropic 在发布会上也明确表态，并不打算取代企业软件公司的产品，并承认这些平台处理着高度敏感的专有数据，有其不可替代性。
潜在机会区：HRTech 集成商
对于专注于将各类 HR 工具打通、构建数据流和工作流的服务商，Claude Cowork 的到来反而可能是机会：帮助企业客户将 Cowork 与现有 HRIS 系统深度集成，成为新的实施和咨询需求。
五、对企业 HR 部门的实操建议
立即行动：评估自己的文档工作负担
统计一下你的团队每个月花多少时间在以下事项上：起草 offer letter、撰写绩效评语、制作入职材料、整理薪酬对比报告。如果这个数字超过 20%，那么 Cowork HR 插件值得优先试用。
中期规划：数据准备比工具选型更重要
Claude Cowork 的价值上限取决于你喂给它的内容质量。如果企业的薪酬框架、绩效标准、职级体系还是散落在各种 Excel 和共享文档里，现在就是整理的好时机——无论你最终选择哪款 AI 工具，干净的数据都是前提。
关注企业级定制能力
Anthropic 明确提供了面向企业的管理员控制台，支持私有化插件市场和定制工作流。对于有能力的 HR Tech 团队，这意味着可以把公司内部的 HR 最佳实践"编码"进 Claude，让它真正成为公司的 HR 语境专家，而不仅仅是一个通用写作助手。
保持对数据安全的审慎
绩效评估和薪酬数据是企业最敏感的人事信息之一。在将这类数据接入任何 AI 工具之前，务必确认数据处理协议、隐私政策和合规边界。这不是因为要阻止 AI 的使用，而是因为这是 HR 的专业责任所在。
六、更大的图景：HR 工作的"重新分工"
Claude Cowork 的意义，不应该被局限在"又一个 AI 工具"的框架里来理解。
Anthropic 产品负责人在发布会上说得很清楚：他们的目标是复制 Claude Code 在工程师群体中的成功路径——让每一位知识工作者对 Cowork 产生"离不开"的依赖感。工程师有了 Claude Code，开始以不同的方式分配自己的时间和注意力。HR 从业者，可能正站在类似的转折点前。
这种转折不是"AI 取代 HR"，而是 HR 工作内部的重新分工。那些以文字和文档为主要产出的工作，将越来越多地由 AI 来完成初稿；HR 从业者的核心价值，则将进一步向判断力、关系管理、组织诊断和战略洞察集中。
这对于有志于提升自身战略价值的 HR 来说，是一个加速通道。对于那些依赖文档生产能力作为核心竞争力的岗位，则是一个值得认真思考的信号。
2026 年 2 月 24 日，Anthropic 推出的不只是一个 HR 插件。它是一次关于"AI 在企业中的位置"的公开宣示：AI 不再只是辅助工具的附加模块，而是直接坐在知识工作者的工作台上，处理那些以前只有人才能做的事情。
HR 行业一向以"人"为核心。这一次，它需要认真想清楚：在 AI 越来越能干的时代，"以人为核心"到底意味着什么，HR 的不可替代性究竟来自哪里。
那些能够把这个问题想清楚的人和组织，会在接下来的变革中走得更稳。
本文综合 Anthropic 官方博客、The Briefing: Enterprise Agents 发布会内容、CNBC、TechCrunch、CNN Business、Seeking Alpha 等媒体报道撰写。
作者：HRTech 编辑部
Future of Work
2026年02月25日
-
Future of Work
【旧金山】非办公室员工HR平台 Humand 完成 6600万美元A轮融资，加速打造全球一线员工AI操作系统
HRTech概述：旧金山的一家针对一线员工的HR科技公司Humand 宣布完成 6600万美元A轮融资。本轮由 Kaszek 与 Goodwater Capital 领投。Humand 定位为面向全球27亿一线员工的 AI 操作系统。全球近80%的劳动力属于非办公室员工，但长期缺乏数字化工具支持。Humand 通过移动优先的 AI 原生平台，将沟通、培训、绩效与人力流程整合为统一系统。AI 智能体嵌入各类流程，实现自然语言操作与自动化响应。目前平台已服务超过160万用户，覆盖51个国家与1500多家企业。更多全球HR科技资讯，请关注HRTechChina
总部位于美国旧金山的非办公室员工HR平台 Humand 宣布完成 6600万美元（USD 66M）A轮融资。本轮融资将重点用于加速美国市场扩张、加强AI产品研发能力，并推动其成为全球非办公室员工（non-desk workers）领域的品类领导者。
此次融资不仅是公司发展过程中的重要里程碑，也被视为“非办公室员工数字化”赛道进入规模化竞争阶段的重要信号。
瞄准全球80%劳动力：被长期忽视的非办公室员工
根据公司披露的数据，全球约80%的劳动力属于非办公室员工，规模约为27亿人。这部分群体包括零售门店员工、制造工厂工人、医护人员、仓储与物流人员、建筑工人、餐饮与酒店服务人员等。他们并不在传统办公室环境中工作，也通常不拥有企业邮箱或固定桌面电脑。
长期以来，企业级HR系统主要围绕“坐在办公桌前的白领员工”构建。大多数传统HCM或HR软件默认每位员工都具备企业邮箱、PC访问权限和标准化办公时间安排。这一产品逻辑导致非办公室员工在企业数字化转型过程中被边缘化。
结果是：
· 员工无法便捷获取公司信息和政策
· 请假、福利、培训等流程高度依赖人工或线下沟通
· HR团队需要处理大量重复性咨询
· 内部沟通高度碎片化
· 一线员工参与度和归属感偏低
Humand 正是基于这一结构性痛点切入市场。
移动优先的一体化HR平台：为一线场景而设计
Humand 的核心产品定位为“面向非办公室员工的一体化移动优先HR平台”。与传统系统不同，其平台从底层设计逻辑出发，以移动端为核心载体，并适配现场工作环境。
在一个移动应用中，Humand整合了30多个模块功能，包括：
·内部沟通与公司公告
·请假申请与审批流程
·员工福利信息查询与注册
·培训与发展项目
·公司政策与文件访问
·员工认可与文化建设工具
最关键的是，该平台无需企业邮箱，也不依赖桌面端访问。员工只需通过手机即可完成日常HR交互。
这一设计思路解决了非办公室员工长期存在的“数字触达障碍”，同时为企业提供了一个统一的员工管理与沟通环境。
Sammy：嵌入式AI HR助手
Humand 在产品层面的重要创新之一，是其AI HR助手“Sammy”。
Sammy 允许员工通过自然语言与系统进行互动。例如：
·查询剩余假期天数
·了解健康保险选项
·搜索公司政策
·获取培训信息
这一AI助手的作用在于降低员工使用门槛，并显著减少HR部门重复性工作量。过去需要人工回复的常规问题，现在可以由AI即时处理。
从产品架构层面来看，Humand 不仅仅是将AI作为附加功能，而是将AI嵌入到日常工作流程中，形成“AI原生”的交互体验。这也使其在与传统HR系统的竞争中形成差异化定位。
规模验证：160万员工、1500家企业、覆盖50个国家
截至目前，Humand 已服务超过160万名员工，覆盖1500多家企业，业务遍及50个国家。客户包括 Siemens、PSBank 和 Viva Aerobus 等企业。
这一规模数据意味着其产品已在多个行业场景中得到验证，包括零售、制造、航空、金融等领域。
与许多早期HR科技公司不同，Humand 已经具备清晰的产品市场匹配（product-market fit）信号。公司强调，其增长并非仅依赖概念创新，而是建立在真实企业应用场景和持续交付能力之上。
美国市场成为核心战略重心
尽管 Humand 具备全球业务布局，但公司明确表示，美国市场是其本轮融资后的核心战略方向。
美国拥有数量庞大的一线员工群体，涵盖零售、医疗、物流、制造与酒店等行业。与此同时，美国企业对于员工体验、合规性与数字化工具的需求持续提升。
Humand 将通过以下三大方向强化美国市场布局：
第一，建立品类领导地位。公司希望将“非办公室员工HR平台”定义为独立赛道，并成为该领域的默认选择。
第二，扩大本地团队与客户成功能力。通过构建专门面向美国市场的团队与成功案例，提升客户落地效果。
第三，持续推进产品创新。针对混合型员工结构（同时拥有办公室与非办公室员工的企业）优化产品能力。
从“记录系统”到“行动系统”的转变
传统HR软件通常被定义为“系统记录”（systems of record），其主要功能是数据存储与合规管理。
Humand 的愿景则是将HR系统升级为“系统行动”（systems of action），通过统一移动端入口和AI辅助，实现实时沟通与流程执行。
这种转变的核心在于：
·提升员工参与度
·降低组织沟通成本
·减少人工处理流程
·增强企业内部透明度
在AI逐渐成为企业基础设施的背景下，Humand 正在尝试成为覆盖非办公室员工场景的AI操作层。
品类竞争格局与未来挑战
尽管Humand在“non-desk HR”赛道建立了清晰定位，但未来竞争仍然存在多个变量：
·大型HCM平台是否会快速进入该细分市场
·AI能力是否成为行业标准配置
·美国市场的品牌建设速度
·混合型企业客户的复杂需求
不过，从融资规模、市场验证与战略清晰度来看，Humand 已成功建立早期领先优势。
长期愿景：连接100%的员工
Humand 的核心愿景是“连接100%的员工”。在其叙事逻辑中，办公室员工与非办公室员工之间的数字鸿沟是一个“人为构建且过时”的结构。
公司强调，每一位员工，无论在办公室、工厂车间、医院还是零售门店，都应享有同等质量的数字工具与沟通渠道。
本轮 6600万美元A轮融资，使 Humand 在资本、品牌与产品能力方面进一步强化，为其全球扩张与品类定义奠定基础。
在全球HR科技赛道不断向AI与员工体验演进的背景下，非办公室员工市场正从边缘走向中心。Humand 正试图成为这一转型过程中的核心平台。
未来几年，这一赛道是否会出现独角兽级别平台，或被传统巨头整合，将成为HR科技领域的重要观察方向。
Future of Work
2026年02月24日
-
Future of Work
解锁生成式AI与智能代理（Agentic AI）的价值：企业人力资源转型的战略蓝图
HRTech概述：生成式AI正在进入指数级跃迁阶段。BCG指出，AI自主执行任务能力每7个月翻倍，效率提升已在HR场景实证落地：招聘与行政效率提升20–40%，绩效反馈撰写时间减少45%，质量提升22%。真正决定成败的并非算法，而是组织重构。10-20-70模型显示，70%的成功来自人和流程。HR必须从流程驱动转向结果驱动，CHRO将成为混合劳动力架构师。AI时代，行动速度决定战略高度。更多信息请关注 HRTech
1. 引言：AI进化的“加速曲线”与HR的战略转折点
在过去二十年的数字化进程中，企业习惯于线性的、可预测的技术迭代。然而，正如波士顿咨询公司（BCG）在最新报告中所强调的，生成式AI（GenAI）的进化已进入“指数级跳跃”阶段。这种进化的节奏远超企业界的一致预期：原本被预测在2026年才能实现的“智能代理可靠执行一小时复杂任务”的里程碑，已经在2024年提前降临。报告指出，AI可自动执行任务的长度目前每7个月就会翻一倍。这意味着，传统的三年或五年数字化规划已然失效，因为技术的成熟度正在以超出规划周期数倍的速度在狂飙。
这种加速并非偶然，而是由一系列结构性突破共同驱动的。BCG的研究显示，开源模型（如DeepSeek）的性能已能比肩前沿闭源模型，将原本预期的12至18个月的技术代差缩减至近乎为零；同时，前沿性能的Token成本下降了约10倍，多模态（语音、图像、视频）能力的全面主流化，标志着AI从单一的文本生成工具演变为全感官、跨系统的执行实体。
面对这种非线性演进，人力资源（HR）部门正处于一个决定性的战略转折点。HR领导者必须采纳所谓的“双速运转（Two Speeds）”运营逻辑：速度1聚焦于优化当前的基础，即通过数据清洗、核心HRIS系统的现代化和流程去冗余，构建一个可靠的数字化底座；速度2则是以前所未有的敏捷度开发未来模型，通过GenAI和智能代理重新定义组织架构、工作流与人才文化。正如报告所强调的，在这样一个连预测都被不断超越的时代，HR从“行政支持”向“价值驱动”的转型不再是一个可选项，而是决定企业能否在AI时代生存的战略前提。
2. 定义新生产力：从生成式辅助到自主智能代理（Agentic AI）
要理解这场变革的深度，首先必须廓清“智能代理（AI Agents）”与传统GenAI工具的本质区别。BCG在报告中明确指出，智能代理不仅仅是能对话的聊天机器人，而是“能够使用工具达成目标的AI”。这一概念的转变意味着AI正从“副驾驶（Copilot）”进化为“自主执行者（Autonomous Executer）”。
根据报告的深度拆解，智能代理的技术架构支撑了其在复杂人力资源工作流中的应用，其核心能力由四大支柱构成：
• 模型与系统访问能力： 代理不仅依赖LLM（大语言模型）或SLM（小语言模型）进行思考，更具备代表人类用户访问企业内部系统（如Workday或SAP）及外部平台的能力。
• 记忆能力： 不同于单次交互的对话框，代理能够在不同任务之间保持状态记忆，理解历史背景，从而确保长流程任务的一致性。
• 观察（Observe）-规划（Plan）-执行（Act）循环： 这是代理区别于工具的关键。它能持续观察环境数据，根据预设目标评估多种行动路径并制定计划，最后通过调用内部或外部工具自主完成操作。
这种“端到端任务处理”能力正从底层逻辑上重构HR的生产力。传统的GenAI或许能帮HR写一份招聘文案，而智能代理则能独立完成从劳动力需求预测、多渠道人才寻访、简历初步筛选到面试协调的全流程。这种演进迫使我们必须重新审视“人的工作”价值。当行政性、事务性的流程逻辑被代理全面接管时，人类HR的核心价值将不得不向“处理复杂例外事件”、“构建组织信任”以及“驱动高阶战略决策”等领域发生剧烈迁移。
3. 角色重塑：CHRO作为“混合劳动力”架构师与企业原型
随着数字代理在组织中获得“准员工”地位，首席人力资源官（CHRO）的角色必须经历一场本质性的升维。报告强调，CHRO正从传统的“人力资本管家”转型为“人机混合劳动力（Hybrid Workforce）架构师”。这意味着，CHRO的管辖权已不再局限于人类员工，而是扩展到了对数字代理的定义、部署与管理。
在这种新框架下，CHRO肩负着三重战略新职责：
• 数字资产的治理： 定义AI代理在团队中的正式位置，追踪其绩效，并确保其运作符合企业伦理与合规边界。
• 混合协作模型设计： 确定人类与代理之间的权责划分，例如在何种情境下代理拥有决策建议权，何种情境下必须保留人类监督（Human-in-the-loop）。
• 变革文化的引领： 负责全公司范围内的技能提升方案，不仅包括工具的使用，更包括在AI环境下保持创新活力与心理安全感的管理模式。
更重要的是，报告呼吁HR部门应主动成为企业AI转型的“活原型（Living Prototype）”。HR不应等待其他业务部门提供范式，而应率先在招聘、共享服务和员工绩效管理中应用最前沿的AI技术。通过在HR内部积累流程重构、数据治理和员工心理应对的实操经验，CHRO可以为全公司提供一个可复制的转型蓝图。这种“先行者战略”不仅能通过HR自身的提效证明AI的ROI，更能确立HR作为组织变革中枢的领导地位。
4. 攻克转型瓶颈：解析“10-20-70”模型与组织解法
尽管AI的前景诱人，但现实极度骨感。BCG报告指出，约2/3的企业在AI转型中感到举步维艰，主要障碍集中在工作流重构、人才技能缺口及组织激励机制的脱节。为了诊断这一病灶，BCG提出了极具洞察力的“10-20-70”模型：
• 10% 归功于算法： 即开发或实施先进算法的技术能力。
• 20% 归功于技术架构： 支持业务需求的可扩展现代化技术栈。
• 70% 归功于人、组织与流程： 这才是决定转型胜负的关键核心。
目前的困境在于资源分配的严重错位。大多数企业将90%的预算和精力投入到了前30%（算法与技术）中，却期望能自动获得后70%的组织红利。报告严正警告，如果忽略了流程重构、激励体系调整和文化适应，技术投入将大概率在官僚体系的阻力中灰飞烟灭。
针对这一瓶颈，组织层面的解法必须是“以人为中心”的全面重构。首先，企业需要打破陈旧的线性流程，赋予团队重新设计工作流的权限。其次，必须实施“人才赋能”的激进方案，弥补由于AI引入而产生的管理技能断层。最后，企业必须通过去平均化的策略，识别哪些岗位是AI转型的“高价值区”，从而进行精准的资源倾斜，而非采取无差别的全员部署。
5. 价值实证：HR场景下的生产力跃迁数据
为了让转型蓝图更具说服力，报告提供了基于真实场景的量化ROI数据。这些数据证明，AI在HR职能中的潜力已从“理论可行”转向“实证爆发”。
BCG 2024年对CHRO的调查显示了惊人的效率提升：
• 招聘与行政领域： 超过90%的HR管理者已实证了显著的时间节省。
• 核心工作流效率： 在自动化服务台、薪酬处理和个性化学习中，现有工作流已实现20%至30%的效率提升，全面部署后预期收益将跃升至30%至40%。
报告中一个极其深刻的案例是关于“绩效反馈撰写”的优化。在传统模式下，经理们每年需耗费大量时间撰写反馈，且质量参差不齐。通过引入定制化的GenAI工具，撰写时间缩短了45%，每年为典型企业节省超过1000小时的管理工时。更重要的是，基于3名HR专家的结构化评估，反馈的质量评分从基准的13分提升到了16分（满分20分），质量增益高达22%。90%的经理表示，这极大地优化了他们的管理体验。
在此，报告重点阐述了“去平均化（De-averaging）”原则。在AI战略中，不能对所有职位“一刀切”。HR应识别出那些ROI能达到10倍以上的岗位——如高频招聘的初级岗位、标准化的行政响应岗——并优先进行代理化部署。而对于需要高度同理心和复杂判断的高级合伙人或复杂员工关系处理岗，则应采取低强度的辅助模式。这种精准定位，确保了HR产能被释放后，能真正投入到能驱动业务结果的高价值领域。
6. HR运营模式转型：从“流程驱动”转向“结果与旅程驱动”
AI的广泛应用宣告了传统HR运营模式的终结。报告指出，HR必须从追求“流程效率和业务对齐”的僵化模型，转向“业务价值最大化”的敏捷模型。这种转型的核心在于对HR三大支柱（CoE, HRBP, Shared Services）的彻底革新。
在未来蓝图中，各个角色的演变路径如下：
• 共享服务中心（SSC）的消失与进化： 大量的事务性询问将全面由AI代理处理。人类专家将不再负责回复“我的年假还有几天”，而是演变为“例外事件处理器”，仅在代理无法解决的复杂合规或情感诉求中介入，成为组织信任的最终守护者。
• 专家中心（CoE）的敏捷化： 传统的按职能划分的CoE将被打破。取而代之的是跨学科的敏捷设计团队，他们不仅懂人才管理，更懂数据分析、工作设计和产品管理。他们的KPI不再是“流程合规”，而是“人才产出的业务价值”。
• HRBP的战略聚集： 传统的庞大HRBP群体将大幅缩减。少数留下的精英BP将从繁琐的协调工作中解脱，直接对齐企业高层，成为真正的组织战略顾问。
这种模式变革不仅是为了降本，更是为了在“混沌中期”建立一种能够快速适应技术不确定性的组织柔性。HR的工作重心将从“监控流程执行”彻底转变为“驱动员工旅程体验与业务结果”。
7. 核心输出：HR AI落地12个月战略路线图
为了确保蓝图的可执行性，基于报告逻辑，我们制定了如下四个阶段的12个月实施路线图，并明确了关键交付物：
Q1：愿景定义与基础构建（速度1与速度2并行）
• 关键动作： 启动HR数据卫生工程，彻底清洗历史冗余数据；升级核心HRIS系统，消除此前因系统断层而产生的各种“手动补丁（Workarounds）”；制定AI伦理红线与权限隔离架构。
• 交付物： 《HR数字化基础诊断报告》、《AI安全与隐私治理解析方案》。
• 责任人： CHRO与CIO。
Q2：试点与原型开发（单代理模式应用）
• 关键动作： 基于去平均化原则，选择招聘筛选、行政服务台等高ROI场景进行单代理（Single-agent）试点。建立“先遣队（Skunkworks Team）”进行快速实验。
• 交付物： 《分阶段职能成熟度热图（Capability Heatmap）》、首批试点场景的ROI实证报告。
Q3：扩展与多代理协作（Multi-agent Integration）
• 关键动作： 实现跨流程的代理协作。例如，让招聘代理自动触发入职代理。启动全员AI技能提升计划（Upskilling），重点培养员工对AI输出的评审能力。
• 交付物： 《多代理集成架构模式图（Multi-agent Integration Schema）》、员工AI素养评估报告。
• 责任人： CIO与CHRO联席。
Q4：规模化运营与组织重塑
• 关键动作： 正式根据AI能力调整组织架构，修改职位说明书，将代理作为正式资产纳入治理；更新绩效体系，从考核“时长/过程”转向考核“结果/AI协同效率”。
• 交付物： 《AI-First组织架构图》、全业务价值评估报告。
8. 实战策略：高ROI场景选择、先遣队建设与变革杠杆
在执行细节上，报告为我们提供了宝贵的“战术卡片”：
• 激进分子技术（Activist Techniques）： 报告列举了一些前瞻性企业的做法。Shopify规定，除非AI无法完成，否则不增加新的人类雇员；Moderna通过合并技术部与HR部来加速团队的自动化重构；Duolingo则将“AI-First”列为每日工作的核心指令。HR应效仿Fiverr首席执行官的做法，向全体员工发出AI大师挑战，以此作为变革的激励手段。
• HR Skunkworks（先锋团队）建设： 这支团队必须是跨职能的，包含人力、IT、法务与业务运营专家。其职能是探索“全自动化低复杂度工作模型”以及“代理主导的候选人辅导”。他们应在不受传统KPI束缚的前提下，进行“快速测试-快速失败-快速学习”的循环。
• 高ROI场景的具体挖掘： 报告强调，在招聘中，AI应从被动筛选转向主动的“全渠道寻访代理”；在员工服务中，通过嵌入政策的智能助手，实现24/7的无缝响应。诸如Booking.com和Jane Street通过编码代理节省了30%以上的循环时间，这些成功经验完全可以平移到HR的数据处理与系统集成中。
9. 结论：行动建议、风险预警与未来展望
我们目前正处于AI发展的“混沌中期（Messy Middle）”。历史经验告诉我们，在这个阶段，虽然变革的轨迹尚不完全线性，但其长期方向不可逆转。正如ATM机的出现并未消灭银行柜员，Excel的普及反而推升了对高级财会人员的需求，AI代理也将通过重构工作，创造出更高级的人类价值。
针对中国企业的特定执行环境，我提出以下三点核心行动建议：
1. 拒绝“等待完美”： 绝不要等待底层数据或HRIS完美后再启动AI。速度1（打基础）与速度2（搞创新）必须同步进行。
2. 正式赋予AI代理组织身份： 效仿头部科技企业的做法，将核心AI代理正式列入组织架构图。只有明确了代理的角色与责任，才能真正实现人机协同的治理。
3. 以员工体验为转型KPI： 降本只是AI的副产品，提升员工体验和业务成果才是转型的最终目标。
风险提示： 必须保持与BCG报告的高度一致，严守隐私保护和权限隔离底线。在涉及裁员、定薪、绩效惩处等高敏感领域，必须严格执行“人类在环”模式。
在这个混沌的中期，犹豫不决是HR面临的最大敌人。
行动力将最终决定CHRO在AI时代是能够入座董事会的战略核心，还是被降维打击为边缘化的行政支撑。转型之战，唯快不破。
Future of Work
2026年02月21日
-
Future of Work
负责任的AI（Responsible AI） 在招聘中的分界线：从 Workday 到 Eightfold，企业该让算法走多远？
HRTech概述：全球近一半企业已在招聘中引入人工智能，用于职位描述撰写、简历筛选和候选人匹配。然而数据显示，约四成HR担心算法偏见与透明度问题。企业已经结束试点阶段，进入规模化应用阶段。成功关键不在工具数量，而在数据基础、岗位架构与治理规则。AI更适合承担高重复性任务，人类则保留判断、同理心与最终决策权。Responsible AI强调人机协作，让技术放大能力，而不是取代专业。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
过去三年，招聘领域经历了一次前所未有的技术跃迁。生成式 AI、大模型和自动化工具迅速进入人才获取流程，从职位描述生成、简历筛选，到技能识别与候选人匹配，越来越多企业发现，招聘不再只是“人对人”的工作，而正在变成“人机协作”的系统工程。效率的提升肉眼可见：同样规模的招聘团队，可以处理数倍于过去的申请量，初筛时间从数周压缩至数小时，数据洞察也更加结构化和量化。
但当算法开始决定“谁被看到、谁被淘汰”时，问题的性质就发生了变化。招聘从来不仅仅是流程优化问题，它更关乎公平、合规与责任边界。当技术进入决策核心，企业真正需要思考的，已经不是“AI 能做什么”，而是“AI 应不应该做”。
Responsible AI 的讨论，正是在这样的背景下成为 HR 领域的新关键词。
从实践来看，AI 已经成为招聘的基础设施，而非锦上添花的工具。许多企业的招聘流程中，JD 写作、关键词筛选、候选人排序和技能标签提取都已实现自动化，部分组织甚至利用模型从非结构化简历中推断隐性能力，并为面试官生成结构化问题清单。这些能力极大释放了 HR 的时间，使团队可以从事务型工作中抽身，投入到更有价值的沟通和判断中。从效率维度看，AI 的确是必选项。
然而，风险也在同步放大。算法并非中立，它学习的是历史数据，而历史本身就可能带有偏见。如果过往录用人群集中于某些学校、性别或背景，模型极可能无意中复制甚至强化这种倾向。一旦问题存在，AI 的规模化能力反而会将偏差快速放大，形成系统性不公平。这也是为什么越来越多 HR 负责人开始意识到：招聘 AI 的挑战，并非技术成熟度，而是治理成熟度。
一些头部厂商的实践，恰好为行业提供了两个极具代表性的对照案例。
作为全球最大的人力资源系统厂商之一，Workday 近年来持续强化其 AI 能力，在招聘与人才管理中推出 Skills Cloud、自动匹配推荐和生成式 Copilot 等功能。这些工具的核心逻辑，并不是直接替代 HR 决策，而是提供“建议层”。系统可以基于海量数据推断技能相似度、识别内部人才流动机会、生成职位描述草稿，但最终的录用与晋升判断始终保留在人类手中。同时，Workday 强调模型可解释性与合规框架，在产品层面嵌入审计记录、权限管理和透明度机制，让企业清楚知道 AI 参与了哪一步、提供了什么依据。这种“增强型 AI”路径，本质上是在放大 HR 的判断力，而不是取代它。
另一家快速崛起的 Talent Intelligence 厂商 Eightfold AI 则走得更激进一些。其平台强调通过深度学习构建人才画像，实现大规模自动匹配与推荐，并宣称可以减少人为偏见、提升多元化招聘效果。然而，在实际落地过程中，外界也对算法透明度与公平性提出过质疑，甚至出现过与合规相关的争议与诉讼讨论。这类事件为行业敲响了警钟：即便技术目标是“更公平”，如果缺乏清晰的解释机制与责任边界，仍然可能带来法律与品牌风险。算法并不会自动等于公正，治理永远先于能力。
这两个案例共同揭示了一个现实：Responsible AI 的关键不在“多智能”，而在“有边界”。技术本身没有对错，真正决定风险高低的，是组织如何定义 AI 的角色。
越来越多领先企业开始采用一种更务实的分工逻辑，将招聘任务拆解为三类。对于高重复、低判断风险的环节，例如简历去重、批量筛选和流程通知，AI 完全主导是合理的选择；对于技能分析、候选人推荐或面试评分参考等场景，AI 作为辅助工具提供洞察，但仍由人类做最终判断；而在最终录用决定、文化契合评估或敏感沟通等关键节点，则必须由人类负责，算法需要主动“退场”。这种“主导—辅助—退场”的分层模型，比追求全面自动化更符合现实，也更有助于建立信任。
事实上，Responsible AI 的最大难点往往不在系统，而在组织文化。很多 HR 团队对 AI 的担忧并非来自技术本身，而是来自角色不确定性：是否会被替代？谁为结果负责？出了问题找谁？如果这些问题没有答案，再先进的工具也难以真正落地。因此，越来越多企业将重点放在 AI literacy 培训、流程标准化与治理机制建设上，让招聘经理理解 AI 能做什么、不能做什么，并在制度层面明确责任归属。只有当人类始终站在决策链条的终点，AI 才能被真正信任。
回到招聘的本质，它从来不是简单的匹配游戏，而是一种高度情境化的人类判断。候选人的潜力、团队协作能力、价值观契合度，往往难以被完全量化。算法可以帮助我们更快看到信息，但无法替我们承担责任，也无法替我们建立信任。
因此，Responsible AI 的终点，并不是“无人招聘”，而是让机器处理噪音，让人专注于真正重要的部分。当 HR 不再把时间花在翻简历和填表格，而是投入到候选人体验、组织设计与业务合作时，技术才算真正创造了价值。
说到底，招聘的未来不是 AI 或人类二选一，而是更聪明的分工。算法负责速度，人类负责温度。只有当两者各司其职，Responsible AI 才不再是口号，而是可持续的竞争力。
附录：
Responsible AI in HR—推动HR工作中实践负责任AI的倡导者（简称RAIHR）—特此发起此倡议。我们呼吁所有的人力资源行业同仁一同参与，共同构建和推广RAIHR的理念，RAIHR框架包含六个关键方面：透明性、公平性、隐私性、安全性、道德性和持续性。我们倡议每一位HR专业人士在其企业内部积极主导RAIHR的实施，并鼓励HR科技产品的开发和使用都围绕这一框架展开，以实现真正的可持续发展！我们更相信RAIHR是所有参与者和倡导者的未来关键竞争优势。
发起倡议的签名地址：https://www.hrtechchina.com/raihr
*RAIHR 由HRTech的Next AI专家委员会倡导成立
Responsible AI in HR（RAIHR）
Responsible AI in HR（RAIHR）是指在HR实践中的AI应用遵循高标准的道德和透明性原则，确保AI决策过程公开、可审查，并且对所有利益相关者公正无偏。
这包括在招聘、员工发展、绩效管理等HR功能中，AI技术的使用既促进了工作效率，也增强了员工的工作体验和满意度。
Future of Work
2026年02月02日
-
Future of Work
Josh Bersin：人力资源伟大革新正式开启
人力资源（HR）部门始终在两种身份间挣扎。HR究竟是战略伙伴——推动组织价值增长、激发人力资本潜能的引擎？还是行政职能部门——充当“公司警察”，负责执行规章制度、政策法规及劳动条例？
前者是价值创造者，需要人文素养；后者是行政职能，理应尽可能实现自动化。
这种双重角色定义了该职业多年。事实上，曾有“别相信HR”的流行梗，试图让员工相信HR是反派角色。
如今我们正迈入变革时代。自2026年起，人力资源行业将迎来由人工智能驱动的重大革新，这场变革将化解上述矛盾，使HR摆脱行政负担，迈向真正的战略性“全栈”模式。
历史的重担：日益复杂的职业
人力资源行业规模庞大，全球从业者逾4000万人，涵盖数百种不同职位。过去50年间，其复杂性呈爆炸式增长。
每当商业理念、社会规范与法律要求更新迭代，人力资源部门便需承担新使命。从基础薪酬核算、招聘管理和工作行政起步，逐步拓展至培训体系、工业心理学和岗位设计领域。20世纪60至70年代，我们又引入了工业心理学支持、职业发展管理、强制排名法及基于九宫格的继任者管理。
近二十年又涌现出员工福祉、混合办公模式、DEI（或DEI的终结）、生产力管理、企业文化、管理跨度及领导力等议题。而今人工智能时代来临，我们必须应对人才密度、灵活岗位与组织设计、“无岗位”工作模式，以及薪酬公平与绩效管理等截然不同的全新范式。
试想如何管理由超级工作者组成的企业——单个员工既能开发应用、分析数据，又可能对业务流程产生颠覆性影响？难道我们都要面对要求万亿薪酬的马斯克式员工？
新领域涌现之际，旧领域并未消亡，导致人力资源部门最终需要数十位专家，各自负责百余个专业领域中的一个。
现在再叠加运营结构的复杂性。
大型组织采用联邦式人力资源模式，由中央团队配合地域或业务单元的地方团队运作。这些团队通常由人力资源业务伙伴领导——该角色职能跨度极大，既可高度战略化也可纯粹官僚化——必须根据具体区域需求本地化政策。因此人力资源不仅需要流程和专业知识，还必须通过本地规则、就业市场和文化来实施。（在新加坡招聘工程师与在德国招聘工程师存在天壤之别。）
过去二十年间，管理这种复杂性的主要工具是人力资源技术，特别是Workday、Oracle和SAP等供应商提供的人力资本管理（HCM）系统。尽管这些系统非常复杂，但它们主要充当“业务工作流和记录保存系统”，而非真正解决人的问题。它们追踪员工数据、管理薪酬并处理基础流程，但仍需大量人力资源专业人员进行调试、维护和管理。
人工智能催化剂：从记录保存到主动行动
2026年将成为企业人工智能驱动的转折点。我们不再将人工智能视为提升个人效率的工具，而是将其应用于业务流程本身。
这使我们超越了提升个人效率的承诺：我们重新设计企业运作模式，构建名为“超级智能体”的系统以实现规模化与自主化。
最佳类比是自动驾驶汽车。
与其不断添加功能提升驾驶员效率（助力转向、刹车系统、车道碰撞检测、自动泊车），不如将这些独立智能体整合为专注于结果而非驾驶员的超级智能体。
汽车的本质是优化乘客出行体验，而非减轻驾驶员负担。当驾驶员角色“消失”（类似于取代重复性工作）时，车辆安全性提升百倍，全新商业模式与规模化要素随之诞生（例如按里程付费而非购车）。
人力资源及其他业务职能领域同样经历着变革。我们从助理起步，继而转向代理（面向个人的自动化工具），如今正迈向超级代理以管理完整流程。这一转变虽非一蹴而就，但正加速推进。
我们正与大型保险公司、航空公司及制药企业合作开发超级代理，应用于全球员工入职、精准人才招聘及销售培训。这些代理应用将取代大量人力资源岗位，最终为企业带来更高效的规模化运营与更优异的成果。
为何30-40%的人力资源岗位将消失
基于超 250 个人力资源岗位的任务级深度数据，结合自动化工具与供应商的专业研究发现，当前人力资源领域中 30%-40% 的岗位，仅需较低成本投入即可实现自动化落地。企业可结合自身人力资源岗位名称与组织架构，快速开展相关岗位的自动化适配分析。
面试安排专员、招聘协调员、服务台助理等岗位，其核心的战术性行政工作，长期以来一定程度上制约了人力资源部门的整体效率。而这些岗位的从业者，可向更具价值的工作方向转型，比如人工智能代理的搭建与管理、候选人的深度对接，以及为业务团队提供专业的人力资源咨询支持。
人力资源职业版图会因此萎缩吗？答案是否定的。过去五年，人力资源岗位的招聘量实现了 60% 的增长，增速显著领先于多数职业领域。真正发生变革的是人力资源的岗位结构 —— 常规性的人力资源岗位将逐步退出舞台，人工智能相关的新型岗位正加速涌现，绝大多数人力资源从业者也将向 “全栈型” 人才转型。与此同时，人力资源从业者的薪资水平也有望迎来上涨，相关深度分析可参考往期播客内容。
自动化潜力领域：
通过系统性人力资源AI蓝图分析，我们锁定了六大核心机遇领域：
人才招聘与入职：AI智能助手可承担候选人筛选、面试安排及新员工入职的多步骤复杂流程。（关于偏见与诉讼风险，我将另文详述。）
员工服务：解答政策、规章制度及例外条款相关咨询——用高度智能的代理取代呼叫中心。
表单处理、理赔与档案管理：维护精准员工档案、确保合规性的后台工作（包括学习管理系统运营）将实现自动化。
培训、员工赋能与内容交付：面对企业培训数百亿的投入，人工智能可优化个性化学习内容的创建与交付流程。（详见《企业学习革命》研究报告，探讨这个4000亿美元市场的重塑进程。）
人力资源业务伙伴影响力提升：通过“经理人伽利略”等智能助手分担业务伙伴工作，让员工直接获取团队管理建议、信息及工具。
“全栈式”人力资源的崛起
自动化终极目标并非削减成本，而是创造商业价值。通过自动化流程，我们能提升其可扩展性、准确性，并减轻员工与管理者的负担。HR团队可助力更快更具战略性地招聘；避免近期常见的“雇佣/解雇”循环；实时培训管理者与员工；并快速精准识别管理问题、高流失区域及风险。
对人力资源团队而言，专业人员得以专注于我们称之为“全栈式人力资源”的战略工作——这些工作直接影响企业的最终收益。
这种转变使人力资源部门更贴近其服务的业务单元。人力资源业务团队无需耗费时间处理数据录入或政策执行，可专注于：
人才获取与内部流动：作为人才顾问，决定招聘对象、调动人选及晋升人选。
战略性人才管理：识别高潜质领导者，构建与业务目标及员工发展相契合的职业路径。
文化与员工敬业度：营造安全、创新、高效能的企业文化
组织架构与岗位设计：协助企业调整组织结构及岗位职能，适应人工智能与市场新需求。
人工智能协调：构建、整合并设计自动化HR流程的人工智能代理系统，这是新兴且至关重要的职能。
对人力资源基准的影响
员工与人力资源专员的配比，历来是人力资源领域的核心衡量指标，其行业历史基准值约为 100:1。
伴随人工智能逐步承接人力资源领域的战术性工作，这一经典配比将迎来显著重构，未来有望突破 200:1、300:1，甚至达到 400:1 的新水平。
这一变化并非意味着人力资源部门的人力规模会大幅缩减 —— 与之相反，自动化将催生大量人力资源新岗位。而这一趋势背后，正凸显出行业的核心价值升级：AI 自动化的深度渗透，将推动人力资源从业者的薪资水平迎来上涨空间。这一变革也为各行业带来了切实的价值机遇：
在零售、餐饮等行业，企业借助 AI 实现招聘与排班的效率提升，能够快速响应客户需求，直接推动营收增长，这一模式已在奇波雷餐厅得到实践验证。
在波音等制造行业，企业可通过 AI 赋能加速员工培训、深化安全文化建设、提升人才流动的灵活性，进而推动生产效率提升，实现飞机产量的增长，相关实践思路已与企业展开深度交流。
这一系列实践，正印证着人力资源领域由 AI 驱动的价值重构与效能升级。
新挑战：数据质量与信任
还有一点需要考虑。
随着人力资源管理以人工智能的速度发展，准确性、可解释性和可信度的重要性日益凸显。在人工系统中，招聘人员偶尔会出错；但在大规模运行的自动化系统中，招聘算法或薪资规则中的单一错误可能瞬间影响数千名员工。
许多新兴的人力资源岗位都涉及管理这些系统的质量与完整性。人力资源专业人士必须确保所部署的人工智能系统由准确、最新且完整的数据驱动。
如今，人工智能偏见与信任问题已成为人力资源部门的核心责任。针对人力资源供应商（Workday和Eightfold）的两起诉讼表明，构建可解释、高信任度的系统至关重要。这项重任现已落在人力资源部门肩上。
总结
长期以来，HR部门的双重身份矛盾与日益复杂的业务负担，制约了其战略价值的释放。2026年AI技术的规模化应用，将成为破解这一困局的关键催化剂，通过超级智能体替代30%-40%的事务性岗位，推动HR从行政执行者向全栈式战略伙伴转型。这种转型并非以削减成本为目标，而是通过自动化提升流程效率与准确性，让HR聚焦人才梯队搭建、企业文化塑造、组织架构优化、AI系统运维等核心战略工作，直接赋能业务增长。与此同时，数据质量管控与AI信任体系构建将成为HR行业的全新挑战与核心职责，员工与HR的配比基准也将迎来颠覆性调整。未来，全栈式HR将成为行业主流，凭借“战略思维+AI技能+业务洞察力”，成为组织价值增长的核心引擎。
Future of Work
2026年01月26日
扫一扫 加微信
hrtechchina
