-
观点
【深度解读】4月中国大陆地区人力资源上市公司TOP10榜单：为什么招聘平台仍是王者，而HR SaaS还没坐上牌桌
HRTech概述：HRTech发布了4月最新一期中国大陆地区人力资源上市公司市值TOP10榜单。榜单显示，BOSS直聘以约443.1亿元人民币位居第一。这个结果并不只是一次简单的市值排位，它更像是一张行业结构图：谁掌握流量入口，谁拥有更强的资本溢价；谁更接近真实交付和现金流，谁就更容易在弱市中守住位置；而HR SaaS虽然方向正确，却仍未真正成为中国资本市场愿意给予最高定价的核心资产。你认同这个观点吗？更多HR科技趋势，请关注 #HRTech
一、中国HR上市公司市值格局的现实：入口仍然比系统更值钱
截至2026年3月31日收盘，HRTech本期榜单的前十名依次为：BOSS直聘443.1亿元、外服控股114.9亿元、北京人力91.9亿元、科锐国际46.1亿元、北森控股24.9亿元、同道猎聘11.8亿元、万宝盛华9.8亿元、人瑞人才5.5亿元、优蓝国际5.1亿元、云学堂1.4亿元。单看这组数字，最值得注意的不是第一名是谁，而是前五名的结构：第一名是在线招聘平台，第二到第四名是综合人力资源服务公司，第五名才是最具代表性的HR SaaS公司。这个排序本身已经说明问题：中国市场当前最高溢价的，不是后台管理系统，而是前台招聘入口与中后台综合交付能力。
这与欧美市场非常不同。全球HR资本市场的价值中枢，往往落在Payroll、Core HR、HCM、税务与福利等底层系统上，因为这些系统掌握着企业最关键的数据流和长期续费关系。但在中国，资本市场仍然更认可“岗位流、候选人流、服务交付流”的即时价值。换句话说，中国HR市场今天最贵的资产，仍然是“谁能更高效地连接企业与人才”，而不是“谁能更完整地管理企业内部人力资源流程”。
二、BOSS直聘为什么遥遥领先：因为它占据的是最贵的前台入口
BOSS直聘以443.1亿元人民币位居第一，且大幅领先第二名外服控股。这种断层式领先，说明资本市场对BOSS直聘的判断已经不是一家普通招聘网站，而是一家掌握前台连接关系、行为数据和匹配效率的平台型公司。
从最新财报看，这种领先并非没有基本面支撑。Kanzhun Limited在2026年3月18日披露的2025年第四季度及全年业绩显示，公司2025年全年收入为82.675亿元人民币，同比增长12.4%；全年经营利润为24.641亿元，同比增长110.1%；全年净利润为26.905亿元，同比增长71.7%；截至2025年末，现金及现金等价物、短期定期存款和短期投资合计约199.453亿元人民币。同日，公司还宣布股东回报目标、延长并扩大股票回购计划。也就是说，在招聘需求整体没有显著强复苏的背景下，BOSS直聘依然交出了收入增长、利润提升、现金充裕的答卷。
更关键的是，BOSS直聘不是停留在传统流量分发逻辑上。公司公开资料显示，其持续推进AI能力建设，包括招聘垂类大模型“南北阁”的备案与应用、平台内容审核与匹配效率优化等。资本市场之所以愿意给它最高市值，不只是因为它手里有大量职位，更因为它控制了中国HR行业中最具规模效应的交互入口。先控制入口，再做AI提效，再逐步扩展企业侧服务边界，这是招聘平台比纯SaaS更容易获得高估值的核心原因。
三、外服控股、北京人力、科锐国际为什么能排在前列：因为综合人服在中国仍然是硬需求，不是过渡产品
如果说BOSS直聘代表的是“前台入口价值”，那么外服控股、北京人力、科锐国际所代表的，就是中国市场对综合人力资源服务交付能力的长期认可。这类公司不像SaaS那样有很强的技术故事，也不像招聘平台那样容易形成平台话题，但它们胜在离企业真实需求更近，离订单、现金流和区域性执行更近。
北京人力在上交所公告中已发布2025年度业绩预增公告，这至少说明其2025年经营趋势在资本市场预期中是正向的；其公开业务介绍显示，公司核心覆盖人事管理、薪酬福利、招聘及灵活用工、业务外包等一体化服务。外服控股则长期处于中国综合人服龙头阵营，在大型企业、区域市场和复杂用工服务中具有稳定优势。它们的资本市场地位背后，并不是因为市场认为综合服务比软件更先进，而是因为中国企业端在很多复杂场景下，仍然离不开“人+流程+交付+区域资源”的解决方案。
科锐国际则是这类公司中最值得关注的升级样本。虽然截至目前更完整可得的公开材料主要是其2024年年报和2025年半年报，但公司已经清晰展示出从传统人服向数字化平台转型的路径：其年报披露了在人力资源技术、招考SaaS、员工管理、考勤与假勤、AI智能审核等方面的持续投入；半年报又进一步披露，禾蛙平台已推出覆盖招聘全链路的9大智能体，包括AI发单、AI澄清、AI筛选等能力，试图把招聘合作过程从“顾问协同”推进到“智能体协同”。这说明，综合人服公司已经不满足于守住人工交付，而是在主动把交付过程平台化、算法化和智能体化。
四、同道猎聘给出的信号非常明确：招聘平台比HR SaaS更快把AI变成收入
同道猎聘在市值上仅排第六，但它在2026年3月披露的财报里给出了一个非常重要的行业信号：招聘平台正在把AI更快地转化为现金流，而这恰恰是资本市场当前最关注的能力。
根据同道猎聘2026年3月27日发布的截至2025年12月31日止年度业绩公告，公司已经形成覆盖企业端、猎头端和用户端的AI产品矩阵，包括“猎聘·AI招聘”“多面Doris·AI面试与测评”“Dora·AI求职Agent”“多猎·AI猎头交付”等。更重要的是，公司明确披露，AI产品综合现金回款收入已超过1亿元人民币，占总营收5%。这组数字非常关键，因为它证明AI在中国HR行业里并不只是演示功能，而是已经开始形成可识别的商业收入。
这也是为什么“招聘平台仍是王者”不是一句情绪化判断，而是有业务逻辑支撑的。招聘平台天然站在交易最前端：企业发职位、候选人找工作、顾问撮合、面试推进、结果转化，这一整条链路都适合用AI提升效率，并且能直接对应收费场景。相比之下，HR SaaS往往需要经历更长的客户教育、系统实施、组织适配和续费验证周期，AI的商业化兑现路径更慢。因此，在中国当前这个阶段，最先把AI做成生意的，往往是招聘平台，而不是管理系统厂商。
五、北森为什么重要，但又为什么还没真正坐上“牌桌中央”
北森控股排在第五，是中国大陆地区榜单中最具代表性的HR SaaS公司。这一位置本身既说明了它的重要性，也说明了中国HR SaaS整体还没有拿到资本市场的中心定价权。
从公开披露看，北森并不缺方向，也不缺产品动作。公司2025/2026财年中期报告显示，其Core HCM ARR保持增长，学习云业务也在提升；公司已形成包括AI招聘助手、AI面试官、AI员工助手、AI陪练、AI领导力教练Mr.Sen等在内的AI Family产品家族，并持续推动行业落地。其对外信息还提到，AI领导力教练Mr.Sen签约客户已接近百家。这说明北森在中国HR SaaS厂商中，确实是最接近“一体化平台+AI应用”方向的玩家之一。
但资本市场为什么没有给它更高的位置？答案并不复杂。第一，中国企业客户对于HR SaaS的预算深度、组织依赖度和长期续费习惯，整体还没有欧美成熟。第二，中国很多HR管理问题并不是一个标准化系统就能解决，线下交付、政策差异、业务复杂度仍然很高。第三，最具即时价值的数据入口，目前仍更多掌握在招聘平台与综合服务平台手中。也就是说，北森代表的是方向正确的未来，但它还没有在今天拿到像Workday、ADP那样的压倒性入口地位。它已经坐到了牌桌边上，但还没有坐到最中间的位置。
六、后半区公司的共同处境：不是没有业务，而是资本市场开始逼问“你到底是不是平台”
榜单后半区的万宝盛华、人瑞人才、优蓝国际、云学堂，体量都不大，但它们恰恰最能反映当前中国HR行业的真实压力：仅仅做服务、做垂直细分、做单点产品，越来越难获得资本市场的高溢价。
万宝盛华大中华在2026年3月30日披露的2025年度业绩显示，全年毛利由6.136亿元增至6.255亿元，但整体毛利率由9.8%下降至9.1%，主要原因包括灵活用工市场价格竞争激烈，以及高毛利招聘与其他人服业务收入减少。与此同时，公司行政费用基本持平，但明确提到内部技术平台升级投入。这说明传统人服并非不能盈利，但在市场竞争和技术转型双重压力下，其估值空间会受到明显压缩。
人瑞人才的财报则更能说明“服务平台化”的趋势。公司2026年3月30日披露，2025年收入总额约55.608亿元人民币，同比增长22.8%；其中综合灵活用工收入55.045亿元，占总收入99.0%。值得注意的是，增长更快的方向之一来自数字技术与云服务。公司披露其数字技术与云服务收入为16.594亿元，而通用服务外包收入为35.313亿元。这说明传统灵活用工企业也在努力从“人力中介”转向“技术驱动的服务平台”。
优蓝国际和云学堂则代表了两个细分方向的资本市场现实。优蓝国际已在2026年3月30日披露2025年度业绩，但目前市值只有约5.1亿元人民币，说明蓝领招聘与职业教育赛道虽然有现实需求，却尚未跑出足以支撑高估值的平台逻辑。云学堂则是企业培训数字化代表，但其市值仅约1.4亿元。对于这类公司，市场最关心的已经不是“有没有AI功能”，而是收入规模、增长质量、客户续费和盈利改善能否同步成立。对于学习培训赛道而言，AI只能成为助推器，不能替代商业模型本身。
七、这张榜单背后真正值得中国HR行业读懂的，不是排名，而是权力迁移
站在2026年3月这个时点重新看这张榜单，可以得出一个相对清晰的结论：中国HR行业的资本市场权力，还没有从招聘平台和综合服务公司，真正转移到HR SaaS手里。
BOSS直聘高居第一，说明市场仍然优先奖励职位流和人才流的入口控制力；外服控股、北京人力、科锐国际排名靠前，说明综合交付和复杂服务能力依然是中国市场不可替代的硬需求；北森排在第五，说明HR SaaS已经成为重要力量，但还未形成压倒性定价；同道猎聘则证明，AI最先兑现收入的环节仍然是招聘撮合和交易提效，而不是后台管理软件。后半区公司的共同努力，则都在指向一个方向：从服务公司变成数据平台，从项目公司变成系统型公司。
对于中国HR从业者、行业创业者和投资观察者来说，这个结论非常现实。未来真正的分水岭，不在于谁多卖了几个模块，也不在于谁多发了几个AI Agent，而在于谁能把岗位、人才、组织、交付、流程和规则沉淀成一个可持续复用的数据底座。只有做到这一点，HR SaaS才有可能真正从“重要参与者”变成“牌桌中央的庄家”。
八、HRTech的判断：招聘平台仍是王者，但下一个王者未必还会只是平台
从今天看，招聘平台仍是中国HR资本市场最被认可的资产类型，这一点没有悬念。但如果把时间拉长到未来三到五年，真正有机会改写格局的，不会只是拥有职位流量的平台，而是能够把前台招聘、中台交付、后台管理真正打通的平台型公司。
因此，这篇文章并不是要否定HR SaaS的长期价值，恰恰相反。它要说明的是：中国HR SaaS不是没上桌，而是还没赢得最好的座位。 在2026年3月31日这张榜单上，招聘平台仍是王者；但下一阶段谁能把招聘、组织、人才、学习、薪酬和AI执行串成真正的一体化系统，谁才可能成为中国HR产业下一轮真正意义上的中心平台。
说明
本文市值排名依据HRTech整理并同步发布的“2026年3月31日收盘中国大陆地区人力资源上市公司市值TOP10榜单”，市值口径统一按人民币计算，统计时点为2026年3月31日收盘。文中涉及的财报数据与重大动态，主要来自各公司最新公开披露材料，包括Kanzhun Limited投资者关系公告、香港交易所披露文件、上海证券交易所公告、巨潮资讯年报/半年报等公开信息。
-
观点
【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。
-
观点
【重磅解读】当8万人开始依赖AI：工作正在被重新定义，而不是被加速
HRTech概要：基于8万+真实用户访谈，它揭示了一个非常关键的趋势：AI的角色正在发生结构性变化。很多人还在讨论AI是否能提高效率，但真实情况是——用户已经在用AI做更深层的事情，比如学习、决策甚至情绪支持。这意味着AI正在进入“认知层”和“心理层”。更值得关注的是一个核心发现：AI的收益和风险是绑定出现的。效率提升往往伴随着判断能力下降，学习增强可能导致认知依赖，而情绪支持则更容易形成心理依赖。而且这些问题不是提前设计出来的，而是在实际使用中逐渐出现的。
这对企业提出了一个新的问题：AI不是简单的工具，而是一种“能力交换机制”。更多全球最新HR科技趋势，请关注 HRTech
刚刚，Anthropic发布了《What 81,000 People Want from AI》研究。这份报告表面上是一次关于AI使用场景的大规模调研，实则更接近一份“人类行为结构变化”的底层观察。研究基于超过80,000份高质量访谈数据，覆盖159个国家、70种语言，在短时间内构建了一个极具代表性的样本体系。与传统问卷不同，这是一组通过AI访谈获得的开放语义数据，其核心价值不在统计分布，而在于揭示一个更深层的问题：当人们真正开始依赖AI时，他们到底在“交换什么”。
如果仅从使用场景来看，这份报告并不新颖。软件开发、写作辅助、学习支持等仍然是最主流的应用领域。但当这些使用行为被放入“需求—体验—担忧”的结构中进行分析时，一个更具解释力的模式开始浮现：AI并没有简单地提升效率，而是在重塑人类完成工作的方式本身。
AI使用的真实逻辑：从效率工具到能力外包系统
过去两年，企业引入AI的主要叙事是“效率提升”。这一逻辑在早期阶段成立，但Anthropic的研究表明，这只是表层现象。用户在访谈中呈现出的需求，实际上分布在三个递进层级：首先是效率，即自动化重复性任务；其次是认知，即辅助学习、理解复杂问题以及参与决策；第三则是情绪层面，包括缓解压力、提供陪伴以及处理关系问题。尤其值得关注的是，访谈中大量用户主动提及 grief、mental health、relationship 等内容，这类表达在传统用户研究中极为罕见，却在AI访谈中成为高频信号 。
这一变化的本质在于，AI已经从“完成任务的工具”，演变为“参与认知与情绪结构的系统”。当用户将AI用于思考、判断甚至情绪处理时，其角色已经不再是外部辅助，而是逐步嵌入到人类能力结构之中。这也是为什么单纯以“生产力工具”来理解AI，会低估其长期影响。
最关键的发现：价值与代价是同一件事的两面
这份研究最有穿透力的结论，不在于用户如何使用AI，而在于他们如何同时理解AI的好处与风险。数据表明，提到AI带来收益的用户，显著更可能同时提到其潜在问题，这种“正负共现”在多个维度上都呈现出稳定结构。效率提升往往伴随着对“虚假效率”的警惕，即用户担心自己在更快完成任务的同时，可能降低了判断质量；学习能力的增强，则对应对“认知退化”的担忧；而情绪支持，则与依赖性之间呈现出最强关联，其共现概率达到基准水平的三倍以上 。
更值得注意的是，这种风险意识并不是在使用前形成的，而是在使用过程中逐步出现。研究中区分了“经验性表达”和“预期性表达”，结果显示，基于真实使用体验的收益—风险关联显著强于基于假设的判断（φ≈0.20 vs φ≈0.07） 。这意味着，AI的影响并不是一个可以完全通过设计或培训提前控制的变量，而是一个在持续使用中不断显现的系统性后果。
换句话说，AI并不是一个“先理解再使用”的工具，而是一个“先使用再理解其代价”的系统。
AI的真正变化：从工具层进入“行为结构层”
如果将这份研究放入更广泛的产业背景中，可以发现它与当前AI技术演进路径形成了高度一致的映射。在NVIDIA GTC 2026大会上，Jensen Huang提出未来企业将同时拥有Human Workforce和Digital Workforce，而Workday、UKG等企业正在推动的Agentic AI，则进一步将AI从“响应指令”转向“主动执行任务”。
Anthropic的研究从用户行为侧验证了这一趋势。过去，工作的基本结构是“人使用工具完成任务”，工具只是延伸人类能力的外部手段。而现在，AI正在逐步参与任务的拆解、路径选择以及执行过程，在部分场景中甚至可以独立完成完整工作闭环，人类的角色转变为监督与校正。这种变化并不只是效率提升，而是将AI引入到“工作结构本身”。
当AI开始参与决策路径时，工作的定义已经发生改变。它不再是“人做什么”，而是“人和系统如何共同完成结果”。
对HR的深层影响：从“人力管理”走向“人机协同管理”
对于HR而言，这一变化的意义远远超出工具引入或技能培训层面。真正的挑战在于，企业正在从单一的人类劳动力体系，转向“人类与数字系统共同构成的劳动力结构”。这将直接冲击现有的人力资源管理逻辑。
首先，岗位定义将发生根本变化。传统岗位基于个人能力设计，而在AI参与的环境中，岗位需要围绕“人机组合能力”进行重构，即一个人能够通过AI系统实现的整体产出。其次，绩效评估将变得更加复杂。当产出部分来自AI能力时，如何区分个体贡献与系统贡献，将成为新的管理难题。更重要的是，风险管理将从边缘问题变为核心能力，因为AI的每一项能力提升，都伴随着潜在的依赖、偏差与合规风险。
在这一背景下，HR的角色也将发生转变，从“管理人”转向“设计与管理人机协同系统”。
一个被低估的本质：AI是一种能力交换机制
综合这份研究的所有发现，可以抽象出一个更具解释力的结论：AI并不是一个单向提升生产力的工具，而是一种“能力交换机制”。用户通过AI获得更高效率、更强认知支持以及更低情绪成本，但同时也在交换掉部分独立判断能力、学习路径以及心理边界。
这种交换并不是线性的，也不是完全可控的，而是在持续使用中逐步累积。正因如此，未来企业真正需要建立的，不是单一的AI应用能力，而是一套能够管理这种交换关系的体系，包括使用边界、风险识别以及行为引导。
结语：HR需要重新理解“工作”本身
Anthropic的这份研究，并没有直接回答企业“如何使用AI”的问题，但它提供了一个更基础的视角：AI正在改变的，不是工具，而是“人类如何完成工作”的基本结构。当工作从“人完成任务”转变为“人和系统共同产生结果”，HR所面对的对象、能力模型以及管理边界，都需要被重新定义。
对于中国HR科技行业而言，这不仅是一个技术趋势，更是一次关于“工作本质”的再认识。谁能够率先理解这一变化，并将其转化为组织能力，谁就有可能在下一阶段的人才竞争中占据主动。
-
观点
一场系统宕机赔230万美元：Honda案例给出海企业HR的合规警示
HRTech概述：Honda 同意就与 2021 年末 Kronos 宕机事件相关的诉讼提出 230 万美元和解。事件起因是勒索软件攻击导致 UKG 旗下考勤系统离线数周，企业被迫临时处理薪资与工时记录。员工指控 Honda 在系统故障期间采用“预估工时”而非准确追踪，导致加班费支付不足或延迟，并触及美国《公平劳动标准法》相关要求。
2026年3月，本田（Honda）同意支付230万美元和解金，以解决员工针对工资与加班费支付问题提起的诉讼。这起案件的背景并不是企业主动违规，而是源于2021年底的一次技术事故——Kronos考勤系统遭遇勒索软件攻击，导致系统长时间离线。对于许多企业来说，这次事件不仅是IT安全问题，更迅速演变为劳动法风险和薪资纠纷。
对于正在北美运营或计划出海美国的企业来说，Honda案件提供了一个非常重要的现实案例：即使企业本身没有恶意行为，只要工资支付出现延迟或计算不准确，仍然可能面临法律责任与赔偿。
Honda案件：系统宕机如何演变为工资纠纷
根据2026年3月4日提交的法院文件，在Whatley等人诉Honda Development and Manufacturing of America, LLC一案中，员工指控公司在Kronos系统停摆期间未能准确记录员工工时，而是通过估算方式处理。这一做法导致部分员工的加班工资未被及时或准确支付。
案件涉及美国《公平劳动标准法》（Fair Labor Standards Act），该法律要求企业准确记录员工工作时间，并按照规定支付加班费。尽管Honda曾尝试请求法院驳回诉讼，但法院允许其中一个关键问题继续推进，即企业是否延迟支付了系统宕机期间产生的加班工资。
最终，Honda选择通过230万美元和解解决相关诉讼。此次和解涉及多个案件，并覆盖两个潜在员工群体，其中一个约1264名员工，另一组潜在人数约8797人。虽然和解仍需法院批准，但这一金额已经成为Kronos事件后企业承担法律成本的又一例证。
Kronos勒索攻击：影响整个HR科技行业
Honda案件的根源可以追溯到2021年12月。当时UKG（Ultimate Kronos Group）旗下的Kronos Private Cloud系统遭到勒索软件攻击。为防止攻击扩散，UKG关闭了相关系统环境，导致大量企业无法访问时间记录和考勤系统。
Kronos是全球最大的考勤系统之一，拥有超过8万家企业客户，涉及数千万员工数据。系统停摆持续数周，一些企业甚至花费两到三个月才完全恢复。
对于HR与Payroll团队来说，这种情况意味着无法正常记录员工工时，也无法自动计算工资和加班费。许多企业不得不采用临时方案，例如按照历史工资估算工时、使用Excel记录时间或先按平均工资发薪，再在系统恢复后进行补算。
然而这些临时措施在法律层面并不能完全避免风险。一旦员工认为工资计算错误或加班费支付延迟，企业仍然可能面临劳动纠纷。
多家企业已支付数千万美元赔偿
Honda并不是唯一受到影响的企业。过去几年，多家企业因Kronos事件与员工达成和解。
PepsiCo支付约1275万美元解决员工工资纠纷，涉及约7万名员工。医疗系统Ascension支付约1970万美元。农业与食品企业Cargill支付约240万美元。UMass Memorial Health支付约120万美元。餐饮服务公司Sodexo支付约100万美元。
这些公开案件的赔偿金额已经接近4000万美元。若再加上律师费用、内部审计成本以及系统恢复费用，企业为Kronos事件付出的实际成本远高于公开金额。
与此同时，UKG自身也因数据泄露相关诉讼支付约600万美元的集体和解金。但这一赔偿主要针对员工数据风险，并不包括企业工资纠纷。由于SaaS合同通常包含责任限制条款，大部分工资相关损失仍由企业承担。
为什么这对出海企业尤其重要
对于中国企业出海美国而言，Honda案例具有特别重要的警示意义。许多企业在进入美国市场时，更关注招聘、签证或税务问题，而对劳动法合规和薪资管理系统风险重视不足。
美国劳动法体系强调雇主责任原则。无论是系统故障、供应商问题还是内部管理错误，只要员工工资未能准确或及时支付，企业都可能承担法律责任。员工还可以通过集体诉讼的方式维权，这使得风险进一步放大。
同时，美国制造业、物流业和服务业普遍存在加班工资制度。若企业没有准确记录员工工时，就可能违反FLSA规定，从而引发诉讼。
出海企业HR必须关注的四个关键问题
首先，企业必须确保考勤系统具备稳定性和灾备能力。HR系统不再只是管理工具，而是直接关系到工资合规的核心基础设施。
其次，企业需要建立系统宕机时的备用流程。如果考勤系统无法使用，公司是否可以通过手工方式记录员工工时，并保留完整记录。
第三，Payroll流程需要具备审计能力。一旦员工对工资提出异议，企业必须能够提供清晰的数据记录和计算逻辑。
第四，企业在选择HR SaaS供应商时，应仔细评估系统可靠性、数据备份机制以及服务协议中的责任条款。
HR SaaS行业正在发生变化
Kronos事件之后，企业对HR科技的关注重点正在发生变化。过去企业在采购HR系统时，主要关注功能和效率，而现在系统稳定性和风险管理能力变得同样重要。
越来越多企业开始要求供应商提供更清晰的灾备方案和系统恢复承诺。同时，一些组织也开始建立备用薪资处理流程，以避免类似事件再次发生。
对HR SaaS公司来说，系统韧性、数据安全与服务连续性正在成为新的竞争核心。
给出海HR的一句提醒
Honda的230万美元和解只是Kronos事件中的一个案例，但它清晰地说明了一点：当HR系统出现问题时，企业仍然必须承担劳动合规责任。
对于出海企业HR来说，数字化并不能替代合规能力。真正成熟的HR管理体系，不仅要依赖先进系统，也要能够在系统失效时继续保证工资准确和法律合规。
-
观点
全球招聘信任体系重构：出海企业HR 必须重新理解人才验证与招聘风险
出海摘要：随着中国企业出海步伐不断加快，海外招聘已经从过去的“辅助能力”，逐渐变成企业国际化运营的核心基础设施。从北美科技企业到东南亚电商公司，再到欧洲制造业与新能源企业，全球化团队正在成为越来越多中国企业的组织常态。这意味着招聘体系需要升级：身份验证、全球背景调查以及持续风险监测，正在成为HR技术架构中的新模块。
First Advantage发布的《2026 Global Workforce Trends Report》为这一变化提供了一个重要观察窗口。报告基于全球五个地区、九个行业的HR负责人和求职者调研，揭示了一个值得出海企业HR高度警惕的趋势：全球招聘正在进入“信任体系重构”的阶段。AI技术、远程工作以及跨国人才流动，使得招聘不再只是人才匹配的问题，而越来越成为企业风险管理和组织治理的重要组成部分。
对于中国出海企业而言，这份报告的意义并不只是了解全球招聘趋势，更重要的是帮助企业重新审视自身的海外招聘体系。
一、全球招聘正在发生什么变化
报告显示，全球招聘市场正在经历三项明显变化。
首先，招聘真实性问题显著增加。超过四分之三的招聘管理者表示曾遇到候选人工作经历造假，而接近一半的企业遇到过身份信息失真或冒用的情况。这一比例在AI技术普及之后明显上升，因为生成式AI工具能够快速生成高度“优化”的简历和求职资料。
其次，招聘信任问题正在从企业端扩展到求职者端。报告显示，超过六成求职者担心自己申请的岗位本身并不真实，这反映出虚假招聘信息、雇主身份冒用以及招聘诈骗等问题在全球范围内的增加。
第三，背景调查和身份验证的作用正在发生变化。越来越多企业不再把背景调查视为入职前的最后一个步骤，而是将其视为招聘流程中的关键组成部分。未来两年，大多数企业计划增加身份验证、学历验证、工作经历验证以及持续监测等能力。
换句话说，招聘体系正在从“速度导向”转向“信任导向”。
二、为什么这些变化正在发生
全球招聘环境的变化背后，有三个关键驱动因素。
第一个是AI技术对招聘流程的影响。AI不仅提升了招聘效率，也改变了候选人准备求职材料的方式。AI生成简历、AI优化面试回答甚至AI深度伪造视频，都让传统招聘验证方式面临新的挑战。
第二个因素是远程工作的普及。越来越多企业开始招聘远程员工，这意味着候选人可能来自不同国家、不同法律体系甚至不同工作文化背景。在这种情况下，验证候选人的工作经历、教育背景以及身份真实性变得更加复杂。
第三个因素是全球人才流动增加。许多候选人的职业经历横跨多个国家和地区，这使得企业很难通过传统方式完成背景调查。例如，一名候选人可能在中国、东南亚和欧洲都有工作经历，而不同国家的验证体系差异巨大。
这些变化共同推动企业重新思考招聘风险管理。
三、对中国出海企业 HR 的真实挑战
对于中国出海企业而言，这些趋势带来的挑战往往更加复杂。
首先是跨国招聘的验证难度。许多出海企业在海外建立团队时，往往依赖当地招聘平台或猎头，但对于候选人背景的真实性缺乏系统验证能力。如果没有成熟的背景调查体系，企业很容易在招聘过程中承担潜在风险。
其次是合规风险。不同国家对于背景调查、数据隐私以及候选人信息使用都有不同法律规定。例如欧洲的GDPR、美国各州的隐私法以及一些国家对犯罪记录查询的限制，都要求企业在招聘验证过程中更加谨慎。
第三个挑战是招聘效率与风险管理之间的平衡。出海企业往往需要快速建立团队，但如果验证流程不完善，可能在后续运营中面临更大的组织风险。
此外，一些新兴风险也开始出现，例如远程员工身份冒用、虚假技术能力以及跨境招聘诈骗。这些问题在全球招聘市场中正在变得越来越普遍。
四、出海 HR 的招聘体系需要升级什么
面对这些变化，出海企业的招聘体系需要进行系统升级。
首先是建立更加标准化的背景调查流程。企业需要明确哪些岗位必须进行背景调查、调查的范围是什么，以及调查流程如何与招聘流程整合。
其次是引入全球身份验证工具。随着远程招聘增加，企业需要借助技术手段验证候选人身份，例如文件真实性检测、实时身份验证以及视频面试身份核验。
第三是加强HR技术系统整合。招聘系统、背景调查平台以及身份验证工具之间需要实现数据整合，从而减少人工流程，提高效率。
第四是建立持续监测机制。对于关键岗位，企业可以在员工入职后定期进行信息更新或重新验证，以降低组织风险。
这些能力将逐渐成为企业全球化运营的重要基础设施。
五、出海企业可以采取的 HR 战略
对于中国出海企业来说，可以从几个方面开始优化招聘体系。
第一，建立全球背景调查合作伙伴体系。通过专业机构完成跨国背景调查，可以减少企业在不同国家面临的合规风险。
第二，设计分级验证体系。不同岗位根据风险等级设置不同验证标准，例如技术岗位、管理岗位以及涉及敏感数据的岗位可以采用更严格的验证流程。
第三，强化招聘流程透明度。企业应清晰告知候选人背景调查和身份验证流程，以提升招聘信任度。
第四，升级HR技术系统。通过整合招聘系统、身份验证和背景调查平台，提高招聘效率和数据管理能力。
第五，将招聘风险管理纳入企业治理体系。对于出海企业来说，招聘不仅是HR事务，也涉及企业合规和风险控制。
结语
随着AI技术、远程工作以及全球人才流动的持续发展，招聘体系正在发生深刻变化。过去企业竞争的是谁能更快招聘到人才，而未来企业竞争的，将是谁能够建立更加可靠的人才信任体系。
对于中国出海企业而言，这意味着HR职能也需要升级。从传统的招聘执行者，转变为全球人才风险管理和组织信任体系的建设者。只有在效率与信任之间找到新的平衡，企业才能在全球化竞争中建立稳定的人才基础。
-
观点
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。
-
观点
热议：硅谷金融科技公司Block裁员4000人，市值暴涨60亿美元：当“减少员工”成为资本市场最受欢迎的增长策略
HRTech概述：硅谷金融科技公司 Block宣布裁员约4,000人，占员工总数的40%。几乎在同一时间，公司上调了2026年毛利指引至122亿美元。消息公布后，股价盘后上涨约20%，市值增加约60亿美元。资本市场给出的反应并不含糊：这是一次被奖励的裁员。如果换算这组数据，约60亿美元市值增量对应约4,000个岗位的消失，相当于市场为每减少一个岗位隐含定价约150万美元企业价值。这就是残酷的现实！更多信息，请关注 #HRTech
发生了什么？硅谷知名金融科技公司裁员40%
Jack Dorsey，这个曾经同时执掌Twitter和Square的硅谷传奇，在给全公司的一封信里轻描淡写地宣布：Block将裁员超过4000人，从10000人缩减到不足6000人。近乎腰斩。
消息一出，Block股价盘后暴涨20%。市值增加约60亿美元。算下来，每裁掉一个人，华尔街就奖励这家公司150万美元的市值。
这不是一家濒临破产的公司在断臂求生。Block的营收高达240亿美元，毛利润同比增长24%，2026年的业绩指引被上调至122亿美元毛利润。换句话说：公司越来越赚钱，但华尔街更爱那个"人越来越少"的版本。
这一幕，将深刻改写我们对工作、对职业、对公司的全部想象。
裁员已经不是"出事了"的信号，而是"赢了"的庆典
过去三十年，我们形成了一套关于裁员的集体认知：公司裁员，意味着出了问题——市场不好、战略失误、现金流告急。裁员是公司示弱的语言，是CEO向董事会低头的姿态。
但2026年开始，这套认知正在被系统性地颠覆。
看看Dorsey信中那句话，他说得无比坦然："我们不是因为麻烦才做这个决定。我们的业务很强健。"然后他补了一刀："但有些事情变了。"
"有些事情变了"——这五个字，才是整封信最重要的内容。
那个"变了的东西"，就是AI。更准确地说，是AI让一个人能干过去三个人的活，而且还干得更快、更稳、更便宜。当这个拐点真正到来，企业家面对的逻辑就变得极其清晰：继续保留冗余人员，是在燃烧股东的钱；削减人员，是在向市场证明你已经看见了未来。
Block不是第一个，更不是最后一个。ASML在接到史上最大订单时裁了1700人，Salesforce在AI客服处理了50%用户交互之后裁了5000人，亚马逊在去年10月和今年1月两波合计裁了30000人。这些公司裁员时无一例外都在盈利、都在增长、都在创新。
他们在庆功宴上宣布裁员。华尔街在鼓掌。
这才是最令人不寒而栗的地方。
Dorsey做对了一件事，但这件事本身就是对所有人的警告
Dorsey在信里解释了他的两个选项：一，像很多公司那样，缓慢地分批裁员，拖个一两年；二，一次性把所有痛苦集中处理掉，然后从新的起点出发。
他选了后者，理由是："反复裁员会摧毁士气、专注力，以及客户和股东对领导层的信任。"
从企业管理的角度，他说得对。"裁员不确定性"是组织效率的杀手——当每个员工都不知道下一轮刀落在哪里，所有人都会把精力分配给自保，而不是创造。Dorsey用一刀致命换来了组织的确定性，这是他作为CEO对留存员工的一种保护。
但换一个视角来看，这种"魄力"背后是更冷酷的逻辑：4500万美元到5亿美元的重组费用，按照Block目前的营业利润水平，两个季度就能回本。之后每一年，都是纯粹的利润率扩张。这不是情怀，这是财务模型给出的最优解，Dorsey不过是敢于执行而已。
他的勇气令人钦佩，但他的逻辑令所有在座的打工人心惊。
因为这个逻辑现在已经被数百个CEO同时看见了。高盛估计，AI每个月在美国高暴露行业净减少5000到10000个岗位。花旗集团计划裁减20000人，陶氏化学砍掉4500个职位。2026年头六周，科技行业已经消失了30700个工作岗位。调查显示40%的雇主预计会因AI而缩减人力。
这不是周期性的寒冬，这是结构性的重塑。
给职场人的三条生存建议：不要成为那个"被替换的逻辑单元"
面对这一切，恐慌没有用，但清醒至关重要。以下是我认为每一个职场人此刻最应该做的事。
第一，停止用"经验年限"来定义自己的价值。
"我有十年经验"这句话，正在以前所未有的速度贬值。AI不在乎你的资历，它只在乎你在做的这件事是否可以被流程化、可以被数据化、可以被重复执行。如果答案是肯定的，你的经验就是训练AI的素材，而不是对抗AI的护城河。
真正的护城河，是那些AI目前依然处理不好的能力：跨领域的判断力、高度情境化的人际沟通、在模糊信息下做出有担当的决策。这些能力无法速成，但从现在开始刻意培养，还来得及。
第二，学会和AI协作，而不是和AI竞争。
Block的Dorsey说，留下来的6000人要"以智能为核心"来构建公司。这意味着留存员工的画像，不是"能被AI替代的人"，而是"能驾驭AI产出更大价值的人"。
现实是残酷的：同样的岗位，一个会用AI工具的人，产出可以是不会用AI的人的三到五倍。这种效率差距，在市场压力下会迅速转化为用人决策。你不需要成为工程师，但你必须成为AI的熟练使用者。这是2026年最低门槛的职场保命符。
第三，把个人品牌当成第二份工作来经营。
4000个Block员工今天失业了。其中绝大多数人，在公司的Slack和邮件之外，没有任何被市场感知的存在。他们的能力、判断、作品，都封存在公司的内网里，随着权限的取消而消失。外部的影响力——哪怕是一个垂直领域的内容账号、一份行业简报、一个可以被搜索到的作品集——都是你在下一轮市场中的第一张名片。这不是副业，这是保险。
给HR和管理层的建议：你们是最后一道防线，也是第一批被问责的人
如果说裁员的浪潮对普通员工是一场生存考验，那对HR从业者来说，则是一次更深刻的身份危机：当AI可以筛简历、做背调、设计薪酬模型、分析离职率，HR的核心价值究竟是什么？
首先，把"人才密度"作为你最重要的KPI。
Dorsey信中反复强调的一个概念是"smaller and flatter"——更小、更平。这不是裁员的借口，而是一种组织哲学的转变。高人才密度的小团队，比臃肿的大团队效率更高、文化更纯粹、抗风险能力更强。HR的职责，不再是管理头数，而是保证每一个头都在创造不可替代的价值。
这意味着你需要重新设计绩效评估体系——不是以任务完成率为核心，而是以"如果这个人消失了，损失是否可以被AI或流程快速填补"为核心。可以被填补的，是高风险岗位；无法被填补的，才是组织的真正资产。
其次，重新设计你们的人才发展逻辑。
过去的培训体系，本质上是在教员工如何更好地完成现有任务。这套逻辑在AI时代已经失效——因为"现有任务"本身的半衰期越来越短。
新的人才发展，应该聚焦在两个方向：一是AI工具的系统性赋能，让每个岗位的员工都具备和AI协同工作的能力；二是复合型思维的培育，让人才能够在不同的业务场景之间灵活迁移，而不是深陷单一技能的路径依赖。
再者，裁员方案的人道设计，比你想象的更重要。
Dorsey的这封信，在冷酷的商业逻辑之外，有一个细节值得所有HR学习：他在信的开头第一段，就把补偿方案写清楚了——20周工资、加每年一周的年资补偿、六个月医疗保险、5000美元转型支持。他在告诉那4000人"你们走之前，先看看我们给了什么"。
这不只是公关，这是组织信任的最后一次投资。一家公司裁员时的处理方式，会被每一个留下来的员工铭记——它决定了剩余团队是带着信任继续战斗，还是带着恐惧等待下一次刀落。
HR的最终价值，不是在公司扩张时招到人，而是在公司收缩时让组织不散。
结语：金丝雀停止歌唱之后
文章开头那段分析用了一个比喻：Block是煤矿里的金丝雀。矿工用金丝雀来检测有毒气体——当金丝雀停止歌唱，说明危险已经到来。
但我想换一个角度来结尾。
金丝雀停止歌唱，并不意味着矿工必死。它意味着那些没有注意到金丝雀的人，危险了；而那些早已准备好应对空气变化的人，才能继续前进。
AI重塑劳动市场不是假设，不是警告，不是科幻小说。Block的4000名前员工，是真实的人，有房贷、有孩子、有梦想，今天他们拿着一张支票和一句"你们建立了这家公司"的感谢，走出了他们工作多年的地方。
这并非个案。ASML 在创纪录订单背景下裁员 1,700 人；Salesforce 在 AI 代理处理 50% 客户互动后裁员 5,000 人；Amazon 今年累计裁员 30,000 人；Goldman 估算 AI 每月已造成 5,000–10,000 个净岗位流失。市场逻辑正在发生变化：效率与利润率成为估值核心，AI 驱动的“更小团队”模式被资本市场积极定价。
这不是终结，这是一个新的起点——但只有那些清醒地看见了变化、提前调整了自己的人，才能在这个起点上站稳。
Dorsey说，他选择了诚实，而不是拖延。
在这个时代，每一个职场人和每一个HR，也面临着同样的选择。
诚实地看见正在发生的事，然后行动。或者，等着被行动。
-
观点
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
-
观点
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。
-
观点
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。
扫一扫 加微信
hrtechchina
