招聘
深度专题：从HR的20个高频场景看HR AI真正的增长机会
过去两年，HR AI市场经历了一个明显变化。企业最初关注的是大模型能否生成职位描述、撰写邮件或总结文件；现在，HR开始追问更实际的问题：AI能否接入ATS、HRIS和学习平台，能否推动流程继续向前，能否减少重复操作，以及能否产生可以衡量的业务结果。
一项针对HR AI应用的研究梳理了138个工作场景，覆盖招聘、HR技术、学习与发展、员工体验、绩效管理、人才分析、薪酬福利、合规和组织发展等16个HR实践领域。其中，20个最常见的应用集中在招聘、HR平台、学习发展、绩效管理、员工沟通和人才分析六个领域。招聘相关场景占据近一半，说明目前最成熟的HR AI仍然集中在高频、标准化、数据相对清晰并且容易人工复核的工作中。
对于企业HR来说，这20个场景比“AI将如何改变人力资源”这样的宏观讨论更有参考价值。它们不仅展示了企业正在使用AI做什么，也揭示了HR AI产品最容易从哪里切入、如何形成稳定使用，以及哪些应用有机会从单点工具发展成为企业级工作平台。
20个最常见的HR AI应用，正在形成四类产品
第一类是招聘与人才获取，也是目前应用最集中的HR AI市场。
常见场景包括职位描述起草与优化、自动简历解析与筛选、招聘广告程序化优化、AI辅助搜寻被动候选人、候选人与岗位匹配、结构化面试指南生成、面试排期自动化、重复候选人识别、人才管道清理，以及面试转录与总结。
其中，职位描述起草与优化是目前最常见的HR AI应用，采用率达到20%；自动简历解析与筛选为16%；招聘广告优化和被动候选人搜寻均为12%；候选人与岗位匹配为11%。
第二类是HR平台与员工知识服务。
文件提交提醒与任务分流、HR系统内置AI Copilot，以及基于企业内部文档的知识库问答，已经成为HR平台最常见的AI功能。这类应用的共同特点，是AI不再作为一个独立聊天工具存在，而是进入员工服务、HR运营和系统操作流程。
员工提出休假、福利、薪酬或公司政策问题后，系统不仅需要回答问题，还应该识别员工身份、调用适用政策、提供对应表单，并引导员工完成下一步操作。
第三类是学习与发展。
长篇培训资料摘要、AI生成测验与情景练习、微学习内容生成、个性化学习推荐和自适应学习体验，正在成为学习平台的重要增长方向。
早期学习AI主要帮助培训团队提高内容生产效率。下一阶段，系统将根据员工岗位、能力差距、学习历史和业务任务，动态决定向谁推荐什么内容，以及在什么时间提供学习支持。
第四类是绩效、沟通和员工反馈。
AI辅助起草绩效评语、常规HR沟通、目标设定支持，以及新员工调查与反馈分析，都已经进入较常见的应用范围。
这些功能距离员工和管理者的日常工作更近，也更容易形成稳定的使用频率。但企业需要清楚区分“辅助表达”和“替代判断”。AI可以帮助管理者整理事实、改善表达和识别遗漏，却不应在缺乏业务背景的情况下，独立决定员工表现、晋升机会或后续管理措施。
企业应该从哪一个AI场景开始
很多HR团队面临的真正困难，不是缺少AI工具，而是不知道应该从哪个场景开始。
一种常见误区，是直接采购覆盖多个模块的AI平台，然后要求各部门寻找使用方式。更有效的方法，是先从企业真实存在的问题出发：哪些工作重复发生，哪些流程占用大量时间，哪些任务容易遗漏，哪些信息经常被重复查询，以及哪些结果能够被量化。
对于仍然主要依赖人工处理事务的HR团队，可以先从职位描述、日常沟通、文件摘要和培训内容生成等低门槛场景开始。
对于已经广泛使用生成式AI，但使用方式仍然零散的团队，下一步应当把AI固定嵌入招聘、员工服务或学习流程，建立模板、权限、审核和结果记录。
对于已经完成多个AI试点的团队，则需要进一步考虑系统连接、数据治理、跨流程编排和组织级AI能力建设。
HRTech推出的HR AI Forward成熟度框架与能力评测，将HR的AI发展划分为L0事务型HR、L1工具型HR、L2能力型HR和L3系统型HR四个等级、十二个阶段，帮助HR团队判断自己目前处于什么位置，以及下一步应该从工具使用、流程接入、能力沉淀还是系统建设入手。
138个应用场景解决的是“AI可以做什么”，成熟度评测解决的则是“企业现在适合做什么”。两者结合，才能避免企业一开始就进入高投入、高风险和难以衡量结果的复杂项目。
为什么招聘成为HR AI的第一增长入口
招聘之所以率先实现规模化，并不只是因为招聘科技公司更早采用AI，而是因为招聘流程天然具备适合自动化的条件。
职位描述、简历、岗位要求、候选人沟通和面试记录，大多以文本或结构化数据形式存在。职位发布、简历筛选、面试安排和候选人跟进又属于高频、重复的流程。同时，多数AI输出可以由招聘人员复核，即使出现问题，也有机会在最终录用决定前纠正。
这使招聘AI能够较快证明三类价值：减少行政操作时间、提高候选人处理速度，以及扩大招聘人员能够覆盖的人才范围。
但招聘场景也说明，模型能力不等于产品价值。一个能够生成优秀职位描述的工具，如果不能同步岗位模板、审批流程、招聘渠道和候选人数据，最终仍然只是一个低频写作工具。
真正具有增长能力的招聘产品，需要把“生成职位描述”连接到职位审批、广告发布、人才搜寻、候选人匹配、面试安排、面试记录和录用分析，让AI从内容生成进入完整招聘流程。
HR AI产品正在从内容生成走向工作流执行
从20个高频应用中，可以看到HR AI产品正在经历三个阶段。
第一阶段是内容生成。AI帮助HR起草职位描述、面试问题、绩效评语、员工邮件和培训材料。这类功能部署速度快、学习门槛低，也是企业最容易接受的起点。
第二阶段是流程协助。AI开始处理面试排期、文件提醒、简历解析、知识检索、候选人去重和会议总结。此时，产品价值不再只体现在生成质量，而是体现在能否减少操作步骤、缩短处理周期并降低流程遗漏。
第三阶段是智能编排。AI根据岗位需求推荐候选人，根据员工情况推荐学习内容，根据内部知识回答问题，并在HR系统中推动后续操作。产品开始从“回答用户的问题”转向“理解上下文并协助完成任务”。
对准备采购HR AI产品的企业来说，市场上并不缺少AI功能，真正困难的是判断不同产品属于哪个场景、能够解决什么问题、需要连接哪些系统，以及是否已经有同类客户验证。
企业可以通过HR科技云图 MapofHRTech查看招聘、人才管理、学习发展、员工体验、薪酬福利和HR数字化等不同类别的产品与服务机构，也可以下载2026 HR科技云图，作为企业开展供应商初步研究和产品选型的入口。HR科技云图同时提供动态产品目录和月度品牌榜单，帮助企业持续观察市场变化。
产品增长的核心，是占据一项高频工作
对于HR科技供应商而言，增加AI功能并不必然带来产品增长。很多AI功能在演示时非常吸引人，但用户试用几次后便不再使用，原因通常不是模型生成效果不够好，而是功能没有进入日常工作流程。
真正能够形成增长的产品，首先需要占据一项稳定发生的任务。例如，每次创建职位时自动生成和检查职位描述，每次安排面试时自动协调时间，每次完成面试后自动形成摘要，每次员工提出问题时自动从内部政策中寻找答案。
只有当AI与真实工作事件绑定，产品才可能获得持续使用。
其次，产品需要把多个孤立动作连接起来。以招聘为例，职位描述生成、招聘广告优化、人才搜寻、候选人匹配、面试指南和面试总结不应是六个彼此分离的功能，而应成为一个连续的招聘工作流。
用户不需要在不同工具之间重复复制信息，系统也能够使用前一个环节的数据支持后一个环节。
最后，产品必须建立结果反馈。AI推荐的候选人是否进入面试，生成的职位描述是否提高申请转化，学习推荐是否带来课程完成和技能改善，这些结果都应该反向进入产品。
没有反馈闭环的AI是一次性输出工具，有反馈闭环的AI才能持续改善，并形成真正的产品差异化。
对于正在建设AI产品、升级现有HR平台或已经形成客户案例的HR科技机构，可以申请加入HR科技云图产品与机构目录，让企业采购者能够在具体场景和产品类别中发现相关解决方案。HR科技云图的核心价值不是简单收录企业名称，而是将产品能力、市场分类、品牌信息和企业采购需求连接起来。
用户增长不是注册人数，而是从尝试走向工作习惯
HR AI的用户增长不能只看注册量、访问量或生成次数。企业用户是否真正采用一项产品，取决于产品能否完成从首次体验到稳定使用的转变。
用户激活的标志，不应只是打开AI功能，而是完成第一项有价值的HR任务。例如，成功生成并发布一个职位，完成一次候选人筛选，回答一个员工政策问题，或者制作一套能够直接使用的培训内容。
用户留存来自重复工作。职位描述、面试安排、员工问答、绩效评估和培训推荐都有明确的周期性。当产品能够在这些时间点主动出现，并自动带入岗位、候选人、员工或组织上下文，用户就不需要每次重新输入提示词，使用AI也会逐渐成为工作流程的一部分。
用户扩展发生在产品从个人工具变成团队系统之后。
最初可能只有一名招聘人员使用职位描述生成；随后，招聘团队开始共享模板，业务经理参与审批，HR负责人查看效率和质量数据；最终，产品扩展到更多岗位、部门和业务单元。
因此，对HR AI产品更有意义的增长指标应该包括：完成了多少真实工作流，用户是否持续重复使用，人工修改比例是否下降，流程周期是否缩短，是否有更多角色参与，以及产品是否从一个场景扩展到相邻场景。
从产品功能走向可传播的客户成果
HR AI供应商还需要解决一个经常被忽视的问题：产品已经上线，但市场并不知道它真正解决了什么问题。
仅仅宣传“接入大模型”“推出AI Agent”或“升级智能助手”，很难帮助企业买家理解产品价值。更有效的内容结构应该包括明确的业务场景、原有流程、AI介入方式、人员分工、实施周期和量化结果。
例如，与其只说产品推出了面试智能助手，不如说明它是否减少了面试记录时间、提高了面试反馈提交率，或者缩短了从面试到决策的周期。
与其只说系统能够生成培训内容，不如说明课程制作时间下降了多少、学习参与率是否提高，以及业务部门是否更快获得了需要的培训资源。
产品增长与内容增长最终需要连接在一起。产品功能提供实际价值，客户案例证明价值，行业内容解释价值，奖项和榜单进一步放大价值，最终形成企业认知、采购线索和市场影响力之间的增长循环。
目前，2026 HRTech INNO Awards已经设置HRTech创新实践奖、创新团队奖、创新产品奖，并特别设置人力资源科技AI创新产品奖。近12个月内已经形成实际应用和可量化成果的企业HR团队及HR科技产品，可以通过案例申报，将内部项目进一步沉淀为可复制、可传播的行业实践。
企业HR需要重新定义AI项目的衡量方式
当前很多企业AI项目仍然缺少清晰的价值衡量。企业知道员工正在使用AI，却不能准确回答AI节省了多少时间、改善了哪些结果，或者是否只是把工作从一个系统转移到了另一个系统。
对于职位描述生成，可以衡量起草时间、人工修改次数、审批周期和申请转化率。
对于面试排期，可以衡量人工协调时间、候选人取消率和招聘周期。
对于知识库问答，可以衡量问题解决率、人工工单减少量、响应时间和员工满意度。
对于学习推荐，可以衡量内容参与率、课程完成率、技能变化和实际岗位表现。
只有当HR把应用场景与业务指标连接起来，AI采购才会从创新试点预算进入长期运营预算，产品也才有机会从单一部门试点走向企业规模化部署。
AI应该减少低价值操作，而不是替代HR判断
AI目前最稳定的价值，是帮助HR更快地处理信息、形成初稿、发现模式和推进流程，而不是自动完成复杂的人事判断。
在招聘、绩效、薪酬、员工关系和组织调整等高影响场景中，AI可以提供信息和建议，但最终判断仍应由具备业务背景并承担管理责任的人完成。
产品需要保留人工审核、修改记录、数据来源、权限控制和员工申诉机制，而不能把“自动化程度更高”简单等同于“产品更加先进”。
对企业来说，负责任的AI应用不是降低创新速度，而是让产品更容易得到员工、管理者、法务和企业管理层的长期信任。
HR AI下一阶段的分水岭，是能否形成工作完成率
138个应用场景为企业提供了一张能力地图，而最常见的20个应用则说明，市场不会平均接受所有AI功能。
最先实现规模化的，仍然是高频、标准化、数据相对清晰、输出容易复核，并且能够产生明确业务结果的工作。
对于HR而言，正确的起点不是寻找一套能够覆盖所有场景的“万能AI”，而是找到最耗时、重复度最高、最容易衡量的几个流程，明确AI负责什么、员工负责什么，以及最终结果如何评价。
对于HR科技公司而言，下一阶段的竞争也不再是谁拥有更多AI按钮，而是谁能够把内容生成、流程自动化、数据连接和业务结果组合成完整产品。
用户不会长期为一次精彩的回答付费，但会为持续减少工作、缩短流程并改善结果的系统付费。
HR AI真正的增长机会，不在于让HR每天多使用一个聊天工具，而在于让AI进入工作发生的地方，理解组织上下文，协助完成任务，并把节省下来的时间重新投入到判断、沟通、关系和组织建设中。
HRTech将持续跟踪全球HR AI产品、企业实践、投融资、上市公司表现和HR科技市场变化。HR从业者可以阅读并下载《2026年8月HRTech行业观察报告：企业HR必须关注的五大变革》，也可以订阅HRTech每周资讯，持续获得全球HR科技产品、趋势和实践信息。
招聘
【美国】建筑科技公司Guthrie AI活动400万美元种子轮融资，旨在为每支玻璃安装团队配备一名虚拟投标助手
HRTech概述：建筑科技公司Guthrie AI完成由 Chicago Ventures 领投的 400 万美元种子轮融资，用于扩展其面向玻璃安装承包商的虚拟投标助理招聘、培训和雇佣平台（视频）。本轮融资由Chicago Ventures领投。虚拟投标助理就像是估价师（“医生”）的“护士”——负责准备信息、协助按时获取报价，并确保投标书内容全面完整。目前已有 52 家玻璃安装商和供应商聘用了 Guthrie AI 的虚拟投标助手，将投标周期从数周缩短至数天，且在未增加人手的情况下，投标数量增加了 70%。
建筑科技公司Guthrie AI 完成由 Chicago Ventures 领投的 400 万美元种子轮融资，本轮融资由Chicago Ventures领投。公司计划利用这笔资金扩充工程团队，并深化与估算师现有工具（包括 Bluebeam、Outlook 和 Excel）的集成。
故事背景
时间永远不够用。这是全国每一位玻璃工程估算师最常挂在嘴边的话。没有足够的时间进行工程量计算，没有足够的时间在截止日期前获取报价，也没有足够的时间修正那些令人费解的图纸。
众所周知，行业正朝着错误的方向发展。总承包商在正式承接项目前，要求提供更详细的工程范围细分、更多轮的报价以及更多轮的预算核算。利润率不断缩减，玻璃安装商不得不承担的风险已达到难以承受的程度。
显而易见的解决办法是招聘人手。但实际上这很难——进入该行业的新人本就寥寥无几。信任新人更是难上加难。即便找到了合适的人选，要让他们融入团队并按既定方式工作，也需要数月时间。
Guthrie AI 已经完成了最困难的部分。他们招募并培训了“虚拟投标助理”（VBA），并构建了相应的平台，使雇主能够轻松招聘、管理这些虚拟助手，并确保它们从第一天起就能按照你的方式工作。借助 Guthrie AI 的 VBA，玻璃安装承包商仅凭现有员工就能增加 70% 的投标量，这意味着他们能够应对总承包商抛来的所有任务。
背景
Ted Baumgardner曾是一名海军陆战队情报军官，后来转行成为玻璃安装估价师，他本人也曾深陷这一困境。随后，他开始运用在海军陆战队学到的结构化分析技术来整理招标邀请函，从而更快地掌握项目详情，并将更多时间用于与客户建立关系并赢得业务。这为他节省了大量时间，于是他将这一经验转化为面向其他玻璃安装承包商的平台。经过与多家行业合作伙伴为期两年的试点，Guthrie AI 现已面向更广泛的市场开放。
“我们并不是在制造自动驾驶汽车。至少目前还不是。方向盘后方依然坐着一个人——一位真正的‘VBA’（玻璃工程估算师），他懂得如何按照你的需求进行工程量计算和报价。我们打造的是一款应用程序，它能让你轻松招聘这样的人才、培训他们，并与他们进行日常协作。优步（Uber）从未制造过汽车，他们打造的是一款能轻松找到司机的应用程序。这就是我们为玻璃安装承包商所做的事，”Guthrie AI创始人兼总裁Ted Baumgardner表示。
本轮融资
本轮融资将用于扩充工程团队，并持续推进Guthrie AI“虚拟投标助手”项目的增长。该项目已为全美52家玻璃安装公司和供应商配备了经过培训的助手，帮助他们加快投标速度，并减少那些蚕食估算师日常工作时间的行政事务。
芝加哥风投（Chicago Ventures）的普通合伙人罗布·切斯尼深知行业专业知识的重要性：“在建筑科技领域，最难找到的是一位真正亲身经历过这些问题的创始人。泰德在加入海军陆战队担任情报军官之前，就在家族的玻璃企业中成长，从事过工程量计算工作。他对这一行业了如指掌，并且拥有坚韧不拔、锐意进取的精神。如果有人具备构建复杂自动化系统所需的能力——这些系统旨在支持玻璃安装工乃至更广泛的建筑行业——我们相信那个人就是泰德。”
关于Guthrie AI
由联合创始人 Tuneer De 领导的 Guthrie AI 是一家建筑科技公司，专门为玻璃幕墙（玻璃和窗户安装）行业提供“虚拟投标助手”（VBA）。
主要功能包括：
自动化 RFP 和投标准备：该平台招募、培训并部署专业的虚拟投标助手，以处理提交建筑投标时耗时的行政准备工作。
整理项目数据：通过整理招标书（RFP）信息、管理信息请求（RFI）以及格式化投标书，帮助玻璃安装承包商更快地掌握项目情况。
深度软件集成：Guthrie AI 与估算师常用的核心工具（如 Bluebeam、Microsoft Outlook 和 Excel）建立直接数据连接，确保信息自动转换为客户所需的精确格式。
提升估算师效率：通过接管格式设置、数据传输和报价跟进工作，该系统将投标周转时间从数周缩短至数天，使企业无需增聘内部员工即可参与多达 70% 的额外项目投标。
招聘
HRTech 特约评论：当 AI 账单开始衡量人效，企业会迎来新的 ROI 时代，还是新的 Token 歧视？
HRTech核心概述：HR系统从 SaaS 订阅到 Token 账单：HR AI 正在把人效管理推向新阶段！当 token 消耗开始被用于观察员工行为、衡量工作效率、分配 AI 权限甚至影响绩效判断时，企业也必须警惕一种新的组织风险：Token 歧视。更多前沿观察，请关注 #HRTech
企业购买 HR AI 软件，正在从“买一套系统”变成“购买一套持续消耗的智能基础设施”。过去 SaaS 的成本主要由席位、模块和年费决定，使用越深入，边际价值通常越高；但 AI 软件正在引入另一套逻辑：模型调用、token 消耗、上下文长度、agent 执行和超量计费。对 HR 来说，这不是单纯的技术账单，而是一个会同时影响预算、人效、权限、公平性和组织治理的新管理议题。AI 账单正在成为新的人效报表，但企业必须警惕，它也可能变成新的员工审判书。
HR AI 采购正在从“买软件”变成“买持续消耗的算力账单”
过去 SaaS 的逻辑是“用得越多越划算”。企业购买系统以后，更多员工登录、更多流程上线、更多数据沉淀，通常意味着软件价值被放大。但 AI 软件的成本逻辑不完全一样。AI 功能背后涉及模型调用、token 消耗、数据处理、上下文窗口、agent 执行和算力成本，使用越多，账单可能越高。如果企业没有提前问清楚 token 成本、调用上限、超量计费、模型等级、上下文长度、API 成本转嫁和毛利率安排，很可能会出现“买的时候像 SaaS，结账的时候像云账单”的情况。
这对 HR 部门尤其重要。HR 过去并不是最擅长看懂云成本和技术账单的部门，但未来 HR AI 的成本结构会越来越接近云服务。一个看起来很简单的 AI 助手，背后可能区分基础模型、高级模型、按次调用、按 token 计费、按 workflow 执行计费、按 agent 自动化任务计费。如果 HR 只被产品 demo 打动，而没有理解背后的成本结构，后续很容易在预算上失控。
AI 让“普通员工 ROI”第一次变得更容易被观察
过去我们讨论人效，经常遇到一个难题：普通员工的 ROI 很难衡量。销售可以看 revenue，客服可以看 ticket，工程可以看 pull request、bug fix 和 release cycle，但大量 HR、运营、市场、财务、法务、行政和分析岗位的价值并不总是直接体现在收入或产量上。他们的贡献往往是降低风险、减少错误、提升协同、缩短沟通、改善体验、提前预警。这些价值真实存在，却很难被清晰记录、比较和复盘。
AI 的出现让这个问题开始发生变化。AI 使用天然会留下数据痕迹：谁在使用、用了什么模型、消耗多少 token、调用多少次、用于什么任务、生成内容是否被采纳、是否进入后续工作流、是否减少返工、是否提高质量、是否缩短交付周期。过去隐藏在员工日常工作中的过程性劳动，第一次可能被系统化捕捉。换句话说，AI 不只是提高效率的工具，它也让效率提升这件事本身变得更可观察。
这意味着，未来 HR 对人效的关注在 AI 时代确实可能更容易衡量。你花掉的 token，是否真的转化成了更高质量的产出、更快的交付和可复盘的 ROI？AI 账单正在把过去模糊的人效问题，变成一张可以被追踪、过程可见、可以比较和审计的新报表。
AI 人效的关键不是“用了多少”，而是“是否产生真实产出”
但这里必须明确一个核心观点：token spend 本身不是 ROI。一个员工消耗了很多 token，不代表他效率高；一个员工消耗很少 token，也不代表他没有价值。真正要看的，是 token 是否嵌入了正确的业务场景，是否改善了任务结果，是否减少了低价值劳动，是否提升了组织整体产出。
比如，一个 HR 团队使用 AI 生成员工政策问答、候选人沟通模板、绩效校准摘要和薪酬分析初稿，如果这些内容被经理采纳，减少了重复沟通，提高了响应速度，降低了政策解释错误，那么 AI 支出就是有效投入。市场团队用 AI 做内容草稿、竞品分析和客户分层，如果最终提高了内容产出效率和转化质量，也可以形成可解释的 ROI。工程团队用 AI 辅助代码生成和问题排查，如果代码 review 通过率提升、bug 减少、release cycle 缩短，那么 token 成本可以被视为生产力投资。
反过来，如果某个员工 AI 使用量很高，但输出质量低、返工率高、同事审核负担增加，甚至生成内容带来合规或事实错误，那么高 token 消耗就不是能力增强，而可能是低质量工作的放大器。这也是未来 AI 人效管理最重要的分水岭：企业不能只看使用频率，而要看使用结果；不能只看成本消耗，而要看产出质量；不能只看个人行为，而要看任务链路和业务结果。
企业需要建立 AI ROI 治理，而不是简单做 AI 使用监控
未来真正有价值的不是 AI 使用监控，而是 AI ROI 治理。监控回答的是“谁用了多少”，治理回答的是“为什么用、用得是否值得、如何优化、是否公平”。如果企业只做监控，很容易把 AI 管理变成新的员工压力源；如果企业做治理，AI 账单就可以成为优化组织能力和资源配置的工具。
比较合理的路径应该分三层。第一层是 use case ROI，先衡量具体场景是否产生价值，而不是一开始就评价个人。比如招聘 JD 优化、客服工单摘要、薪酬分析、代码辅助、员工政策问答等场景，都应该先建立 baseline，比较使用 AI 前后的时间、质量、成本、错误率和满意度变化。第二层是 team ROI，判断哪些团队真正把 AI 嵌入了工作流，哪些团队只是表面使用。第三层才是 individual enablement，也就是识别哪些员工是高质量使用者，哪些员工需要培训，哪些使用行为存在浪费或风险。
这套逻辑很重要，因为它避免了企业把 AI 账单直接变成绩效审判工具。AI 人效分析的正确方向不是“用系统证明谁不行”，而是“用数据发现哪里需要更好的工具、培训、流程和管理支持”。企业真正应该关心的是组织整体效率是否提升，而不是简单把每个员工的 token 消耗拉出来排名。
“Token 歧视”可能成为 AI 时代新的组织风险
随着 AI 账单和人效数据逐渐连接，一个新的风险也会出现：Token 歧视。所谓 Token 歧视，并不是说企业不能管理 AI 成本，而是指企业可能基于 token 使用量、AI 支出水平或模型访问权限，对员工形成简单化、标签化甚至不公平的判断。
一种情况是，高 token 消耗员工被默认视为低效。管理者看到某个员工花费高，就直接认为这个人浪费资源，却没有分析其任务复杂度、岗位性质、业务贡献和产出质量。另一种情况是，低 token 使用员工被默认视为落后。员工可能因为不常使用 AI，被贴上“不够 AI native”的标签，但实际上他的工作可能更依赖判断、沟通、经验和风险控制。还有一种情况是，企业只给高绩效、高职级或核心部门开放高级模型，普通员工只能使用基础工具，久而久之，AI 权限本身会变成一种新的组织资源差距。
这类风险并不遥远。未来企业很可能会根据员工角色、绩效等级、部门预算和历史使用表现，分配不同的 AI 权限。高绩效工程师可以使用更强模型，普通支持岗位需要审批；核心业务部门可以调用更多 token，后台部门被严格限制；某些员工因为过去使用效率低，被降低模型权限。从商业角度看，这种资源分配可能有合理性，但如果缺乏透明规则和申诉机制，就可能放大组织内部的不平等。
HR 必须参与 AI 预算、权限和公平规则设计
AI 时代，HR 不能只做 AI 工具的使用者，也不能只做培训和推广部门。HR 必须进入 AI 治理的核心层，参与预算、权限、绩效解释、员工保护和组织公平规则的制定。因为 AI 账单表面上是 IT 和 Finance 的问题，但深层是组织能力和人才管理问题。
HR 需要和 Finance 一起看 AI 成本，判断不同团队、不同岗位、不同任务的 AI 投入产出是否合理；需要和 IT 一起看权限、数据安全、模型访问和系统集成；需要和业务部门一起看任务质量、流程效率和真实业务结果；还需要和 Legal 一起看合规、公平性、数据隐私和员工权益。AI 账单不应该只是一张费用报表，而应该成为企业理解组织能力、岗位变化和人才投资回报的新入口。
这也意味着，未来 HR 的专业能力会被重新定义。懂绩效管理还不够，HR 还要理解 AI 成本结构；懂培训发展还不够，HR 还要判断哪些岗位需要 AI enablement；懂组织设计还不够，HR 还要理解哪些流程会被 AI 改写；懂员工体验还不够，HR 还要防止 AI 权限和数据分析造成新的不公平。
HR Tech 供应商的竞争会从功能模块转向数据与治理能力
这场变化也会重塑 HR Tech 供应商的竞争逻辑。过去 HR 软件比拼的是模块完整度、流程自动化、用户体验、系统集成和服务交付能力。未来更重要的会是数据连接能力、权限治理能力、AI 成本解释能力、任务级 ROI 分析能力和行动闭环能力。
一个真正有价值的 HR AI 平台，不只是告诉企业“员工用了多少 AI”，而是帮助企业判断“AI 在哪里创造了价值，在哪里制造了浪费，哪里需要培训，哪里需要限制，哪里需要重新设计岗位和流程”。这也是为什么 Rippling Data Cloud 这样的方向值得关注。它背后的核心不是多一个 dashboard，而是把员工数据、组织结构、业务系统数据、AI 使用数据和权限管理放到同一层，从而让企业有机会回答过去很难回答的问题：AI 是否真的改变了某个员工、某个团队、某个岗位的真实产出。
未来 HR Tech 的竞争，可能不再只是 HCM、Payroll、Performance、Recruiting 各自模块之间的竞争，而会进入“组织数据操作系统”的竞争。谁能把人、任务、成本、产出、权限和 AI 使用连接起来，谁就更可能成为企业 AI 时代的管理基础设施。
人效可以被数据增强，但不能被 token 简化
尽管 AI 会让人效更容易被观察，但我们也必须保留一个基本判断：人的价值不能被简单压缩成一串 token 调用记录。很多高价值工作仍然很难被 AI 使用数据完整衡量。一个 HRBP 提前化解了一次管理冲突，一个财务人员发现了潜在合规风险，一个经理通过判断避免了错误决策，一个运营人员通过沟通挽回了客户信任，这些价值可能不会直接体现在 AI 账单里，但对企业同样重要。
因此，AI 人效分析只能增强管理判断，不能替代管理判断。它可以帮助企业看清过程、发现趋势、识别异常、优化资源，但不能成为评价员工价值的唯一依据。如果企业把 AI 账单作为控制工具，它可能制造新的焦虑和不公平；如果企业把 AI 账单作为能力建设工具，它就可以帮助组织看清哪些工作正在被 AI 重塑，哪些员工需要新的技能支持，哪些岗位应该重新定义，哪些预算应该重新分配。
AI 账单会成为新的人效报表，但企业不能让它变成员工审判书
AI 时代，人效确实会变得更容易衡量。token 可以被计算，ROI 可以被建模，流程可以被审计，任务结果可以被复盘，这是企业管理的一次重要进步。但越是容易衡量，企业越要谨慎定义衡量的边界。真正成熟的组织，不会用 AI 账单简单审判员工，而会用它重新理解工作、设计流程、配置资源，并推动员工能力升级。
未来 HR 面临的关键问题，不是“要不要衡量 AI ROI”，而是“如何衡量才不伤害组织”。当 AI 账单开始进入人效管理，企业必须同时回答两个问题：
第一，token 是否真的转化成了产出；
第二，衡量 token 的方式是否仍然尊重人的复杂价值。
只有同时回答好这两个问题，AI 才不会变成新的管理焦虑，而会真正成为提升组织能力的基础设施。
招聘
在招聘过程中，人工智能能在哪些方面发挥最大作用？
HRTech概述：招聘格局正在迅速变化。随着各行业经历多轮裁员，许多企业面临着海量合格候选人，却苦于找不到明确的方法来甄别合适人选。
候选人数量的增加本应让招聘工作更轻松，但实际上却往往适得其反。优秀的候选人既可能脱颖而出，也可能被遗漏。
为解决这一问题，招聘经理们开始借助技术手段。仅在过去一年，招聘领域的人工智能应用率就从26%跃升至53%。
但采用率并不等同于实际成效。超过三分之一的组织仍完全避免在招聘中使用人工智能。即便采用，大多数也仅将其应用于筛选简历、撰写职位描述或面试问题等简单任务。
这些任务虽能加快流程，却未必能提升招聘质量。它们并未解决大多数企业面临的核心挑战：如何持续识别合适人选并做出高质量的招聘决策。
那么，AI在招聘中究竟能在哪些方面发挥最大作用？
1、人工智能能够识别技能，而非仅仅依赖关键词。
当候选人池不断扩大时，许多组织以为最难的部分已经过去。实际上，问题只是换了种形式。看似人才济济，实则暗藏筛选难题。
招聘经理突然拥有了更多选择，却缺乏更好的评估框架。缺乏这一框架，决策质量便会下降。优秀的候选人被埋没，而那些“面试表现出色”的人却在缺乏明确证据证明其工作表现的情况下顺利晋级。
人工智能能够突破关键词匹配和表面信号的局限。它能识别出那些虽走过非传统路径，却满足岗位核心要求的候选人。企业可以训练人工智能模型，使其识别不同背景下的成功模式。回想2020年，许多教师离开教育行业，转而投身销售、软件和培训服务等新领域。他们具备胜任这些岗位的技能，但在纸面筛选中，可能因缺乏相关经验而被淘汰。
人工智能能够整合面试反馈、评估数据及过往招聘结果中的规律，从而聚焦于真正与绩效相关的特质，而非仅仅关注给第一印象最深刻的候选人。
2、人工智能能够实时识别偏见模式
担心人工智能会引入新的偏见形式，这种担忧是有道理的。设计不佳且基于有缺陷数据训练的系统，必然会产生有缺陷的结果。但人们往往忽略的是，人类的决策本身就存在严重的偏见，而且这种偏见远不如人工智能那样容易量化。
基于人工智能的面试分析工具，为实时揭示偏见模式提供了契机。例如，企业无需依赖事后统计的多样性指标，而是可以利用人工智能实时分析面试中的行为表现。面试官是否总是打断某些候选人的发言？面对相似的回答，他们是否会根据回答者的身份给出不同的评分？招聘经理是否更看重熟悉感而非能力？
这些决策很少是出于有意识的判断。但它们确实构成了一种模式，而人工智能恰恰擅长揭示这些模式。以此方式运用，人工智能并非取代人类的判断，而是像一面镜子般将其映照出来，让招聘人员和招聘经理有机会在当下及时调整。
3. 人工智能可以提高用户留存率
大多数组织将招聘视为一个独立的事件：寻找、评估、选拔，然后结束。
但招聘决策的真正衡量标准在于候选人接受职位后的表现。
人工智能能够将招聘智能延伸至入职和早期绩效管理，确保被录用的候选人能够尽可能长久地留任并出色地完成工作。企业可以利用人工智能分析过往招聘数据，为新员工设定更切合实际的期望。在入职后的前30、60或90天内，优异的绩效表现究竟是什么样子的？成功的员工通常在初期会遇到哪些困难？哪些信号能够预示长期的成功？
与千篇一律的入职计划不同，新员工可以基于在该岗位上取得成功的类似员工的模式，获得更个性化的指导。
这将招聘从一次性的决策转变为一个持续的过程，组织不仅在选拔人才，更在积极提高人才成功的概率。因为当人才成功时，组织也会随之成功。
重新思考招聘，意味着重新思考能力。
如果人工智能要在招聘领域产生实质性影响，企业必须为员工提供相应支持。这意味着要进行培训并培养真正的能力，而不仅仅是确保流程合规。学习与发展部门必须引导企业完成这一技能再培训过程。
当企业投资于提升招聘经理运用人工智能的能力时，其影响会随着时间的推移而不断放大。经理们能做出更明智、更一致的决策，减少对直觉的依赖，更多地依靠结构化评估。由此带来的连锁效应包括：减少误聘、缩短员工达到生产力所需的时间，以及降低事后对学习与发展部门补救措施的需求。
招聘决策折射出组织的决策水平，因为没有什么比人才更重要的决策了。人工智能有潜力提升这一标准，但前提是它被用来挑战那些根深蒂固的假设。当组织做好招聘工作时，其影响远不止于单个岗位。更优的招聘决策将塑造更强大的团队、更强大的组织，并最终造就更强大的劳动力队伍。
招聘
【深圳】下半年不可错过的重磅论坛——2026人力资源科技年度论坛·“Whats Next” 9月17日在深圳隆重举办！马上报名预约席位！
比肩全球三大人力资源科技论坛！Must attend conference in Human Resource!2026下半年值得期待的HR科技盛会——深圳站！
数字化浪潮全速迭代，人力资源行业正迈入AI 革新、体验升级、全域变革的全新周期。当人力数字化成为企业刚需，当生成式 AI 重构职场模式，当全球化人才管理迎来全新挑战，身处行业中的你，亟需一场高规格行业盛会，洞察趋势、破解难题、链接资源！
2026 人力资源科技年度论坛・「What’s Next」深圳站，9 月 17 日重磅落地！诚邀企业 HR 管理者、行业精英齐聚深圳，共赴华南人力资源科技年度巅峰盛会，解锁人力数字化全新未来！
活动信息
📅 时间：9 月 17 日（周四） 09:00-17:00
📍 地点：深圳益田威斯汀酒店三楼（深圳市南山区深南大道 9028 号 - 2）
👥 参会人群：企业 HR 高管 / 人力负责人、HRIT/HRSSC 专员、各模块 HR 骨干、企业管理者等
🎫 专属福利：企业内部 HR 免费报名（需官方审核）：http://hrnext.cn/Gxy3C
⚠️ 人力资源服务商、咨询机构等非企业内部 HR，需购票参会
汇聚精英 共探行业新未来
本次论坛集结300 + 名企 HR 掌舵人、行业领袖、科技大咖，聚焦当下人力资源核心痛点与前沿方向，围绕AI 赋能人力、员工体验升级、招聘科技、数字化落地、企业出海、全域人才管理等热门议题，拆解实战案例、分享前沿方法论，共同探索新技术如何重塑企业工作生态，助力 HR 高效破局。深耕行业 9 年，HRTech 人力资源科技年度论坛早已成为国内极具影响力的人力数字化标杆会议。作为行业风向标，论坛每年首发趋势洞察、创新产品、标杆实践与前沿技术，持续驱动人力资源行业升级革新；常年巡回北京、上海、深圳三大核心城市，辐射华北、华东、华南全域，全网精准覆盖50 万 + 专业 HR 人群，是交流学习、资源对接、行业赋能的核心优质平台。
六大核心亮点 直击 HR 核心需求
✅ AI 全面赋能 HR深度拆解人工智能在智能招聘、人才盘点、员工培养、人力决策等全场景落地应用，解锁 AI 降本增效、科学管理双重价值，让科技成为 HR 核心助力。
✅ 员工体验全新革命聚焦新生代员工管理，分享智能化办公、个性化福利、人文化管理等创新方案，全方位提升员工幸福感、归属感与企业忠诚度。
✅ 前沿招聘科技革新解读大数据人岗精准匹配、VR 线上面试、AI 智能甄选等新兴技术，重塑招聘流程，解决企业招人难、识人难、留人难痛点。
✅ 企业数字化实战拆解集结各行业标杆案例，实景拆解人力流程自动化、数据化决策、智能人才体系搭建、跨部门高效协同的落地路径，拿来即用。
✅ 全球化人才管理布局立足企业出海大趋势，分享全球化人才搭建策略，平衡国际标准与本地化政策差异，实现跨国人才高效管控与最优配置。
✅ 前沿产品零距离体验汇集全国顶尖 HR 科技服务商，一站式体验最新数字化工具、管理系统与创新解决方案，为企业采购选型、升级优化提供优质参考。
除此之外，更多行业热点、实战干货、跨界思维碰撞，静待现场深度交流！
2026人力资源科技年度论坛-“Whats Next”深圳站时间：9月17日 周四 9:00-17:00地点：深圳 益田威斯汀酒店适合参会人群：企业HR领导者，负责人、HRSSC\HRIT相关同仁、HR各模块负责人等HR免费报名：http://hrnext.cn/Gxy3C 企业HR同仁可获得免费门票📩 参会对接：科科
💬 微信：hrtechina
📧 邮箱：hi@hrtechchina.com
赞助参展：欢迎预定奈斯 获取详细合作方案微信：HRTechnice邮件：nice@hrtechchina.com重磅环节 含金量拉满
中国 HR 科技势力榜重磅发布
汇聚国内外优质 HR 科技品牌、标杆企业与实战专家，集中展示本土人力数字化创新成果与优质解决方案。
20 + 行业大咖干货分享
20 + 热门前沿议题同步开讲，聚焦趋势研判、技术革新、落地实践，全方位拓宽 HR 行业视野。
生成式 AI 专题专场
聚焦 AI 变革浪潮，特邀行业专家拆解生成式 AI 在人力资源领域的落地应用，解锁未来职场新玩法。
双权威行业大奖盛典
现场颁发「2026 人力资源科技创新大奖」「2026 员工体验大奖」，表彰行业标杆企业与优质服务商，零距离借鉴头部企业成功案例。
为什么所有 HR 都不能错过？
✔ 直击行业前沿，一手掌握 2026 人力科技最新趋势
✔ 对标名企实践，复制标杆数字化转型落地经验
✔ 学习大咖方法论，提升专业能力，强化职场核心竞争力✔ 沉浸式体验全新人力科技产品，精准匹配企业升级需求
✔ 链接 300 + 同行人脉，搭建优质 HR 专属交流圈层
✔ 限量领取《2026 最新 HR 科技云图》，收藏行业权威参考
✔ 专属采购对接场景，高效筛选优质服务商，降本增效
满满干货、优质人脉、权威榜单、实战案例、专属福利，尽在现场！
9 月 17 日，深圳与300多位 HR 同行并肩，以科技破局，以创新赋能共同推动中国人力资源科技高质量发展！
诚邀 HR 服务机构 赞助 / 参展合作
✅ 精准触达企业 HR 决策人群，高效挖掘精准客户
✅ 直面行业采购负责人，快速达成商务合作
✅ 线下实景展示产品方案，强化品牌认知
✅ 全周期全媒体品牌曝光，全域提升行业影响力
✅ 依托 HRTech 权威背书，巩固行业标杆地位
展位 & 赞助名额持续递减，欲订从速
合作咨询
微信：HRTechnice
合作邮箱：nice@hrtechchina.com
关于主办方HRTechHRTech是专注人力资源科技商业服务平台，作为HR领域唯一深度垂直独立的第三方专业服务机构，致力于推动人力资源科技进步与发展，持续引领行业新科技新趋势新产品新方向。HRTech核心报道HR科技创新企业与产品，关注并实时分享全球的人力资源科技资讯。定期发布行业市值榜单和HR科技云图，持续举办高品质的专业前沿论坛，表彰认可业内先进。往届精彩回顾
招聘
独家：欧洲HR科技再迎资本关注：Factorial 拟融资2亿美元、估值冲刺20亿美元
HRTech概述：欧洲 HR Tech 又有大消息。总部位于西班牙 Barcelona 的 Factorial 正在洽谈新一轮融资，金额最高或达 2 亿美元，目标估值约 20 亿美元。值得注意的是，Factorial 在 2025 年 9 月已宣布 ARR 达到 1 亿美元，2025 年 8 月还获得 General Catalyst 追加 1.2 亿美元支持，使其总投资规模达到 2 亿美元。对 HR SaaS 行业来说，这说明资本依然看好“平台型、一体化、可规模化增长”的玩家。更多信息关注HRTech
欧洲HR科技赛道正在迎来新一轮资本关注。总部位于西班牙巴塞罗那的HR软件公司 Factorial 正在与投资机构进行初步洽谈，计划融资最高 2亿美元，目标估值约 20亿美元。如果交易最终达成，这家成立于2016年的公司将在其 2022年10亿美元独角兽估值基础上实现翻倍增长，成为西班牙科技生态中最具价值的创业公司之一。
对于近年来持续升温的HR科技市场而言，这一融资计划不仅反映了投资者对企业软件平台的长期信心，也再次凸显出欧洲HR SaaS公司正在逐步获得全球资本市场的认可。
Factorial：从HR工具到一体化企业管理平台
Factorial成立于2016年，总部位于西班牙巴塞罗那，由 Jordi Romero 和 Bernat Farrero 创立。公司最初以面向中小企业的人力资源管理软件起家，核心功能包括 员工考勤、薪酬管理、招聘管理、员工请假、费用管理以及员工数据管理。
随着企业规模增长和客户需求变化，Factorial逐渐从单一HR工具扩展为更广义的 企业运营管理平台（Business Management Platform）。目前其产品体系覆盖：
员工生命周期管理招聘与人才管理薪酬与福利管理时间与考勤管理员工费用与审批流程基础财务与运营管理
这种“HR+企业运营”的平台化路径，使Factorial在欧洲中小企业市场获得了快速增长。
公司在 2025年9月宣布年度经常性收入（ARR）达到1亿美元。在SaaS行业中，ARR突破1亿美元通常被视为企业软件公司进入规模化阶段的重要里程碑，意味着其产品已经获得稳定客户群和可持续的订阅收入模式。
General Catalyst的支持与非稀释融资
Factorial此前已经获得多轮资本支持。2025年，公司获得来自 General Catalyst 的 1.2亿美元非稀释性融资（non-dilutive funding），用于加速销售和市场扩张。非稀释融资意味着公司在获得资金支持的同时，不需要向投资方额外让渡股权，这对于SaaS公司而言具有重要战略意义。
这一融资安排不仅为Factorial提供了更大的市场扩张空间，也帮助其在下一轮股权融资时维持更高估值。
如果本次 2亿美元融资 顺利完成，Factorial将进一步扩大产品研发、市场拓展以及国际化布局，尤其是在欧洲和拉丁美洲市场。
竞争激烈的HR科技市场
尽管Factorial增长迅速，但其所处的HR科技行业竞争非常激烈。
近年来，全球HR SaaS领域涌现出一批快速扩张的平台型企业，包括：
Deel：专注全球雇佣与EOR服务Rippling：整合HR、IT和财务的一体化企业平台Personio：欧洲另一家HR SaaS独角兽HiBob：面向中型企业的人力资源平台
这些企业都在通过 自动化和人工智能技术 来优化招聘、员工管理和组织运营流程。
值得注意的是，HR科技市场竞争已经从单一功能产品竞争，转向 平台化生态竞争。企业客户越来越倾向于使用一个系统完成更多工作流程，而不是部署多个独立工具。
Factorial正是抓住这一趋势，通过扩展产品模块逐步向“企业操作系统”方向发展。
疫情后的HR科技市场变化
疫情以来，企业对数字化HR管理工具的需求明显增加。远程办公、跨区域团队协作以及全球化招聘，使得企业必须依赖更加灵活的管理系统。
HR科技平台的价值也因此发生变化。过去HR软件更多被视为行政工具，而如今企业越来越将其视为 组织运营基础设施。
自动化技术与人工智能的加入，也正在改变HR系统的功能边界。AI不仅用于招聘筛选、员工服务和流程自动化，还开始参与组织分析、绩效预测以及人力成本优化等决策层任务。
这也是为什么HR SaaS企业在资本市场仍然保持较高吸引力。
欧洲HR科技的崛起
从更宏观的角度看，Factorial的融资计划也反映出欧洲HR科技生态正在逐渐成熟。
过去十年，HR科技领域长期由美国企业主导，例如Workday、ADP、Rippling等。但近年来，欧洲开始涌现出越来越多具有全球竞争力的公司，包括：
Personio（德国）HiBob（英国/以色列）Factorial（西班牙）Remote（欧洲创始团队）
这些公司普遍具备几个共同特点：
第一，产品定位更加聚焦中型企业市场。第二，平台架构更适合跨国合规和多语言环境。第三，增长策略以欧洲和全球市场为核心，而非单一国家。
同时，欧洲创业生态也在逐渐改善。越来越多风险投资机构开始关注企业软件赛道，而成功案例的出现也会进一步吸引资金进入这一领域。
如果Factorial最终完成本轮融资，其 20亿美元估值 不仅将成为西班牙科技行业的重要里程碑，也可能推动更多欧洲HR科技公司进入全球竞争舞台。
欧洲HR科技趋势
从行业发展角度看，欧洲HR科技正在呈现出几个清晰趋势。
首先是 平台化趋势。企业越来越倾向于使用整合HR、薪酬、招聘和运营流程的一体化系统，而不是部署多个单点工具。HR软件正在向企业操作系统演进。
第二是 AI驱动自动化。人工智能正在被用于招聘筛选、员工服务、数据分析以及组织预测，使HR系统从记录工具变成决策辅助平台。
第三是 全球化雇佣管理需求上升。随着跨境招聘和远程办公的普及，企业需要更加灵活的HR系统来处理不同国家的劳动法规、薪酬结构和合规要求。
第四是 欧洲本土企业的崛起。过去HR SaaS市场主要由美国公司主导，但近年来欧洲公司正在迅速成长，并开始在全球市场获得竞争力。
Factorial的融资谈判，正是这一趋势的缩影。随着资本持续进入和技术不断演进，未来几年欧洲HR科技市场可能会出现更多具有全球影响力的平台型公司。
——————————
HRTech附录Factorial 融资历史时间线
2017年 — 首轮种子融资（Seed）Factorial在成立初期完成首轮融资，由西班牙创业生态机构 K-Fund 等投资人支持。该阶段资金主要用于产品开发和早期市场验证，公司开始专注为中小企业提供HR管理软件。
2018年 — Seed 扩展轮在产品初步获得市场认可后，Factorial继续获得早期投资机构追加资金支持，包括 K-Fund 等投资方。这一阶段公司开始扩展欧洲市场，并逐步完善HR SaaS产品体系。
2020年 — 1600万美元 Series AFactorial完成 1600万美元A轮融资，投资方包括 CRV（Charles River Ventures）。该轮融资成为当时西班牙规模较大的A轮融资之一，资金主要用于国际扩张和产品升级。
2021年 — Growth round（Tiger Global 等参与）随着公司客户数量快速增长，Factorial获得 Tiger Global、CRV、K-Fund、Creandum 等机构的支持，公司开始进入高速扩张阶段，并加速欧美市场布局。
2022年10月 — 1.2亿美元 Series C，估值10亿美元（独角兽）Factorial完成 1.2亿美元C轮融资，由 Atomico 领投，参与投资方包括 Tiger Global、CRV、K-Fund、Creandum、GIC 等。该轮融资使公司估值达到 10亿美元，正式成为欧洲HR科技独角兽企业。
2024年4月 — 8000万美元增长融资（General Catalyst）Factorial获得 General Catalyst 8000万美元 Go-to-Market 投资，用于支持销售与市场增长。这种融资模式主要用于提前覆盖客户获取成本，而不会稀释公司股权。
2025年 — General Catalyst 投资扩大至2亿美元General Catalyst将对Factorial的投资扩大到 2亿美元，其中新增约 1.2亿美元资金。该笔资金主要用于加速欧洲市场扩张和销售增长。
2026年（讨论中） — 拟融资2亿美元，估值20亿美元Factorial正在与投资机构进行初步洽谈，计划融资 最高2亿美元，目标估值 约20亿美元。如果交易完成，公司估值将较2022年的独角兽估值实现翻倍。
整体融资规模
截至目前，Factorial累计融资规模约 3亿美元左右，投资机构包括 Atomico、Tiger Global、CRV、K-Fund、Creandum、GIC 和 General Catalyst 等。
简要观察
从融资轨迹来看，Factorial的发展路径具有几个典型特点：
第一，早期资金主要来自欧洲和硅谷VC共同支持。第二，2022年成为独角兽是公司重要分水岭。第三，2024年之后更多采用 非稀释增长融资（growth financing），说明公司现金流和收入规模已经具备一定稳定性。第四，如果2026年新一轮融资完成，公司将进入 欧洲HR科技第二梯队平台公司行列。
招聘
OpenAI 刚任命了一位新的首席人才官： Arvind KC， 为一位“系统型领导者”走向 AI 时代的人才中枢
HRTech概述：OpenAI 正式任命 Arvind KC 为公司新任 Chief People Officer，全面负责招聘、员工发展、企业文化与人才体系建设。Arvind KC 拥有 Roblox、Google、Palantir、Meta 等科技巨头高管背景，兼具工程与 HR 领导力，将助力 OpenAI 在 AI 驱动的未来工作时代打造高效协作与可持续增长的人才架构。
2026 年 2 月 24 日，OpenAI 正式宣布任命 Arvind KC 为 Chief People Officer（首席人才官）。在生成式人工智能持续重塑全球工作形态的背景下，这一任命不仅是一次高管更替，更是 OpenAI 在组织能力与人才系统层面的战略强化。从 HRTech 的视角来看，这一动作背后所指向的，是 AI 公司正在进入“组织深水区”。
从工程系统到人才系统：一条清晰的能力演进路径
Arvind KC 的履历极具代表性。他并非传统意义上的人力资源出身，而是一位长期在技术与企业系统领域深耕的管理者。
2023 年 7 月起，他在 Roblox 担任 Chief People and Systems Officer，负责人才体系与企业系统的整合建设。在这一职位上，他已开始承担“People + Systems”双轨整合的角色，将技术架构思维引入组织与人才管理。
在此之前，他于 2019 年 7 月至 2023 年 6 月在 Google 担任 Vice President, Engineering，负责工程团队管理与技术战略执行。这段经历强化了他对大规模技术组织运作与人才密度管理的理解。
更早阶段，2014 年 12 月至 2019 年 6 月，他在 Palantir Technologies 担任 CIO（首席信息官），工作地点位于 Palo Alto, CA，负责企业信息系统与技术基础设施建设与运营。Palantir 本身是一家高度工程驱动型公司，这段经历为其构建复杂组织系统能力打下基础。
2011 年 4 月至 2014 年 11 月，他在 Facebook（现 Meta）担任 Director, IT，工作地点 Menlo Park, CA。值得注意的是，在 Facebook 任职期间，他带领产品经理、工程师和数据分析师团队，构建面向 HR、Recruiting、Sales & Marketing、Infrastructure、Legal 和 Security 等业务部门的企业级解决方案。这意味着，他早在十余年前便深度参与 HR 与招聘系统的技术建设。
更早期，他于 2008 年 9 月至 2011 年 4 月在 Xilinx 担任 Director, Operations Business Solutions，负责运营相关企业系统与业务解决方案。
这条职业路径显示出一个清晰逻辑：从企业系统与工程管理出发，逐步走向“系统型人才领导者”。
OpenAI 进入规模化组织阶段
OpenAI 过去几年完成了从研究机构向产品化与商业化平台的跃迁。随着企业客户增长、产品线扩展与全球影响力提升，公司组织复杂度显著上升。
在这一阶段，技术能力已不再是唯一竞争壁垒，组织能力与人才机制成为决定长期增长的关键变量。
OpenAI 在任命声明中明确指出，Arvind KC 将负责招聘、入职、员工发展，以及设计支持协作与高绩效的系统与政策。这一职责定位表明，公司正在以系统化方式重构人才管理，而非简单扩大招聘规模。
应用业务 CEO Fidji Simo 在声明中强调，此次任命将确保人才流程、政策与系统与公司发展目标保持一致，并在 AI 驱动的工作环境中持续演进。
AI 原生组织的现实命题
生成式 AI 正在改变岗位结构、技能要求与协作模式。知识型工作正在被重新定义，组织必须回答几个核心问题：
哪些能力将被自动化？哪些能力必须强化？员工如何与 AI 协同？绩效如何在“人机协作”环境中衡量？
这些问题本质上都属于“人才系统设计”的范畴。
Arvind KC 的履历恰恰体现出一种系统思维：他长期构建企业级 IT 与 HR 平台，对数据、流程与协作机制具有结构化理解。对于一家以 AI 为核心的公司而言，这种能力尤为关键。
Chief People Officer 的战略升级
近年来，Chief People Officer 在科技企业中的地位不断提升。尤其是在高创新、高密度人才环境中，人才机制直接影响研发效率与产品节奏。
AI 公司面临的挑战更加复杂：一方面需要吸引顶尖研究与工程人才；另一方面必须在伦理、治理与社会影响层面形成稳定组织共识。首席人才官不仅是文化守护者，更是系统设计者。
OpenAI 的这一任命释放出一个重要信号：在 AI 企业内部，HR 领导角色已与技术战略深度绑定。
对 HRTech 行业的启示
从 HRTech 角度看，这一任命具有三重意义：
第一，技术型 HR 领导者正在成为趋势。未来的人才负责人必须理解工程逻辑与系统架构。
第二，人才管理将从“流程优化”转向“能力结构设计”。技能映射、角色进化与持续再培训成为核心议题。
第三，组织系统本身将成为创新场景。HRTech 平台需要更好地支持人机协作、动态能力管理与组织弹性。
OpenAI 任命 Arvind KC，不只是一次人事更新，而是 AI 企业进入组织成熟阶段的标志性事件。当技术革命持续推进，真正决定企业长期竞争力的，越来越是组织系统如何与技术同步进化。
AI 重塑工作，而人才系统正在成为下一个战略战场。
招聘
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。
招聘
HR必看：2026年人员规划的破局之道
随着人力资源与人才招聘负责人为2026年做准备，劳动力规划已成为一项异常复杂的难题。全球经济的不确定性、劳动力市场的变迁以及技术变革的迅猛冲击，使得人才需求预测比以往任何时候都更具挑战性。由于联邦报告延迟导致关键经济数据和预算明晰度发布受阻，雇主们无法可靠地获取许多通常用于战略规划的工具。
过去，多数企业通过历史招聘数据外推并预测温和增长来规划编制。但在当下环境下，这些简单模型已不再适用。波动性已成为常态而非例外，明年的编制策略将同样依赖敏捷性与情景模拟，而非仅凭传统预测。
为有效应对挑战，人力资源团队还应借助人工智能工具分析市场变动，生成明智且灵活的招聘与劳动力建议。
当前劳动力规划为何如此艰难
进入2026年之际，三大交织力量正重塑人员编制规划：经济波动性、劳动力市场复杂性及技术颠覆性。
经济不确定性
持续的全球动荡持续笼罩商业前景。回流与再工业化举措影响国内劳动力需求，而供应链依赖型产业的地缘政治紧张局势更使招聘需求充满变数。当关键联邦数据发布延迟或劳动力市场突发变动时——例如求职者骤增或劳工统计局就业报告、工业生产指数等核心数据源中断——这些压力将进一步加剧。
劳动力市场动态
劳动力市场持续动荡。参与率呈现不均衡态势，提前退休现象持续蔓延，众多职业中期人才正转向新行业或新岗位。“回旋镖员工”（即重返原雇主的企业）数量激增，进一步模糊了传统人才输送渠道。随着劳动力老龄化加剧，许多行业面临知识传承风险——经验丰富员工的离职速度远超新员工培养速度。
各行业招聘需求差异显著。不同行业增长态势失衡：医疗等领域持续创造就业岗位，而科技、零售和媒体等行业则暂停招聘甚至裁员。
人工智能变量
最具颠覆性且最令人困惑的变量当属人工智能。AI正重塑岗位职责，使人力规划变得难以预测。多数企业预计整体员工规模变化不大，但员工工作内容将发生重大转变。随着人工智能驱动的效率提升，新型工作类别与全新岗位正同步涌现。
另有预测指出变革将更为剧烈。例如Anthropic首席执行官达里奥·阿莫代曾预言，人工智能最终可能淘汰半数初级白领岗位。但这种颠覆性变革亦蕴含机遇——那些因人工操作成本过高而难以规模化的岗位，如今可借助人工智能在整个组织中实现部署。人力资源领导者面临的挑战，与其说是预测2026年所需员工数量，不如说是思考未来岗位形态、职责重组模式，以及定义各岗位新版本的核心技能。
人工智能如何重塑人力规划本身
人工智能在颠覆劳动力结构的同时，也正成为优化企业人力规划的强大工具。若运用得当，人工智能驱动的人力规划能实现更精准的预测、更快速的调整，并使人才战略与业务目标的契合度更加透明。但其成功关键在于明确适用与禁忌场景。
人工智能的优势领域
人工智能的核心价值在于处理复杂关联数据，发掘人类可能忽略的规律。在人力规划中，它能整合需求、供给与市场信号，构建全面的数据驱动型预测模型。
信号整合与需求感知
人工智能能从销售渠道、项目计划、成交率及客户需求等多维数据中提取实时洞察。通过将其转化为基于岗位与技能的需求曲线，人力资源负责人可精准预判招聘高峰与低谷时段。这有助于企业预测季节性波动，使人力储备与业务周期同步，避免被动招聘。
供给感知
在供给端，人工智能可将现有员工数量、技能储备及后备力量与未来需求进行匹配。实时分析能预警关键技能短缺或特定区域产能过剩，从而提前启动技能再培训或人员调配决策。
情景建模
人工智能可基于业务假设构建多种人员编制结果模型，例如最佳情景、基准情景和最坏情景，使管理层能够主动规划应对不确定性，而非被动承受冲击。通过量化净招聘人数等差异指标（按岗位或地域分类），人工智能帮助组织在决策前测试不同扩张或收缩策略。
决策支持——需人类监督
人工智能应辅助而非取代战略性人力决策。例如，它可根据销售渠道趋势建议招聘周期，或依据市场变化推荐预算调整方案。但最终决策——如优先招聘或延后招聘的岗位——应由人类管理者把控，以确保与企业文化、道德规范及长期愿景保持一致。这引出了人工智能不宜涉足的领域。
人类仍具优势的领域
AI的分析能力需谨慎运用。其可靠性存在局限，尤其在涉及情感或伦理的领域。以下领域仍需人类主导：
最终人员编制与预算审批。AI虽能模拟场景，但预算分配与人力规模本质上属于战略决策，应由领导层基于数据参考而非完全依赖数据作出。
招聘、冻结或裁员授权。算法无法衡量雇佣决策中涉及的复杂人性因素及声誉考量。自动化处理此类行动易滋生偏见并削弱责任归属。
薪酬与晋升决策。AI缺乏对绩效历史、潜力及贡献程度的理解能力，而这些要素正是公平薪酬与晋升制度的核心依据。
当输出结果不可解释时。若决策者无法理解AI模型得出结论的逻辑路径，其输出结果不应成为人力战略的依据。可解释性始终是人力资源领域伦理AI应用的基石。
简言之，AI应辅助劳动力规划流程，但绝不应成为最终决策者。
敏捷性与责任感的平衡
新型劳动力规划范式要求敏捷性与责任感的恰当结合。当AI高效的数据洞察力与人类判断力、伦理思考及同理心相融合时，方能实现理想成果。实现这种平衡的企业将获得可量化的多重效益：
预测更精准——决策基于实时数据而非假设，减少招聘意外
招聘周期更短——主动规划使团队能在岗位紧缺前预判需求
员工留存率更高——及早识别技能缺口或员工风险，在离职发生前化解隐患
更强适应性：能随市场或业务环境变化快速调整人力规划
更强问责制：决策可追溯、数据驱动且符合伦理判断与人工监督
即便在经济动荡与数据匮乏的背景下，人工智能仍能助力人力资源领导者发掘机遇，优化、多元化并构建具有前瞻性的人力资源战略。
不确定时代的规划之道
经济周期持续波动，技术颠覆加速推进，数据获取仍具不确定性。但拥抱合规且可解释的人工智能工具，能让人力资源与人才管理者在混沌中洞见清晰。
负责任地运用人工智能，可实现更快速、更智能的劳动力规划。它助力管理者预判趋势、模拟场景，并在他人犹豫不决时果断行动。在动荡环境中，这不仅是竞争优势，更是战略必需。
招聘
【收购】Workday 宣布收购AI招聘平台Paradox，AI 招聘进入新阶段
HRTech概述：美国时间2025年8月21日，Workday 宣布签署最终协议，将收购 AI 招聘平台 Paradox。Paradox 以智能对话助手 Olivia 闻名，专注于提升候选人体验，尤其适用于高频量的前线岗位招聘。数据显示，Paradox 已实现超过1.89亿次候选人 AI 对话，候选人转化率超过70%，招聘周期缩短至最快3.5天。更多全球最新资讯，请关注HRTechChina.
2025年8月21日，加州普莱森顿 —Workday（纳斯达克代码：WDAY）宣布，已与 AI 招聘平台 Paradox 签署最终收购协议。这笔交易不仅是 Workday 在人才获取产品上的扩展，更被业界视为一次将深远改变招聘技术格局的战略举措。
Paradox：从聊天机器人到完整 AI 招聘平台
Paradox 成立于2016年，最早以对话式招聘助手 Olivia 打开市场。当时的聊天机器人尚未进入生成式 AI 阶段，但 Paradox 已经通过移动端、聊天和短信交互，为候选人提供即时响应、自动安排面试、自助答疑等功能。如今，Paradox 已构建出一套完整的人才获取套件，覆盖筛选、评估、面试、招聘、入职和员工体验，并在高频量招聘场景（如餐饮、零售、物流和服务业）中建立了领先地位，还记得之前麦当劳的招聘数据泄露的话题吗？
目前，Paradox 已推动 超过1.89亿次 AI 驱动的候选人互动，帮助客户将 候选人转化率提升至70%以上，并将招聘周期缩短至 最快3.5天。其客户群体超过1000家，包括麦当劳、联邦快递、7-11 等全球知名品牌。Chipotle 更是通过 Paradox 将招聘周期缩短了 75%（12天降至4天），并实现候选人流量的倍增。
根据HRTech报道，目前Paradox总融资额超过2.5亿美元，其中2021 年 12 月 27 日，C轮融资金额 2 亿美元是其最后一笔融资。
Workday：打造覆盖全场景的 AI 招聘套件
通过此次收购，Workday 将把 Paradox 的候选人体验 AI 整合到其招聘生态中，形成一个覆盖前线员工、办公室员工以及临时与灵活用工的完整人才获取套件。Workday 现有的 AI 驱动人才发现与匹配（HiredScore）、统一招聘与入职管理（Workday Recruiting），再叠加 Paradox 的对话式候选人交互，将为客户提供一站式智能化招聘体验。
Workday 产品与技术总裁 Gerrit Kazmaier 表示：“招聘是员工旅程中最关键的时刻，但往往被低效的流程拖累。通过 Paradox 的对话式 AI，我们将帮助客户实现从事务性招聘到转型性招聘的跨越。”
行业分析：Workday 的战略跃迁
全球知名 HR 科技分析师 Josh Bersin 指出，这次收购不仅仅是产品功能的补充，更可能成为 Workday 增长轨迹的分水岭：
打开前线用工市场：全球近30亿前线岗位（零售、医疗、交通、酒店、娱乐等）长期是传统 ERP 覆盖不足的领域。Paradox 的定位恰好填补了这一空白。
强化中端市场竞争力：Paradox 的轻量化、会话式架构，更适合中大型企业需求，能帮助 Workday 向更多行业和客户群体下沉。
推动架构演进：Paradox 团队与 AI 技术将加速 Workday 平台向“AI 代理（agent）核心架构”转型，这也是整个 HR 科技行业的未来方向。
Bersin 同时提醒，虽然 Workday 此举将对 Maki People、Eightfold、Phenom 等创新公司形成直接压力，但大型 ERP 收购创新厂商后，往往面临 创新速度放缓 的风险，这也意味着市场竞争将更为活跃，催生新的颠覆者。
客户与市场的期待
来自客户的反馈进一步印证了收购价值。Chipotle 人力资源负责人 Ilene Eskenazi 表示，与 Paradox 的合作大幅提升了招聘效率，并解放了餐厅经理的时间，使其能更专注于业务和顾客体验。她期待 Workday 的整合能进一步放大这些成效。
交易细节
根据协议，此次收购预计将在 Workday 2026 财年第三季度（截至2025年10月31日）完成，仍需获得监管审批。Workday 的财务顾问为摩根士丹利，法律顾问为 Orrick；Paradox 的财务顾问为 Qatalyst Partners，法律顾问为 DLA Piper。
人才获取革命的新篇章
从战略层面看，Workday 收购 Paradox 不仅是对招聘流程的优化，更代表了 AI 在人才获取领域的全面渗透。面对近30亿前线劳动力市场，这笔交易标志着 HR 科技行业正在进入一个新的竞争周期：一方面，传统 ERP 正在加速 AI 化；另一方面，创新厂商依旧拥有突破性机会。
正如 Bersin 所言，这笔收购“确立了 Workday 在全球高频量招聘领域的领导地位”，同时也为整个行业敲响了新的战鼓。未来的招聘，不仅是流程的数字化，更是 AI 驱动的人才体验革命。
HRTech也提醒到此次收购不仅拓宽了 Workday 在高频量招聘领域的战局，更在人才获取与 AI 赢未来的路径上构建了独特优势，极可能成为全球 AI 招聘浪潮的重要驱动者。值得注意的是，Workday 作为 HCM 平台，已通过连续收购 HiredScore、Paradox、Rallyteam 等公司，在招聘领域集齐了足够多的关键技术与产品，这使其既与市场上的 ATS、招聘软件厂商形成直接竞争，又因平台生态而维持合作关系，形成“竞合”格局。
扫一扫 加微信
hrtechchina
招聘
招聘
招聘
招聘
招聘
招聘
招聘
招聘
招聘
招聘
扫一扫 加微信
hrtechchina
