-
人工智能
【财报】ADP 2026财年收入达219.47亿美元：AI开始从产品功能走向企业级运营基础设施
HRTech核心摘要：ADP发布2026财年业绩：全年收入219.47亿美元，同比增长7%；净利润44.14亿美元，同比增长8%；调整后EPS增长11%至11.12美元。Employer Services新业务预订额达到22亿美元，客户留存率维持在92.1%。AI成为本次财报重点。ADP客户及员工全年与ADP Assist Agents完成超过1200万次对话，上线ADP Lyric HCM的客户数量增长94%，AI还被进一步嵌入服务和销售流程。ADP预计2027财年收入增长5%至6%，调整后EPS增长9%至11%。这份财报释放出一个重要信号：大型HR科技公司的AI竞争，正从聊天机器人转向薪酬、HCM、服务和全球合规工作流的全面重构。 更多信息请访问 #HRTech
全球薪酬与人力资本管理服务商 ADP（Nasdaq: ADP）发布截至2026年6月30日的第四季度及2026财年业绩。公司全年实现收入219.474亿美元，同比增长7%，按有机固定汇率计算增长6%；净利润达到44.135亿美元，同比增长8%；调整后净利润为44.854亿美元，同比增长10%。
从盈利能力看，ADP全年调整后EBIT达到58.746亿美元，同比增长10%，调整后EBIT利润率提升80个基点至26.8%；全年摊薄每股收益为10.94美元，同比增长10%，调整后摊薄每股收益为11.12美元，同比增长11%。
第四财季，ADP实现收入54.738亿美元，同比增长7%；净利润9.786亿美元，同比增长7%；调整后EBIT为13.72亿美元，同比增长13%；调整后摊薄每股收益为2.64美元，同比增长17%。
这份财报最值得关注的，不只是收入和利润继续增长，而是ADP对AI的定位正在发生明显变化。AI不再只是附加在HCM平台上的功能，而是在逐步进入客户服务、销售、薪酬、全球HR与内部运营流程，成为企业级工作基础设施的一部分。
Employer Services保持稳健，客户留存率维持92.1%
2026财年，ADP Employer Services业务收入达到148.314亿美元，同比增长7%。该业务覆盖全球HCM、人力资源外包、薪酬、考勤、人才、福利及合规等解决方案。
全年Employer Services新业务预订额增长6%，达到22亿美元；客户收入留存率维持在92.1%。ADP同时表示，公司整体客户满意度达到新的历史高点。
第四财季，Employer Services收入达到36.967亿美元，同比增长7%；业务利润率由上年同期的33.5%提升至34.4%，同比提高90个基点。
ADP将利润率提升主要归因于两方面：一是运营生产率改善，二是客户资金利息收入增长。美国同店口径下的每客户薪资处理人数在第四财季和全年均增长1%，说明ADP客户群体中的就业增长仍较温和，但客户留存、交叉销售和运营效率依然支撑了业务表现。
ADP Assist全年完成超1200万次对话
AI成为ADP本次财报中的核心战略信号。
2026财年，ADP客户及其员工与ADP Assist Agents进行了超过1200万次对话。与此同时，已上线ADP Lyric HCM的客户数量同比增长94%。
ADP还进一步增强了内部服务与销售平台The Zone的AI能力，并表示AI工具正在被嵌入产品、服务和销售团队，用于提升质量、生产效率与客户体验。
ADP总裁兼首席执行官Maria Black表示，AI正在重塑工作的完成方式、岗位形态以及团队组织方式，这使HCM比以往任何时候都更加关键。企业需要值得信赖的合作伙伴，帮助其应对这一变化。
首席财务官Peter Hadley则指出，AI工具已经在ADP的产品、服务和销售团队中得到应用，并开始改善质量和生产效率。
从行业角度看，ADP正在展示一种不同于独立AI工具公司的路径：不是先将AI包装成单独产品，而是将其嵌入薪酬、员工服务、销售支持和HCM平台迁移流程中。对于大型企业软件公司而言，这种模式可能更容易转化为客户留存、服务效率和利润率改善。
延伸阅读｜免费下载ADP《职场人2026》全球劳动力白皮书
ADP基于覆盖36个国家、39,000多名员工的调研，进一步分析员工安全感、代际管理、无偿加班、AI落地与敬业度等关键议题。对于正在制定2027年人力资源规划、推进薪酬转型或评估AI应用的企业，这份报告可作为补充参考。
报告下载： https://www.hrtechchina.com/Survey/487D14BC-0DBE-6F25-BEB8-A97DE26CBE62
ADP Lyric HCM进入规模化推进阶段
ADP Lyric HCM上线客户数量增长94%，意味着ADP的新一代HCM平台正在从产品发布阶段进入更大规模的客户部署阶段。
对于ADP而言，Lyric HCM的战略意义不仅是替换旧系统，更重要的是建立统一的数据架构，使薪酬、HR、考勤、人才和员工服务能够在同一平台中运行，并为AI Agent提供更完整的业务上下文。
在AI时代，HCM平台之间的竞争重点正在发生变化。过去，企业主要比较模块数量、功能深度和实施成本；未来，平台是否拥有统一数据、全球合规能力、可靠工作流以及可控的AI权限体系，可能成为更关键的采购标准。
ADP拥有超过110万家客户，覆盖140多个国家。庞大的薪酬和劳动力数据规模，为其训练、部署和优化企业级AI能力提供了现实基础，但同时也意味着更高的数据安全、隐私和合规要求。
全球薪酬与国际业务需求加速
ADP表示，国际市场的新业务预订增长正在加快，企业对统一全球薪酬、全球HR和全球考勤解决方案的需求持续上升。
随着越来越多企业跨国经营，全球薪酬已经从后台行政工具转向企业全球化运营的重要基础设施。企业不仅需要在不同国家准确发薪，还需要统一员工主数据、工资标准、税务规则、考勤信息和合规报告。
这也意味着，全球薪酬市场的竞争门槛正在提高。单一国家的本地薪酬能力已经不足以满足大型企业需求，平台需要同时具备全球技术架构、本地合规知识、服务网络和稳定交付能力。
ADP在这一领域的优势来自规模、客户基础和长期积累，但也将面临Workday、SAP、Oracle及新一代全球薪酬平台的持续竞争。
PEO业务收入增长，但利润率承压
ADP PEO Services业务2026财年收入达到71.281亿美元，同比增长7%；剔除零利润福利转付收入后，收入增长5%。
全年平均工作场所员工数量约为76.2万人，同比增长2%；第四财季平均工作场所员工数量达到约77.5万人。
不过，PEO业务利润率出现下降。第四财季PEO利润率由13.2%下降至12.2%，同比下降100个基点；全年利润率下降110个基点。
ADP表示，利润率下降主要受到三方面影响：零利润福利转付收入增长更快、工伤保险费用上升，以及销售费用增加。
这一结果说明，在分析PEO业务时，不能只看总收入增长。零利润福利转付会放大收入规模，但并不会同步增加利润。更有参考价值的指标包括：剔除转付后的收入、工作场所员工数量、工伤保险成本以及分部利润率。
客户资金利息收入继续增强盈利能力
客户资金业务仍然是ADP利润结构中的重要组成部分。
2026财年，ADP客户资金平均余额达到404亿美元，同比增长7%；平均收益率由3.2%提升至3.4%；客户资金利息收入增长14%，达到13.548亿美元。
ADP客户资金投资策略带来的净贡献为13.146亿美元，同比增长22%。
由于ADP在代发薪资过程中会暂时持有大量客户资金，这些资金的余额、投资期限和收益率会直接影响公司的利息收入。因此，利率环境和客户资金规模是ADP盈利能力中不可忽视的变量。
ADP预计，2027财年客户资金利息收入将达到15.40亿至15.60亿美元，客户资金平均余额预计增长3%至4%，平均收益率预计提升至约3.7%。
这意味着，即使宏观就业增长保持温和，客户资金收益仍可能继续为ADP的利润率扩张提供支撑。
2027财年指引：收入增长5%至6%
ADP预计2027财年总收入增长5%至6%，调整后EBIT利润率扩大70至90个基点，调整后有效税率约为23%，摊薄每股收益增长11%至13%，调整后摊薄每股收益增长9%至11%。
Employer Services收入预计增长5%至6%，新业务预订额增长4%至7%，客户收入留存率预计下降10至30个基点，美国每客户薪资处理人数预计增长0%至1%。
PEO Services收入预计增长5%至7%，剔除零利润福利转付后的收入预计增长3%至5%，平均工作场所员工数量预计增长约2%。
整体来看，ADP对2027财年的判断仍然偏稳健。公司没有给出明显加速的收入预期，但仍预计利润率继续扩张、调整后每股收益保持较快增长。
HRTech观察：AI价值正在从功能展示转向经营结果
ADP 2026财年的表现，为观察大型HR科技公司的AI商业化路径提供了一个重要样本。
第一，AI的价值首先体现在运营效率，而不一定直接体现为单独的AI收入。ADP全年收入增长7%，但调整后EBIT增长10%，调整后每股收益增长11%，说明利润增长快于收入增长。AI对服务、销售和内部运营的改善，可能正在逐步转化为经营杠杆。
第二，企业级AI竞争正在从模型能力转向数据、工作流与信任。对于薪酬和HCM平台而言，AI不仅需要回答问题，还必须能够安全调用员工数据、执行流程、遵守权限并满足合规要求。ADP反复强调“trust”，本质上是在强化其在薪酬准确性、合规和客户责任方面的护城河。
第三，AI正在推动HCM平台重新集中化。过去几年，企业HR技术栈不断分散，大量垂直工具围绕招聘、学习、绩效和员工体验快速增长。但随着AI Agent需要跨系统调用数据和执行任务，统一平台、统一身份和统一数据模型的重要性重新上升。
第四，全球薪酬可能成为AI时代HCM平台的核心入口。薪酬数据天然连接员工、组织、成本、税务、时间和合规。谁能够控制全球薪酬与员工主数据，谁就更有机会成为企业AI工作流的底层平台。
ADP的财报并不意味着其已经完成AI转型，但可以确认的是，AI已经开始进入其核心经营体系。未来，市场将更加关注ADP Assist的实际使用深度、ADP Lyric HCM的客户迁移速度、AI对服务成本的影响，以及全球薪酬业务能否持续加速。
对于HR和企业管理者而言，选择HCM平台的标准也将发生变化。除了功能和价格之外，平台是否具备可靠的数据治理、全球合规、可审计的AI工作流和长期服务能力，将成为越来越重要的决策因素。
从财报到行动：企业HR可以重点关注什么
ADP本次财报所反映的变化，不应只被理解为一家上市公司的增长结果。对于正在推进HR数字化的企业，更实际的意义在于重新审视以下三个问题。
首先，企业现有的薪酬、考勤、员工数据和服务流程，是否已经形成能够支持AI调用的统一数据基础。没有清晰的数据权限、流程标准和系统接口，AI很难从问答工具升级为可执行的工作流。
其次，企业在评估AI能力时，不能只比较模型或聊天功能，还需要考察数据治理、全球合规、结果可审计性以及供应商的持续服务能力。尤其在薪酬与员工数据场景中，准确性和责任边界比单纯的生成速度更重要。
第三，跨国企业需要重新评估全球薪酬与全球HR数据架构。随着AI Agent逐步参与员工服务、数据分析和流程执行，分散在不同国家和供应商中的薪酬数据将进一步增加管理复杂度。统一全球薪酬、HR与考勤数据，可能成为企业下一阶段AI落地的基础工程。
希望进一步了解员工对AI、工作安全感、代际管理、无偿加班和敬业度的真实态度，可下载ADP《职场人2026》全球劳动力白皮书。该报告覆盖36个国家、39,000多名员工，可为企业制定人才策略、员工体验计划和薪酬转型方案提供更具体的调研依据。
免费下载报告： https://www.hrtechchina.com/Survey/487D14BC-0DBE-6F25-BEB8-A97DE26CBE62
资料来源： ADP于2026年7月29日发布的第四季度及2026财年业绩公告与投资者演示材料。
-
人工智能
AI冲击下的职场变局：年轻员工首当其冲，初级岗位入口加速收窄，AI正在重构任务，而非简单消灭岗位
高AI暴露岗位需求下降42%，AI采用企业人力却增长27%：
HRTech概述： 美国劳动力数据与研究公司Revelio Labs通过劳动力供给、企业招聘需求、就业与工资、岗位工作内容以及招聘匹配五个维度，持续追踪人工智能对美国劳动力市场的实际影响。首期数据显示，自2022年10月以来，AI暴露度最高职业的招聘需求相对于最低暴露职业下降42%；与此同时，已经采用AI的企业，员工规模增长却比未采用企业高出27%。这组看似矛盾的数据表明，AI带来的变化并不是简单的“机器取代人”，而是企业内部的任务组合、人才结构和招聘方式正在同步重构。
从预测岗位消失，转向观察正在发生的变化
围绕AI与就业市场的讨论，过去几年一直充斥着相互矛盾的判断。一些研究预测AI将大规模取代岗位，另一些观点则认为AI能够提高生产率、创造新职业并推动企业增长。
Revelio Labs推出AI Labor Market Tracker的核心目的，是减少这种以预测为主的讨论，转而通过实际劳动力数据回答一个更直接的问题：AI现在究竟对招聘、就业、技能和工作内容产生了什么影响？
该Tracker将按月更新，结合Revelio Labs自身的劳动力数据、招聘职位、薪酬信息和员工情绪数据，同时参考并更新相关学术研究结论。追踪范围包括劳动力供给、企业需求、就业与工资、岗位活动以及人才与企业之间的招聘匹配。Revelio Labs表示，其底层数据覆盖超过3000万家公司、50亿条招聘职位以及195个以上国家和地区。
需要注意的是，产品虽然使用“实时衡量”作为定位，但其首期指标主要反映截至2026年6月的劳动力市场变化，并按照月度节奏更新。更加准确的理解，应当是一个持续更新的近实时劳动力市场监测体系，而不是逐日或逐小时变化的实时系统。
高AI暴露岗位需求下降，但不等于岗位已经被AI替代
首期Tracker中最受关注的数据，是AI暴露度最高职业的招聘需求出现明显下降。
Revelio Labs正式Tracker页面显示，自2022年10月以来，AI暴露度最高职业的招聘需求相对于最低暴露职业下降了42%。这里的“AI暴露度”并不是指企业已经使用AI取代了这些岗位，而是衡量某项职业中的工作活动，有多大比例在技术上可能由当前生成式AI完成。
例如，数据整理、基础分析、文案起草、内容总结、信息录入和标准化报告等任务，通常具有较高的AI暴露度。即使企业尚未正式部署AI，也可能因为预期这些任务未来会被自动化，而减少相关岗位招聘、调整岗位职责，或者提高招聘门槛。
Revelio Labs的新闻稿以数据工程师和金融分析师等岗位为例，称AI暴露程度较高职业的招聘需求相对于低暴露职业下降36%。但公司正式Tracker页面显示的最新数字为42%。两个页面分别以2022年11月和2022年10月为比较基准，公开资料没有进一步解释两组数字差异的具体原因。HRTech建议，在引用该研究时以正式Tracker页面显示的42%为主，同时注明新闻稿曾使用36%的表述，避免将不同口径混用。
更重要的是，AI暴露度高并不意味着这些岗位已经消失。Revelio Labs发现，自ChatGPT推出以来，AI暴露度最高职业的就业增长，仅比AI暴露度最低职业低约4%。就业市场已经出现压力，但目前并没有出现与招聘需求下降同等幅度的岗位消失。
年轻员工和初级岗位正在承受更明显的压力
AI对不同职级和年龄人群的影响并不平均。
Revelio Labs的研究显示，在AI暴露度较高的职业中，年轻员工的就业表现明显弱于资深员工。22至25岁员工在相关职业中的就业增长，相对于低AI暴露职业下降约13%。
这意味着AI对劳动力市场最早产生的影响，可能不是大规模裁撤现有员工，而是减少企业对初级人员的需求。过去，许多年轻员工通过资料整理、基础分析、报告撰写、客户支持和流程操作等工作进入企业，再逐步积累行业知识和判断能力。随着这些任务被AI辅助或部分自动化，企业可能不再需要同样数量的初级员工。
这一变化会带来一个长期的人才供应问题。如果企业只保留需要经验和判断能力的高级岗位，却不断削减用于培养人才的初级岗位，未来可能出现资深人才不足、内部继任断层和管理人才供应下降。
因此，AI时代的初级岗位不应该只是被简单取消，而需要被重新设计。企业需要让年轻员工更早参与客户沟通、业务判断、AI结果审核、跨部门协作和复杂问题解决，避免其工作长期停留在最容易自动化的任务层面。
为什么AI采用企业反而增长得更快？
与高AI暴露职业需求下降同时发生的，是AI采用企业员工规模的明显增长。
Revelio Labs通过企业发布的AI integrator相关岗位，识别已经开始将生成式AI整合进业务流程的企业。研究显示，自2022年10月以来，这些AI采用企业的员工规模增长，比未采用企业高出27%。其中，高级岗位增长31%，初级岗位增长只有6%。
这组数据说明，AI可能降低企业对某些任务和岗位的需求，同时帮助企业扩大整体业务规模。企业通过自动化重复工作、加快产品开发、提高客户服务效率或扩大数据处理能力，可能释放出新的业务需求，进而增加销售、产品、管理、工程和客户成功等岗位。
换句话说，AI减少的可能是完成某项工作的单位人力需求，而不是企业整体的增长能力。一个部门可能因为AI减少部分基础岗位，但企业整体却因为生产率提升而进入新的市场，并增加其他岗位。
不过，27%不能直接理解为采用AI必然会使员工规模增长27%。Revelio Labs也明确指出，AI采用企业在正式采用AI之前通常已经增长得更快。这些企业可能本身拥有更好的资本条件、技术能力、管理体系和业务增长速度。因此，这一结果反映的是两类企业之间的增长差距，而不是已经被完全证明的AI因果效应。
AI改变工作内容的速度，可能快于改变岗位数量
Revelio Labs首期Tracker最有价值的判断，并不是哪个岗位会消失，而是AI正在快速改变岗位内部的工作内容。
传统劳动力市场分析通常关注职位数量、失业率、岗位名称和职业分布。但一个岗位本身就是多项工作活动的组合。即使企业没有取消“市场分析师”“招聘顾问”或“财务分析师”等职位，也可以重新分配这些岗位内部的任务。
例如，一名分析师可能减少数据录入、资料搜集、基础制表和报告初稿工作，转而增加AI结果审核、异常判断、业务解释和管理层沟通。一名招聘人员可能减少简历初步整理，却需要投入更多时间进行候选人验证、能力判断、关系维护和招聘流程设计。
Revelio Labs建立的工作活动差异指数显示，2026年6月，美国经济中按员工规模加权的工作活动组合同比变化达到8.4个百分点。更值得关注的是，大部分变化发生在同一职业内部，而不是因为企业从一种职业大规模转向另一种职业。
这也解释了为什么一些基于整体就业和职业分布的研究，尚未观察到明显的AI就业冲击。2026年6月，Yale University旗下The Budget Lab发布的持续追踪研究认为，当前职业结构变化尚未清晰显示与AI引入之间的关系，AI使用指标也没有表现出与就业或失业变化之间的明确联系。
两项研究并不一定相互矛盾。Yale University更关注宏观就业和职业结构是否已经发生明显变化，而Revelio Labs进一步观察岗位内部的任务构成。宏观岗位数量可能相对稳定，但岗位内部的工作方式已经发生快速改变。
正如Revelio Labs Chief Economist Lisa Simon所概括的那样，AI正在自动化部分工作，但尚未自动化完整岗位；工作内容正在快速改变，而大部分变化发生在现有职业内部。
AI也可能正在降低传统招聘信号的有效性
AI不仅改变企业招聘什么样的人，也正在改变求职者如何参与招聘。
Tracker数据显示，企业目前平均需要发布5.05个招聘职位，才能对应一次可观察到的外部招聘，同比增长264%。招聘职位与实际招聘之间的匹配效率，已经连续六年下降。
这一趋势早于ChatGPT出现，因此不能全部归因于生成式AI。但Revelio Labs认为，AI可能进一步放大了原有问题。
生成式AI降低了制作简历、撰写求职信、准备面试回答和批量申请岗位的成本。优秀候选人能够更好地展示自己，但普通申请者也能够快速生成一份看起来专业、完整且符合职位描述的申请材料。
结果是，简历和求职信的信号价值下降。企业收到更多看起来合格的申请，却更难判断谁真正具备岗位能力。企业可能因此增加筛选环节、减少与普通申请者沟通，候选人则通过提交更多申请应对较低的回复率，形成新的恶性循环。
Revelio Labs还发现，在没有获得Offer的面试评价中，候选人提及招聘人员失联、未回复或“ghosting”的比例，自2022年10月以来上升约9%。但该研究尚不能证明AI生成的申请直接导致了招聘方失联，只能说明AI可能在一个已经低效的招聘体系中增加了更多噪音。
HRTech观点：企业需要从“岗位管理”转向“任务与能力管理”
从HRTech视角看，Revelio Labs这项研究最重要的意义，是提醒企业不要再用简单的“AI替代多少岗位”来制定人力策略。
第一，企业需要将AI影响评估下沉到任务层面。一个岗位通常同时包含可自动化任务、可由AI增强的任务，以及必须依赖人类判断、信任和责任承担的任务。仅根据岗位名称决定裁员或冻结招聘，容易错过真正需要重构的工作环节。
第二，企业需要重新设计初级人才入口。不能因为AI能够完成基础工作，就完全取消初级岗位。更合理的方式，是让AI承担重复劳动，同时让年轻员工更早学习业务判断、问题分析、客户沟通和AI结果审核。
第三，企业需要更新技能模型和职业发展体系。未来岗位价值可能不再取决于员工能否完成大量标准化任务，而取决于其能否定义问题、调用AI、验证结果、理解业务并对最终决策负责。
第四，招聘团队需要重新建立人才识别信号。当简历、求职信甚至部分面试答案都可以由AI生成时，企业需要增加与真实工作相关的评估，例如结构化工作样本、情境任务、项目讨论和基于过去行为的深度访谈，而不是简单增加更多筛选工具。
第五，HR需要谨慎解释AI与就业之间的因果关系。高AI暴露岗位需求下降，不等于AI已经直接取代这些岗位；AI采用企业增长更快，也不等于任何企业部署AI都会自动获得增长。行业周期、企业规模、资本能力、组织成熟度和人才结构都可能影响结果。
AI对劳动力市场的影响，正在以多个方向同时发生
Revelio Labs AI Labor Market Tracker揭示的并不是一个简单的就业结论，而是一个正在分化的劳动力市场。
AI暴露程度较高的工作需求正在下降，尤其影响初级岗位和年轻员工；真正采用AI的企业却可能获得更强的扩张能力，并增加高级岗位；岗位名称和就业总量尚未发生全面变化，但岗位内部任务正在快速重组；招聘技术越来越强，企业与人才之间的匹配效率却可能继续下降。
AI对就业的影响不会以一次统一的冲击出现，而会分别体现在招聘需求、岗位任务、技能投资、企业增长、职业入口和招聘匹配等不同环节。
对于企业HR而言，当前最重要的问题已经不是“AI会不会取代员工”，而是企业能否在AI改变工作之前，重新设计任务、能力、招聘和人才成长体系。
关于Revelio Labs
Revelio Labs是一家劳动力智能与研究公司，通过处理和标准化公开职业履历、招聘职位、员工评价等数据，为企业、投资机构、研究人员和政府部门提供劳动力市场分析。公司表示，其数据覆盖超过3000万家公司、50亿条招聘职位以及195个以上国家和地区。Founder and Chief Executive Officer为Ben Zweig，Chief Economist为Lisa K. Simon。
文章来源：HRTech编译与解读。数据来源包括Revelio Labs、AI Labor Market Tracker及Yale University The Budget Lab。
-
人工智能
【创新大奖】2026HRTech创新奖评选提名正式启动，诚邀参与！HRTech INNO Awards，创新引领人力资源新未来！
【创新大奖】2026HRTech创新奖评选提名正式启动，诚邀参与！HRTech INNO Awards，创新引领人力资源新未来！ 2026 HRTech INNO Awards ——创新引领人力资源新未来推动人力资源科技创新，表彰行业先进
当下全球经济环境复杂多变，AI 大模型深度落地、企业全球化出海提速，人力资源数字化、智能化、全域线上化已成企业组织升级必经之路。人才竞争、组织效能、员工体验、全球化用工等多重挑战，倒逼 HR 管理模式、技术产品持续迭代创新。
HRTech 作为国内垂直深耕人力资源科技的第三方专业服务平台，长期聚焦行业前沿技术、标杆实践与产业趋势，持续输出行业榜单、专业峰会、深度内容，推动人力资本数字化高质量发展。 2026 HRTech INNO Awards 人力资源科技创新评选正式启幕，面向全行业发掘可落地、高价值、前瞻性的 HR 创新实践、优秀 HR 团队与数智产品，树立行业标杆，传递创新力量。
2026 HRTech INNO Awards 旨在表彰那些在人力资源科技领域做出杰出贡献的企业，HR团队及人力资源科技服务机构，鼓励创新、探索精神。
欢迎踊跃提名
https://www.hrtechchina.com/Survey/21484CA0-541F-A6BA-EC55-5DFADA5FDDB1
评选定位
面向企业 HR 团队、人力资源科技服务商，表彰在人才吸引、招聘选拔、培训发展、绩效管理、员工关怀、雇主品牌、全球化用工、AI 智能化落地等全 HR 场景，实现降本增效、组织增值、模式突破的创新主体；搭建行业案例共享、供需对接、品牌传播、资源链接的专业平台，以标杆力量驱动人力资源科技产业革新。
创新，需要勇气，更需要行动！
奖项设置HRTech创新实践奖（企业内部HR创新实践）
HRTech创新团队奖（企业内部HR团队）
HRTech创新产品奖（HR科技机构申请）
特别设立
人力资源科技AI创新产品奖
人力资源科技出海创新产品奖
参评核心要求
申报案例、产品落地周期为近 12 个月内，具备完整落地场景与可量化业务成果；
申报主体无行政处罚、重大负面舆情、行业失信记录；
创新方案需具备可复制性、行业参考价值，不局限单一小众场景；
所有申报材料需提交完整案例文档、数据成效佐证材料。入围主体需配合参与峰会现场标杆案例分享或线上专题访谈（部分优质项目）；
其他补充事宜
参评核心价值
权威行业认证：获得 INNO 创新官方行业标签，成为企业数字化创新转型实力背书；
全域品牌曝光：平台官网、行业公众号、垂直社群、行业峰会全渠道传播，海量 HR 专业人群触达；
供需精准对接：获奖案例纳入 HRTech 官方标杆案例库，精准匹配甲方企业数字化采购需求；
行业资源链接：免费参与线上专题沙龙、线下行业峰会，与头部 CHO、服务商面对面交流；
标杆内容沉淀：定制企业案例专访、行业专题报道，沉淀可复用市场宣传素材；
最大化利用评选结果：进行对产品的对外市场宣传 发挥在其领域的领导作用，促进产品创新和行业发展
参与评选流程
免费提名：扫描海报二维码 / 复制链接 http://hrnext.cn/Usmwh3 提交基础信息；
案例提报：初审通过后，完整上传项目实践、数据成果、落地材料；
专家评审：进入行业专家专业独立评审打分；
大众投票（部分项目）；
案例分享：部分优质项目及HR创新实践案例论坛现场分享；
颁奖典礼：获奖产品/项目，及团队现场参加颁奖典礼及颁发获奖证书。
企业奖项申请咨询：
微信：hrtech-china
邮件：hi@hrtechchina.com
机构奖项申请咨询：
微信：HRTechNice
邮件：nice@hrtechchina.com
立即提名，与HRTech一同见证和塑造人力资源科技的未来！
关于HRTechHRTech是国内首家领先的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峰会论坛，表彰认可业内先进。
-
人工智能
【硅谷】AI反向招聘平台Refer完成750万美元种子轮融资：让求职者成为招聘服务的付费客户
HRTech概述：美国AI招聘初创公司Refer近日完成750万美元种子轮融资。本轮融资由Canary领投，Goodwater Capital、Salt VC、Norte Ventures和Valutia参与。加上此前获得的250万美元融资，Refer累计融资额已达到1000万美元。公司计划利用新资金扩大平台上的科技人才和雇主网络，并继续完善其AI职业代理Lia。
与绝大多数由企业支付招聘佣金的平台不同，Refer采用了一种颇具争议的“反向招聘”模式：平台声称代表求职者而非雇主工作，企业可以免费接收人才推荐，而候选人只有在成功获得工作后，才需要支付第一个月工资20%的一次性成功服务费。
Refer完成750万美元种子轮融资，累计融资达到1000万美元
Refer本轮750万美元融资属于种子轮，由巴西早期风险投资机构Canary领投。Canary披露的投资信息显示，参与本轮融资的机构还包括Goodwater Capital、Salt VC、Norte Ventures和Valutia。
本轮融资完成后，Refer累计融资额达到1000万美元，其中包括此前完成的250万美元融资。新资金将主要用于扩大平台候选人规模、增加合作雇主数量，并进一步强化AI驱动的职位匹配和招聘引荐能力。
Refer创始人为Andre Hamra。根据公开报道，Hamra来自Brazil，青少年时期便开始帮助身边的人寻找工作。后来，他进入Stanford商学院学习，并在Palo Alto通过张贴带有二维码的传单测试最初的业务模式：帮助求职者寻找工作，只有在成功入职后才收取费用。
Refer于2024年年中正式启动，最初主要服务Stanford University等高校背景的软件工程师，随后逐步开放至更广泛的美国科技行业人才市场。
关于公司所在地，不同报道的表述略有区别。Business Insider将Refer称为San Francisco-based startup，而Staffing Industry Analysts此前将其描述为Palo Alto-based company。考虑到其创业测试最初发生在Palo Alto，而公开报道又将其归入San Francisco创业生态，更严谨的表述是：Refer是一家起步于Palo Alto、面向美国科技人才市场的加州AI招聘初创公司。
AI职业代理Lia代表候选人寻找工作机会
Refer的核心产品是一名名为Lia的AI职业代理。与主要帮助企业筛选简历、安排面试或评估候选人的传统AI招聘工具不同，Lia的产品定位是代表求职者寻找职位。
候选人在使用Refer时，需要向Lia提供个人工作经历、专业能力、兴趣方向、期望薪资、理想工作地点、签证需求、目标企业规模以及下一阶段职业目标等信息。
Lia随后根据候选人的背景和偏好，从Refer合作企业及开放职位中寻找匹配机会。只有当候选人和雇主双方都对匹配结果表示兴趣后，Lia才会通过电子邮件完成双方介绍。
这意味着Refer并不是一个帮助候选人批量提交申请的自动投递工具，而是一个以双向意向确认和定向引荐为核心的招聘匹配平台。
Refer官网将这一定位概括为“Built for candidates. Free for companies”，并强调Refer直接为候选人工作。官网目前使用“Meet Lia, your AI career agent”作为核心产品描述。
从招聘流程来看，Refer试图解决的是科技人才市场中日益突出的“申请黑洞”问题。在大量候选人借助AI批量生成简历和申请材料后，企业收到的申请数量显著增加，但候选人获得真实反馈和决策者关注的难度并未下降。
Refer希望通过已建立联系的雇主网络，将经过匹配的候选人直接介绍给招聘负责人、创始人或用人经理，使求职者不再完全依赖公开职位页面和传统在线申请流程。
候选人成功入职后支付首月工资的20%
Refer最受关注的并不是AI匹配技术，而是其收费模式。
在传统猎头和招聘代理模式中，企业通常是付费客户。招聘机构帮助企业寻找候选人，并在成功招聘后按照候选人第一年薪资的一定比例向企业收取佣金。
Refer则将这一关系倒置。平台允许企业免费使用服务，而候选人在通过Refer成功获得工作后，需支付第一个月工资20%的一次性成功费。候选人没有注册费、订阅费或前期费用，只有产生成功录用结果后才需要支付。
例如，一名候选人的年薪为12万美元，对应月薪约1万美元。按照Refer的收费规则，成功服务费约为2000美元，相当于候选人年薪的约1.67%。
需要特别说明的是，部分较早报道曾将收费方式描述为“20% of the first paycheck”，可能被理解为首张工资支票的20%。Business Insider的详细报道则明确写明，收费基数为“20% of the first month’s salary”，因此更准确的中文表述应为“第一个月工资的20%”。
Refer认为，这一收费模式能够改变招聘服务中的利益关系。
Andre Hamra表示，Refer向候选人收费，是因为候选人才是公司的客户，也是平台真正希望帮助的人。在传统招聘模式下，雇主支付费用，招聘人员的目标通常是尽快完成职位填补；而在Refer模式中，候选人支付成功费，平台理论上应优先考虑候选人的职业目标和长期匹配度。
这也是Refer将自己定义为“reverse recruiter”，即反向招聘服务的原因。
企业免费使用，但也可以购买优先招聘服务
Refer面向企业的基础服务是免费的。雇主可以在平台上提供开放职位，并接收Lia匹配和推荐的候选人。
不过，根据Staffing Industry Analysts的报道，Refer也向企业提供priority tier，即优先服务层级。如果企业通过该付费层级成功招聘员工，需要向Refer支付该员工第一年薪资的20%。
这一企业收费标准与传统科技猎头公司的成功佣金水平相近。
不过，目前公开报道并未明确说明：当一家企业选择付费priority tier后，通过该职位入职的候选人是否仍需支付首月工资20%的成功费。
如果企业和候选人在同一笔招聘中同时付费，Refer就需要进一步解释双方分别购买了什么服务，以及平台在出现利益冲突时究竟代表哪一方。相关双边收费机制、费用披露方式及适用条件，原文未说明。
已覆盖约2000家企业和7000个开放职位
截至2026年7月中旬，Refer已建立起一定规模的招聘市场网络。
Business Insider报道显示，Refer平台当时覆盖约2000家企业和约7000个开放职位，已经促成超过5000场面试。随后，Staffing Industry Analysts在2026年7月21日的报道中进一步称，Refer已安排接近6000场面试，涉及超过2000家公司。
两组数据的差异可能来自报道时间和统计口径。更稳妥的表述是：Refer截至2026年7月已促成超过5000场、接近6000场面试，连接约2000家企业，并拥有约7000个开放职位。
根据Business Insider披露的产品规则，候选人每天最多可以申请5次企业介绍。Lia完成引荐后，企业通常需要在3个工作日内进行回复。
Refer还表示，在获得Lia介绍的用户中，超过一半会在24小时内获得面试机会。这里的统计口径是“获得平台介绍后的用户”，而不是所有完成注册或建立个人资料的用户。
平台目前尚未公开披露实际成功录用人数、面试转化率、候选人平均年薪、成功费收入、客户留存率，以及通过Refer入职后的员工平均任职时间。
因此，现阶段近6000场面试可以说明Refer具备一定的匹配和引荐能力，但尚不足以完整判断其最终招聘成功率和商业模式效率。
真实案例显示，Refer主要解决“被看见”的问题
Business Insider报道中提到了多名Refer用户和企业客户。
University of Illinois计算机科学毕业生Hansheng Liu首次使用Refer时，因为简历和项目经验不足，并未获得理想结果。此后，他用一个冬季完善个人网站和后端服务器项目，再次回到Refer。
Liu随后向约6家公司请求引荐，获得了4场面试，并最终加入一家Bay Area公司。他认为支付Refer的成功费是值得的，因为平台确实帮助他获得了工作机会。
这一案例也说明，Refer并不能替代候选人的专业能力、项目经验和个人竞争力。Lia能够提高候选人被招聘决策者看到的机会，但并不能把不符合岗位要求的候选人自动转化为合格人才。
另一位用户、后来创办GreenLight的Arjun Bakhale，也曾通过Refer被直接介绍给一家初创公司的CEO，并获得实习机会。他认为，相比普通在线申请，这种定向介绍最大的价值在于，候选人至少可以确认自己的信息真正到达了企业负责人，而不是进入没有反馈的申请系统。
AI非营利组织软件公司Golden的创始人兼CEO Sam Fankuchen表示，公司已经通过Refer招聘了多名员工，并计划继续使用。他认为，主动选择Refer并愿意支付成功费的候选人，通常对自己的职业选择更为认真。
不过，这一观点来自单一雇主案例。目前没有公开数据可以证明，通过Refer招聘的员工在留任率、绩效或文化匹配方面一定优于其他招聘渠道。
候选人付费模式面临公平招聘与监管争议
Refer的商业模式也涉及招聘行业长期存在的监管与伦理问题。
国际劳工组织的《Private Employment Agencies Convention, 1997（No. 181）》原则上要求，私营职业介绍机构不得直接或间接向劳动者收取全部或部分服务费用，但主管机关可以在特定情况下，对特定类别劳动者或服务作出例外安排。
美国没有批准该公约，因此该公约并不直接等同于美国国内法律。但候选人收费是否合法，仍可能受到不同州的employment agency法规、消费者保护规则、合同条款和费用披露要求影响。
World Employment Confederation的行业行为准则也反对招聘机构向求职者和劳动者收取就业服务费用。
Andre Hamra则认为，Refer与传统受到限制的候选人收费模式不同。他表示，Refer没有前期费用和押金，也不是长期从候选人的收入中持续抽取比例，而是在成功入职后收取一次性费用。
他同时强调，Refer的收费并不是income-share agreement，因为费用虽然随工资水平变化，但只发生一次。
不过，从监管角度看，一项收费被定义为“一次性成功费”，并不必然使其脱离就业代理或职业介绍服务的监管范围。最终判断仍将取决于Refer在不同州提供的具体服务、合同结构、收费触发条件和当地法律定义。
HRTech观点：AI招聘开始从企业工具转向个人代理
过去几年，AI招聘创业公司的主要客户几乎都是企业。产品通常围绕职位描述生成、人才搜寻、简历筛选、面试安排、候选人评估和招聘流程自动化展开。
Refer代表了另一种正在形成的产品方向：AI不再只帮助企业筛选人，而是开始代表个人寻找职业机会。
这一变化与AI Agent的发展密切相关。传统求职平台主要提供职位信息和申请入口，候选人仍需亲自搜索、筛选和投递。AI职业代理则试图持续理解候选人的目标，主动寻找合适职位，并代表候选人与企业建立联系。
从这个角度看，Refer的真正创新并不是让AI推荐职位，而是试图建立一个“个人委托AI代理求职”的商业关系。
但是，这一模式能否成立，最终取决于三个问题。
第一，Refer能否持续提供普通求职网站和社交网络无法提供的高质量直接引荐。如果候选人通过LinkedIn、Indeed或个人关系同样能够接触这些职位，首月工资20%的费用将很难长期成立。
第二，平台能否证明其推荐真正改善了候选人的职业结果。面试数量只是中间指标，未来更关键的数据应包括录用率、薪资提升、职位匹配度、试用期通过率和长期留任率。
第三，Refer能否解决收费透明和合规问题。尤其是在平台同时向企业提供付费优先服务的情况下，它需要清楚说明自己究竟代表候选人、企业，还是同时服务双方。
对HR科技市场而言，Refer完成750万美元种子轮融资说明，投资者正在关注AI职业代理和候选人侧商业模式。但它也提出了一个更具争议的问题：当AI可以代表个人寻找工作时，求职者是否愿意像支付律师费、经纪费或职业顾问费一样，为招聘引荐和最终结果直接付费？
Refer目前已经证明，部分科技人才愿意接受这一交易。但它是否能够从一个服务高薪科技人才的垂直平台，扩展为一个可持续的大众招聘模式，仍需观察。
正在探索AI招聘、人才吸引和候选人体验创新的企业，可以关注HRTech目前正在进行的2026候选人体验大奖CandE® Awards和2026 HRTech创新奖INNO Awards。前者聚焦AI招聘时代企业吸引和对待候选人的关键能力，后者关注可落地、高价值、前瞻性的HR科技创新。
同时，9月17日在深圳举行的“What's Next”2026人力资源科技年度论坛，将重点关注AI、数字化、人才与组织创新。HR AI Forward目前也开放了面向HR职能的AI能力成熟度评测。相关活动、评选、报告与测评入口，可通过HRTech近期活动与资源页面统一查看。
——————————————————
公司名称：Refer
核心产品：Lia
创始人：Andre Hamra
融资轮次：Seed
本轮融资金额：750万美元
累计融资金额：1000万美元
领投机构：Canary
参投机构：Goodwater Capital、Salt VC、Norte Ventures、Valutia
候选人收费：成功入职后支付第一个月工资的20%
企业基础服务：免费
企业优先服务：成功招聘后支付员工第一年薪资的20%
平台数据：约2000家企业、约7000个开放职位、超过5000场并接近6000场面试
公司网站：https://tryrefer.com/
成立时间：2024年年中
总部或主要运营地区：San Francisco / Palo Alto
-
人工智能
【西班牙】人工智能劳动力运营平台Factorial 完成了 1.5 亿美元 D 轮融资
HRTech概述：总部位于西班牙巴塞罗那的人工智能劳动力运营平台Factorial，以25亿美元的估值，完成了1.5亿美元的D轮融资。
本轮由General Catalyst领衔，Atomico和Four Rivers参与。
除了股权融资外，General Catalyst还通过其客户价值基金追加了最高5.4亿美元，使总投入资本超过7亿美元，确保Factorial在未来几年内的增长。
公司计划利用这笔资金扩大运营和开发工作。
由首席执行官Jordi Romero领导，Factorial 提供专为中小企业（SMEs）设计的基于云的人力资源（HR）和业务管理软件。该解决方案自动化并简化了复杂的行政工作流程，使企业能够摆脱电子表格和手工文书工作。该平台涵盖三个核心领域：
财务与运营：管理员工费用、工资准备、数字文件签署、企业卡管理以及IT资产/SaaS跟踪。
人力资源与人才管理：包括跟踪员工假期和缺勤、监控班次排班、绩效管理、员工入职/离职以及招聘（招聘）等工具。
考勤：它配备了自动化时间跟踪、打卡/下班解决方案以及AI驱动的班次规划。
关于Factorial
Factorial是一个人力资源管理平台，可自动化包括工时跟踪、薪资和招聘在内的各种人力资源流程。该公司平台帮助人力资源经理轻松管理员工的假期和病假，提供福利或灵活的薪酬计划，同时自动化工资发放，使客户能够自动化人力资源事务，减少错误，并深入了解其组织。
-
人工智能
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。
-
人工智能
杭州法院明确：企业不能因AI替岗直接裁员，AI技术升级不当然构成合法解除劳动合同理由
HRTech概述：杭州一起AI劳动争议案近日引发关注。某科技公司因“AI成本更低”，将负责大模型问句质检的员工月薪从2.5万元降到1.5万元，员工拒绝后被解雇。最终法院认定：违法解除劳动合同。法院强调，AI技术升级并不自动构成“劳动合同无法履行”，企业不能单方面因AI替代而降薪裁员。企业应优先培训员工、合理协商调岗，并保障劳动者权益。
随着AI大模型快速进入客服、内容审核、数据处理、运营支持等岗位，企业“AI替岗”正在从技术讨论逐渐演变为真实的劳动关系问题。而杭州法院近日公布的一起典型案例，首次对“AI替岗是否能够成为企业裁员理由”给出了明确司法态度。
根据杭州法院披露的信息，某科技公司员工周某长期从事“问句质检”工作，其核心职责是对AI大模型与用户交互生成的答案进行正确性审核与质量判断。这类岗位本质上属于AI训练与人工反馈体系中的关键环节，也是过去两年AI行业快速发展过程中大量新增的工作类型之一。
随后，该公司以“AI技术冲击、项目优化调整、AI替岗更具成本优势”为由，与周某协商调岗，并计划将其月薪从25000元降低至15000元，降薪幅度达到40%。
由于周某拒绝接受大幅降薪，公司最终解除劳动合同。
案件经过劳动仲裁后进入法院审理阶段。杭州法院最终认定：企业构成违法解除劳动合同，应向员工支付赔偿金。二审维持原判。
杭州法院在判决中明确指出，企业引入AI技术属于主动实施的技术升级与经营优化行为，但这并不当然等同于劳动法意义上的“客观情况重大变化”，也不意味着劳动合同已经“无法履行”。
这一认定非常关键。
过去几年，许多企业在推动数字化与AI转型时，往往倾向于将“技术替代”视为组织优化的天然理由。但杭州法院此次实际上划定了一条清晰边界：
AI效率更高、成本更低，并不意味着企业可以单方面降薪、调岗或解除劳动合同。
尤其值得注意的是，杭州法院还特别强调，公司向员工提供的新岗位与原岗位相比待遇明显下降，因此不能认定企业已经提供了“合理协商方案”。
换句话说，企业即使确实因为AI转型需要进行岗位调整，也必须遵循劳动法中的合理协商原则，而不是简单以“技术升级”为理由推动低成本替代。
从更宏观角度看，这一案件的意义已经不仅仅是单一劳动争议。
它实际上反映出当前中国在AI发展与就业稳定之间正在形成新的平衡逻辑。
一方面，中国正在大力推动人工智能产业发展，大模型、Agent、自动化系统正快速进入企业实际运营；另一方面，在经济增长放缓与青年就业压力上升背景下，“就业稳定”同样成为重要政策方向。
因此，杭州法院此次释放出的信号非常明确：
支持AI发展，但不能以牺牲劳动者合法权益为代价。
法院在“典型意义”部分还进一步提出了一个更值得HR行业关注的方向——企业应优先考虑“培训与岗位升级”，而不是简单替代。
杭州法院认为，如果企业确因AI变革需要调整业务，可以优先通过培训帮助员工进入“更高一级、更需要人工干预”的岗位，实现劳动效率提升与员工发展的双赢。
这一观点其实正在成为全球AI治理的重要趋势。
无论是欧洲的“负责任AI”，还是美国近期围绕AI与就业的讨论，核心问题都已经不再只是“AI会不会替代人”，而是：
企业如何合法、合理、可持续地完成AI转型。
对于HR部门而言，这意味着未来组织管理的重点可能发生明显变化。
过去，HR更多关注招聘、绩效、薪酬与员工关系；而未来，HR还需要开始处理：
AI带来的岗位重构
人机协作模式设计
员工再培训（Reskilling）
AI组织治理
AI时代劳动合规
技术变革中的员工沟通与稳定
特别是在客服、审核、运营、基础分析等容易被AI影响的岗位领域，类似案例未来很可能持续增加。
而杭州法院此次案例，也可能成为中国AI劳动争议进入司法规则阶段的重要标志。
对于企业来说，这意味着AI转型不能只关注“降本增效”，还必须建立更加成熟的组织变革机制；对于员工来说，则意味着持续学习与能力升级将越来越重要。
因为未来真正被AI取代的，可能不是“岗位”，而是无法持续适应变化的工作方式。
-
人工智能
【阿姆斯特丹】员工心理健康公司OpenUp获得2000万欧元融资，用于将其员工心理健康平台扩展至欧洲各地
HRTech概述：总部位于阿姆斯特丹的员工心理健康初创公司OpenUp已从风险投资公司Smartfin和Rubio Impact Ventures处获得2000万欧元融资。这家员工心理健康平台业务覆盖荷兰、德国、英国、法国和比利时，服务于包括荷兰合作银行（Rabobank）、迪卡侬（Decathlon）和普华永道（PwC）在内的两千多家企业。此次注资将助力该公司加速推进欧洲扩张战略——这正是当务之急：欧盟近30%的员工正面临压力、抑郁或焦虑问题。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
总部位于阿姆斯特丹的员工心理健康初创公司OpenUp已从风险投资公司Smartfin和Rubio Impact Ventures处获得2000万欧元融资。OpenUp 致力于帮助员工在职场内外茁壮成长。通过一个易于访问的平台，OpenUp 提供直接支持，以建立并维系具有韧性、积极投入的团队。其服务涵盖三个领域：与心理学家、营养师和睡眠专家等身体健康专家以及财务专家的一对一咨询；互动式小组会议；以及在线课程。
“让员工轻松获得专业支持？这本应是每家公司最理所当然的事情，”注册心理学家、OpenUp创始人Gijs Coppens表示。自2020年以来，该平台一直作为主流心理健康服务的补充，因为在欧洲，漫长的等待时间是常态。荷兰合作银行、迪卡侬和普华永道等大型机构均已订阅该服务，因此当员工遇到轻微压力、财务困难、睡眠问题或焦虑时，可以轻松地在线咨询专业人士。
欧洲跨国企业的理想合作伙伴
凭借这2000万欧元的投资，OpenUp旨在通过收购等方式在欧洲迅速扩张。“尽管市场兴趣日益浓厚，但欧洲心理健康市场仍相对较小且分散。与此同时，心理健康是21世纪面临的决定性挑战之一。作为一家欧洲企业，我们深谙这一市场及其解决方案。借助这笔投资，我们希望成为那些希望投资员工心理健康支持的企业更重要的合作伙伴。”
员工心理压力日益增大
关注心理健康已不再是奢侈品：超过160万荷兰员工（占20%）正遭受与职业倦怠相关的困扰。在整个欧洲，这一比例升至近30%，约6000万人。部分受人工智能兴起和地缘政治紧张局势驱动，未来几年这些数字可能会进一步增加。Coppens表示：“除非我们主动预见这一趋势并妥善支持员工。雇主在此领域承担的责任日益加重——如果政策制定者如愿以偿，甚至将形成正式的关怀义务。包括人工智能在内的技术也在从根本上改变我们的工作方式。正因如此，组织需要仔细思考如何在转型过程中支持员工——而这正是我们在OpenUp所做的。”
平台快速成长
该心理健康平台目前拥有超过250名专业人员，支持35种语言。目前，已有60万名员工及其家属可通过OpenUp获得支持，服务范围涵盖财务建议、保密咨询，以及与生活教练和心理学家的团体辅导和一对一咨询。Smartfin创始人Jürgen Ingels对此次投资充满信心：“从最初开始，OpenUp就将人际联结与技术相结合。我们相信，这种方法加上对人工智能的负责任使用，能让心理健康支持既触手可及，又具备可扩展性。”
正是这种影响力与可扩展性的结合，促使Rubio Impact Ventures数年前首次投资OpenUp。Rubio合伙人Ilonka Jankovich表示：“我们看到一支团队对一个长期存在的问题给出了明确的解决方案：在欧洲，任何需要心理健康支持的人都不得不等待数月之久。我们很高兴能助力OpenUp迈出下一步：将其确立为欧洲职场心理健康支持的行业标准。”
关于 OpenUp
OpenUp 致力于帮助员工在职场内外茁壮成长。通过一个易于访问的平台，OpenUp 提供直接支持，以建立并维系具有韧性、积极投入的团队。其服务涵盖三个领域：与心理学家、营养师和睡眠专家等身体健康专家以及财务专家的一对一咨询；互动式小组会议；以及在线课程。与传统的员工援助计划（EAP）或职业健康服务不同，OpenUp 专注于针对心理健康挑战提供直接、预防性的支持。所有支持均匿名提供，无需排队等候，并支持35种以上语言。超过2,000家机构及60万名员工及其家属依赖OpenUp来降低缺勤率、提高员工留任率，并增强员工的生产力和敬业度。
关于 Smartfin
Smartfin 是一家欧洲风险投资与成长型资本投资机构，管理着超过 6 亿欧元的资产。该公司专注于投资欧洲及英国处于初创和成长阶段的 B2B 科技企业，且不设预定的投资期限。Smartfin团队在风险投资和私募股权领域拥有卓著的业绩记录，同时具备构建和领导国际领先科技企业的深厚运营经验。这种独特的结合使Smartfin不仅仅是一个投资者：更是一个具有企业家精神、亲力亲为的合作伙伴，积极为投资组合公司的成功贡献力量。
关于 Rubio
Rubio 是一家欧洲影响力投资机构，通过三只基金管理着 2.2 亿欧元资产。Rubio 投资于那些针对气候变化、生物多样性、教育及福祉等紧迫挑战，开发可扩展解决方案的年轻成长型企业。该基金将其 100% 的报酬与业绩与经独立验证的影响力目标挂钩，确保财务成功与积极社会影响相辅相成。
-
人工智能
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。
-
人工智能
忘掉你所知的HR：重塑人力资源的4个惊人AI洞见
AI正在把HR推向一次真正的“长期重置”。信息洪流、工作污泥、AI代理的出现，让传统HR模式迅速失效。关键不在于用什么工具，而在于HR是否能重新设计工作流、明确AI边界，并用透明的数据治理赢得员工信任。未来的HR不再只是执行者，而是“体验工程师”，通过人机协同打造真正有吸引力的员工体验。AI不是替代HR，而是在考验HR是否准备好进化。
你听说过“work slob”（工作污泥）吗？这是今年的年度新词。随着人工智能的普及，组织内部的提案和新倡议的数量达到了前所未有的峰值，正是这种信息的绝对“体量”催生了这个词。在这场信息洪流中，HR 领导者正处于变革的中心。然而，许多人感觉自己像个初学者，面对汹涌而来的变化不知所措。
本文将拨开迷雾，揭示 HR 领导者在这个新时代中脱颖而出所需的最具冲击力、甚至有些反直觉的核心洞见。这些不仅仅是技能，更是重塑 HR 职能、驱动未来的新思维。
洞见一：超越基础指令——精通为 HR 工作流设计的“提示工程”
当下 HR 所需的 AI 技能，远不止是下达“写一首抑扬格五音步的诗”这类基础指令。真正的核心技能是“为 HR 工作流编写提示（prompting for HR workflows）”。这意味着你需要掌握如何创建结构化的提示，用于生成合规的职位描述，或者设计能够优化 HR 服务中心流程、减轻行政负担的提示。
这项技能之所以至关重要，是因为它关乎效率的本质性提升。它不是将 AI 仅仅作为一个外部工具来使用，而是将其深度融入 HR 的核心职能，重新设计工作流程，从而释放组织的真正潜力。
然而，掌握这项技能的第一步，出人意料地与技术无关。在接触任何 AI 工具之前，你首先要做的是与团队坐下来，识别业务流程中的真正差距和痛点。如果你不带着清晰的目标去接触技术，你最终解决的只会是供应商想卖给你的那个问题。因此，真正的 AI 转型始于对业务需求的深刻洞察，而非技术本身。
洞见二：AI 使用的“3C 法则”——何时应该放手，何时必须坚守
为了在日常工作中清晰地决策何时使用 AI，一个实用的决策框架至关重要。通过整合不同专家的见解，我们构建了一个三维度的“3C”决策模型，它能清晰地界定 AI 的应用边界、赋能领域及投资回报路径，形成一个完整的战略框架。
• 何时绝对不能使用 AI： 在处理涉及承诺 (Commitment)、危机 (Crisis) 和 冲突 (Conflict) 的场景时，应避免使用 AI。这包括最终的招聘决策、薪酬设定、处理员工个人危机或调解内部冲突。在这些高度人性化的时刻，人的判断、同理心和亲身参与是任何技术都无法替代的。
• 何时应该拥抱 AI： 在需要激发创造力 (Creativity)、促进协作 (Collaboration) 以及建立连接 (Connection) 的领域，AI 是一个强大的赋能工具。无论是用于头脑风暴、辅助团队协作，还是帮助员工建立更广泛的内部联系，AI 都能显著提升效率和成果。
• 如何利用 AI 实现投资回报（ROI）： 真正的竞争优势并非来自标准化的“开箱即用”方案。要实现真正的投资回报，必须针对组织的具体背景 (Context)、独特的文化 (Culture) 和服务的客户 (Customers)，对 AI 工具进行深度专业化定制。
洞见三：数据是新基石——从“数据素养”到“透明治理”
“垃圾进，垃圾出 (garbage in, garbage out)”这句经典论断在 AI 时代显得尤为重要。HR 领导者必须深刻理解输入 AI 系统的数据质量和类型，因为这直接决定了输出结果的有效性和公正性。
因此，数据治理变得至关重要。它不仅在于保护敏感的员工数据，更在于建立一种透明的沟通机制。HR 领导者必须有能力向员工清晰地解释 AI 是如何被用于做出关键决策的，例如薪酬计算或绩效评估。这关乎信任的建立和企业文化的健康发展。
“这真的是关于建立‘玻璃盒’，而不是‘黑匣子’……HR 领导者需要有能力……向员工解释 AI 是如何被用来管理劳动力的。”
当未来的 AI “代理”开始为我们自动协调人才与岗位时，我们对数据源的理解和掌控将变得更加攸关重要，直接决定了这些自动化决策是提升效率还是制造混乱。
洞见四：人机协同的艺术——成为“体验工程师”
未来 HR 的核心技能可能不再是我们传统意义上所理解的任何一项，而是一个全新的身份：“体验工程 (experience engineering)”。
这意味着 HR 专业人士的角色将从执行者转变为设计师。他们的核心任务是利用 AI 等先进工具，精心打造能够吸引、激励和留住顶尖人才的员工体验。这个新角色融合了品牌营销的吸引力、销售的推动力以及服务的关怀精神。因此，“体验工程”不仅是一项新技能，它更是一种根本性的身份重塑，预示着整个 HR 职业的演进终局。
抓住最后的重置机会
人工智能为 HR 带来的，绝不仅仅是一套新工具，而是一次深刻的、根本性的职能重塑。如果说新冠疫情是第一次“重置”，那么“AI 则是持久的重置 (AI is the lasting reset)”。它为 HR 提供了一个前所未有的机会，使其能够真正成为驱动组织未来的核心力量。
我们的内心深处一直渴望帮助每个人在组织中找到自己的位置，并做出最大的贡献。当技术终于能让我们大规模地实现这一愿景时，我们准备好迎接这个未来了吗？
扫一扫 加微信
hrtechchina
