-
人工监督
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。
-
人工监督
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。
-
人工监督
HR 2025：适应性、AI与员工未来
2025 年人力资源专家的首要技能： 适应能力
展望 2025 年，适应能力成为人力资源专业人员必须掌握的关键技能。
为什么适应性很重要
在 COVID-19 大流行之后，人力资源领导者目睹了工作场所期望和法规的快速转变。对于那些尚未接受适应性的人来说，现在正是时候。美国的法规转变即将到来，预计加班规则、独立承包商分类和非竞争协议都将发生变化。同时，州一级的举措，如提高最低工资和扩大带薪探亲假计划，也将增加复杂性。
对于欧盟的人力资源专业人士来说，薪酬透明化指令是当务之急。各组织必须做好准备，在 2026 年 6 月之前遵守该指令，这就要求立即采取行动，开发强大的数据收集、报告能力和透明的薪酬结构。
在全球范围内，人力资源领导者面临着应对多代劳动力需求、将人工智能融入工作流程以及让员工为未来工作做好准备等挑战。成功的关键在于积极主动地进行再培训、打造具有竞争力的雇主品牌，以及随时准备在世界任何地方聘用最优秀的人才。
人工智能：变革人才招聘
将人工智能融入人力资源的最简单、最有影响力的方式就是人才招聘。最新的人工智能工具可以简化招聘流程，根据表现最出色的员工完善候选人档案，并高效地寻找人才。无论您的团队每年审查的简历是数百份还是数百万份，这些工具都能提高招聘结果，同时将人力资源专业人员解放出来，专注于战略性的咨询工作。
虽然人工智能可以处理大部分筛选和寻找工作，但人工监督对于确保质量和与公司价值观的一致性仍然至关重要。通过减少人工任务，人力资源团队可以将更多精力投入到与经理和候选人建立有意义的关系上。
RTO： 没有放之四海而皆准的方法
关于重返办公室（RTO）政策的争论仍在继续，无论是完全远程办公、混合办公还是办公室办公，工作场所战略都应反映公司的文化、价值观和目标。
全球人才市场为员工提供了前所未有的机会，让他们可以选择符合自己喜好的公司。因此，雇主应注重工作场所政策的清晰性和真实性。随着多代人并存于劳动力队伍中，灵活性和个性化是关键所在。
从监管变化到人工智能整合和工作场所灵活性，人力资源专业人员面临着一个充满活力和挑战的未来。适应能力、对技术的战略性使用以及对员工需求的关注，将是 2025 年及以后成功领导人力资源工作的基石。
2025 年值得关注的工作场所趋势
预测 1：对中层管理者的需求将增加，但职业倦怠将成为主要障碍
为何重要？近年来，作为 “大扁平化 ”计划的一部分，许多公司都在裁减中层管理人员。然而，大规模驱逐出境、气候变化以及影响在职父母的教育政策变化等外部社会因素将增加对员工的情感要求。
由于高层领导专注于总体业务目标，这些挑战将落在中层管理人员和人力资源团队的肩上。由于多年来一直在资源极少的情况下工作，中层管理者和人力资源团队已经捉襟见肘，他们面临着严重的职业倦怠风险，这可能会限制他们迎接挑战的能力。
预测 2：移民工人占主导地位的行业将面临动荡
为什么重要？在当前的政治条件下，预计将出现的大规模驱逐可能会破坏农业、酒店业和餐饮服务业等行业的稳定。这些严重依赖移民劳动力的行业将面临严重的工人短缺问题。
连锁反应？因驱逐出境而空缺的工作岗位可能会由技能较低、投资较少的工人填补，从而导致更高的人员流动率和经营不稳定性。佛罗里达州的农业产业提供了一个严峻的前车之鉴，因为最近的移民打击行动已经使该地区的农业产业化程度大大降低。类似的模式很可能在全国范围内上演。
预测 3：人工智能的采用将导致工作岗位流失和怨恨
为什么重要？人工智能正在稳步发展，并准备将许多单调的工作自动化。专家预测，到 2025 年下半年，由人工智能驱动的失业率将急剧上升。虽然人工智能可以提高效率，但它也会导致受影响行业的失业率上升，从而引起被取代工人的普遍不满。
过渡期将至关重要，因为企业需要投资于技能再培训和技能提升计划，以减轻影响。如果不能解决这个问题，可能会导致对领导层和更广泛的经济体系的信任度下降。
为未来做好准备
雇主必须优先为中层管理人员提供支持，稳定依赖脆弱劳动力的行业，并确保采用人工智能的做法符合道德规范，从而为未来打造富有弹性的工作场所。
人工智能：技能人才的工具，而非工作威胁
与普遍的担忧相反，人工智能不会取代工作，但会奖励那些掌握人工智能的人。因人工智能而失去工作的人，是那些学会了如何使用人工智能的人。这种转变凸显了个人在日常工作流程中重新掌握和采用人工智能工具的迫切需要，以便在人工智能驱动的世界中保持竞争力。
人工智能的采用： 机遇与风险之间的鸿沟
行为科学家： 新领导力必备
领导团队对行为科学家的需求将日益增长。世界变得越来越复杂，人们也越来越难以理解和沟通。从驾驭两极分化的话题到管理职场动态，行为科学家将指导领导者如何恰当地处理日益复杂的社会和组织问题。
从基于角色的招聘转向基于技能的招聘
在不久的将来，招聘实践将发生范式转变。组织将优先考虑特定技能，而不是传统角色。这种方法符合瞬息万变的就业市场的需求，在这个市场上，专业技能比宽泛的头衔更有价值。
随着 2025 年的临近，企业正处于深刻变革的十字路口，技术进步、监管变化和不断发展的劳动力动态交织在一起。适应能力已成为人力资源领导者在这个复杂时代的决定性能力，在这个时代，战略和执行的敏捷性将决定谁能茁壮成长，谁能落后。
未来的工作没有统一的解决方案，只有大胆的适应性战略。本文解读了塑造未来工作场所的各种力量，以前瞻性的视角探讨了组织如何平衡创新、应变能力和人际关系，从而在动荡的世界中保持成功。
-
人工监督
HR如何将AI发挥作用，为组织带来效率提升
如果你现在还没听说过人工智能（AI），那很可能是你去年还生活在岩石之下。
各地的组织机构都在积极拥抱人工智能带来的效率提升，以及它改变人们工作方式的力量。
而作为员工的代言人，人力资源是人工智能对话的重要组成部分。人力资源部门可以帮助塑造人工智能的使用方式，但他们不仅仅是把关人。人力资源部门也可以从人工智能提供的服务中获益--利用人工智能提高自己的工作效率，做到事半功倍。
在我们的《2024 年人力战略状况报告》中，我们询问了来自世界各地的 1,052 位人力资源领导者对人工智能的看法。人工智能会取代工作还是提升工作？人力资源专业人士是否也能从中获益？
让我们来看看我们的调查结果，探讨人工智能技术已经在哪些方面影响了人力资源，它带来了哪些挑战，以及人力资源在确保人工智能得到充分利用方面可以发挥哪些作用。
人工智能会取代工作吗？
我们发现，人工智能并不是人力资源部门担心工作保障的原因。近四分之三（72%）的人力资源专业人士认为人工智能不会影响大多数部门的员工数量，65%的人也不担心自己的工作安全。事实上，人力资源部门的人数和预算看起来都在适度增加或持平--这可能会增强人力资源部门的信心。
Exabeam公司首席人力资源官吉安娜-德赖弗说："这种情况也会继续保持下去。人力资源部门只需学会与人工智能合作，而不是与之对抗。
"她说："我们要么加入人工智能运动，学习如何利用人工智能作为我们工作中的倍增器，要么就落伍了，也许最终会被人工智能取代。"就我个人而言，我选择前者，并鼓励其他人力资源经理也采取积极主动的措施。人工智能能让我们更好地完成工作。因此，让人工智能去做技术能做的事，而专注于做人，将同理心和其他以人为本的技能带入人力资源部门。
虽然在办公室实施技术方面，人事团队传统上并不是最前沿的，但我们的调查结果显示，在人工智能方面却并非如此。大多数人力资源专业人士认为，他们可以从这项日益流行的技术中获益良多，并看到了让它为他们所用的方法。
人力资源部门如何让人工智能为他们所用
我们的调查结果显示，人力资源团队不仅接受了人工智能，而且正在大举拥抱它。
三分之二（66%）的受访者已经开始讨论并寻找使用人工智能的方法。欧洲的人力资源专业人士甚至比美国的同行更有可能正式评估使用人工智能的方法。在所有受访者中，15%的人走得更远，他们已经实施了人工智能解决方案。
"显然，人力资源领导者将人工智能视为一种工具而非威胁。Greenhouse公司的首席运营官Donald Knight说："人力资源部门可能会将人工智能视为一种将重复性工作自动化的手段，而不是取代工作，从而使人力资源专业人员能够专注于更具战略性的举措。
那么，人力资源部门正在探索哪些使用案例呢？以下是人力资源专业人员开始看到人工智能系统所能带来价值的几个领域。
1. 招聘与录用
16%的受访者认为，在招聘过程中，人工智能有可能提高效率。其他受访者认为，通过协助筛选简历和寻找潜在候选人（7%）以及撰写有效的职位描述（9%），人工智能可以提高人才招聘的效率。
通过增强招聘和人才管理能力，人工智能可以帮助招聘经理更快地找到新员工，同时降低每次招聘的成本。但是，在招聘中正确使用人工智能需要在人工智能工具和人类招聘人员之间取得平衡。例如，人工智能可以有效减少人类招聘团队在招聘过程中可能不自觉产生的偏见。人工智能工具可以更客观地评估简历，而不会受到人类在种族、性别或年龄方面先入为主的观念的影响。
但是，人工智能也有可能放大已经存在的偏见，比如其代码中包含的无意识偏见--这就使得人工智能工具生成的所有信息都必须由人类按照公司治理和道德责任进行审查和评估。
2. 员工入职和培训
一旦候选人成为员工，人工智能还可以帮助人力资源团队入职和培训这些新员工，让他们为未来的工作做好更充分的准备。调查对象认为，人工智能在促进学习和发展（9%）、回答常见问题（7%）以及管理薪酬、工资和福利（5%）方面具有潜力，这些在入职过程中都很有用。
通过自动提供业务政策、福利信息和培训建议，人工智能可以确保新员工能够成功胜任所聘工作。它可以通过帮助识别技能差距来个性化他们的工作培训流程，根据当前的技能和目标提出独特的建议来定制学习路径，并提供聊天机器人或虚拟助理来回答持续存在的问题和疑虑。
3. 生产力和员工参与
很明显，我们今年调查的人力资源领导者将人工智能视为提高员工绩效的一种手段。人力资源领导者还看到了人工智能在自动化许多耗时和重复性人力资源职能方面的潜力，这些职能是他们日常工作的一部分，包括撰写文章和沟通（19%）、整理政策和指导方针（11%）以及完成其他一般行政任务（7%）。
通过将这些琐碎的工作自动化，人工智能可以让人力资源部门专注于战略性工作。由于战略性工作往往更有趣、重复性更低，这将影响人力资源专业人员的工作体验--有助于提高他们的参与度。
更重要的是，整个组织都能享受到同样的好处--也就是说，如果使用得当，人工智能可以帮助提高整个公司的生产力和员工敬业度。这反过来又能使整个员工生命周期受益，提高工作满意度和留任率。
4. 绩效管理
人力资源团队也开始看到人工智能在绩效管理项目中的潜力。只有 6% 的受访者将绩效管理和员工反馈列为最有潜力获得人工智能支持的领域之一，另有 8% 的受访者表示，人工智能可以帮助他们制定更加数据驱动的人力资源战略。
人工智能具有快速分析绩效数据的潜力，这意味着它可以为团队成员提供建议和实时反馈，并通过提供下一步成长目标来促进职业发展。在适当的人力监督下，人工智能还有可能制定员工发展计划，识别可能影响绩效考核的偏见，并通过分析影响或降低员工绩效的因素来增强人力资源决策的能力，以便人事团队制定相应的政策。
了解人工智能的挑战
不过，在人力资源团队开始在任何地方实施人工智能之前，他们应该了解人工智能可能带来的挑战。值得庆幸的是，我们今年调查的人力资源专业人士并没有对潜在的弊端视而不见，其中包括以下几点：
团队采用人工智能可能操之过急。
随着生成式人工智能解决方案的迅速普及，各组织对它的采用也非常迅速。在我们调查的人力资源专业人士中，有一半人认为这是一个令人担忧的问题，48%的人同意或非常同意对技术缺乏了解或人工智能的快速普及可能会导致员工滥用。
事实上，数据泄露、人为错误和 "人工智能幻觉"--即错误或无意义的信息被歪曲为事实--是许多组织已经遇到过的现实问题。为了避免这些隐患，员工需要花时间了解人工智能的局限性，企业也需要在推出这项新技术之前考虑自身的边界和最佳实践。
它可能会放大已经存在的偏见。在没有防护措施的情况下使用人工智能，会加深企业内部已经存在的偏见。这是因为人工智能会从历史数据集中学习，这意味着，如果你在过去做出了无意识的选择--例如，在招聘过程中围绕种族、性别或年龄--它就会捕捉到这些信息，并将相同的搜索标准应用到新的候选人身上。
以亚马逊为例。2010 年代，亚马逊设计了一个人工智能招聘引擎，用于审核空缺职位的人才，包括软件开发团队和其他技术职位的人才。该算法是根据亚马逊在 10 年内提交的简历进行训练的，但其中存在一个问题。由于技术职位历来以男性为主，人工智能模型学会了歧视女性。
发现偏见后，亚马逊编辑了程序来解决这个问题，但最终放弃了这个项目。如今，随着人工智能的成熟和相关知识的增长，团队可以运用人工监督来减少这类问题。
充分发挥人工智能的潜力
我们的调查结果显示，人力资源部门并不惧怕人工智能--他们也不担心在采用人工智能后自己的工作保障。有鉴于此，团队似乎已经准备好全力以赴，迎接这项不断发展的技术所带来的各种可能性。但这看起来像什么，尤其是在挑战依然存在的情况下？
以下是人力资源部门可以帮助他们的团队乃至整个组织充分利用人工智能所提供的一切的几种方法：
管理： 为了确保人工智能得到负责任和安全的使用，企业需要制定相关政策，规定员工应该和不应该如何使用人工智能。对于许多公司来说，人力资源部门将在制定这些指导方针方面发挥至关重要的作用，帮助指导团队在未来使用人工智能。
招聘： 即使制定了这些政策，人为监督对于确保人工智能得到负责任的使用并符合公司准则，以及确保企业从这项新技术中获得最大收益也至关重要。这可能意味着要聘请人工智能专家来支持整个企业采用人工智能。
再培训： 虽然我们调查的大多数人力资源团队都认为人工智能不会取代工作，但这并不意味着它不会改变某些工作的性质。随着人工智能和员工的共同工作，可能需要重新进行技能培训或额外培训，以确保企业从人工智能投资中获得最大收益。人力资源部门可以发挥关键作用，引入有助于实现这一目标的计划。
有了正确的措施，人力资源部门可以帮助团队和企业充分发挥人工智能的潜力。在实现这一潜力的过程中，他们可以开始看到人工智能所带来的一些好处--提高生产率、改善参与度、为员工成长提供更清晰的路线--这些都有能力更好地改变工作场所，并加强人力资源本身的未来。
-
人工监督
美国提不要机器人老板法案，迫切需要重视AI在职场中的伦理问题
在人工智能（AI）日新月异的发展背景下，《2023年不要机器人老板法案》“No Robot Bosses Act of 2023”可能为职场中的伦理AI实践照亮了前行的道路。这项由美国参议员鲍勃·凯西（Bob Casey，D-宾夕法尼亚州）和布莱恩·沙茨（Brian Schatz，D-夏威夷州）提出的开创性立法旨在确保雇主在做出与就业相关的决策时，不会仅依赖自动化决策系统。
该法案提出了几项关键措施来规范职场中的AI使用。这些包括定期对自动化决策系统进行歧视和偏见等问题的测试，对这些系统的正确使用进行强制性培训，以及对自动化决策系统进行人工监督。此外，该法案还呼吁在美国劳工部设立一个技术和工人保护部门。这个部门将通过对职场中的自动化决策系统使用进行规范，为员工提供额外的保护层。
法案中谈到：想象一下，你正在向潜在雇主在线提交工作申请。公司的招聘软件由机器学习算法驱动，看到你简历中的就业空白期并自动拒绝了你的申请进一步考虑。也许你在服务行业工作，你的雇主的自动化排班软件经常以最小的通知增加或减少你的工作班次——全都是为了“服务优化”。或者你是一名送货司机，你的雇主的跟踪算法认为你的表现没有达到其标准——然后给你发送一封电子邮件，告诉你你已经被解雇，没有任何警告或机会与人交谈。
法案还谈到：在2023年，这些情况不再只是想象。如今，算法和自动化决策系统对就业决策、工人权利和职场安全产生了巨大影响。没有监督和保障，这些“机器人老板”增加了歧视、不公平的纪律处分和危险工作条件的风险。是时候保护工薪家庭免受雇主滥用和滥用这些技术的危险了。
《2023年不要机器人老板法案》是对越来越多人担忧职场中未经检查的AI使用可能导致不公平做法和歧视的回应。正如凯西参议员所指出的，“目前没有任何东西可以阻止公司使用人工智能来招聘、管理甚至解雇员工，而不需要人的参与。”这项立法是确保AI的好处得以实现，同时不妨碍人权和安全的必要步骤。
为了更深入地理解这项法案的重要性，我们可以参考纽约市的144号地方法律。该法将于2023年7月5日生效，它禁止雇主在做出就业决策时使用自动化就业决策工具（AEDTs），除非AI已经经过偏见审计，并且结果在公司的网站上公开披露。该法还要求雇主告知个人如何请求其他法律下的替代选择过程或合理的便利设施（如果有的话）。
纽约市的法律是《2023年不要机器人老板法案》原则在地方层面实施的实际例子。它证明了平衡AI的好处与保护工人权益和安全的需要是可能的。
法案最后提到倡议：《2023年不要机器人老板法案》将为求职者和员工增加与自动化决策系统相关的保护，并要求雇主披露何时以及如何使用这些系统。
具体来说，该法案将：
• 禁止雇主在做出与就业相关的决策时完全依赖自动化决策系统；
• 要求在这些系统用于就业相关决策之前，对自动化决策系统进行部署前和定期的测试和验证，以排查诸如歧视和偏见等问题；
• 要求雇主对个人或实体进行自动化决策系统的正确操作培训；
• 要求雇主在使用输出来辅助就业相关决策之前，为自动化决策系统的输出提供独立的人工监督；
• 要求雇主及时披露关于使用自动化决策系统、这些系统的数据输入和输出，以及员工与这些系统辅助决策相关的权利的信息；
• 在劳工部设立技术和工人保护部门，以规范职场中自动化决策系统的使用。
总的来说，《2023年不要机器人老板法案》是一项里程碑式的立法，为职场中的伦理AI实践设定了舞台。它提醒我们，虽然AI有潜力彻底改变职场，但必须负责任和道德地实施。在我们继续导航AI时代的同时，我们共同的责任是确保技术为我们服务，而不是相反。
图片来自Midjourney 生成
扫一扫 加微信
hrtechchina
