人机协作
【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。
人机协作
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。
人机协作
2026十大劳动力分析趋势：重塑人力资源未来
基于证据的决策已是跨行业最佳实践，但企业落地成效堪忧。德勤全球调查显示，尽管劳动力数据收集与分析工具持续迭代，仍有 83% 的企业劳动力分析成熟度处于低水平。而成熟度更高的企业，正凭借先进的分析实践驱动可衡量的业务成果。
劳动力分析的核心差异何在？未来发展方向又将走向何方？本文梳理重塑行业的十大劳动力分析趋势，为企业破局提供参考。
什么是劳动力分析？
劳动力分析是通过员工数据持续生成洞察的实践，核心是帮助管理者理解、预测并优化员工绩效。它突破基础 HR 报告与仪表盘的局限，整合全组织信息，运用统计分析、AI、机器学习等先进技术，不仅描述劳动力现状，更能预测未来需求、检验假设，为组织决策提供依据。
趋势 1：预测性与规范性分析成 HR 标配
劳动力分析正从 “回顾历史数据” 转向 “塑造未来决策”，预测性与规范性分析广泛应用于人员编制、风险管理、技能决策中。前者预判流失率、技能短缺等趋势，后者评估招聘、人才调配等应对方案的影响，推动 HR 从单纯预测转向业务决策支持，成为企业劳动力风险的预警系统。
HR 行动指南：将预测洞察融入预算与战略规划；优先模型易理解性而非复杂度；透明披露假设与局限性。
趋势 2：影响指标取代数量指标成核心
招聘周期、离职率等传统 HR 指标已难以支撑决策，企业正转向结果导向的影响指标，将人力举措与生产力、客户成果、业务绩效挂钩。影响力指标并非替代传统指标，而是为其赋予业务背景，明确人事决策如何推动组织成果。
HR 行动指南：锁定 1-2 项核心业务成果，反向追溯影响因素；重构 HR-KPI，建立人员指标与业务成果的关联。
趋势 3：分析模式从周期性转向持续性
静态的月度 / 季度报告正被近乎实时的持续监测取代，核心是缩短数据反馈周期。借助现代分析平台，系统可对劳动力趋势、风险指标持续监控，异常时自动触发警报，让 HR 无需等待数周，即可及时响应政策调整、项目实施的效果变化。
HR 行动指南：区分持续监测与定期审查的劳动力信号；设定指标阈值与预警机制；将分析嵌入日常管理流程。
趋势 4：人机共生下，技能比岗位更重要
企业正摒弃固定岗位思维，转向技能导向的劳动力规划，核心关注 “所需能力、能力缺口、获取方式”。领先企业搭建动态技能库与内部人才市场，减少对外招聘依赖；同时通过员工再培训，应对 AI 对工作形态的重塑，适配岗位的人机协作需求。
HR 行动指南：分开追踪岗位技能与员工能力，适配当前绩效与未来需求；构建技能邻近性模型，识别高需求岗位的潜在适配员工。
趋势 5：人才情报成全球人才市场竞争优势
人才短缺仍是全球企业核心痛点，74% 雇主表示难以找到技能匹配人才，但仅 12% HR 负责人开展三年及以上战略性人力规划，核心差距在于高级分析工具的应用不足。人才情报整合内外部劳动力数据，转化为可执行洞察，其价值正从招聘专属能力，融入 HR 全流程决策。
HR 行动指南：推动人才情报与业务战略高层对齐；搭建技能分类体系，对接内外部需求；加大人才情报工具与数据能力的长期投资。
趋势 6：劳动力分析让 DEI 商业价值可量化
DEI 的商业价值长期难以落地，核心原因是其影响无法有效衡量。劳动力分析将 DEI 从 “价值观讨论” 转向 “证据化决策”，通过量化人员代表性、追踪晋升薪酬公平性、关联包容性指标与业务绩效，让 DEI 举措的投入与回报可衡量，成为企业战略议题。
HR 行动指南：制定结果导向的 DEI 指标；为领导层提供多维度 DEI 数据钻取视图并设置预警；定期复盘分析结果，动态调整 DEI 举措。
趋势 7：算法管理从应用走向全流程问责
90% 的企业已使用算法工具支持招聘、绩效评估等管理任务，但算法无法自动消除偏见，且责任归属、运行逻辑等问题亟待明确。随着相关法律法规完善，企业对算法管理的关注，正从 “是否采用” 转向 “如何治理、监控、解释”。
HR 行动指南：部署前评估算法工具影响；定期监测模型偏见与意外结果；建立 AI 辅助决策的治理与所有权机制。
趋势 8：劳动力数据治理成必选项
劳动力分析的可持续发展，核心是合规与员工信任，而数据治理是基石。数据治理并非 HR 单一部门的工作，而是需要 HR、IT、法律、业务部门跨职能协作的系统工程，完善的治理体系不仅降低法律与声誉风险，更能支撑分析能力的有序创新。
HR 行动指南：绘制劳动力数据源图谱，按风险等级分类；对高风险分析场景开展数据保护影响评估；明确员工的数据相关权利。
趋势 9：智能代理 AI 从实验迈入 HR 日常应用
区别于仅响应指令的传统 AI，智能代理 AI 可自主执行目标、处理多步骤工作流，正从实验阶段走向 HR 实用化部署，广泛应用于劳动力情景模拟、合规检查、员工风险预警等端到端流程，推动 HR 从被动事务性工作，转向主动劳动力管理。
HR 行动指南：在面试安排、入职管理等标准化流程试点智能代理 AI；建立例外情况的升级与审查机制；培养 HR 团队基础 AI 素养。
趋势 10：HR 从数据分析师转型为业务战略伙伴
劳动力分析与 AI 的普及，推动 HR 角色核心转变：从追问 “数据揭示了什么”，转向思考 “该采取什么行动、对业务有何影响”。数据分析能力已成为 HR 的基本要求，而商业敏锐度、战略解读能力、数据叙事能力，成为 HR 创造价值的核心竞争力。
HR 行动指南：投资决策型分析工具，评估团队应用能力；全面培养 HR 数据分析能力，同步提升高层沟通与战略思维。
结语
十大趋势共同指向企业人力资本管理的根本性变革：基于证据的劳动力分析，正成为企业规划未来、应对变革的核心抓手，推动人才战略与业务优先级深度对齐。对 HR 领导者而言，劳动力分析的重要性已无需论证，如何快速从认知阶段迈向战略成熟阶段，成为当下核心课题。
人机协作
微软最新方法论：用 AI 重塑组织，迈向前沿企业（Frontier Firm）
HRTech概述：微软发布全新《Becoming a Frontier Firm》框架，系统总结其 AI 转型经验，提出五大关键洞察：让知识工作可见化、明确风险边界、构建合适的 AI 工具组合、重塑角色与组织结构、建立持续实验文化。微软指出，AI 转型不是简单引入工具，而是对工作方式、流程与组织能力的全面重构。
在实践路径上，微软提供三条可复制模式：角色加速、流程重塑和 AI 原生孵化。从提升单个角色的效率，到重塑端到端流程，再到从零构建 AI 驱动的新型团队结构，为企业提供了不同层级的落地方案。AI 将成为组织竞争力的基础能力。迈向前沿企业，需要技术、流程与人的协同演进。微软的方法论，为企业提供了一个清晰可执行的转型路线图。
视频解读关注视频号：HRTech
微软万字报告揭秘：未来企业如何用AI重塑一切？这三大法则你必须知道
当前，企业界正普遍面临一个严峻的AI挑战：许多公司都在进行各种AI实验，但很少有公司能将这些零散的AI活动，转化为可衡量的、实实在在的业务影响。太多项目陷入了“试点炼狱”（pilot purgatory），最终只留下一堆“看起来很酷但无法扩展、无法落地、也无足轻重的演示”（shiny demos that don't scale, don't stick, and don't matter）。
为了应对这一挑战，微软提出了一个全新的组织模式——“前沿企业”（Frontier Firm）。这是一种由人领导、由智能体（Agent）运营的组织，它们像购买电力一样购买智能，并像滚雪球般让其价值复利增长（human-led, agent-operated organizations that buy intelligence like electricity... and compound it like interest）。这不仅是一个概念，更是企业驾驭AI浪潮的最终答案。
本文将从微软的深度报告中，为您提炼出最具冲击力和参考价值的三大核心法则，以及三种可落地的行动路径，帮助您理解如何将AI从“试点项目”真正转变为企业发展的核心引擎。
微软的分析揭示，“前沿企业”之所以能脱颖而出，并非依赖于其技术堆栈，而是源于其对三大基础运营法则的严格遵守。
法则一：让“看不见”的工作“看得见” (Make the Invisible Visible)
知识型工作（Knowledge work）长期以来都面临一个根本性难题：它难以被观察、衡量和改进。你无法像观察流水线一样，去观察一个人如何谈判合同，或起草一份产品发布策略，因为真正的行动发生在无形的思维和沟通之中。而一个简单却深刻的道理是：你无法改造你看不见的东西。
这正是AI转型的起点。微软劳动力转型企业副总裁Katy George指出：
“用AI进行重塑，起点并非技术，而是理解人们实际的工作方式。你无法改造你看不见的东西。” (Redesigning with AI doesn’t begin with technology. It begins with understanding how people actually work. You can’t transform what you can’t see.)
“前沿企业”解决这个问题的核心方法论，就是将工作“可见化”。通过采用“生命中的一天/一周”（day-in-the-life/week-in-the-life）研究、现场观察（Gemba walks）、用户画像地图（persona mapping）、流程挖掘（process mining）、价值流图（value stream mapping）和持续改善（Kaizen）等方法，企业可以清晰地描绘出工作流程的每一步，揭示隐藏的瓶颈、延迟和交接点，从而找到AI可以发挥最大作用的具体机会。
例如，金融运营平台Ramp通过追踪其财务流程中的每一个交接环节，发现许多微小的延迟在不知不觉中累积成了巨大的时间成本。在定位了这些问题后，他们部署了AI智能体来自动匹配收据和复核审批。最终，Ramp每月能处理500万张收据，节省了整整30,000个工时，并以创纪录的速度完成账目结算。
法则二：AI不是“外挂”，而是“基础设施” (AI as Core Infrastructure)
许多公司对待AI的态度，更像是一场“创新戏剧”（innovation theater）——将其作为公关稿和投资者电话会议上的展示品。相比之下，“前沿企业”则将AI视为与电力、网络同等重要的核心基础设施，并将其深度嵌入到核心业务流程之中。
这种思维上的根本转变，意味着企业思考的问题从“我们可以在哪里增加一些自动化？”转变为“我们如何围绕AI来重新设计工作？”。只有这样，企业才能真正开始利用AI实现复合式回报，加速业务周期，并发现全新的能力。
微软提出的实践方法是“设计合适的AI解决方案集”，即根据具体的业务需求，灵活地组合使用无代码、低代码和专业代码的工具，确保技术与业务目标精准匹配。
以LinkedIn为例，他们正在重塑整个产品开发流程，让AI成为日常工作密不可分的一部分。他们将一个名为“Mae”的内部AI智能体嵌入到开发工作流中，该智能体能自动修复超过三分之一的开发者构建问题。在这种模式下，AI不再是一个需要单独打开的“外挂”工具，而开发人员也能承担起从研究、设计到编码、测试的更广泛职责，最终结果是交付速度的大幅提升和一种由AI驱动业务表现的文化。
法则三：抵达“前沿”不是终点，而是一种实践 (The Frontier is a Practice)
AI转型没有终点线。“前沿企业”永远处于“公测版”（perpetual beta）状态，它们将每一个现有流程都视为一个等待验证的假设，并将每一次改进都视为下一次创新的燃料。
这一原则是如此基础，以至于它构成了微软分析的核心论点：
“前沿企业不会将AI简单地叠加在现有工作之上；它们从根基上重新思考工作的完成方式。” (Frontier Firms don't layer AI on top of existing work; they rethink how work gets done from the foundation up.)
这种“持续实验的文化”并非无序的、随意的尝试。它恰恰需要结构化的实验、可靠的衡量指标和严格的治理体系，以确保创新是负责任且风险可控的。团队需要系统地学习如何设计、运行和评估实验，将好奇心转化为指数级的价值。
例如，一家金融服务机构在转型过程中，首先由CEO设定了“利用AI改善客户服务”的明确目标。随后，团队绘制了核心服务流程的每一步，并重新定义了初级和高级员工的角色。这完美体现了“由人领导、由智能体运营”的原则：AI智能体处理前期的资料分析（“智能体运营”），从而将资深专家解放出来，专注于运用判断力、同理心和战略洞察力来领导客户沟通（“由人领导”）。整个过程通过培训和激励机制来推动，并以一种“展示你的工作”（show your work）的开放方式进行追踪，确保了清晰的步骤和明确的责任。
实战手册：微软给出的三种行动路径
在理解了上述三大法则之后，企业需要具体的行动路径来将理念付诸实践。微软在其自身的转型探索中，总结出了三种可供其他公司参考的落地方法。
路径一：加速个人角色 (Accelerate Personas)
方法解释： 这种方法专注于组织内的特定角色（如销售、公关、财务分析师），通过为他们配备定制化的Copilot和智能体，将优秀员工的AI使用技巧和工作流程规模化，从而整体提升该角色的绩效。其战略意义在于，它将AI的成功从一场“个人赛”转变为一场“团体赛”。
实例：微软公关部（Microsoft Communications） 他们通过为公关专业人士绘制“一天的工作”，发现了重复性高且耗时的任务。随后，团队开发了定制化的“公关Copilot”（Communications Copilot），它能够自动化处理撰写社交媒体帖子、创作故事初稿和生成FAQ等日常任务。同时，团队还在探索使用“研究员智能体”（Researcher agent）来自动生成媒体简报。这些举措让团队能将更多精力聚焦于更具战略性的核心工作，显著提升了效率和影响力。
路径二：重塑工作流程 (Reinvent Workflows)
方法解释： 这种方法着眼于整个端到端的业务流程（如财务预测、客户支持），利用AI来重新设计整个流程，以大幅减少时间消耗、资源浪费和人力投入。
实例：微软财务部（Microsoft Finance） 财务部领导层首先确定了六个对业务至关重要的核心工作流程。然后，他们将这种自上而下的战略优先级，与来自一线员工自下而上的创新想法相结合。通过公民开发者和专业IT团队的协作，他们在关键节点上构建并实施了AI解决方案。最终，公司实现了更快的财务预测、更短的合规处理时间，并达成了收入增长速度超过员工人数增长的优异成果。
路径三：培育AI原生孵化 (Cultivate AI-first Incubation)
方法解释： 这种方法最为彻底，它采用一种“零基重设”（zero-based redesign）的思路。它由一个专家团队从零开始，以AI为核心，彻底重新设计一种全新的工作方式、团队结构和业务流程。
实例：微软行业解决方案工程部（Microsoft Industry Solutions Engineering） 为了加速交付为客户定制的解决方案，该部门创建了名为“萤火虫小队”（firefly squads）的敏捷团队。这些由资深专家组成的小组拥有端到端的项目所有权，他们采用一种实验驱动的模式，利用模块化模式和AI生成的参考解决方案进行快速原型设计和代码复用，并借助GitHub Copilot智能体加速开发。这种AI原生的工作方式，最终为客户带来了成本的降低、满意度的提升，并显著缩短了特定项目的交付周期。
成为“前沿企业”的旅程，不是一次简单的技术升级，而是一场深刻的业务转型。通过坚守这三大法则——让工作可见以摆脱猜测，将AI作为核心基础设施以摆脱“创新戏剧”，以及拥抱永续的实验实践以摆脱停滞——企业才能最终挣脱“试点炼狱”的束缚，真正开启价值创造的征程。
AI变革的核心，不在于引进了多少工具，而在于我们是否敢于从根本上重新思考“工作”本身。
问题不在于AI是否会重塑你的公司——它已经在这样做了。真正的问题是，你将带领你的组织脱颖而出，还是让别人来定义未来的可能性？
附录：
《Becoming a Frontier Firm》
下载地址：https://www.hrtechchina.com/Resources/B3172FC0-35E3-6E17-CA66-EA98CD61E3E6.html
人机协作
2025 全球劳动力未来报告：员工对 AI 抱持高度乐观
HRTech概述：《2025 全球劳动力未来报告》显示，AI 正以前所未有的速度重塑全球职场。75% 的员工相信 AI 会创造更多岗位，70% 认为工作正在演变，但只有 19% 担心被替代。AI 已连续三年成为最影响职场的核心趋势。虽然 AI 每天为员工节省近 120 分钟，但企业产出并未同步提升。多数员工将节省时间投入战略思考、质量检查和培训等方向，却难以用传统 KPI 衡量。仅有 1/3 的员工能评估自身工作价值，成为效率提升的最大阻力。
引言：超越炒作，探寻 AI 工作的真实面貌
关于人工智能（AI）将如何颠覆职场的讨论不绝于耳，其中既有对未来的无限憧憬，也夹杂着对大规模失业的普遍焦虑。然而，在众说纷纭的炒作之外，员工的真实感受和经历是怎样的？Adecco 集团发布的最新《全球未来劳动力报告》（Global Workforce of the Future 2025）为我们提供了宝贵的答案。这份报告基于对全球 37,500 名员工的广泛调查，揭示了一系列令人意外的发现。本文将为你揭示其中四个最引人深思的真相，它们正在挑战我们对 AI 职场革命的传统认知。
发现一：员工出人意料的乐观——AI 创造的岗位多于取代的岗位
与媒体普遍渲染的“AI 将导致大规模失业”的论调相反，大多数员工对 AI 的到来持乐观态度。他们看到的更多是机遇，而非威胁。
数据清晰地描绘了这种乐观情绪：当绝大多数人看到机会（76% 的员工认为 AI 正在创造更多工作岗位，70% 的员工表示自己的工作岗位正在不断演变）时，只有极少数人（23%）担心被取代。
这一发现至关重要，因为它表明，员工队伍比许多企业领导者想象的更能接纳变革。对企业而言，真正的挑战并非安抚员工的恐惧，而是如何有效地引导和利用这种普遍存在的积极性。雇主有责任在利用员工当前变革热情的同时，管理好他们对 AI 影响的预期，将员工的热情转化为推动组织发展的动力。
发现二：目标感——留住人才的“新秘密武器”
在 AI 时代，技术和薪酬固然重要，但报告揭示了一个更强大的员工保留因素：工作中的目标感。当员工理解自己工作的意义和价值时，他们的忠诚度会显著提升。
数据显示，工作目标感与留任意愿之间存在惊人的强关联：在每天都能感受到强烈工作目标感的员工中，高达 99% 的人计划在未来 12 个月内留任；而在从未感受到强烈目标感的员工中，这一比例骤降至 53%。
这对领导者来说是一个明确的信号。要培养员工的目标感，组织必须清晰地传达公司战略，解释 AI 将如何影响个人角色，并提供明确的职业成长机会。这种目标感不仅仅是留住人才的工具，更是我们接下来将要讨论的生产力提升的引擎。当员工理解了工作的“为什么”，他们才能更好地将 AI 节省下来的时间投入到创造可衡量价值的活动中。
随着任务和角色随着技术的发展而演变，目标、价值和信任将我们的人性锚定在工作场所。
发现三：AI 生产力悖论——我们节省了更多时间，却并未创造更多价值
AI 工具的普及确实为员工节省了大量时间，但这并不总能直接转化为企业所期望的商业价值。这便是报告中揭示的“AI 生产力悖论”。
一方面，效率的提升毋庸置疑：员工报告称，使用 AI 平均每天可以节省 2 小时，是去年的两倍。但另一方面，这些节省下来的时间并未有效转化为价值：惊人的是，有三分之一的员工将这些时间用于完成相同或更繁琐的任务，并且只有 36% 的人能够自信地衡量自己工作所带来的影响。
这意味着，仅仅为员工部署 AI 工具是远远不够的。报告进一步揭示，这一悖论在“未来就绪型员工”（Future-ready workers）中表现得并不明显。这类员工更有可能获得清晰的业务目标，并理解自己的工作如何为公司做出贡献。正是这种框架性的指导，使他们能够将节省下来的时间投入到更高价值的活动中。因此，解决生产力悖论的关键，在于企业能否创造一个培养“未来就绪型员工”的环境。
发现四：AI 越智能，我们对人类信任和数据隐私的需求就越迫切
随着员工对 AI 的了解日益加深，他们对其风险的认知也愈发清晰，尤其是对数据安全的担忧。报告显示，员工对数据或个人信息被滥用的恐惧从去年的 46% 飙升至今年的 75%。
有趣的是，员工对 AI 的信任是有选择性的。他们乐于将日程安排、信息检索等后勤任务交给 AI，但在处理职业发展、绩效辅导、离职面谈等涉及个人情感和高风险决策的事务时，他们仍然压倒性地信任人类。这一趋势揭示了一个深刻的道理：对 AI 的信任并非源于熟悉，而是源于参与。数据显示，“未来就绪型员工”对 AI 的信任度（6.6/10）远高于“主流员工”（3.3/10），其根本原因在于，有 41% 的“未来就绪型员工”被雇主邀请参与到由 AI 重塑的工作设计中，而“主流员工”的这一比例仅为 24%。将“让人参与”作为一项战略，是建立信任的唯一途径。
人际联系是无可替代的。构建有韧性、适应性强的未来型员工队伍，要靠人，而不是技术。
结论：AI 的未来，始于“以人为本”
这份报告为领导者揭示了一条清晰的路径：员工队伍普遍的乐观情绪（发现一），只有在强烈的目标感（发现二）生产力（发现三）。而整个转型的实现，则完全取决于通过让员工参与工作再设计来建立深厚的信任（发现四）。因此，在 AI 时代，衡量领导力的终极标准，将不是部署了何种技术，而是解锁了多少人类潜能。
这向所有管理者提出了一个核心问题：当我们将 AI 融入团队时，我们是否在为技术效率进行设计的同时，也投入了足够的时间来为人类价值进行重新设计？
报告下载：https://www.hrtechchina.com/Resources/24BC690A-0B8E-9A22-2B4C-469355963A39.html
人机协作
深度解读：AI正在成为你的新“同事”，从工具到队友，企业准备好了吗？(附录报告下载)
一、AI不再是工具，而是“团队的一员”
报告《AI Agents As Employees》（附下载），揭示了一个前所未有的趋势：AI正从“被动执行的工具”，转变为“主动参与的员工”。在企业的日常运作中，AI代理（AI Agents）已经开始承担明确的职责，它们可以理解目标、设定行动计划、跨系统执行任务，并与人类同事协作。
这意味着，AI不再仅仅是后台算法或客服机器人，而是正在被企业正式“纳入组织结构图”。在某些创新公司中，AI代理甚至被赋予职位名称——如“AI市场分析员”“AI合规专员”“AI创意顾问”等。
二、AI代理的崛起：企业自动化的新形态
AI代理（AI Agent）与传统AI最大的区别在于其“主动性”与“自主性”。它们可以不依赖人工指令，自行感知任务、拆解目标并执行决策。报告指出，一个成熟的AI代理具备四个特征：
主动性（Proactivity）：能够自发识别并启动任务；
目标导向（Goal-driven）：不再仅响应指令，而是围绕目标执行；
持续学习（Adaptive Memory）：能记住历史任务与结果，不断优化自身行为；
协作能力（Collaborative Integration）：能与人类或其他AI协同完成复杂任务。
这类“智能员工”正在出现在多个行业中。例如：
Unstoppable Domains 的AI客服代理已处理约三分之一的用户请求；
Shopify 利用AI代理帮助新商家自动上架和优化产品；
Banco do Brasil 用AI代理执行实时风险与合规监控；
Synergetics.ai 建立AI代理市场，提供金融、法务、合规等可即插即用的AI员工。
三、从自动化到协作：组织正在被重塑
AI代理的出现，不仅改变了工作效率，更重塑了组织关系。报告强调：真正的变革，不是AI接管人类，而是AI融入团队结构。
企业的组织图正在发生革命性变化。传统的人力层级——经理、主管、执行者——正在被“人机混合团队（Human + AI Teams）”替代。这种新模式下：
AI负责数据密集型、重复性、系统性任务；
人类负责战略决策、创新思维、情绪沟通与伦理判断。
但这种融合带来新的挑战：信任、透明度与心理安全。员工会担心“AI是否在取代我”，而管理者则困惑“AI输出的结论是否可信”。
四、信任的重建：AI透明化成为企业竞争力
报告认为，未来的核心竞争力不再是AI算法的先进程度，而是AI决策的透明性与可解释性。只有可解释、可追溯的AI，才能赢得员工和客户的信任。
目前，包括 Salesforce、Microsoft、PwC 在内的企业，正在研发“Explainable AI（可解释AI）”与“AI Audit Trail（AI决策追踪）”机制，以确保AI的行为合规、可靠且可核查。63%的员工表示，“人工复核”机制是提升AI信任度的关键。
报告建议企业建立：
AI服务卡（AI Service Card）：记录AI的功能、数据源与决策范围；
伦理审计机制（Ethical Audit）：确保AI行为符合公司价值观；
透明反馈系统（Feedback Loop）：让员工能追溯AI行为背后的逻辑。
五、领导力的转变：从“管理人”到“管理AI”
随着AI代理融入团队，管理者的职责也在变化。未来的领导者，不仅要懂得如何激励人，还要学会如何监督AI、纠偏AI、与AI协作。
这意味着一种新型的“AI领导力”正在诞生。报告提出三大核心能力：
技术理解力：掌握AI的基本原理与局限；
伦理判断力：在冲突与风险中平衡效率与公平；
系统思维：能同时统筹人类与AI的协作机制。
同时，新的岗位也在兴起，如 首席AI官（Chief AI Officer）、AI治理主管（AI Governance Lead）、AI伦理负责人（AI Ethics Officer）。
六、效率的代价：IBM与麦当劳的警示
报告中特别引用了两个案例，揭示AI“过度自动化”的风险：
IBM案例：2023年，IBM采用AskHR系统后，裁掉了约8000名HR员工。但两年后，公司发现AI虽能处理94%的问题，却无法应对复杂的人类事务。最终，IBM重新招聘人类HR岗位，CEO Arvind Krishna 承认：“AI没有情感判断力，它能给答案，却无法安抚人心。”
麦当劳案例：2024年，麦当劳放弃AI自动点餐系统，因为AI频繁出错、误识别语音。高效率带来的，却是用户体验和信任的崩塌。
这两个案例成为报告中的警示章节：The Limits of Automation（自动化的边界）。AI能提升效率，但当企业忽视“温度”与“人性”，自动化就会变成风险放大器。
七、未来的衡量标准：ROI不止是省钱
过去企业衡量AI的投资回报率（ROI）主要看成本节约与效率提升。但报告提出了全新的“四维ROI模型”：
维度 说明
经济价值（Economic Value） 成本节约、营收增长、时间效益
运营绩效（Operational Performance） 准确性、执行力、稳定性
员工与客户体验（Human Impact） 满意度、信任度、协作度
伦理与社会价值（Ethical Value） 品牌信任、社会责任、AI治理透明度
企业未来的竞争，不再只是“谁用AI更多”，而是“谁用AI更负责任、更聪明、更人性化”。
八、结语：AI的未来，不是取代，而是共生
《AI Agents As Employees》的核心结论是：
“未来的竞争优势，不属于最先采用AI的企业，而属于最懂得让AI与人类共生的企业。”
AI代理正在成为企业的新成员，但它不是人类的替代品，而是人类智慧的放大器。真正的未来组织，将是一个 “Human + AI” 协作生态—人在其中创造意义，AI在其中驱动效率。
而领导者的终极考验，不是如何驯服AI，而是如何在人与AI之间，重新定义“信任”的边界。
想了解更多关于“AI代理如何重塑组织结构、信任机制与领导力”的研究，请下载完整报告：《AI Agents As Employees》——来自Unstoppable Domains COO Sandy Carter 的深度分析，揭示AI从工具到“队友”的全路径演化。
（下载地址：https://www.hrtechchina.com/Survey/E729DF7E-1F90-FD11-9E24-688BA8ED8B1D ）
人机协作
IBM裁掉8000名HR后，又重新招聘人类HR——当AI效率高，却失去了判断的温度
HRTech概述：IBM曾用AskHR系统取代8000名HR，AI能处理94%的询问，却无法理解员工的情绪与信任。两年后，IBM重新招聘人类HR岗位，重建人与组织的桥梁。麦当劳的AI点餐系统也因高错误率被终止。AI的确提升了效率，却削弱了人性温度。未来领导者的关键，不是完全自动化，而是在人机之间找到平衡——让AI处理事务，让人类判断情境。真正的竞争力，将来自“人机共生”。
一、AI狂飙的年代：IBM的“理性实验”
2023年，IBM成为全球AI转型的先锋之一。公司高调宣布将通过其自研的智能人力资源系统 AskHR，实现HR自动化与成本优化。系统上线后，IBM在全球范围内裁撤了约 8000名人力资源岗位员工，这被视为AI接管人力工作的一次大胆实验。
AskHR系统的确强大——它能在几秒内回答员工关于薪资、假期、绩效、合规等常见问题，处理速度和准确率远超人工。据IBM CEO Arvind Krishna 介绍，该平台能处理 94% 的标准询问，实现了显著的运营效率提升。
然而，IBM很快意识到一个更深层的问题：AI能回答问题，却无法理解问题背后的“人”。
二、AI的极限：无法替代“人类判断”
自动化系统擅长逻辑，但在需要情境理解和人性判断的场景中，AI往往显得“机械而冷漠”。当员工情绪波动、绩效分歧、文化冲突或伦理争议出现时，AskHR的回答虽然正确，却让人“感觉被拒绝了”。
报告指出，在裁员后的两年间，IBM的内部员工满意度显著下降。尤其在涉及晋升、公平与组织文化的议题中，AI的冷处理方式削弱了信任，员工与组织之间的关系被“算法化”了。
到2025年，IBM不得不重新招聘人类HR岗位，尤其在 工程、市场、销售与组织发展部门，重建人类判断与沟通的桥梁。这一决策被外界称为——
“AI自动化的一次人性反弹（the human backlash to automation）”。
三、效率的代价：麦当劳的“AI点餐失败”
IBM并非唯一的例子。麦当劳在2024年终止了其AI自动点餐系统试点，因为AI在识别顾客语音时频频出错。错误率高达20%，不仅延误了订单，还引发大量客户投诉。
这些案例都揭示出一个相同的事实：
AI的效率提升是显著的，但人类的信任损失更昂贵。
AI的局限不在算法，而在对复杂情境的理解。它缺乏“语境判断力”（contextual judgment），无法分辨人类语言中的情绪、隐喻与价值冲突。
四、“效率”与“温度”的平衡：AI领导者的课题
IBM的案例在全球商业界引发强烈反思。报告认为，未来企业在部署AI代理（AI Agents）时，必须在效率与人性之间重新找到平衡。
领导者的角色，也从“流程管理者”转向“AI监督者（AI Steward）”。他们需要懂得以下三点：
建立双循环系统（Human-in-the-loop）：让AI处理机械任务，但在人类判断关键节点保留人工复核。
重塑信任机制：建立AI决策的“可解释性”（Explainability）与“追溯机制”（Audit Trail）。
衡量新型ROI：不仅看成本节约，还要看文化、信任与长期创新的收益。
五、启示：AI的未来，不是取代，而是协作
IBM的“先裁后招”是一个时代信号——AI不是终点，而是检验组织智慧的分水岭。那些盲目追求效率的企业，最终会发现，真正的竞争优势来自“人机共生”。
AI可以处理问题，但解决问题仍需要人心。正如报告结语所写：
“Efficiency without empathy backfires.”没有温度的效率，终将反噬组织的信任。
人机协作
HRTech观察：从“人+钱”到“人+钱+AI代理”：Workday品牌定位的演进，标志着HR科技新时代的开启
HRTech观察：过去三年，Workday对品牌定位的不断更新，折射出HR科技正从流程数字化走向智能代理时代。从“管理人和钱”到“管理人、钱与AI代理”，这一转变不仅是语言升级，更标志着AI代理正式成为企业管理的第三核心资源，开启了“人+AI共事”的新范式。
在2025年5月19日，Workday 发布了其最新一代 AI 产品——Illuminate Agents。这本是一次常规性的AI升级新闻，但若我们留意新闻稿中的一句定位变化，会发现一场“时代的转向”已经静静发生：
“Workday, Inc. (NASDAQ: WDAY), the AI platform for managing people, money, and agents.”
这是 Workday 首次将“agents（代理）”与“people（人员）”和“money（资金）”并列，写入企业品牌定位。表面上看只是一句slogan的更新，实际上却是整个 HR 科技行业迈入“Agentic AI”时代的里程碑。
而这场变革的线索，早已隐藏在 Workday 过去三年的品牌语言变化中。
🕰 Workday品牌定位的三年演进时间线
从这条时间线不难看出，Workday 正在逐步从“应用”到“解决方案”，再向“平台”转型；从“工具支持”走向“智能代理”；从“系统”升级为“智能协作伙伴”。
💡 从“support”到“replace”：AI Agents的崛起不是简单技术演进
此次发布的 Illuminate Agents 不再只是嵌入式AI功能，而是具备执行、理解、判断能力的任务型智能代理（Agentic AI），它们拥有“身份”、“权限”和“上下文认知”。
Workday此次推出的七大新代理包括：
Contingent Sourcing Agent：加速临时工招聘流程
Contract Intelligence Agent / Negotiation Agent：解析合同内容、识别风险与生成条款
Document Driven Accounting Agent：自动读取发票、生成会计分录
Frontline Agent：为一线员工提供缺勤申报、替岗推荐与薪资合规支持
Self-Service Agent：快速响应员工请求、直接执行操作
Supplier Contracts Agent：解读供应商合同条款并推动采购合规
这些“agent”并非仅是chatbot，而是可以连接业务流程、理解角色身份、执行具体动作的“数字员工”。
在HR场景中，这意味着一个全新的“员工”类别已经诞生——AI Agent。
📐 为什么说这是一个时代的开始？
从“cloud applications for HR”到“AI platform for managing agents”，品牌语言本身就代表了战略导向的转折。
我们可以从三个层面理解这种转变的深远意义：
1. 品牌语言的改变 = 技术路径的成熟
Workday 并非一家惯于追风口的公司，其产品发展历来强调稳定、内控、合规和实用性。若非对 agentic AI 架构已达到产品化阶段，其不会将“agents”写入品牌主语中。
2. “agents”成为组织资源的第三类
传统企业管理的两大核心资源是：人（people）与钱（money）。Workday将“agents”并列其中，实质是在告诉我们：
企业未来的“人力资源”不仅指“人”，也包括“AI劳动力”。
3. 标志着从“数据驱动决策”到“代理驱动运营”的范式跃迁
HR 科技一直在强调“数据驱动”（data-driven），但今天，Workday 正在推动“代理驱动”（agent-driven）：
不仅提供数据洞察，更直接执行决策，自动完成任务，从支持系统跃迁为执行系统。
🔍 HR科技行业的三个未来判断
借助 Workday 的这次定位升级，我们可以合理做出以下判断：
✅ 1. AI Agent 将成为未来HR系统的默认功能
招聘、入职、考勤、合同管理、薪酬、绩效等核心流程中，将逐步内嵌可执行的智能代理。
✅ 2. “管理代理”成为HR的新能力
HR的核心职责将不再只是管理员工，也将包括管理“虚拟代理”：配置、授权、监督、优化AI任务执行。
✅ 3. Agentic AI 将成为HR产品差异化的新战场
谁能在HR系统中率先打造稳定、可控、可解释的Agent体系，谁就有望在下一个十年的竞争中抢占主动。
HRTech提醒：别忽视一条新闻稿的措辞变化
很多人可能会忽略品牌语言的力量，但对于一家如 Workday 这样高度理性、产品导向型的企业来说，一句话的修改，往往意味着战略的调整、技术的成熟，甚至行业方向的转弯。
当“agents”成为 Workday 的品牌主语之一，它不仅仅在卖AI工具，更是在定义：未来的企业管理，必须把“代理”当作核心劳动力之一加以思考与设计。
这是一次语言的革命，更是一次时代的揭幕。
人机协作
IBM用AI Agent替代数百个HR岗位？这场“AI Agent革命”才刚刚开始
HRTech概述：AI代理正以前所未有的速度重塑人力资源领域，从招聘、入职、绩效管理到员工关怀，传统HR职能正被智能代理接管并优化。随着HR系统从静态工具演进为主动式智能平台，企业开始构建由多个专业AI代理组成的人才管理生态，推动组织运作方式全面升级。本文深入解析AI代理架构、员工数字双胞胎、技能驱动管理等核心趋势，揭示HR如何在技术主导的新时代中，从流程管理员跃升为战略协同者。 5月23日上海HR科技年度论坛中，我们也特邀嘉宾现场分享AI Agent的相关话题，点击抢票
一、如果你的下一位HR同事是AI代理？
“AI代理（AI Agents）正在接管招聘、入职、员工关怀、绩效反馈等流程，HR不再只是支持部门，而正在成为企业战略引擎。”Amber Grewal，全球人力资本领导者谈到。
而IBM的行动已经走在了这场革命的前线。今年5月，IBM首席执行官Arvind Krishna公开表示，公司内部已有数百个人力资源岗位被AI代理所替代，同时公司却在程序开发与销售等“关键性岗位”增加了招聘，实现了总就业人数的增长。
这并不是“被裁员”的传统剧本，而是“角色再定义”的真实上演。
二、AI代理经济的崛起：不仅是趋势，更是结构性转变
在平台经济之后，“代理经济（Agent Economy）”成为新主流。与其说企业在部署AI，不如说它们正在引入“数字同事”——拥有独立执行力、可协作、能推理决策的AI代理。
根据Grewal的研究，预计到2030年，AI代理将自动化30%至50%的企业流程。Salesforce、NVIDIA、亚马逊、Mayo Clinic都已部署了上百万个AI代理，覆盖从客户服务、医疗诊断到金融建议的多个场景。
对于HR而言，这代表着技术栈的彻底转型——从静态工具（如ATS/HCM）向主动智能平台转变；从“HR系统”变为“HR智能生态系统”。
三、IBM案例启示：用AI替代HR流程，却反向提升就业
IBM的Think大会期间，CEO Krishna指出：
“我们已经用AI代理替代了数百名HR人员的工作，但总就业人数反而提升。因为AI让我们有余力把资源转投到软件开发、销售、市场这些需要人类创造力的领域。”
这正体现了Grewal所说的“HR的新前沿”——人类员工与AI并肩作战，前者负责判断与人际交互，后者处理重复与流程性任务。
这种“减员增效”的路径不是终点，而是开端。IBM还推出了帮助企业构建自身AI代理的服务，构建了一个面向未来的AI人才操作系统。
四、HR职能转型：从系统管理员到AI生态协调者
根据Grewal的研究，未来HR技术栈将由三个关键层级构成：
基础模型层：大语言模型提供统一的理解与推理能力（如GPT或Workday等专属模型）；
代理协调层：不同HR代理之间协调工作，统一体验，类似“中控系统”；
专业代理层：招聘代理、员工体验代理、绩效代理等各司其职，背后协同但前台统一界面。
企业不再“采购HR系统”，而是“构建HR代理生态系统”。
例如，Unilever部署AI招聘代理后，每年节省100万英镑成本、减少超过10万小时人工筛选时间，并提升了招聘多元性。这些代理与现有系统并行运行，是“渐进式重构”的典范。
五、数字员工双胞胎（Digital Twin）是终极目标
未来的员工将不再只是一个静态的员工ID，而是有一个属于自己的“数字双胞胎代理”：
了解你的职业偏好、学习风格、绩效曲线；
主动推送适合的学习、职位、导师与成长路径；
成为你在组织内部的“AI生涯伙伴”。
Google的Career Dreamer、Wisdomlab.ai正在实践这一构想，这将是HR从“记录型系统”到“关系型智能”的质变。
六、对HR的战略建议：别问是否转型，而是现在怎么转
Grewal建议，HR部门应该分阶段制定AI代理转型路线图：
✅ 短期（1-2年）：
小步快跑，优先试点候选人匹配、员工自助服务等低风险场景；
确保现有HCM系统仍维持合规数据记录角色；
与有“API优先策略”的供应商合作，确保可扩展性。
✅ 中期（3-5年）：
建立内部AI代理生态图谱；
引入员工数字双胞胎项目；
培养“HR提示工程师”“AI协调官”等新角色。
✅ 长期（5年以上）：
从系统集成采购转向“智能代理组合”；
从流程驱动向“以人主导、以AI助力”的体验驱动模式演进；
将HR架构全面重构为“AI+人类共同工作”的组织模型。
七、AI不是终结HR，而是重塑HR的开始
Amber Grewal 所言：“这不是一场工具升级，而是一场组织支持体系的重塑。”
IBM的案例正是这场革命的真实注脚。它告诉我们，AI代理不等于裁员，而是机会重构；HR不再是记录、流程和合规，而是组织智能与体验创新的核心。
这场转型已然开始。作为HR领导者，你准备好了吗？
人机协作
深圳福田70余名"AI公务员"上岗，基于 DeepSeek，覆盖公文处理、民生服务等 240 个场景
深圳福田70余名"AI公务员"上岗，基于 DeepSeek，覆盖公文处理、民生服务等 240 个场景，只要电就行！！！
最近深圳市福田区“AI 政务革命”惊艳亮相：首批 70 名“AI 数智员工”成功上岗，一举覆盖包括公文处理、民生服务、应急管理、招商引资等 240 个高频业务场景，瞬间引爆外界关注！这支由 DeepSeek 技术“赋能”的超强“虚拟团队”，不仅让公文处理、业务审核等繁琐环节轻松跃升，还创造了令人瞠目结舌的分钟级定制速度，成为政务数字化领域里一道亮眼的风景线。
分钟级定制：5 天流程极速压缩
据悉，过去政务部门想要搭建与某一业务相匹配的智能工具，往往需要数日乃至数周的项目周期。但在福田区，这种“旧常态”已被彻底颠覆：个性化 AI 智能体的开发时间已由 5 天 大幅压缩至“分钟级”。换言之，某个部门若临时需要一个“AI 小助手”来处理特定文件或为市民答疑解惑，只要简单配置即可瞬间生成，业务逻辑“拿来即用”，效率提升堪称“火箭式”加速。
公文处理：准确率 95%，审核时间缩减 90%
首批上线的 “AI 员工”在公文处理上展现出专业级水准：公文格式修正准确率超过 95%，审核时间更是整体缩短 90%，错误率稳定在 5% 以内。以往公文错漏引发的流程返工，大幅减少，让各部门能够将时间和精力投入到更具价值的决策与管理工作中，“让机器干活，让人去思考”正逐步成为福田区政务的新常态。
240 个场景全覆盖：“数智员工”多面开花
此次发布并非“一招鲜吃遍天”，而是通过高达 240 个具体场景的针对性定制，构建起一个“多面手”型 AI 政务服务群组：
民生服务：从政策咨询到流程指引，“AI 员工”可提供 7×24 小时的在线答复；
应急管理：快速梳理突发事件处理流程，辅助制定和推送预案；
招商引资：自动解析投资合作文本，精准匹配企业需求与政策优惠；
业务审批：根据当地法规政策，给出智能审核建议，加速内部流转。
“AI 员工”们的“岗位职责”可谓五花八门，却都能发挥恰到好处的“数智辅助”作用，显著提升了政务部门的整体运行效率。
“技术－场景－数据”三位一体：造就福田样本
官方透露，福田区将人工智能创新与业务场景、数据治理深度捆绑，通过“技术－场景－数据”三位一体的模式，融入本地化政务知识库及法规政策文件。这样，不仅能避免通用大模型在政务场景里的“水土不服”，更能保证数据安全合规，形成真正适配本地需求的 AI 政务平台。
3 月 13 日 HR 科技趋势论坛：AI＋HR 机会不容错过
值得一提的是，3 月 13 日在深圳还将举办一场 HR 科技趋势论坛，届时将充分探讨 AI 在人力资源领域的应用场景与未来趋势。近年来，随着“只雇佣 AI？硅谷一创业公司的招聘广告‘出圈’”等新闻屡屡成为热议话题，人力资源从业者对“AI 将如何重塑招聘、绩效管理与职业发展”这一命题愈发关注。本次论坛不仅会洞察全球 HR 科技的最新动向，也将聚焦 AI＋HR 的实战经验，探究如何在数字化转型浪潮中先人一步，对 HR 同仁而言，这无疑是一场不容错过的难得机会。
未来畅想：人机协同，“AI 政务”模式席卷全国？
目前，福田区的政务大模型 2.0 版已正式铺开使用，并向更多场景做延伸拓展。随着这套“AI 数智员工”模式越来越成熟，或将为全国政务部门提供可复制的先进经验，也让“准独角兽” DeepSeek 借此契机快速成长，输出政务智能化服务至更多城市。
可以预见，未来政务工作的日常，将不再是人们固有印象中的繁复文件、无数审签流程，而是在 AI 智能体的辅助下，实现高效、低错误率的“人机协同”新生态。从深圳福田迈出的这一步，无疑正在加速全国政务数字化乃至智能化的浪潮，让“AI 上岗”变得触手可及。
伴随大模型技术的纵深发展，地方政府在拥抱 AI 的赛道上已呈现“加速奔跑”态势。深圳福田区通过率先部署首批 70 名“AI 员工”，让政务效率“脱胎换骨”，同时也为“AI＋政务”在全国的落地提供了“福田样本”。可以想象，未来我们或许会迎来更多形态的智能“公仆”——从简化审批到决策辅助，让机器分担繁重的基础工作，让真正的“人性化”服务在政府部门中迸发出更强的能量。AI 正在帮助我们重新定义政务服务的可能边界，助力每一项业务都能跑得更快、更远。
【深圳】抓住2025新机遇：Inspire 2025-人力资源科技发展趋势论坛3月13日深圳举办，马上预定席位，抢占先机 http://hrnext.cn/OplmU1
扫一扫 加微信
hrtechchina
人机协作
人机协作
人机协作
人机协作
人机协作
人机协作
人机协作
人机协作
人机协作
人机协作
扫一扫 加微信
hrtechchina
