数字劳动力
【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。
数字劳动力
【重磅解读】当8万人开始依赖AI：工作正在被重新定义，而不是被加速
HRTech概要：基于8万+真实用户访谈，它揭示了一个非常关键的趋势：AI的角色正在发生结构性变化。很多人还在讨论AI是否能提高效率，但真实情况是——用户已经在用AI做更深层的事情，比如学习、决策甚至情绪支持。这意味着AI正在进入“认知层”和“心理层”。更值得关注的是一个核心发现：AI的收益和风险是绑定出现的。效率提升往往伴随着判断能力下降，学习增强可能导致认知依赖，而情绪支持则更容易形成心理依赖。而且这些问题不是提前设计出来的，而是在实际使用中逐渐出现的。
这对企业提出了一个新的问题：AI不是简单的工具，而是一种“能力交换机制”。更多全球最新HR科技趋势，请关注 HRTech
刚刚，Anthropic发布了《What 81,000 People Want from AI》研究。这份报告表面上是一次关于AI使用场景的大规模调研，实则更接近一份“人类行为结构变化”的底层观察。研究基于超过80,000份高质量访谈数据，覆盖159个国家、70种语言，在短时间内构建了一个极具代表性的样本体系。与传统问卷不同，这是一组通过AI访谈获得的开放语义数据，其核心价值不在统计分布，而在于揭示一个更深层的问题：当人们真正开始依赖AI时，他们到底在“交换什么”。
如果仅从使用场景来看，这份报告并不新颖。软件开发、写作辅助、学习支持等仍然是最主流的应用领域。但当这些使用行为被放入“需求—体验—担忧”的结构中进行分析时，一个更具解释力的模式开始浮现：AI并没有简单地提升效率，而是在重塑人类完成工作的方式本身。
AI使用的真实逻辑：从效率工具到能力外包系统
过去两年，企业引入AI的主要叙事是“效率提升”。这一逻辑在早期阶段成立，但Anthropic的研究表明，这只是表层现象。用户在访谈中呈现出的需求，实际上分布在三个递进层级：首先是效率，即自动化重复性任务；其次是认知，即辅助学习、理解复杂问题以及参与决策；第三则是情绪层面，包括缓解压力、提供陪伴以及处理关系问题。尤其值得关注的是，访谈中大量用户主动提及 grief、mental health、relationship 等内容，这类表达在传统用户研究中极为罕见，却在AI访谈中成为高频信号 。
这一变化的本质在于，AI已经从“完成任务的工具”，演变为“参与认知与情绪结构的系统”。当用户将AI用于思考、判断甚至情绪处理时，其角色已经不再是外部辅助，而是逐步嵌入到人类能力结构之中。这也是为什么单纯以“生产力工具”来理解AI，会低估其长期影响。
最关键的发现：价值与代价是同一件事的两面
这份研究最有穿透力的结论，不在于用户如何使用AI，而在于他们如何同时理解AI的好处与风险。数据表明，提到AI带来收益的用户，显著更可能同时提到其潜在问题，这种“正负共现”在多个维度上都呈现出稳定结构。效率提升往往伴随着对“虚假效率”的警惕，即用户担心自己在更快完成任务的同时，可能降低了判断质量；学习能力的增强，则对应对“认知退化”的担忧；而情绪支持，则与依赖性之间呈现出最强关联，其共现概率达到基准水平的三倍以上 。
更值得注意的是，这种风险意识并不是在使用前形成的，而是在使用过程中逐步出现。研究中区分了“经验性表达”和“预期性表达”，结果显示，基于真实使用体验的收益—风险关联显著强于基于假设的判断（φ≈0.20 vs φ≈0.07） 。这意味着，AI的影响并不是一个可以完全通过设计或培训提前控制的变量，而是一个在持续使用中不断显现的系统性后果。
换句话说，AI并不是一个“先理解再使用”的工具，而是一个“先使用再理解其代价”的系统。
AI的真正变化：从工具层进入“行为结构层”
如果将这份研究放入更广泛的产业背景中，可以发现它与当前AI技术演进路径形成了高度一致的映射。在NVIDIA GTC 2026大会上，Jensen Huang提出未来企业将同时拥有Human Workforce和Digital Workforce，而Workday、UKG等企业正在推动的Agentic AI，则进一步将AI从“响应指令”转向“主动执行任务”。
Anthropic的研究从用户行为侧验证了这一趋势。过去，工作的基本结构是“人使用工具完成任务”，工具只是延伸人类能力的外部手段。而现在，AI正在逐步参与任务的拆解、路径选择以及执行过程，在部分场景中甚至可以独立完成完整工作闭环，人类的角色转变为监督与校正。这种变化并不只是效率提升，而是将AI引入到“工作结构本身”。
当AI开始参与决策路径时，工作的定义已经发生改变。它不再是“人做什么”，而是“人和系统如何共同完成结果”。
对HR的深层影响：从“人力管理”走向“人机协同管理”
对于HR而言，这一变化的意义远远超出工具引入或技能培训层面。真正的挑战在于，企业正在从单一的人类劳动力体系，转向“人类与数字系统共同构成的劳动力结构”。这将直接冲击现有的人力资源管理逻辑。
首先，岗位定义将发生根本变化。传统岗位基于个人能力设计，而在AI参与的环境中，岗位需要围绕“人机组合能力”进行重构，即一个人能够通过AI系统实现的整体产出。其次，绩效评估将变得更加复杂。当产出部分来自AI能力时，如何区分个体贡献与系统贡献，将成为新的管理难题。更重要的是，风险管理将从边缘问题变为核心能力，因为AI的每一项能力提升，都伴随着潜在的依赖、偏差与合规风险。
在这一背景下，HR的角色也将发生转变，从“管理人”转向“设计与管理人机协同系统”。
一个被低估的本质：AI是一种能力交换机制
综合这份研究的所有发现，可以抽象出一个更具解释力的结论：AI并不是一个单向提升生产力的工具，而是一种“能力交换机制”。用户通过AI获得更高效率、更强认知支持以及更低情绪成本，但同时也在交换掉部分独立判断能力、学习路径以及心理边界。
这种交换并不是线性的，也不是完全可控的，而是在持续使用中逐步累积。正因如此，未来企业真正需要建立的，不是单一的AI应用能力，而是一套能够管理这种交换关系的体系，包括使用边界、风险识别以及行为引导。
结语：HR需要重新理解“工作”本身
Anthropic的这份研究，并没有直接回答企业“如何使用AI”的问题，但它提供了一个更基础的视角：AI正在改变的，不是工具，而是“人类如何完成工作”的基本结构。当工作从“人完成任务”转变为“人和系统共同产生结果”，HR所面对的对象、能力模型以及管理边界，都需要被重新定义。
对于中国HR科技行业而言，这不仅是一个技术趋势，更是一次关于“工作本质”的再认识。谁能够率先理解这一变化，并将其转化为组织能力，谁就有可能在下一阶段的人才竞争中占据主动。
数字劳动力
【独家】当AI成为“数字员工”：英伟达的全球AI大会GTC2026给我们HR的10个重要启示
HR可能没注意今天开幕的英伟达全球AI大会GTC，但这场大会正在重新定义工作的现在！
HRTech概述：今天上午（美西时间3月16日上午）全球最受关注的人工智能大会之一——NVIDIA GTC（GPU Technology Conference）在硅谷举行。这场大会被很多科技媒体视为“AI产业的年度风向标”，因为全球大量AI技术路线、算力基础设施以及未来产业趋势，往往会在这里首次集中发布。
NVIDIA创始人兼CEO Jensen Huang（黄仁勋）在主题演讲中提出了一个重要判断：未来的数据中心将变成“AI工厂”，企业不仅拥有Human Workforce（人类员工），还会拥有Digital Workforce（数字劳动力）。随着AI agents开始承担越来越多运营任务，这一变化将直接影响企业组织结构、岗位设计以及人才需求。
对HR来说，这场技术大会其实释放了一个非常重要的信号：未来企业管理的对象，可能不仅是员工，还包括AI系统。
基于GTC 2026释放的技术趋势，可以从HR与未来工作的角度看到十个值得关注的变化。
NVIDIA GTC（GPU Technology Conference）大会由 Jensen Huang（黄仁勋）在主题演讲中揭幕，现场发布了多项新的 AI 基础设施技术，包括下一代 AI 平台 Vera Rubin、AI 推理系统 Dynamo 以及面向机器人和自动驾驶的 Physical AI 体系。整场演讲的核心逻辑非常清晰：AI 正在从“模型工具”阶段进入“生产基础设施”阶段。黄仁勋反复强调一个关键概念——AI Factory（AI 工厂）。在他的定义中，未来的数据中心将不再只是存储和计算的设施，而是持续生产“智能（intelligence）”的工厂。这些工厂通过训练模型、运行推理以及调度 AI agents，源源不断地产生智能 token，而企业则会像使用电力一样使用 AI。
黄仁勋提出了一个核心判断：未来的数据中心将不再只是计算设施，而会演变为“AI工厂”（AI Factory）。这些AI工厂将持续训练模型、运行推理并调度AI agents，从而源源不断地产生“智能（intelligence）”。在这样的体系中，企业将像使用电力一样使用AI能力。
在这一叙事之下，另一个概念被频繁提及：Digital Workforce（数字劳动力）。这一变化意味着，AI不再只是一个软件工具，而正在成为新的生产要素。对于HR和企业管理者而言，这一变化可能比任何一代技术更深刻，因为它触及的是企业组织结构与劳动力形态本身。
在这样的背景下，GTC 2026释放的信号，不仅关乎芯片和算力，更关乎未来企业如何组织工作、如何招聘人才以及如何管理生产力。基于大会释放的技术趋势，从HR与未来工作的视角，可以看到十个值得关注的变化方向。
一、企业将同时拥有Human Workforce与Digital Workforce
过去企业只有人类员工，而未来企业将同时管理两类劳动力：人类员工与AI agents。AI将承担大量重复性任务，例如客服响应、数据整理、财务核对和流程审批。HR在未来组织管理中的职责，也将逐渐扩展到数字员工的配置与治理，例如AI agent的权限、责任边界以及人机协作机制。
二、组织设计将从“岗位结构”转向“任务结构”
AI的影响并不一定是直接替代岗位，而是重新划分岗位中的任务结构。许多岗位将被拆分为三类任务：可以完全自动化的任务、需要AI辅助完成的任务，以及必须由人类完成的任务。未来的岗位设计和职位说明书，将更加关注任务组合，而不是传统岗位边界。
三、招聘标准将更强调AI协作能力
随着AI agents成为日常工作的一部分，企业将更加需要能够与AI高效协作的人才。这类能力包括理解AI的工作方式、能够设计AI工作流程、以及能够判断AI输出质量。招聘评估标准也将逐渐从工作经验转向学习能力与AI协作能力。
四、组织规模可能变小但产出更高
AI agents能够承担大量运营工作，使企业在保持甚至扩大业务规模的同时减少对传统岗位的依赖。未来可能出现更多“高产小团队”，即团队规模更小，但借助AI系统能够完成更复杂的业务。
五、绩效管理将出现“人机协同效率”指标
传统绩效体系通常只衡量个人产出，但在AI时代，员工是否能够利用AI提升效率将成为重要指标。例如员工是否能够通过AI缩短决策周期、优化流程或者提高分析质量。绩效评价体系也将逐渐转向“人机协同效率”。
六、HR专业能力需要技术理解能力
HR不需要成为工程师，但需要理解AI技术的基本逻辑与风险。例如算法偏见、数据隐私、自动化决策透明度等问题，都可能直接影响员工权益与组织治理。因此HR未来的角色将更加接近组织治理者。
七、员工技能更新周期将显著缩短
AI技术发展速度极快，这意味着许多技能的生命周期正在缩短。企业需要更加持续化的学习体系，而不是周期性的培训。HR的重点将从课程管理转向技能生态建设，包括持续学习平台、技能评估体系以及内部人才流动机制。
八、劳动力市场将出现新的职业角色
随着AI agents和自动化流程的普及，一些新的职业角色将逐渐出现，例如AI workflow designer、AI operations manager、AI governance specialist等。这些岗位将负责设计AI工作流程、优化AI使用效率以及确保AI使用符合组织政策。
九、企业文化需要重新定义人与技术的关系
当AI成为日常工作的组成部分，企业文化也需要重新定义人与技术之间的关系。组织需要明确AI是替代员工还是增强员工能力，以及企业如何在效率提升与员工发展之间保持平衡。
十、HR将成为AI治理体系的重要参与者
随着AI逐渐参与决策流程，企业必须建立AI治理机制。HR将与IT、法务以及风险管理部门共同参与这一体系的建设，包括制定AI使用政策、员工培训、数据使用规范以及AI决策透明度机制。
总体来看，GTC 2026所展示的并不仅是一场技术发布会，更像是一场关于未来生产体系的预演。当AI从工具升级为“数字劳动力”，企业组织结构、人才需求以及HR的职责边界都将随之改变。
未来HR需要管理的对象，或许不再只是员工，而是一个由人类与智能系统共同构成的组织。
数字劳动力
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
数字劳动力
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。
数字劳动力
什么是Agentic AI？AI Agent如何重塑HR行业？
"Agentic AI"（代理人工智能）是您可能听说过的最新流行语，但实际上这个词在人力资源工作中的应用其实已经有一段时间了！
但究竟什么是 Agentic AI？它和传统的AI Agent有何区别？2025年是否真的是AI Agent之年？HRTechChina特别呈现这篇文章与您分享！
在人工智能（AI）快速发展的今天，我们已经经历了**预测AI（Predictive AI）和生成式AI（Generative AI）**的兴起，而如今，**Agentic AI（自主智能体AI）**正成为AI的下一个进化阶段。对于HR行业而言，这一技术的到来意味着更加智能的HR系统、自动化的人才管理流程，以及更精准的数据驱动决策。
但究竟什么是Agentic AI？它和传统的AI Agent有何区别？2025年是否真的是AI Agent之年？本文将为你详细解析Agentic AI的核心概念，并探讨它如何改变HR行业。
1. 什么是Agentic AI？
Agentic AI（自主智能体AI）是一种具备自主行动能力的人工智能技术，它不仅能像生成式AI一样回答问题、生成内容，还能自主感知环境、推理分析、执行任务，并从反馈中不断优化自身能力。
相比于传统的AI系统，Agentic AI最大的不同在于：
自主性（Autonomy）：无需人工干预，AI代理可以独立完成任务，例如审核候选人简历、优化招聘流程等。
适应性（Adaptability）：AI能够根据反馈不断优化决策，例如HR系统可以自动调整绩效评估标准，以适应不同部门的需求。
目标导向（Goal Orientation）：Agentic AI可以自主制定目标，并推理如何达成这些目标，例如自动匹配候选人与职位，提高招聘效率。
2. AI Agent vs. Agentic AI：有什么区别？
在HR行业中，我们常见的AI Agent（AI代理），例如智能客服或自动化面试助手，已经在许多企业得到应用。但与Agentic AI相比，传统AI Agent仍然具有局限性。
举个例子：
AI Agent：只能回答员工关于公司福利的常见问题，比如“今年的年假政策是什么？”
Agentic AI：不仅能回答问题，还能主动分析员工的休假情况，自动推荐合适的休假时间，并结合公司政策优化排班，确保业务顺利运行。
3. Agentic AI如何改变HR行业？
随着Agentic AI的发展，HR的许多日常工作将发生巨变。以下是几个关键应用场景：
（1）智能招聘与人才管理
Agentic AI可以帮助HR从简历筛选、面试安排到人才匹配实现全流程自动化。
🔹 自动筛选简历：AI代理可通过自然语言处理（NLP）分析海量简历，并根据职位要求筛选最匹配的候选人。🔹 优化招聘流程：Agentic AI能够自主调整招聘策略，例如根据市场趋势调整岗位描述，优化招聘渠道，提高人才获取效率。🔹 智能面试安排：AI代理可以结合面试官和候选人的日程，自动安排面试，并实时调整时间，减少HR的重复沟通工作。
（2）绩效评估与员工发展
HR部门可以利用Agentic AI来优化绩效考核体系，并制定个性化的员工成长路径。
🔹 智能绩效评估：AI代理可实时分析员工的工作数据，提供个性化绩效反馈，帮助管理者更公平地评估员工表现。🔹 个性化职业发展：Agentic AI可以分析员工的职业路径，自动推荐合适的培训课程或晋升机会，帮助企业留住优秀人才。
（3）员工体验与组织管理
AI可以提高员工满意度，并优化组织架构，提高整体效率。
🔹 智能员工助手：AI代理可以主动提醒员工提交报销单、更新考勤信息，甚至预测员工的离职风险，并提前采取措施留住人才。🔹 企业文化管理：AI可以分析员工情绪，帮助HR团队制定更合适的企业文化建设方案。
4. 为什么2025年是“AI Agent之年”？
2025年，Agentic AI的应用将迎来爆发式增长，这主要得益于以下三大趋势：
（1）AI技术的成熟与算力提升
随着大模型（如ChatGPT、NVIDIA NeMo）的不断升级，AI的推理能力越来越强，使得Agentic AI在HR场景下更加实用。
（2）企业数字化转型加速
全球范围内，企业正在加快HR数字化转型。Agentic AI能够帮助HR团队自动化重复性工作，让HR更专注于战略性任务，因此将被广泛应用。
（3）人才市场变化与HR挑战
后疫情时代，企业面临招聘难、员工流动性增加等挑战。Agentic AI可以通过智能化的人才管理系统，提高招聘效率、优化员工体验，并降低HR工作负担。
📌 预测：到2025年，超过50%的企业将引入Agentic AI，以优化HR管理流程。
5. HR如何准备迎接Agentic AI时代？
2025年将是AI Agent之年，HR行业必须抓住这一变革机遇。以下是HR团队可以采取的三大行动：
✅ 学习Agentic AI相关知识，关注AI在HR领域的应用趋势，如AI招聘、智能绩效管理等。✅ 尝试小规模部署AI代理，比如在员工服务、招聘管理等领域测试AI解决方案。✅ 与AI厂商合作，寻找适合企业的AI解决方案，如NVIDIA、微软、谷歌等提供的Agentic AI技术支持。
HR的未来，不只是管理人，更是管理智能体！Agentic AI将成为HR行业的重要助手，助力企业迈向智能化管理新时代！ 🚀
RAIHR倡导：实施负责任的AI（Responsible AI in HR, RAIHR）
随着Agentic AI在HR行业的广泛应用，我们必须关注AI的伦理、安全和公平性问题。**RAIHR（Responsible AI in HR）**倡导企业在引入Agentic AI时，遵循以下三大原则，确保AI技术的透明性、公平性和责任性：
✅ 透明性（Transparency）：确保AI决策过程可解释，HR能够理解AI的筛选标准、考核指标，避免“黑箱”决策。✅ 公平性（Fairness）：AI招聘和绩效评估应避免算法偏见，确保候选人和员工得到公平、公正的对待。✅ 责任性（Accountability）：AI在HR领域的应用应遵循合规要求，确保数据安全，并提供人工复核机制，避免AI错误影响员工职业发展。
Agentic AI的未来，不仅是效率与智能的提升，更应是“负责任的AI”！HR行业需要共同努力，确保AI技术真正惠及企业与员工，让AI成为推动组织可持续发展的正向力量！ 🌍💡
总结：Agentic AI将彻底改变HR工作方式
📌 AI Agent vs. Agentic AI：传统AI Agent只是执行预设任务，而Agentic AI能自主学习、推理和优化。📌 HR应用场景：Agentic AI将在招聘、绩效评估、员工体验等方面发挥巨大作用。📌 2025年是AI Agent之年：技术突破、企业数字化转型、HR挑战推动Agentic AI的全面应用。
📌 实施负责任的AI（Responsible AI in HR, RAIHR）我们必须关注AI的伦理、安全和公平性问题
未来，HR不再是“人力资源管理者”，而是“AI智能管理者”！准备好迎接这场AI革命了吗？ 💡
附录：RAIHR行动指南和框架图
数字劳动力
只雇佣AI？硅谷一创业公司的招聘广告“出圈”，引发人们对未来的思考
只雇佣AI？硅谷一创业公司的招聘广告“出圈”，引发人们对未来的思考
近日，一家名为 Firecrawl 的初创公司在 Y Combinator 招聘板上发布了一条“只招 AI 的岗位”，年薪仅在 1 万到 1.5 万美元之间。这个话题一石激起千层浪，也再次将“AI 是否能成为企业‘员工’”的讨论推到台前。几乎在同一时间，企业管理软件巨头 Workday 宣布推出全新的 Workday Agent System of Record（ASOR），正式赋能企业管理“AI Agent”。
两件事叠加，让人不禁好奇：未来的组织形态，究竟会是什么样？
1. Firecrawl“AI 岗位”何以成为刷屏话题？
Firecrawl 是一家获得 Y Combinator 支持的创业公司，最初从编程教育领域转型，专注为 AI 系统提供开源 Web 爬虫服务。该团队最近在 YC 的官方招聘平台贴出了一则极具话题性的职位信息：
“请仅在你是 AI Agent，或创建了 AI Agent 的情况下再来申请。”
岗位职责包括自主研究当下热门的模型动向并构建示例应用；而薪资仅 1 万到 1.5 万美元/年，看似并不够养一个人类开发者，却“足以”支撑一个无需吃喝住宿的 AI 程序。Firecrawl 创始团队坦陈这是一次 PR+实验 的尝试：他们想借此寻找能够开发出“真能落地”的 AI Agent 的高手，也希望藉由这一反常规操作吸引更多人的关注。
不过，从他们后续反馈看，尽管收到了约 50 份“AI 应聘”，暂时还没有哪个满足公司对自动化研发与管理的高要求。
2. 社交媒体热议：从调侃到对未来的设想
Firecrawl 这份招聘帖迅速在社交媒体上发酵。有人质疑是噱头，也有人兴致勃勃地想象“AI 替代人力”的场景。其中，最吸睛的一则评论，活脱脱像一出科幻对话：
私募基金（PE）：我们想收购你们公司。你们有多少员工？CEO：零……不过我们有 275 个 AI Agent，在做 3000 人的工作，每年只花 1.5 万美元。
虽然带着调侃的语气，但也反映了人们对“大规模 AI 劳动力”可能带来的冲击有所期待或焦虑。和 Firecrawl 这样的“小步试水”相比，企业对 AI 的依赖 已经不仅局限在呼叫中心、聊天机器人等特定领域，而是开始从底层基础设施（如爬虫、数据处理）到上层业务逻辑（例如代码生成、自动化运营）全方位渗透。
3. Workday Agent System of Record：让“AI 员工”成为正式档案
几乎在同一时间，Workday 于 2025 年 2 月 11 日发布了最新的 Workday Agent System of Record (ASOR)。这是其新一代 Workforce Management 方案中的重要里程碑，为企业提供了一套专门管理 AI 工具或 AI Agent 的体系。以下是基于 Workday 官方信息整理的关键亮点：
AI Agent 统一登记与身份管理借助 ASOR，企业可以像在 Workday 系统中登记人类员工信息那样，为 AI Agent 设立专门的“档案”（Record），包括 Agent 的名称、版本、负责的业务领域、权限范围等。
实时监测与合规管控ASOR 支持对 AI Agent 在企业内各系统间的行为进行可追溯监测，如接收了哪些输入、执行了哪些操作、产出了哪些结果。同时还能关联企业或行业的合规策略，如数据访问等级、敏感信息保护等，一旦 Agent 触发异常行为，系统将自动预警。
授权与性能评估在 ASOR 框架下，企业 HR 与 IT 团队可对 AI Agent 的权限进行灵活配置，并通过绩效指标了解 Agent 是否达到预期产出或效率。例如，可以量化该 Agent 帮助分析的数据量、生成的文档质量以及为团队节省的时间成本。
AI 与“人力”协同Workday 方面强调，ASOR 并非鼓励公司用 AI 取代人力，而是帮企业 “稳妥地” 推动人机协作：让人类员工与 AI Agent 各司其职，减少重复性工作，并确保最终决策和关键审核仍掌握在合格的人员手中。
4. “AI 员工”与“人类员工”：一条尚未清晰的边界
Firecrawl 的例子表明，目前要真正“雇 AI”还显得不切实际。从技术上，大模型虽有强大的生成、分析能力，但依旧缺乏对复杂项目的完全自主规划；从管理和法律上，AI 的责任归属、劳动关系认定、薪酬及合规标准都还在探索阶段。不过，正如 Workday 推出的 ASOR 所示，主流 HRTech 供应商已开始正式将 AI 劳动力纳入企业管理体系。未来人力资源部可能不仅要管理人，还要管理那些“数字工作者”——一方面评估其效能，另一方面也要防范其潜在风险。
5. 对人力资源与组织管理的启示
招聘模式的升级虽然 Firecrawl 的招聘更像一场高调实验，但它反映了企业在特定领域对“可自动执行任务的 AI 系统”的需求正在增长。HR 在未来可能要评估和筛选的不仅是人选，还有“AI 模型”或“Agent 产品”的适配度。
人才与技术深度融合人机协同已成为新趋势。具有 AI 技术背景或跨领域管理能力的专业人才，将在组织中扮演连接点的角色：帮助 AI Agent 融入流程、评估绩效，并做必要的干预或纠偏。
合规与风险控制Workday ASOR 的出现，暗示着大规模使用 AI 工具的企业势必需要更加成熟的合规方案。不论是数据安全，还是在决策过程中出现失误时的责任归属，都需要明晰的流程与法律依据。
组织文化的塑造当“AI 同事”成为常态，企业文化也将面对冲击：如何让人类员工接受并拥抱智能工具？如何平衡工作分工，让 AI 和人类各施所长？这对管理者的沟通与变革能力提出了更高要求。
6. 结语：从“噱头”到“系统化管理”，下一步会怎样？
Firecrawl 的“雇 AI”招聘帖，虽然带着极强的 PR 属性，但也让人们切实感受到——AI 已不再只是后台算法，而正逐步走向前台，参与到企业日常运营。而 Workday 全新发布的 Agent System of Record 则是主流软件厂商对这一趋势的正式回应，表明大企业在管理“数字劳动力”方面的需求正变得现实且急迫。无论是担忧 AI 会抢走工作机会，还是期待它能极大提升效率，都无法否认：当技术与人力资源紧密结合，组织架构与管理方式都将被重新定义。或许在不远的将来，“你的团队有多少 AI Agent？” 也会像“你有多少员工？” 这样成为一家公司竞争力的衡量维度之一。趁现在，不妨思考如何让“人机协作”真正发挥 1+1>2 的效能，迎接新一轮的 HR 变革浪潮。
数字劳动力
数字化劳动力的5个主要特征
文/Erik van Vulpen
有很多关于数字人力资源和数字劳动力的讨论。在本文中，我将回答什么是数字劳动力以及如何应用这些知识来做出更好的人员决策的问题。为此，我使用了任何数字劳动力都需要具备的五个关键特征。
什么是数字劳动力?
这个问题的答案有点讽刺意味。如果你上网搜索(我帮你做的)，答案很简单：没有人真正知道。根据德勤2017年全球人力资本趋势报告，它被评为非常重要！下图显示了受访者对这一数字人力资源趋势的“重要”或“非常重要”的百分比。
资料来源：德勤全球人力资本趋势,2017
当然，数字劳动力和数字人力资源是不一样的，但这有很大的关系!
要了解什么是数字劳动力，我们最好看看已经利用这一点的组织。这些是几年前像谷歌和Facebook这样的高增长公司。通过利用所有可用的数字功能，这些类型的组织可以非常迅速地扩展其工作人员。
如果我们能从这些高速增长的组织中学习，我们就能开始将这些经验应用到我们自己的组织中。
我将解释什么是数字劳动力，它将如何改变我们的工作方式，以及如何使用它使组织更有效。
数字劳动力的特点
数字劳动力由五个关键组件组成，可以通过SCALE缩略语来记住。
员工的需求
维护和利用社区
使劳动力更有效地工作的算法
利用技术使工作完全自动化
吸引剩余的劳动力
1. 员工的需求
数字化劳动力的一个关键特征是随需应变的员工。员工随需应变的中心是利用组织外部的人员。通常，这被称为分布式劳动力。
越来越多的公司不再雇佣签有合同的员工，而是依赖于员工的需求。优步(Uber)就是一个例子，该公司拥有一支司机队伍，只要他们想工作，随时都可以上网。有趣的是，任何时候司机的数量都与找出租车的人数有关。大多数优步司机喜欢在周末和特殊活动期间工作，因为这段时间有很多客户，非常忙。这样，员工的供给就与客户的需求相匹配。
Uber eats、Takeaway.com、Delivery Hero和Foodora等外卖服务也出现了类似的情况。对于Deliveroo，它是Delivery Hero的一部分，注册成为一名送货员需要2分钟，通常几天之内你就会收到Deliveroo工具包——包括他们的签名背包——你就可以出发了。在这种情况下，员工是非常有形的，但入职时的接触非常少，而且是数字化的。
我在视频中提到的其他例子还有Fiverr和Gigwalk。Gigwalk使你可以让你的产品在世界各地的任何商店由你没有雇用的人检查。通过这种方式，您可以获得关于您的产品的几乎实时数据，而无需亲自检查。Fiverr是一个自由职业服务市场，它可以让你用几美元得到几乎任何你想做的工作。
2. 社区
数字劳动力的第二部分是社区。可以利用社区和人群来获取想法和输入。例如，越来越受欢迎的黑客松或创新竞赛，奖励那些为现实生活中的问题提出最佳解决方案的团队。
社区的其他例子是前雇员的社区。当涉及到项目工作和专业任务时，能够接触到与组织非常熟悉的人才可以提供许多好处。
3.算法
算法让生活变得更简单——今天它们无处不在。有越来越多的工具可以用来简化工作。作为一名作家，我使用Grammarly(一种在线语法和拼写检查工具)和Hemmingway(一种强调复杂句子和常见错误的编辑器)。
对于其他工作，还有其他工具。简单的算法使您能够创建现成的契约，而像Lynn这样的工具使您能够检查保密协议(通常是高度标准化的)是否存在错误和可疑条款。另一款应用是FeeBelly，它会扫描隐藏费用或其他昂贵细节的一般合同，并将它们指出给用户。
如果你的公司有常规和可预测的任务，看看自动化的可能性。这些包括常规的人力资源流程，这些流程也有资格实现自动化。这通常会提高速度，改善员工体验和数据质量。
4. 利用技术实现任务自动化
在算法使工作更容易的地方，自动化使工作更轻松。真正的数字化员工不应该被日常和重复的任务所占据。麦肯锡全球产业报告显示，到2030年，美国23%的工作时间将实现自动化，全球15%的工作时间将实现自动化。引领这一潮流只会节省你的时间。
最有可能自动化的工作具有可预测的重复活动模式。下面，你会发现一份风险最大的工作列表。
新闻业也将面临自动化的风险。这篇文章可能是由一个机器人写的，基于其中包含的YouTube视频剪辑。你根本不知道。据《华盛顿邮报》报道，仅2016年，《华盛顿邮报》就发表了850篇由机器人撰写的文章。
自动化即将到来，它将产生非常真实的影响。它将使我们的生活变得更容易，但它也将挑战我们，让我们比以前更多地改变和与机器互动。更无聊和重复性更强的任务将被自动化，这将给我们更多的时间来解决问题和创造新的想法。这将大大提高我们的生产力。
5. 雇佣劳动力(剩余部分)
当员工在解决问题和创造性任务上花费更多时间时，保持正确的精神状态就变得更加重要。接触的重要性只会进一步增加。
敬业的员工有精力去面对一天的挑战，他们全身心地投入到工作中，全身心地投入到工作中。他们的工作效率更高，犯的错误更少，也更具创新性。
随着生产力的提高，敬业的员工对组织的回报将会更高。
为了让工人们进入正确的思维状态，他们需要首先把技术看作是让他们(工作)生活更容易的东西。这是组织和人力资源部门的任务，他们需要为一个更加自动化和技术驱动的未来做好准备。换句话说:他们需要在员工中创造一种亲技术的心态和文化。
一种方法是通过视觉讲故事。
尤其是当经理、人力资源和高管不知道如何向员工介绍新想法，或者不知道如何让他们参与新战略的实施时，视觉叙事可能非常有用。它是一个完整的包裹的意义，上下文和情感，吸引人们到一个特定的故事。因此，它可以促进理解，并为组织形成一种快速、一致和通用的语言，从而让员工参与其中。
结论
以上就是数字劳动力的主要特征。我希望本文已经向您展示了数字化是不可避免的——但是正确地利用它可以使员工和组织受益。利用数字技术可以节省时间、节省成本，让你的组织和员工专注于最具价值的任务。
以上为AI翻译，内容仅供参考
原文链接：5 Key Characteristics of the Digital Workforce
扫一扫 加微信
hrtechchina
数字劳动力
数字劳动力
数字劳动力
数字劳动力
数字劳动力
数字劳动力
数字劳动力
数字劳动力
扫一扫 加微信
hrtechchina
