-
数据治理
AI治理的真相：为什么HR不能再置身事外？来自2025年最新报告的四大颠覆性洞察
HRTech概述：过去两年，HR 的讨论几乎都围绕着“AI 会不会取代 HR”、“AI 能不能提升 HR 的效率”，但在技术快速落地的背后，有一个更关键、却普遍被忽视的现实正在发生——AI 治理（AI Governance）正成为企业组织能力的新核心，而 HR 在其中既是最大缺席者，也是最大受益者。最新发布的《AI Governance Profession Report 2025》给出了一个清晰信号：AI 治理正在从“技术问题”变成“组织问题”；从“法律合规”变成“人才与文化变革”。
这篇文章将带你从 HR 的角度，看懂这波变化到底意味着什么。视频解读，请访问视频号：HRTech
引言：从AI热议到HR的现实困境
企业高层对人工智能（AI）的期待与日俱增，而人力资源（HR）领导者则陷入了一场日益严峻的现实困境。在这场变革中，HR的角色正被他人定义，而影响这一全新权力格局的窗口期正在迅速关闭。这已不仅是关于效率工具的讨论，而是一场关乎HR未来战略价值的生存之战。
权威机构IAPP最新发布的**《2025年AI治理专业报告》**用冰冷的数据敲响了警钟。报告显示，高达77%的公司已在着手AI治理，且对47%的公司而言，这已是排名前五的战略要务。这已不再是边缘议题，而是企业的核心战场。更值得警惕的是，报告揭示了一个惊人的事实：近乎所有企业（98%）都预计需要增聘员工来应对AI治理的需求。这不仅是一个合规挑战，更是一个迫在眉睫、规模庞大的组织与人才挑战。
然而，HR在这场游戏中身在何处？正如HR Rebooted的创始人兼首席执行官Michelle Strasburger所指出的：“作为组织政策的守护者，设计和实施能够平衡团队、降低风险并驱动最大商业影响的AI战略与治理，是HR的责任与荣幸。”现实却不容乐观。数据表明，AI治理的版图正在被划分，而HR却可能被排除在外。
本文将深入解读这份权威报告，为您揭示四个可能颠覆HR传统认知的“真相”。我们将不仅呈现数据，更会深度剖析“这对HR意味着什么”，并提供切实可行的“HR行动指南”，帮助您抓住这稍纵即逝的机会，从规则的被动接受者，转变为企业负责任AI生态的关键架构师。
1. 洞察一：反直觉的“治理先行”策略已成主流，等待观望等于落后
传统观念是“先应用，后治理”——引入新技术，待问题出现后再制定管理政策。然而，《2025年AI治理专业报告》揭示了一种全新的、更具前瞻性的主流模式，这对HR规划未来工作方式发出了明确的信号：游戏规则已经改变。
报告中最令人惊讶的发现之一是，“治理先行 (governance first)”已成为一种普遍的企业策略。数据显示，在那些尚未使用AI的企业中，已有高达30%启动了AI治理的相关工作。
这对HR意味着什么？ 这彻底颠覆了HR部门的传统工作模式。HR习惯于在新的软件或工具引入后，才开始制定配套的使用政策。但AI的系统性风险——从招聘歧视到绩效评估偏见——要求HR必须转变思维。我们不能再等到AI工具在全公司铺开后才被动地“打补丁”，而必须在技术大规模部署前就深度介入，参与顶层设计，确保“以人为本”的原则从一开始就嵌入AI应用的DNA中。
HR的行动指南：从“被动响应者”到“主动设计者” HR领导者必须将AI治理前置，将角色从政策的执行者转变为规则的设计者。
发起风险评估：在企业计划引入任何新的HR Tech或AI工具（如AI简历筛选、员工情绪分析软件）之前，主动联合IT、法务及合规部门，共同发起全面的风险与影响评估。
嵌入政策框架：将AI伦理和负责任的使用原则，提前整合进现有的管理框架中。修订《员工手册》、招聘政策和绩效管理流程，明确AI工具使用的边界和规范。
学习行业先例：全球人才公司Randstad的案例极具启发性。他们很早就意识到AI在招聘这一高风险领域应用的潜在影响，因此早在2019年就着手定义了一套AI原则，确保其技术应用从一开始就走在合规与道德的轨道上。
将治理前置，不仅是风险规避，更是战略远见。当HR完成了这一步，下一个问题自然浮现：这项关键工作，究竟由谁来主导？
2. 洞察二：AI治理并非HR的“独角戏”，而是需要主动融入的“跨职能联盟”
明确AI治理的组织归属和HR在其中的定位，是确保其发挥影响力的前提。然而，报告数据给出的答案可能会让许多HR感到警醒。
当被问及哪个部门对AI治理负有主要责任时，报告显示，目前的主导者是隐私部门 (22%)、法务与合规部门 (22%) 以及 IT部门 (17%)。一个最刺眼的数据是：没有任何一家受访企业 (0%) 将HR列为主要负责部门。
这对HR意味着什么？ 这是一个强烈的信号：尽管AI的应用深刻影响着组织的“人”，但HR在企业的AI治理架构中并非天然的核心玩家。然而，这并非意味着HR已被边缘化。报告同时强调，构建AI治理体系需要一个“村庄的共同努力 (it takes a village)”。更重要的是，数据显示，有21%的企业预计HR部门将在未来承担更多的AI治理职责。更深层次的数据揭示了一个关键趋势：在更成熟、规模更大的AI治理团队中，HR的角色变得愈发重要。当治理团队规模达到11-20人时，HR的参与预期跃升至33%；当团队规模为21-30人时，这一比例更是高达50%。这正是HR主动出击、确立自身价值的战略机遇期。
HR的行动指南：采取“联盟策略”，而非争夺“所有权” HR的最佳策略不是去争夺AI治理的“所有权”，而是成为这个跨职能联盟中不可或缺的“粘合剂”与“赋能者”。
锻造正式合作机制：主动与法务、IT、隐私和安全等部门建立合作关系。报告指出，39%的公司已经设立了AI治理委员会，HR应积极争取成为其中的核心成员，贡献在员工关系、组织文化和道德伦理方面的专业视角。
主导AI素养提升：发挥HR在组织变革管理、内部沟通和员工培训方面的核心优势，主导全员的AI素养（AI Literacy）提升计划。TELUS公司的实践堪称典范，他们通过向所有团队成员提供数据和AI扫盲项目，并建立一个由业务部门专家组成的“数据管家 (data stewards)”网络，成功地将治理文化渗透到业务的方方面面。
拥抱跨部门协作的复杂性：正如Credo AI的创始人兼首席执行官Navrina Singh所观察到的，接受当前治理结构的分散性，并从中找到合作的切入点。
当HR成功融入这个联盟后便会发现，真正的挑战不仅在于“由谁来做”，更在于“需要什么样的人来做”，而这恰恰是HR可以掌握主动权的关键所在。
3. 洞察三：真正的AI人才缺口，是既懂技术又懂合规的“治理专家”
在AI时代，当企业热议“AI人才抢夺战”时，目光大多聚焦于算法工程师。然而，报告揭示了人才缺口的另一面——一个对HR而言更具战略价值的新战场。
数据显示，23.5%的受访者表示，找到合格的AI专业人才是交付AI项目的一大挑战。报告进一步解释，这里所指的“合格人才”并非技术开发者，而是那些能够驾驭和管控AI风险的复合型人才——即**“AI治理专业人才 (AI governance professionals)”。他们不仅需理解AI技术，更要具备治理、风险和合规（GRC）的深厚知识，并能将复杂的法律要求转化为企业内部可执行的政策。而前文提到的98%的企业预计需要增聘AI治理人员**，更是将这一人才缺口的巨大规模暴露无遗。
这对HR意味着什么？ 这一发现直接将AI治理的挑战与HR的核心职能——人才战略、招聘与发展——紧密联系起来。既然HR在治理所有权上（洞察二）处于劣势，那么其最强大的战略反击就是成为这一稀缺人才的独家供应商。HR的战场不能局限于“如何用AI工具”，更要上升到战略层面，思考“如何为公司储备管理AI的人”。这为HR提供了一个从后台支持走向前台战略赋能的绝佳机会。
HR的行动指南：将“AI治理人才”纳入战略性劳动力规划 HR部门应立即行动，将这一新兴的人才类别纳入其战略性劳动力规划（Strategic Workforce Planning）中。
修订招聘标准：在招聘法务、合规、IT等相关岗位时，将AI治理知识或相关认证（如报告中提到的AIGP认证）作为优先考虑或必备条件。
启动内部“增能 (upskilling)”项目：与其向外苦苦寻觅，不如向内挖掘潜力。为公司现有的隐私、法务、风险管理等领域的员工设计专项培训，帮助他们补充AI知识，使其成长为内部的AI治理专家。IBM正是通过抽调不同背景的专家组建核心团队，并对业务部门的合规专员进行系统性培训，成功构建了其治理能力。
明确HR的监督角色：HR必须认识到自身在确保AI合规使用与维护员工信任方面的关键角色。正如Upright HR创始人Brian Kosicki所强调的：
即便拥有了合适的专才，若没有足够的权威，他们的努力也可能付诸东流。这便引出了第四个，也是关乎成败的洞察。
4. 洞察四：领导力层级比部门归属更重要，高级别负责人是信心的关键
对于AI治理这样一项需要打破部门壁垒的复杂项目，其成功的决定性因素往往不是技术或流程，而是领导层的支持和清晰的问责机制。报告中的一组数据有力地证明了这一点，也为CHRO向董事会建言提供了强有力的论据。
数据显示，总体而言，52%的企业对遵循《欧盟AI法案》等严格法规有信心。 但当我们将负责人的级别考虑在内时，情况发生了戏剧性的变化：当公司最高级别的AI治理负责人是高级副总裁（SVP）或以上级别时，这一信心比例飙升至71%！
这对HR意味着什么？ 这一发现的深刻含义在于：AI治理的成功与否，并不完全取决于它被安置在哪个具体部门，而更多地取决于负责人的级别、其所能调动的资源以及其在组织中的话语权。高级别领导的直接参与，能确保AI治理被视为一项严肃的战略要务，而非一个孤立的、仅为应付检查的合规任务。
HR的行动指南：在公司治理层面推动建立清晰的问责制 作为公司高管团队的一员，首席人力资源官（CHRO）应从更高层级的公司治理角度出发，推动建立强有力的AI治理问责机制。
任命高级别负责人：向CEO和董事会明确建议，应任命一位SVP或更高职级的负责人来统一领导公司的AI治理工作，确保其拥有跨部门的决策权和资源调配能力。
融入高管绩效考核：为了确保AI治理得到持续的关注和投入，应推动将AI治理的进展和关键风险指标，纳入高管团队的绩效考核（KPIs）体系中。
以身作则，加强HR领域的监督：HR自身在人才招聘等领域使用AI时，由于涉及高风险决策，更需要高级别的监督。可以借鉴Randstad的经验，他们不仅设立了AI指导委员会进行战略决策，还成立了独立的数据道德咨询委员会来审视伦理问题，构建了多层次的治理架构。
当治理的问责机制在最高层得以确立，AI治理才能真正从纸面走向实践。
HR的战略抉择——做规则接受者还是规则制定者？
数据描绘了一幅清晰的图景：AI治理的架构正在被快速搭建，无论HR是否参与其中。这是一个**“治理先行”（洞察一）的时代，由一个HR目前“所有权”为零的“跨职能联盟”（洞察二）所主导，这个联盟由高级别领导**（洞察四）挂帅，并且他们正迫切地寻找市场上极度稀缺的**“治理专家”**（洞察三）。这并非又一项合规任务，而是关乎企业未来组织形态的架构性工程。
面对这股浪潮，HR正站在一个关键的战略十字路口。您的选择不再是成为“旁观者”还是“架构师”，而是成为“规则的接受者”还是“规则的制定者”。您可以被动地等待其他部门制定好规则后去学习和执行，也可以主动出击，利用HR在组织文化、人才发展和道德伦理方面的独特优势，成为这场变革中不可或缺的核心力量。
正如万事达卡（Mastercard）的首席隐私与数据责任官Caroline Louveaux所言，这不仅是责任，更是机遇：
“我们已将负责任的AI融入创新流程，并专注于提升AI素养，以确保组织各层级都为AI做好了准备。……我们期待与该领域的合作伙伴共同努力，从而建立信任，让AI惠及世界各地的每一个人。” — Caroline Louveaux, Chief Privacy and Data Responsibility Officer at Mastercard
当AI正在重新定义工作时，HR将如何重新定义自己的角色？是成为规则的被动执行者，还是成为信任的主动守护者？
在未来6到12个月内，您将采取哪一项具体行动，来确保HR在公司的AI治理蓝图中占据一席之地？
-
数据治理
大咖观点：生成式AI将全面普及，HRTech的未来在哪里？
HRTech概述：Josh Bersin最新推文谈到，生成式AI全面进入主流！46%的企业领导每天使用AI，80%每周使用，74%报告正向回报，AI投资普遍超千万美元。当前主要用于会议总结、数据分析与文档撰写，但AI正在从“个人助理”升级为“多功能智能体”。IBM Ask HR 与 Galileo 等系统正在成为企业的数字伙伴。未来，AI Agent 将具备记忆与个性，并通过数据治理实现跨系统协作。AI不会取代工作，而是让HR成为“超级工作者”。企业的竞争，将取决于谁能率先完成AI系统化转型。推荐阅读了解，视频解读可以访问视频号：HRTech
这里有一份JoshBersin发布的报告《充分发挥 AI 影响力，拥抱超级员工时代》，点击下载
Josh Bersin刚刚完成了一次横跨欧洲、亚洲和中东、累计近六万英里的行程，拜访了数百家公司，讨论他们的AI战略。虽然每家公司的成熟度各不相同，但有一点非常明确：AI作为商业工具已经到来——它是真实存在的，其使用场景正在迅速增长。
宾夕法尼亚大学沃顿商学院（Wharton）的最新调查显示，46%的商业领袖每天使用生成式AI（Gen AI），80%每周至少使用一次。在这些用户中，72%正在衡量投资回报率（ROI），74%表示结果是正向的。顺带一提，HR部门在使用率上排名第三，仅次于IT和财务部门。
预算投入也在大幅上升：23%的大型公司每年在AI上的支出超过2000万美元，43%超过1000万美元。
企业从AI中获得了什么？答案是：生产力。目前最主要的应用是我称之为“第一阶段”的使用方式——个人生产力提升。AI帮助员工总结会议、分析数据、查找信息、撰写或分析文档。这些个人层面的应用确实带来了实在的效率提升，但这仅仅是开始。
生成式AI或将成为“新一代微软Office”
不得不说，这种使用方式与文字处理、电子表格和互联网搜索早期的发展非常相似——它们都是“个人生产力”的革命。微软对此早已深谋远虑，MS Copilot正在逐渐成为“新一代Office套件”。
当然，AI能做的远不止这些。目前约有12%的公司部署了企业级AI代理（Corporate Agent），例如IBM的“Ask HR”。这类“知识与信息管理”聊天机器人正迅速普及，它们可以取代复杂的门户网站和SharePoint页面，也可用于客户支持。未来，每家公司都会拥有自己的AI代理。
举个例子：我们的一位客户——一家大型医疗保健公司——已经运行员工聊天机器人（Agent）四年之久。它的成功使得公司所有的HR应用都逐步整合在其后端。员工通过该Agent就能获得关于薪资、福利、工作排班甚至培训的帮助。
AI在招聘领域的应用也已被证明行之有效：候选人可以与智能代理聊天、完成AI评估，甚至接受AI虚拟面试——这一切可在深夜进行，无需安排与招聘经理的通话。
虽然高ROI的多功能Agent（Stage 3）尚未全面落地，但各企业已开始部署AI教练和AI学习工具。许多大型客户已上线AI原生学习系统，实现了30%–40%的人员优化，同时显著提升了学习与赋能效率。
跨越卢比孔河：我们越过了什么界限？
“跨越卢比孔河”（Crossing the Rubicon）意味着“无法回头的临界点”。现在，我们正处在这样的时刻。
尽管外界仍有各种危言耸听的报道——称AI将毁掉工作与生活——生成式AI其实是一种有用、务实、且易于理解的工具。它并不完美（我在播客中讨论过ChatGPT的高错误率），但一旦你掌握了使用方法，并建立可靠的数据集，AI的表现相当令人满意。
两年前，《纽约时报》还在刊登那些关于AI恋人或“AI伴侣”的怪异故事。如今这些报道早已消失，取而代之的是超过1万亿美元的基础设施、工程与能源投资——让AI真正变得安全且可用。
当然，这并不意味着AI百分之百安全。如果使用不当，你仍可能得到错误结论、糟糕报告或虚假结果。但我们正在学习如何“验证AI”的输出，对其“概率性特征”也更加适应。
新的挑战也随之出现——AI的能耗与资源消耗。例如，阿联酋的一位领导者告诉我，每一次ChatGPT查询平均会消耗4升水，这已成为亟待解决的新问题。
接下来会怎样？
我们才刚刚开始，AI的演进远未结束。
第一阶段：从单用户到多功能使用场景
AI的最大ROI将来自我称之为“多功能智能体”（Multi-Functional Agent）的形态。当前的AI工具，就像汽车中的“助力方向盘”——虽然能帮助转动方向，但我们真正想要的是“AI直接带我们到达目的地”，而非仅帮忙转向。
这种转变正在招聘和培训领域率先出现。如今的AI代理能自动撰写职位需求、与候选人沟通、安排面试并筛选简历，接下来还会连接入职与绩效评估。这种“招聘-职业一体化智能体”正是多功能AI的雏形，我们也在为供应商与买方制定相关蓝图。
企业不希望拥有上百个“各自为政的Agent”，而是希望建立能贯穿端到端业务流程的“智能工作代理”。例如，“从设计到生产再到销售”或“从营销到签约、再到开票与支持”的全流程。当前的单一用例AI将逐步走向融合。
随着这些多功能Agent的出现（多数由IT团队自建，而非完全依赖供应商），企业岗位将被系统性重塑。不再需要“面试协调员”“客户预约助理”或“应收账款专员”——这些工作将被整合到AI工作流中。
在我们的Galileo实践中也能看到这一趋势：它从最初的HR助手，进化为能自动回答问题、生成课程、解决复杂薪酬或内部政策问题的系统。Galileo如今能“为你构建解决方案”，从“问题或想法”一步直达“验证过的解决方案”，就像一辆“自动驾驶汽车”。
智能体将拥有记忆与个性
第二个重大变化是：AI智能体开始“了解你是谁”。例如，Galileo现在可以记住你的身份和过往行为。与其每次都从零开始，这些智能体会**“从你的使用中学习”，或“从业务本身学习”**，因此变得更具自主性、更个性化，也更有价值。
想象一下：你是一位经理，面临产能不足的问题。你问Galileo：“能帮我招聘一个新员工吗？”Galileo可能会回答：“在我帮您开启招聘申请之前，能否请您说明这个职位要做什么？”然后它可能继续问你部门的管理幅度（因为它掌握基准数据），并建议道：“以您预算的薪资水平，寻找内部候选人可能更合适。是否希望我帮您筛选具备相关技能的公司内部员工？”
一个月后，当你再次向Galileo求助时，它可能会说：“上次您新招的那位员工似乎上手速度较慢。我们是否该为团队制定一个新的培训计划，再考虑增员？”
看出差别了吗？当所有这些“助力方向盘式”的AI工具逐渐协同工作时，下一步就是让AI真正“接管整辆车的驾驶”——帮助企业整体运作，而非只处理单点事务。Bersin预测：这类系统将在2026年大量落地。
数据管理将成为企业的命脉
在与拥有AI经验的公司交流时，我们几乎发现了一个共同点：他们新培养的最关键能力，是数据管理、数据标注与数据治理。
我们在构建Galileo的过程中也得到了相同的教训：如果数据不准确、不及时、未正确标注，AI的输出就会失真。AI本身并不“理解”这些文字或数字的意义，它只是通过概率与向量计算来生成答案。因此，哪怕最微小的数据错误，都可能导致高比例的错误结论。（可参考我关于“45%的新闻查询结果有误”的播客内容。）
这也是为什么像IBM、沃尔玛、BMS这样的公司最终发现，“数据所有权”成为了关键战略资源。
例如，IBM在其“Ask HR”智能体中管理着超过6000条HR政策，并为每条政策指定负责人，负责更新与维护。现在，IBM正在构建新的智能体，用以扫描政策内容，监测全球数千个地区的法规变动，以提醒潜在风险。可以预见，所有公司都将踏上这一学习曲线。
智能体将与智能体对话
更令人兴奋的是：AI智能体之间的“互联互通”即将实现。我们称之为Agent-to-Agent（A2A）通信，或多代理通信协议（MCP）。虽然这些协议仍在早期阶段，但企业界已在积极探索。
不过我也要提醒一句：别急着采购五十个不同的AI代理。如果这些代理不能互相协作，它们的实际价值会大打折扣。许多客户现在签合同时只签一年，就是为了避免“被锁死在某个快速过时的AI系统中”。
供应商风险与市场格局
AI前路依然存在风险。我们仍不确定OpenAI是否能“自我整顿”，微软的Copilot目前分散在多个方向，而谷歌（Gemini）与Anthropic还需面对来自Grok、DeepSeek等新竞争者。如果股市出现剧烈调整，AI行业也很可能迎来一轮整合。
我认为，那些专注于高质量、务实商业应用的产品才最值得购买。例如Galileo、Paradox、Eightfold、Sana、Arist等，这些HR领域的AI产品都已具备成熟的落地能力。
此外，各大HCM厂商——SAP、Workday、ADP、HiBob、ServiceNow——也正在将AI智能体嵌入薪酬与流程引擎中，力图成为企业的端到端多功能智能体供应商。SAP收购SmartRecruiters、Workday收购HiredScore、Paradox与Sana的整合，正是这一趋势的体现。HR团队必须密切跟进这些生态变化。
其他担忧：工作流失与员工“被弱化”？
在我这次旅途中，听到了很多类似的担忧：HR人员害怕被取代；招聘人员不确定候选人是否“真人”；有人问我：“我们是不是都要变得更笨？”
我的回答是——如果你不主动拥抱这场革命，它也会在没有你的情况下开始。这是一个商业史上难得的转型时期，我们有机会彻底重塑自己的工作方式。现在不是退缩的时刻，而是亲手掌握AI工具、亲身实践的时刻。只要你开始使用这些工具，或者让我们带你体验Galileo，你就会发现新的职业机会——你的熟练度与经验将成为你在AI时代的竞争优势。
至于AI是否会取代人类的工作？我建议别听技术圈那些危言耸听的人。这根本不可能。
即便有一天我们真的拥有“自动驾驶汽车”，我们回头也可能会说：“其实开车也没多有趣嘛。”那时候我们会把注意力放到生活的其他部分，用新的方式创造价值。
而AI技术仍然如此新、如此不完美、变化如此迅速，反而创造了无数新的岗位与角色——超级员工（Superworkers）、顾问、创新者——去挖掘新的应用场景。
我记得1981年电子表格刚推出时，大家都以为会计师要失业了。结果呢？如今会计师比过去更多，只是他们不再浪费时间手算列数。
对于设计师、创作者、作家或分析师而言，AI就像你身边的一台个人超级计算机。正如木匠使用电动锯与自动雕刻机一样，你依然能创造出精美、复杂的作品——只要学会使用这些新工具。
欢迎来到新的世界
现在迷雾已散，AI将长期存在。让我们一起走上“超级工作者”的道路，帮助组织学习、应用并充分利用这项惊人的新技术。接下来的方向，就掌握在我们手中。
附录：这里有一份JoshBersin发布的报告《充分发挥 AI 影响力，拥抱超级员工时代》，点击下载
附录思维导图：
-
数据治理
CHRO如何在Agentic AI时代引领转型？-从工具使用者到组织智能架构师
HRTech概述：在AI快速演进的背景下，一种全新的人力资源战略正在崛起——Agentic AI。与传统自动化不同，Agentic AI 更强调“人机协作”，由HR主导、AI支持，共同实现更高效、更可信、更具战略性的决策模式。CHRO将不再只是执行者，而是组织智能的塑造者。他们将管理AI治理、建立伦理规范，并重塑人才战略与工作模式。
在AI技术席卷各行各业的当下，HR也站在了关键转型的风口浪尖。但这一次，变革不再是简单的流程自动化，而是一场围绕“智能协作”展开的深层重构。一场名为“Agentic AI”的革命正在悄然开启，而CHRO（首席人力资源官）正成为这场革命的核心引领者。
过去十年，AI在HR中的应用多集中于效率层面，例如自动筛选简历、智能排班或聊天机器人。人们习惯性地把AI当成一套“流程优化工具”。然而，在Agentic AI崛起的今天，这种理解已远远不够。
所谓“Agentic AI”，并非仅指具备感知、预测和处理能力的AI系统，更强调它在组织中作为“主动代理者”的角色。换句话说，它不再是“被调用的工具”，而是“共同参与决策与价值创造的智能个体”。
这对CHRO而言，既是一场挑战，更是一场空前的战略机遇。
CHRO的角色，将从“流程守门人”走向“组织智能架构师”
在《Agentic Carousel》报告中，HR的AI成熟度被划分为五个阶段，每一个阶段都对CHRO提出了新的要求。
在最初阶段，HR引入AI主要为了减负降本，例如RPA自动化、招聘系统、考勤管理工具。此时的CHRO，更多是“效率优化者”，关注系统选型与ROI。
进入第二阶段，AI开始赋能洞察。HR团队借助AI进行离职率预测、招聘渠道分析或薪酬对比。这一时期的CHRO，要成为“洞察翻译者”，能够将数据解读转化为业务语言，支撑高层决策。
而真正的转折点，发生在第三阶段——协作。Agentic AI的概念在这一阶段真正落地。HR开始引入智能推荐引擎、AI教练、员工发展路径推演等新型产品。AI不再仅服务于流程，而是与HR共建体验。CHRO的角色也随之转型，成为“人机协作推动者”。
接下来，是最难但也是最关键的第四阶段：信任建立。AI的使用引发隐私、偏见、透明度等伦理问题，这一时期的CHRO，不再只是HR部门的负责人，而是组织中AI治理的倡导者与建设者。他们必须从零建立伦理框架，设定治理边界，与法务、IT、风控部门紧密协作，确保AI在组织内“用得对、用得稳、用得明白”。
最终，顶尖的CHRO将进入第五阶段，成为真正的“组织智能架构师”。此时的AI已融入企业战略执行链条，HR也不再是传统的支持职能，而是构建“人+机”共生系统的中枢——既理解人性，也管理算法；既制定人才策略，也操控技术杠杆。
Agentic AI的核心：不是替代人类，而是赋能人类
Agentic AI强调的是主动性与人类协同。它不是接管HR的工作，而是把HR从繁杂冗余中解放出来，让HR团队更聚焦于影响力建设、战略落地与文化引导。
在这种模式下，CHRO的重点工作也随之改变。他们不再只关心绩效制度是否公平、薪酬是否具有市场竞争力，而是开始构思：
我们的AI招聘系统是否存在潜在偏见？
员工是否信任他们的职业成长轨迹是AI建议的？
组织是否具备基于AI洞察灵活重构团队的能力？
我们是否已建立起可以透明追责的AI治理体系？
这些问题，过去并不属于HR的核心关注，但如今，CHRO必须站在这些议题的最前线。
三个关键行动，构建AI时代的战略型HR中枢
首先，CHRO要搭建AI伦理与治理机制。这不是IT或法务部门的任务，而应由HR牵头，设立跨部门委员会，定义AI的边界与员工知情权，推动透明与信任的组织文化。
其次，要推动技能结构的系统性升级。AI不会自动提升组织智能，它需要人类理解、引导、解释。CHRO要重构培训体系，将AI素养、数据分析、跨职能协作、文化演进等能力融入人才发展路径。
第三，要以**“战略运营核心”的定位重塑HR架构**。不再把HR当作后台，而是将其升级为企业的“智能中控室”。通过AI与人协同，HR能实时洞察员工状态，预测团队动能，辅助管理层制定业务决策，真正参与业务成长。
未来的HR，不是更自动化，而是更智能化、更人性化
如果说过去的HR转型靠的是系统实施、流程重组与服务共享，那么未来的HR转型靠的将是战略主导、文化重塑与智能融合。
Agentic AI不是一项技术趋势，而是一场范式转变。它要求CHRO具备前所未有的综合能力——理解人性、驾驭技术、治理复杂系统、引领组织文化。
这正是未来最强CHRO的进化之路。
-
数据治理
联通数科数据治理能力获国际机构高度认可
近日，国际数据管理协会（DAMA）中国区举办“2023年DAMA中国数据管理峰会”，并在会上颁发DAMA数据治理奖。联通数科凭借在数据治理领域打造的产品、实践与技术创新得到了国际数据管理协会的高度认可，荣获四项大奖。
联通数科数据智能事业部技术研发部总监李大中在会上分享了中国联通一体化数据治理理念及服务。
具体而言，一是以业务场景和痛点、难点为抓手，从数据治理的组织、制度、流程、技术等方面，提供个性化、体系化、全栈式的解决方案指导，推动客户数据治理体系建设；二是提供标签体系和指标体系建设指导，推动客户数据价值转化；三是提供数据治理日常运营指导和运营方法，帮助客户开展体制机制建设、数据资源盘点、数据标准梳理、应用场景挖掘等专项活动，快速体现数据治理成效，建立数据管理信心。同时，提供数据治理指导培训，确保数据治理成果持续有效。
产品层面，联通数科自研打造的“联通数-一体化数据资产管理平台”，在复杂场景海量数据的处理下仍能确保高度稳定性和卓越效率。平台提供数据采集、数据开发、数据治理、数据服务、数据应用等数据全生命周期的管理工具，可以实现便捷的一体化运营管理，可视化的页面可大幅降低用户的数据使用成本，提高数据使用效率。“联通数-一体化数据资产管理平台”在会上荣膺数据治理优秀产品奖。
实践方面，联通数科打造的“西藏大数据中心数据中台项目”在短短一个月内即完成了平台的部署和交付，为后续数据资源治理工作的稳步推进打好基础，赢得了客户的高度认可，被评为数据治理创新奖和最佳实践奖。在无锡人行指导下，联通数科联合无锡联通承建的“金易链”项目，以区块链和隐私计算融合，在保障隐私和数据安全的前提下，搭建了跨20家商业银行、电信运营商、金融监管部门、公安等多组织的数据可信互通网络，实现了高速、稳定、安全、可信的数据共享，被评为数据治理最佳实践奖。
目前，联通数科数据治理解决方案覆盖数据治理、质量、架构、标准、安全等10余个方面，在联通集团内部重点场景核心数据可用率实现由70%提升至90%。未来，联通数科将在数据治理领域持续深耕，坚持“共平台、共能力、共技术栈、共研发体系”原则，探索“五要素”“七步法”数据治理理念，赋能客户实现智慧决策、智慧运营、智慧生产等各类数智场景。
-
数据治理
HR数据分析可以强化未来企业发展的三种方式
最近，我们讨论了许多中型企业如何显著改变他们的人力资源方法。从越来越多地依靠临时雇员和使具有多种需求和期望的多代员工参与到战略性地为底线做贡献，人力资源领导者正在为长期，可持续的增长和扩张奠定坚实的基础。
这种转型的核心是数据分析。根据SAP赞助的IDC最近的一份信息简报，95%的经营最好的中型企业正在有效地建立和发展他们的劳动力，并利用 "正确的 "分析工具和数据洞察力来衡量结果。通过利用数据资产、先进技术和流程自动化，企业正在将智能嵌入其人力资源运营中，以做出影响底线的决策。
那么，这些公司是如何通过HR数据分析为其发展注入活力的呢？在我看来，秘诀在于克服三个关键挑战。
1. 连接驻扎在多个系统中的人力资源数据
在大多数情况下，人力资源数据位于各种不同的系统中。我甚至看到一些成长中的公司运行着多达六个独立的人才管理系统。个别来说，每个解决方案都涵盖了一个特定的领域--核心人力资源管理、时间和考勤、流程工作流、员工绩效和薪酬、学习或招聘。
如果将这种智能与人力资源职能的其他职能隔离开来，则很难全面，客观地评估员工的体验。IDC报告说，将近一半的受访人力资源组织缺乏对组织流程和程序的洞察力。例如，他们可能没有端到端的可见性来查明问题区域的根本原因，例如招聘效果低，人员流动率高和员工敬业度低。
解决方案：将人力资源解决方案结合起来，作为综合人才管理模式的一部分，以调整、优化和提升员工队伍中的每一位员工。如果数据没有数字化，就无法进行分析，每一次数据更新和交互点都是收集数据并开始可视化趋势的机会。通过跨越整个员工生命周期和中间所有点的端到端思考，人力资源组织可以实现尽可能多的流程自动化。虽然使用人力资本管理(HCM)套件会让这一切变得更容易，但也有很多很好的附加功能可以整合起来，以提高你的流程价值。关键是要确保数据准确地反映在你的源系统中。
2. 提高数据质量、治理和安全性
中型企业内的人力资源领导者传统上一直在努力了解他们的数据是否准确、管理良好和安全。对于许多员工、人力资源团队、高管和董事会成员来说，这可能意味着要谨慎处理他们收到的情报。而不断增长的有关收集、使用和存储员工数据的法规，如果做得不对，整个公司都会面临巨额的惩罚。
解决办法：减少纸张和数据输入错误。通过流程自动化来减少纸张和数据输入错误 HCM 技术通过将数据值限制在公司定义的配置范围内来确保数据的准确性，此外，利用云解决方案有助于符合数据隐私法规。有了坚实、准确、合规的数据基础，人力资源领导者、招聘经理和高管可以保持对整个劳动力的深刻、可靠的看法，并了解对人员的投资和员工动态的变化如何影响业务成果。
3. .以优化人力资源战略价值的方式来处理数据
一旦你实现了自动化、整合、数字化并提高了数据质量，你就可以从简单的报告转向更高级的分析。但是，如果没有合适的工具和能力，人力资源领导者可能会在将其职能发展为重要的业务贡献者方面受到阻碍。
解决方案。通过数据驱动的劳动力计划来弥合业务战略和执行之间的差距，你将更好地支持CEO的议程，并衡量人力资源的贡献，但不要止步于此。当今的劳动力分析包可以提供一个很好的基础，以提供有价值的洞察力，了解人力资源数据如何帮助人力资源领导者将其职能发展为一个重要的业务贡献者。考虑建立反馈机制，收集每个员工的体验数据。询问你做得如何，以及如何改进你的人力资源流程，然后利用它来做到这一点：让它变得更好。掌握了这些 "体验 "数据，再结合你的运营数据，你将处于一个很好的位置，随着时间的推移，加速你的贡献。
数字化发展，而不仅仅是盈利
数据是人力资源团队支持中型公司发展的最佳方式之一。然而，对审查人力资源情报的真正兴趣是不够的。还应该有合适的员工来管理数据，并需要合适的工具来提供推动业务发展所需的洞察力。
人力资源领导者应该确定什么对公司最重要，确定需要哪些分析和数据来支持这些需求，并学习如何衡量流程绩效和决策。更重要的是，他们必须找到将数据传递给正确的人的方法，这样他们才能做出更好的决策，引导企业取得长期、可持续的成功。
好消息是，在实现这些能力方面，中型企业比大型竞争对手更有优势。企业的敏捷性和较小的规模使人力资源领导者能够快速、灵活、可扩展地简化和整合他们的IT环境。更重要的是，这种智能水平可以扩展到整个公司，以改变人们在快速增长和不断变化的时期如何参与、了解情况和配备战略的方式。
作者：SAP Labs集团副总裁David Ludlow
-
数据治理
如何建立一个优秀的人力资本分析（PA）团队
How to build a people analytics team
正确地组成人力资本分析团队是解决业务问题的关键所在
"数据就是新的石油"。这句话很少有人记得自己第一次听到这句话的时间和地点，但现在很多人都会自信地点头同意。
事实上，这句话可以追溯到数据科学家（也是Tesco Clubcard背后的大脑）Clive Humby，他早在2006年就创造了这句话，用来解释今天数据的不可抗拒的价值。
Humby解释说，就像石油一样，"如果未经提炼，[数据]就不能真正被使用"。也就是说，数据要想有任何价值，就必须将其分解成更简单的形式并进行分析。
在人力资源领域，这个数据提炼过程同样重要。它通常被称为 "people analytics" 人力资本分析，多年来，它导致了人力资本分析团队的诞生。
不过，虽然它已经出现了一段时间，但人力资本分析的进展却一直很缓慢。德勤发布的《2019年人力资本趋势报告》发现，尽管企业对更好的数据管理产生了浓厚的兴趣（在2017年的报告中，71%的企业将人力资本分析列为高度优先考虑的事项），但仅有26%的企业有效利用技术和分析技术。
"如果我们坐进时光机，回到10年前，我当时说的是关于人力资本分析的事情。那是因为它仍然有一个未实现的潜力，"南加州大学马歇尔商学院有效组织中心的高级研究科学家Alec Levenson说。
"典型的情况是，人们把注意力集中在眼前的数据上，而不是想出正确的问题。他们会说'一定有什么东西我们可以从这些数据中学习到'，是的，总会有一些洞察力。"他说。"但如果你只看数据，而不把它嵌入到更大的业务背景中去，问一些更大的问题，比如你想解决什么问题，那么它可能会把你带入死胡同、兔子洞和爱丽丝梦游仙境之类的冒险。"
施华洛世奇公司人力资本分析和数字人力资源总监Oliver Kasper补充说，团队过于专注于报告，而不是挖掘预测性或规范性分析的可能性。
"人力资本分析可以往两个方向发展，"他解释说。"一个方向是回顾过去，所以报告过去发生的事情。然后是展望未来的活动--这就是预测性和规范性分析。我会说只有1-2%的大公司在做第二个方向。
"而这就像在谈论蒸汽火车和电动车的区别。报告是蒸汽火车，预测性和预见性分析是电动汽车。"
那么，在数据的重要性只增不减的情况下，HR如何打造一支真正能带来业务成果的人力资本分析团队？
职权范围Remit
人力资源转型咨询公司LACE Partners的首席执行官Aaron Alburey说，首先，人力资源部门应该退一步，确定自己究竟想要从人力资本分析中得到什么，人力资源转型咨询公司LACE Partners的首席执行官说。
"这是关于理解这个职能的目的是什么，以及你一开始为什么要设置它，"他说。"在你明白你想覆盖什么以及如何覆盖之前，你无法理解你需要什么。"
在Facebook负责人力资本分析和劳动力战略的副总裁Alexis Fink看来，这个职能的目的应该有三个方面。"我试图沿着三个轴来思考这个问题。首先，沿着X轴，就是员工的生命周期。通过选拔、入职、员工态度和离职调研，从候选人库中的点点连接起来有很大的机会。她说："Y轴是分析层面--个人、团队、组织、企业，甚至超越了组织的边界，延伸到行业、劳动力市场和社区。
"最后，Z轴是关于你使用数据的方式。你是在执行流程、做报告、分析寻找模式，还是创建能够有效推荐行动方案的算法？"
Levenson认为，看待人力资本分析团队的作用有 "两种非常不同的方式"。"一种是认为它只是一个数据处理功能。如果你这样建立一个人力资源分析团队，你就不用担心业务影响或成为真正的业务合作伙伴----从字面上看，你只是一个数据处理的黑猩猩。"他说。
"但如果你的目标是获得能够帮助业务其他部分更好地运行的洞察力，你就不能只是一个数据处理者。它需要的是洞察力，而不仅仅是人力资源的洞察力，而是业务的洞察力。"
后者--专注于业务数据和问题，而不仅仅是人力资源数据和问题--是团队应该努力的方向，德勤劳动力转型实践中的人力资本分析和劳动力规划专家领导David Fineman表示同意。"高影响力的人力资本分析发生在整个组织中的合作伙伴关系中，"他说。"分析应该专注于业务挑战，因此，人力资本分析团队应该从人力资源的角度出发，但他们应该专注于实现更广泛的组织目标。"
在施华洛世奇，这意味着人力资本分析团队在零售和生产两大部门的战略目标中发挥着重要作用。在零售部门，这涉及到利用人力资本分析来提高转化率，而在生产部门，则是为产品质量和生产效率提供信息。
"这些都是我们在幕后支持的关键业务挑战，"Kasper说。"我们不是为了解决纯粹的人力资源问题而存在。"
报告线 Reporting line
随着团队被期望从更广泛的业务角度出发，他们在组织中的位置也有待商榷。根据Fineman的说法，最常见的方法是由人力资源部门内的一个专门的团队负责人力资本分析，向人力资源部门领导汇报。"通常情况下，它是独立于报告小组之外，不一定是人力资源部门的一部分，而是直接向CHRO报告。"
Levenson同意这一点："人力资本分析应该是一个卓越的中心，它可以向人力资源部门汇报，也可以向更大的分析小组汇报。"
虽然注意到这是一种远不常见的做法，但Alburey说，他曾见过一些人将业务运营和人力资源部门结合在一起创建一个团队，由人力资源部门和企业共同拥有。虽然 "这两种模式都不比其他模式好"，但他觉得共管的方式可以帮助团队更贴近业务。
"在HR内部建立团队的风险在于，他们最终只为HR出具大量报告--他们更多的是以HR为中心来看待他们想看的东西，所以像人才数据和薪酬洞察之类的东西，他们不一定清楚自己能带来什么样的业务成果，因为他们离业务有点远，"他说。"如果把业务和HR结合在一起，就更容易找到需要解决的业务问题，并把工作导向业务成果。"
架构 Structure
报告线只是其中的一部分，团队的组成也很重要。"大多数人分析团队都很小--只有几个人--因此他们的结构相当不稳定，往往会有很多不同的变化。"Fink说。
然而，在较大的团队中，应该有更多的结构，Fineman说，他将该职能分解为四个不同的子团队：报告；数据科学、洞察和分析；数据治理；平台管理。 reporting; data science, insights and analysis; data governance; and platform management
这就需要多样化的工作角色。Alburey指出，需要一名数据经理、报告撰写者和业务分析主管。然而，有一个角色他很快就被否定了，那就是数据科学家。"很少有人分析团队需要一个真正的数据科学家--你可以从业务的其他部分获得这种专业知识，"他说。"如果你是一个真正的数据科学家，你需要大量的数据来工作，而没有足够的人数据--所以你需要一个数据经理，是的，但数据科学家呢？我不这么认为。"
Levenson也有这样的感慨，他同意 "一个纯粹的数据科学家是我最不愿意雇佣的人进入人力资本分析小组的人之一"。
"外面有一种印象，认为如果你只是雇佣一个数据科学家，他们就能解决你所有的问题，但他们不会。"他说。"你会把数据科学家放在一个面向客户的角色中，与企业中的人或CHRO交谈吗？这就是要问的试金石问题。而战略人员会说'绝对不会，因为他们不知道该说什么是正确的。"
技能集Skillsets
在Levenson看来，这与技术性的、分析性的角色和技能无关，而更多的是定性的、软性的技能，比如职业心理学。
"一个数据科学家通常不了解组织科学和企业如何运作，实际上你需要良好的职业心理学，"他说，"一个数据科学家通常不了解组织科学和企业如何运作，实际上你需要良好的职业心理学。"然后，你需要团队中的商业咨询技能--知道如何卷起袖子解决问题的人。
"这就是那句老话，即需要关注因果关系而不是相关性。除非有组织科学和商业咨询，否则你不会知道该问什么正确的问题来计算出正确的数字。"
在Fink眼中，正是这种无所不能的咨询专业知识在现在的大多数团队中都是紧缺的。"通常情况下，人们的分析团队真正的功能是提供服务，他们得到的很多请求都只是捕风捉影。他们可能提供了很好的服务，但他们回答的问题并不是特别有力，也不会导致行动。她说："影响和咨询方面的专业知识对克服团队整体效率的这一障碍有很大帮助。
卡斯帕概述了团队需要的六大 "基石"：
人的技能（"比如金融知识"）；沟通技巧；咨询技巧；数据科学知识；隐私、道德和流程方面的人力资源知识；最后是工作心理学和行为科学知识。
（human skills (“like financial literacy”); communication skills; consulting skills; data science knowledge; HR knowledge in privacy, ethics and process; and, lastly, work psychology and behavioural science knowledge.）
"理想中的人都会具备这六种技能，但很多人只是具备一些，"他说。"这很好，但你确实需要团队中的这六种技能都要具备。"
寻觅人才Sourcing talent
但是，这种多样化的技能组合能在现有的人力资源专业人士中找到吗？不一定，Fineman说。"团队中的人学习领域知识很重要，但通常情况下，数据治理角色的人更多来自于IT和IT战略背景，"他说。
Fineman认为，人力资源背景对团队中的洞察力和分析角色会有帮助。鉴于这项工作涉及到作为分析团队和业务之间的接口，优秀的HRBP应该在这里茁壮成长。"这就是有趣的地方，因为团队中的洞察力和分析小组可能是HRBP职业道路上的一个台阶。"他说。
"他们的工作是既要把业务挑战的信息带进来，解决业务挑战，又要在另一边解释分析的结果。"
"这些同事是劳动力分析团队的眼睛和耳朵；他们可以利用自己的业务知识来识别业务挑战和项目，"劳埃德银行集团的人员洞察总监Andy Papworth同意这一点。
Fink指出，她所工作过的团队里有很多背景和专业知识，甚至超越了人力资源和IT领域。"她说："一般来说，团队的核心成员都是研究生级别的工业和组织心理学家，也有其他社会科学背景的人，如认知、社会、教育和发展心理学、人类学、经济学或政府；有MBA和咨询背景的人，还有物理、化学、数学、工程、甚至地质学等硬科学背景的人。
"我见过真正有效的人来自于律师助理，或教书育人......或人力资源部门的一般角色。"
Fink告诫说，不要把人力资本分析团队建设成硬性的、快速的规则。"就像育儿一样，没有一个正确的方法来处理人力资本分析工作。我的团队的结构和章程反映了我当时所服务的组织的规模、复杂性、优先级、挑战和文化。"她说。
"人力资本分析工作的乐趣和令人兴奋的部分在于，它不是一刀切的。"
作者：Rachel Sharp 这篇文章刊登在2019年10月的《人力资源科技增刊》上。
以上由现金的AI翻译完成，HRTechChina发布仅供参考。
扫一扫 加微信
hrtechchina
