-
未来工作
【风险】研究发现AI更喜欢AI写的简历：算法招聘在模型对齐时代，正在重写HR的决策逻辑
HRTech概述：AI招聘正在出现一个被严重低估的新风险。一项来自马里兰大学、新加坡国立大学和俄亥俄州立大学的研究发现，大语言模型在筛选简历时，会系统性偏向“自己生成的内容”，偏差比例高达67%–82%。更现实的是，如果候选人使用与企业相同的AI模型优化简历，被录用的概率最高可提升60%。这意味着招聘逻辑正在发生变化，从“谁更优秀”转向“谁更匹配模型”。这种AI对AI的偏差，不仅挑战招聘公平性，也可能带来新的合规风险。未来HR需要关注的不只是AI是否好用，而是AI是否公平。在过去十年中，HR 技术的核心问题一直围绕“如何减少人为偏见”，但研究提出了一个更具颠覆性的结论：即便完全消除了人类偏见，AI系统本身也会产生新的结构性偏见，而且这种偏见正在快速进入招聘流程的核心。 HRTech一句话总结就是：AI招聘的最大风险，不是歧视人，而是AI偏爱“自己人”。
这篇题为 AI Self-preferencing in Algorithmic Hiring: Empirical Evidence and Insights 的论文，通过大规模实证实验揭示了一个此前几乎未被商业世界认真对待的风险：当候选人与企业同时使用AI工具时，AI不仅参与决策，还会系统性偏向“与自己相似的内容”。这意味着，招聘系统正在从“评估人才”，转向“匹配模型”。
从“人类偏见”到“AI偏见”：范式已经发生变化
长期以来，HR Tech 的公平性讨论集中在人类层面，例如性别、种族、教育背景等维度的歧视问题。然而，这项研究明确指出，随着大模型（LLMs）同时进入供给侧（候选人）和需求侧（企业），一种新的偏见正在形成：AI对自身生成内容的系统性偏好，即所谓的“self-preference bias”。
研究发现，在控制简历质量的前提下，LLM 在筛选简历时对“由同一模型生成的内容”的偏好比例高达 67% 至 82%。换句话说，即使两份简历质量完全相同，只要其中一份是由筛选模型生成，它被选中的概率就显著更高。这种偏差并非偶然，而是跨多个商业模型与开源模型普遍存在。
这标志着一个关键转变：招聘中的偏见，不再只是“人类如何判断人类”，而是“AI如何判断自己”。
招聘逻辑正在被重写：从能力竞争到模型对齐
如果进一步放大到完整招聘流程，研究的影响更加直接且深远。在模拟的24个职业招聘流程中，使用与筛选系统相同模型的候选人，被列入 shortlist 的概率提高了 23% 至 60%。这种差异并非来自能力，而是来自“生成路径”。
这意味着招聘竞争的底层逻辑正在发生变化。过去，候选人的核心竞争力在于经验、能力与表达；而现在，一个隐性的变量开始介入：候选人是否“对齐”了企业所使用的AI系统。
在这一逻辑下，招聘过程逐渐演变为一种“模型生态竞争”。不同AI模型形成不同语言风格、表达结构和信息组织方式，而筛选系统天然更容易识别并偏好“与自己一致”的模式。这种现象在销售、会计等高度结构化表达的岗位中尤为明显。
从HR的视角来看，这已经不再是筛选效率问题，而是评估机制被扭曲的问题。
AI招聘系统的“隐性风险”：合规与公平性的双重挑战
这项研究最值得警惕的地方在于，它揭示的是一种“不可见的系统性偏差”。与传统歧视不同，这种偏差不基于敏感属性，因此更难被发现、审计和监管。
但在现实监管环境中，这并不意味着风险更低。相反，在美国等市场，算法招聘已经进入严格监管阶段，例如纽约市的 Automated Employment Decision Tool（AEDT）法规，要求企业对招聘算法进行偏差审计。如果AI系统在不知情的情况下偏向特定候选人群体（例如更常使用某类AI工具的人群），企业仍可能面临合规风险。
更重要的是，这种偏差会在组织内部造成“隐性不公平”：优秀候选人可能被系统性过滤，而非因为能力不足，而是因为“表达方式不符合模型偏好”。
从工具使用到系统设计：HR的角色正在上移
这项研究的真正启示，并不在于“是否使用AI”，而在于“如何设计AI驱动的招聘系统”。
在传统HR Tech中，企业更多关注工具选型与流程自动化，但在AI时代，HR必须开始承担“系统架构设计者”的角色。这包括：
首先，避免单一模型主导决策。单模型筛选会放大自我偏好偏差，多模型交叉验证或ensemble机制将成为更合理的设计路径。
其次，引入AI bias mitigation机制。研究表明，通过简单干预（例如降低模型对自身风格的识别能力），可以将偏差减少超过50%。这意味着问题是“可治理的”，但前提是企业意识到它的存在。
再次，建立“AI中立”的评估标准。标准化简历结构、弱化语言风格差异、强化结构化信息提取，可能成为未来招聘系统的重要方向。
HR Tech的下一个竞争维度：不是更智能，而是更公平
从产业视角来看，这篇论文实际上在重新定义HR Tech的竞争逻辑。过去，招聘系统的核心指标是效率与匹配度；但未来，一个新的核心指标正在浮现：公平性（fairness）与可解释性（explainability）。
这也将催生新的产品机会，包括：
一类是“AI招聘审计工具”，用于检测与量化模型偏差；一类是“多模型招聘平台”，通过模型组合降低单一偏差；另一类则是“AI-neutral内容生成工具”，帮助候选人避免被模型生态锁定。
AI招聘的真正问题，不是效率，而是“判断权”
这篇研究的深层意义，在于它揭示了一个被忽视的问题：当AI不仅参与执行，还参与判断时，它就成为了“权力结构的一部分”。
而一旦判断权被模型所主导，那么谁训练模型、谁定义风格、谁控制数据，就在间接决定“谁更容易被雇佣”。
因此，未来HR Tech最重要的问题，不再是“AI能不能用”，而是：
谁在设计AI，以及它在偏向谁。
负责任的AI：HR在下一阶段的核心能力
当AI开始参与招聘判断，甚至影响候选人结果时，“是否使用AI”已经不再是关键问题，“如何负责任地使用AI”才是HR必须正面回答的核心命题。所谓负责任的AI（Responsible AI in HR），不只是技术层面的优化，而是涉及治理、流程、数据与能力的系统性设计。
首先，企业需要建立清晰的AI治理机制，明确AI在招聘流程中的角色边界与责任归属，避免将关键决策完全外包给模型。其次，在流程层面，应引入多模型验证或人工复核机制，降低单一模型带来的系统性偏差风险。同时，数据与评估标准也需要更加结构化与中立化，减少语言风格与表达形式对结果的干扰。
更重要的是，HR团队本身需要具备“AI判断能力”，能够理解模型的局限性、识别潜在偏差，并主动设计干预机制。这意味着HR正在从“工具使用者”转变为“系统设计者”和“风险管理者”。
在AI深度嵌入人力资源管理的时代，真正具备竞争力的组织，不仅是使用AI最早的，而是能够在效率、公平与合规之间建立平衡的。负责任的AI，不只是合规要求，更将成为企业人才战略的长期护城河。
-
未来工作
【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。
-
未来工作
【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。
-
未来工作
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。
-
未来工作
AI-First 时代：首席人事官的5个新标准
HRTech概述：波士顿咨询公司（BCG）的最新研究指出，企业在AI转型中最大的误判，并非技术路线选择错误，而是低估了首席人力资源官（Chief People Officer, CPO）在战略层的关键作用。在AI重塑商业版图的浪潮中，CEO们纷纷投资算法、平台与模型，却常常忽视一个更深层的现实：技术可以提升效率，唯有人才能重建信任。
真正的“AI-First企业”，CPO不再是执行AI战略的“配角”，而是引领组织再造与能力重构的核心驱动力。
推荐阅读了解，视频解读可以访问视频号：HRTech
重新定义CPO在AI时代的战略价值
在企业竞相拥抱人工智能的浪潮中，CEO们最常见也最致命的误判，是一种 foundational strategic error that directly correlates with value destruction：低估了首席人事官（CPO）在转型成功中所扮演的核心角色。他们常常将CPO定位为AI战略的“支持者”——一个负责执行和协调员工过渡的角色，而非从一开始就参与塑造战略、重塑组织关键能力的“引领者”。
这是一个代价高昂的错误。最新调研数据显示，尽管几乎所有企业都在尝试应用AI，但仍有高达60%的公司未能从其AI投资中产生实际价值。与之形成鲜明对比的是，表现最优的5%的公司（BCG称之为“未来型公司 (future-built companies)”）正在解锁巨大的商业回报，其营收增长、股东总回报和EBIT利润率分别比落后者高出1.7倍、3.6倍和1.6倍。这一差距的根源，并非仅仅是技术的优劣，而是企业在重构“人机协同”这一全新运营模式上的根本性失败。
为了弥合这一差距，企业必须重新设计工作流、重塑岗位架构、大规模提升员工技能，并赢得一线员工的信任——尤其是在那些最初并非为生成式AI（GenAI）或AI代理而设计的职能部门。所有这些职责都直指CPO。本报告旨在为人力资源领域的专业人士深入解读，为何CPO必须完成从战略支持到战略引领的角色转变，并详细剖析未来AI-First CPO必须具备的五项核心领导力新标准。
--------------------------------------------------------------------------------
1. 战略角色的演变：从人事管理者到企业“能力架构师”
AI时代从根本上颠覆了CPO的核心职责：其使命不再是维护和渐进式优化现有组织，而是要以前所未有的魄力，对工作结构、领导方式和组织适应性进行一场颠覆性的重构。这意味着，CPO的角色正在从传统的人事管理者，演变为企业的“首席能力架构师”（Chief Capabilities Architect）。
传统CPO职责
AI-First CPO（能力架构师）
核心：维护与渐进式发展
核心：颠覆与重构
- 人才规划与招聘
- 重新设计整合AI的工作流
- 领导力发展
- 重塑岗位架构与角色期望
- 薪酬福利管理
- 主导大规模、持续性的员工技能提升
- 绩效评估体系
- 制定衡量AI真实价值（如生产力）的KPI
- 塑造积极的企业文化
- 在变革中建立并维护员工信任
“首席能力架构师”这一新角色要求CPO具备深刻的战略性和概念性思维。他们必须能够精准判断：哪些工作应由人类完成，哪些可以交由AI承担？如何构建能够无缝整合AI工具的新工作流程？这是一项艰巨的挑战，随着AI技术的不断迭代，CPO需要持续地对岗位进行“拆解”与“重组”，并决定何时引入新人才、为谁提供何种技能提升。然而，这种前瞻性的技术架构能力必须与一种永恒的领导力优势相结合——即深刻的共情能力，以引导焦虑的员工，将他们对未知的恐惧转化为拥抱变革的热情。
这一角色的紧迫性已在领先企业中得到印证。数据显示，那些从AI中获得卓越回报的顶尖公司，在为员工提供结构化的AI学习项目方面的可能性是落后者的四倍。这不仅是投资力度的差异，更是战略优先级的体现。
这种深刻的角色转变，要求CPO必须具备一套全新的思维模式与核心能力。接下来的章节，我们将深入探讨这些具体的能力标准。
--------------------------------------------------------------------------------
2. AI-First CPO的五项核心领导力标准
尽管目前拥有直接AI转型经验的CPO凤毛麟角，但决定其成功与否的关键，并非履历本身，而是其是否具备适应AI革命的特定思维模式和技能组合。CEO们应运用以下五项标准作为评估其CPO是否具备“AI-First”领导力的核心框架。
2.1. 标准一：具备强烈的“AI好奇心”与实践经验
在ChatGPT亮相全球近三年之际，一位卓越的CPO不应再仅仅停留在“讨论”AI的层面，而必须成为AI的积极使用者和实践者。这种“AI好奇心”并非空谈，而是体现在具体的行动中：
亲自使用：积极试用各类AI工具，理解其潜力和局限。
内部试点：在人力资源部门内部率先启动AI试点项目，以亲身体验应用过程中的障碍，并探索解决方案。
定义价值：着手制定能够衡量真实价值创造（如生产力提升、效率增益）的KPI，而非满足于流于表面的参与度或活动指标。
建立技术语感：CPO无需成为技术专家，但必须具备足够的实践经验和技术流畅度，以便能够主导战略对话，并对AI将如何重塑劳动力提出清晰、有根据的见解。
2.2. 标准二：拥有领导“范式转移”的转型经验
虽然直接的AI转型经验尚属稀缺，但其他类型的大规模变革经验（如重大的技术转型或颠覆性的行业运营模式重塑）同样至关重要，其经验具备高度的可迁移性。
拥有此类经验的CPO对变革的艰巨性有着深刻的理解。他们曾亲眼见证新技术如何重新定义角色和工作流程，这为他们提供了一套预判阻力点、管理利益相关者焦虑、并驾驭转型过程中非线性混乱的心理“剧本”。更重要的是，他们在过往的转型中，已经培养出一种关键能力：识别并解决那些可能拖延甚至破坏敏捷转型的心理、实践和管理层面的障碍。 这种洞察力让他们在引导AI转型时，更不易被人性层面的挑战所颠覆。
2.3. 标准三：具备在模糊中“构建结构”的能力
最成功的CPO能够将创新思维与严谨、结构化的方法相结合，从而将团队的创造力引导至价值最高的领域。当他们参与转型决策时，他们带来的不是一堆悬而未决的问题，而是一个清晰的行动框架。这种结构化思维通常表现为：
立即解决: 他们明确了“3个当前就能回答的问题”。
验证假设: 他们对另外“3个问题已形成有力假设，并正通过实验验证”。
监控未来: 他们识别出“4个到2027年才需解决，但正密切监控其加速信号的问题”。
这种能力确保了CPO在战略讨论中，始终能带着清晰的优先级和可行的方案，推动议程向前发展，而不是让讨论陷入无休止的开放式提问中。
2.4. 标准四：能够与员工构建并管理“新的社会契约”
AI转型的最大阻力并非来自技术，而是源于信任的缺失。为了直接应对这一挑战，CPO必须主动构建并管理一份与员工的“新社会契约”。员工们普遍担忧自己的工作岗位会因此消失、被降级或失去原有的意义。这些真实存在的恐惧会逐渐侵蚀员工的使命感，并固化为对变革的阻力。
这份契约是建立信任、引导变革的关键，其核心要素包括：
清晰阐明公司为何以及如何使用AI。
明确界定相关的决策将如何制定，确保过程的透明度。
公开定义成功的标准将如何衡量，让员工理解变革的目标。
理想情况下，这份契约应在转型之初，通过征求各级员工的意见来共同制定，从而建立广泛的共识和认同感。
2.5. 标准五：勇于在决策层“主张应有席位”并挑战现状
在AI转型中，CPO的角色绝不能被视为次要。他们必须心安理得地主导公司的人才战略，并深度参与公司的重塑过程，在决策桌上拥有不容置疑的一席之地。
这意味着CPO需要具备无畏的挑战者精神，能够勇敢地挑战组织内固有的假设——即使这些假设来自CEO本人。只有这样，才能确保人才战略与公司整体的AI战略紧密结合、切实可行，而不是沦为纸上谈兵。
最终，一位AI-First的CPO是三个身份的结合体：一位高瞻远瞩的战略大师、一位推动变革的创新者，以及一位信任的捍卫者 (trust champion)。
--------------------------------------------------------------------------------
3. 引领企业迈向AI驱动的未来
定义一家AI-First公司的标准，绝不仅仅是其技术实力或算法的先进性，更在于其如何有效地重塑工作方式，并带领全体员工共同迈向未来。这使得CPO的角色变得前所未有的重要。
对于CEO而言，其在AI时代的首要任务，就是挑选、赋能并支持一位能够胜任这一重塑使命的CPO。未能做到这一点，并非简单的授权失误，而是一种领导力的根本性缺失，它将不可避免地把公司归入那60%停滞不前的落后者行列。只有确保CPO有能力、有信心在这个主角位置上发光发热，他才能真正引领整个组织，穿越变革的迷雾，迈向一个截然不同的、由AI驱动的未来。
-
未来工作
从“人”到“智”：2026年HR战略的五大拐点与AI共生时代的到来
HRTech概述：2026年，人力资源正进入“人机共智”新阶段：绩效管理首次超越敬业度成为核心，DEIB投入下滑，代际分化加剧，薪酬透明化陷入信任危机，而AI正从工具走向共生。真正领先的HR团队，不是被技术取代，而是用AI重塑组织绩效、文化与信任的未来。
在2026年的人力资源舞台上，HR不再只是组织的情绪调节器，而成为企业智能化转型的核心驱动力。一份调查在以对1,002位HR专业人士的全球调研为基础，揭示了AI浪潮下人力资源管理的深层结构性变化。报告指出：绩效管理首次超越员工敬业度，成为HR的头号任务；AI不再是概念，而成为日常运营的内核；而多元、公平与包容（DEIB）的退潮，正在重塑组织文化的优先级。
以下是本报告的五大关键拐点与专业洞察。
一、绩效管理登顶：HR的“北极星”重新校准
在过去六年中，员工敬业度一直是HR战略的主旋律。然而2026年，40%的HR团队将绩效管理列为首要任务（敬业度为39%）。报告指出，这一变化并非理念倒退，而是**“从激励到产出”的自然演进**。随着AI驱动的绩效系统和数据分析的普及，HR开始建立“持续反馈—目标校准—成长辅导”的闭环体系。
更重要的是，高绩效团队展现出共同特征：
五倍于低绩效团队的DEIB投入；
在绩效与敬业度之间实现良性循环；
将AI嵌入管理流程，实现“数据驱动的人本绩效”。
正如OpenClassrooms首席人力官Stéphanie Fraise所言：“绩效与敬业度并非对立，而是相互推动的双星系统。”
二、DEIB退潮与绩效崛起的“反向镜像”
数据表明，仅16%的团队在2026年仍将DEIB视为核心优先事项，相比2023年下降近一半。表面上是资源收缩，实质上是企业在“快速量化”与“长期文化建设”之间的摇摆。然而，报告明确指出：削弱DEIB，等于削弱绩效驱动力。高绩效团队往往拥有更强的包容文化、更开放的沟通机制与更高的员工信任度。多元视角并非政治口号，而是提升创新力与决策质量的底层机制。
三、代际裂痕扩大：HR必须重建多世代协作结构
报告中最具启示性的发现之一，是代际差异正成为HR战略的新变量。
Z世代与千禧一代的驱动力来自“助人成长”，却最易情绪倦怠。
X世代与婴儿潮一代追求战略影响力，却往往脱离一线员工感受。
面对代际分层的组织，报告提出两项关键策略：
“交叉导师制（Cross-Generational Co-Mentoring）”：年轻人教授AI与新技术，年长者传递决策与影响力经验。
AI辅助的文化洞察系统：通过实时员工情感分析与反馈机制，帮助HR更精准识别各代群体的动机与压力源。
这不仅是文化建设，更是组织智能化的社会设计。
四、薪酬透明化进入“冷静期”：从公布到公正的距离
过去几年，薪酬透明化被寄予厚望。然而，2026年的现实是——仅18%的HR将薪酬视为重点（创六年新低）。员工的不满集中于“加活不加薪”：43%的HR表示，员工承担更多工作却未获得加薪；47%的员工正对这种“干升职”现象发出抗议。
尤其在欧洲，随着《EU薪酬透明指令》即将生效，透明已成法规底线，但**“透明≠公平”**。真正的突破来自三个层面：
构建基于能力与岗位价值的薪酬结构；
量化工作负荷与角色漂移（Job Drift）；
提升经理层的薪酬沟通与解释能力。
薪酬体系的未来，不仅在于可见，更在于可解释、可信任。
五、AI共生时代的到来：从“辅助”走向“自主”
报告显示，72%的高绩效团队使用四种以上HR工具，49%使用六种以上，且42%的白领HR已在日常使用Agentic AI。这意味着AI已从“生成”迈入“代理”（Agentic）阶段——能自主规划、执行与反馈。同时，61%的HR领导者对AI伦理表示担忧，但83%仍持乐观态度。AI的使用边界不再取决于技术成熟度，而取决于组织文化中的“心理安全感”和“实验精神”。
最成熟的团队已学会三步法：
小规模AI试点（Low-risk Pilots）——从低风险场景测试实际成效；
业务对齐（Business Alignment）——确保AI工具直接关联绩效指标；
持续学习机制（Continuous Learning Loop）——让AI成为HRBP的“副驾驶”，而非“替代者”。
正如Hudson Valley Property Group的HR总监Chuck Marcelin所言：
“AI 是提升，而非替代。真正落后的，不是技术，而是观念。”
六、HR的未来，是“人机共智”的未来
2026年的HR世界，正在经历一次认知重构。绩效与人文的平衡、数据与判断的共振、AI与信任的并存，将决定企业在未来五年的韧性与竞争力。“People + AI Succeeding Together”不再是一句口号，而是HR战略的核心逻辑。在AI重塑组织边界的同时，HR的真正使命，也正回归初心——让科技成就人，而非取代人。
HR Tech 观点总结：未来的优秀HR，不仅要懂“人”，更要懂“智”；不只是组织管理者，更是AI系统的设计者与文化塑造者。在AI共生的时代，HR不再被动适应技术，而要主动塑造智能组织的人性边界。
-
未来工作
AI并购潮下的人力资源科技重构：揭示HCM市场的4个惊人真相
在AI浪潮与资本力量的双重推动下，全球人力资源科技（HRTech）市场正经历前所未有的并购潮。Workday、ADP、SAP、Deel、Dayforce等巨头正通过收购AI平台、薪资系统与编排工具，全面重塑人力资本管理（HCM）的未来格局。
表面上，这是一场AI驱动的技术竞赛，实则是一场关于“系统编排（System Orchestration）”的深层战争——谁能让企业的HR、财务与IT系统自动协同、实时行动，谁就掌握了未来。私募基金的深度介入进一步加速了这一重构，推动市场从“增长优先”转向“整合优先”。
AI只是开端，真正的竞争焦点，正在于让系统“动起来”的行动智能。
AI之外，真正改变游戏规则的是什么？
当前，人力资源（HR）领域的每一次对话似乎都离不开人工智能（AI）。从自动化招聘到员工体验，AI无疑是当下最热门的话题，重塑着我们对未来工作的想象。这股浪潮声势浩大，以至于我们很容易认为AI就是故事的全部。
然而，在这股显而易见的AI浪潮之下，一场更深刻、更具结构性的变革正在悄然发生。它关乎资本的流向、厂商的战略分野以及HR系统本质的进化。如果我们只关注AI，就如同只看到了冰山的一角。真正理解人力资本管理（HCM）市场的未来，需要我们潜入水下，看清那些正在重塑整个行业格局的底层力量。
本文将揭示四个出人意料的发现，它们共同描绘了一幅远比“AI革命”更宏大、更复杂的市场图景。
--------------------------------------------------------------------------------
1. 真正的战场不是AI，而是“系统编排”
尽管AI是热门话题，但HCM厂商竞争的核心已悄然转向“系统编排”（System Orchestration）。这不再是简单的流程自动化，而是赋予多个独立系统（如HR、财务、IT）自动协作、实时行动的能力。它意味着系统不仅能存储数据，更能基于数据触发跨部门、跨平台的行动。
正如RedThread Research联合创始人Stacia Garr的核心观点所指出的：“未来HCM的胜负不在于谁的AI更聪明，而在于谁能让系统之间自动行动、协同决策。”
顶级厂商的布局清晰地印证了这一点。它们正在积极投资于构建这种“系统之间的连接层”。例如，Workday接连收购了AI知识层Sana、对话式AI平台Paradox、低代码AI Agent构建器FlowiseAI、文档智能工具Evisort以及人才编排AI平台HiredScore；ADP在收购低代码工作流平台Sora之后，又收购了WorkForce Software以强化劳动力管理与编排能力；SAP则将数字采用平台WalkMe与人才招聘系统SmartRecruiters收入囊中。这些举动表明，未来的竞争优势将属于那些能够让组织内所有系统协同作战的平台。
2. 隐形推手：私募基金正在重塑行业格局
一个容易被忽视的真相是，私募基金（Private Equity, PE）已经成为HR科技领域最强大的力量之一。PE的深度介入正在显著加速行业的并购节奏，并从根本上改变了厂商的优先事项，使其更加关注盈利能力、规模化和高效整合。
具体的案例包括：
Thoma Bravo拟议的123亿美元私有化Dayforce的交易，预示着一场资本驱动的转型。
UKG 在Hellman & Friedman和Blackstone的支持下，本身就是合并的产物，并持续通过并购扩张。
Silver Lake 成为Qualtrics的新东家，推动其在体验管理领域的整合。
这种资本逻辑正推动市场从过去的“增长优先”转向“整合优先”。对于厂商而言，平台扩张、AI协同和交叉销售成为了投资回报的关键指标。对于采购者而言，这意味着需要更深入地理解厂商背后的资本结构，因为它直接影响着产品路线图、定价策略和客户支持的稳定性。
3. 厂商三分天下：三大新兴阵营正在形成
市场的演变并非趋于统一，而是正在分化为几个截然不同的战略阵营。理解厂商属于哪个阵营，对于企业做出正确的采购决策至关重要。目前，三大新兴阵营已清晰可见：
AI编排型 (AI Orchestration) 这类厂商的目标是成为组织的智能决策中枢，将AI能力嵌入到跨系统的工作流中。以Workday、SAP和ADP为代表，它们通过收购AI Agent构建器、人才编排AI和数字采用平台，致力于构建一个能够连接HR、财务乃至整个企业的智能一体化平台。
基础设施整合型 (Infrastructure Integration) 这类厂商致力于打造覆盖HR、财务、IT的全球运营“基础设施”，控制着企业运转的核心命脉。以Deel和HiBob为例，前者通过收购全球薪资、支付、IT设备管理等公司，旨在成为“全球运营操作系统”；后者则通过整合薪资与财务规划（FP&A）工具，强化其在中端市场的人财一体化能力。
资本驱动型 (Capital-Driven) 这一阵营是第二节中讨论的私募基金力量的最直接体现。这类厂商在PE的支持下，更倾向于通过快速并购来整合市场、实现规模化盈利。以Dayforce和UKG为代表，它们的战略通常更侧重于市场整合和运营效率，通过捆绑产品和优化定价来实现资本回报。
4. 从“被动记录”到“主动行动”：HR系统的终极进化
HCM市场正在经历一场根本性的转变：HR系统正从一个存储员工信息的“记录系统”，演变为一个能够驱动组织决策和行动的“行动中枢”。
这个转变的深层含义是，系统不再仅仅是被动地存储数据，而是能够基于数据更快地理解、决策并触发跨系统行动，进而掌控工作流程的“连接性结构”（connective fabric of work）。例如，当AI识别到某位关键员工有离职风险时，未来的系统不仅会发出警报，还能自动同步提醒其主管，并主动推荐有效的留任策略和沟通话术。这标志着“行动智能”的到来。
Stacia Garr的理念精辟地总结了这一趋势：“未来的HR系统，不仅要看得见人，更要动得起组织。”
AI之后，决胜的关键是“行动力”
在AI的浪潮席卷之后，人力资源科技正迈入一个全新的“行动智能”时代。真正的变革不在于谁的数据更多或算法更优，而在于谁的系统能更快地理解、决策并触发有效的行动。竞争的关键已经从单纯的“智能化”转向了系统的“行动力”与“智能协同能力”。
这场以AI为名的重构，实则是一场关于系统行动力的全球竞赛。当你的HR系统开始拥有“行动力”时，你和你的团队准备好了吗？
-
未来工作
AI重写规则：2026年HR领导者的五项关键优先事项
在AI加速重塑工作的时代，HR已不再只是管理制度与流程的职能部门，而是组织智能化与文化变革的核心驱动力。面对AI带来的结构性变革与技能重构，2026年的HR领导者必须从战略高度重新定义“人”的价值与“工作”的边界。未来HR的使命在于引领AI转型、重塑组织结构、构建以技能为核心的灵活体系，并将AI素养纳入专业能力核心。这不仅关乎技术，更关乎组织信任、文化韧性与长期增长。本文将系统阐述AIHR报告中的五大优先方向，帮助HR专业人士把握AI时代的领导力关键。视频解读请关注视频号：HRTech
AI驱动下的组织再造
2026年，人力资源领域正经历自工业革命以来最深刻的变革。生成式AI与智能自动化的快速渗透，使组织必须重新思考“工作”本身的定义。AI不再只是技术项目，而是牵动人、文化与治理的系统性转型。根据Cisco《AI Readiness Index》数据，98%的企业表示必须尽快在AI上取得实质成果，但同时91%的企业尚未具备推动AI文化的准备度。在这种背景下，HR的角色不再是执行，而是引领。未来的HR领导者应聚焦五项核心优先事项，以重新定义“人力资源”在智能组织中的战略地位。
一、共同领导组织AI转型（Co-lead Organizational AI Transformation）
在AI浪潮中，技术部门常被视为主导者，但现实表明：AI项目的成功取决于文化与人的准备度，而非算法精度。AIHR的调研显示，87%的组织尚未准备好捕捉AI的潜在价值。仅有少数企业，如Moderna，将HR与IT整合为一个战略单元，共同构建“AI协作治理模型（AI Co-Leadership Model）”，实现技术部署与员工文化并行落地。
HR的首要任务，是建立“人本导向的AI治理体系”。这意味着：
在AI卓越中心（AI CoE）中确立HR的决策席位；
绘制AI对岗位与技能的影响地图（Impact Map）；
建立员工信任机制，通过内部“AI公开论坛”与透明沟通来减少焦虑。
关键数据支持：
59%的组织必须在12个月内展示AI投资回报；
91%的组织文化尚未适配AI环境（Cisco AI Readiness Index, 2025）。
换言之，AI不是IT项目，而是组织设计项目。HR是AI转型的社会架构师。
二、将AI产能再投资于增长与创新（Reinvest AI Capacity Gains into Growth）
AI平均每年可为员工节省超过120小时（Google, 2025），但时间节省并不等于组织成长。AIHR的分析指出，若企业将效率红利仅用于裁员与成本控制，将导致组织知识断层与信任崩塌。IBM在2024年的案例证明了这一点——企业因AI自动化裁员8000人，随后又因创新停滞不得不重新招聘。
未来的HR领导者应将AI带来的时间盈余转化为“学习资本”，通过以下方式推动再投资循环：
能力再培养（Reskilling）：识别AI替代风险岗位，建立内部技能迁移通道；
创新投入（Innovation Time）：为员工预留5%–10%的创新探索时间；
组织福祉（Wellbeing）：监测技术压力（Technostress）指数，防止产能过载。
关键数据支持：
86%的CHRO认为整合数字劳动力已成为核心职责（Salesforce, 2025）；
30%的企业预期因AI带来生产力增长，但仅19%计划同步提升员工学习投资。
AIHR建议企业制定“产能再投资ROI模型”，以员工参与率、创新项目数量与技能增长率为衡量标准。
三、重构HR体系以支持跨职能成果（Redesign HR for Cross-Functional Outcomes）
AI的价值在于连接，而传统HR的结构在于分割。AIHR的研究指出，42%的HR团队认为现有系统无法支撑战略执行，45%的HR结构对业务目标支持力不足。在AI驱动的组织中，HR不再是孤立职能，而是“跨职能网络（Cross-Functional Network）”的一部分。
领先企业正通过**“HR敏捷小组（HR Pods）”**取代传统的职能部门：
以业务成果为导向（如员工留存率、技能转化率）；
成员来自HR、IT、业务部门与分析团队；
每季度复盘成果并调整策略。
例如，微软在其AI劳动力优化项目中，采用跨部门数据小组形式，将招聘、绩效与学习系统打通，实现了员工生命周期的智能化管理。这种结构不仅提升了响应速度，也让HR成为企业创新的引擎。
关键数据支持：
HR数字化市场正以25%的年增长率扩张（Grandview Research, 2025）；
63%的HR专业人士表示尚未准备好领导数字化转型（AIHR HRBP Model Research）。
未来的HR不再是“人力资源中心”，而是“成果交付网络”。
四、从人头数转向技能数（Move from Headcount to Skill Count）
AI与灵活用工平台的崛起，使“岗位”这一概念逐渐被“技能”取代。Deloitte研究表明，技能驱动型组织比传统组织高52%的创新力，57%的应变力，更有63%的绩效领先概率。
AIHR指出，未来组织的竞争力将取决于技能的深度与可流动性（Skill Depth & Mobility）。这意味着HR需要：
建立AI辅助的技能图谱（AI-enabled Skills Taxonomy）；
允许员工、合同工与AI代理人（AI Agents）按项目灵活协作；
将绩效与激励机制从职位导向转为成果与技能导向。
某全球制造集团在AI驱动的技能生态建设中，通过AI自动识别员工技能并匹配项目需求，项目完成效率提升了35%。
关键数据支持：
77%的高管认为灵活技能流动是未来组织韧性的关键（Deloitte, 2025）；
73%的员工认为基于技能的实践将提升工作体验与公平感。
技能将成为新的“货币”，HR的任务是建立其“流通机制”。
五、将AI素养打造为HR的核心竞争力（Build AI Fluency as a Core HR Capability）
AI素养（AI Fluency）不只是会用AI工具，而是能理解其逻辑、治理与伦理。AIHR在2025年调研了1500名HR专业人士，发现：
仅35%的人认为自己具备AI协作能力；
61%的HR几乎未参与AI项目；
38%的人依靠自学AI工具。
AI素养包含四个层面：
认知层（Awareness）：理解AI原理、限制与潜在风险；
应用层（Application）：将AI嵌入招聘、绩效与学习流程；
伦理层（Ethics）：识别偏见、防止算法歧视；
领导层（Leadership）：推动组织在“负责任AI”框架下运作。
AIHR提出“T型HR模型（T-Shaped HR Model）”，将AI能力与商业洞察、人文判断并列为核心专业能力。正如AIHR首席科学家Dieter Veldsman所言：“AI素养将成为HR的新语言，谁能流利表达，谁就能定义未来。”
从管理者到智能组织的共同设计师
AI的普及意味着HR职能正被彻底重塑。未来的HR领导者不仅要懂人，更要懂算法；不仅要能管理员工，更要能管理智能系统。AIHR认为，HR将成为连接技术理性与人文温度的桥梁。他们的成功，不仅取决于技术采用速度，更取决于是否能引导组织在效率、信任与意义之间找到平衡。
2026年的人力资源领导者，将不再是事务执行者，而是智能组织的共同设计师（Co-Designer of Intelligent Organizations）。
来源：AIHR《HR Priorities 2026 Report》，2025年11月发布。(参考文献包括Cisco AI Readiness Index, McKinsey State of AI 2025, Deloitte Skills-based Organization Report, Salesforce Agentic AI Impact Study, Grandview Research 2025.)
-
未来工作
从岗位到技能：全球HR战略的范式转移
“以技能为核心（Skills-first HR）”在人力资源战略中的重要性。面对全球经济波动与技能短缺，传统基于岗位的HR模式已难以支撑企业敏捷转型。Skills-first HR以“技能”为组织设计和人才配置的核心，通过数据与AI技术实现员工技能与业务需求的动态匹配，促进内部流动、降低招聘成本，并增强组织的战略韧性。
视频解读请访问视频号：HRTech
在全球经济充满不确定性、组织转型节奏不断加快的当下，企业在“人才战略”上的核心逻辑正在经历深刻变革。过去以“岗位”为基础的管理体系，正在被一种更具前瞻性的模式取代——“以技能为核心（Skills-first HR）”。这一理念不仅是人力资源职能的创新，更是企业竞争力与战略韧性的重要基石。
一、技能短缺成为企业生存的战略焦虑PWC 2024 年全球CEO调研显示，45%的首席执行官认为，如果维持现有运作模式，他们的企业在十年内将难以为继。主要原因之一，正是组织缺乏适应未来变革所需的关键技能。劳动力市场数据亦显示，美国、欧盟及英国的劳动生产率增长自疫情后明显放缓，而技能缺口被视为拖慢增长的核心因素。在这种背景下，企业亟需一种能够快速识别、调配和培养技能的机制，使人力资源成为战略执行的关键引擎。这正是“Skills-first HR”概念的由来。
二、Skills-first HR的核心逻辑Skills-first HR的理念是：不再将岗位视为人力资源管理的基本单位，而是以“技能”作为组织设计与人才配置的核心要素。这种转变有三大特征：
以技能而非职位驱动：通过识别员工可迁移的技能，快速匹配组织内部机会，打破岗位边界；
以数据和技术为支撑：借助AI与数据分析，实时描绘技能地图，预测未来需求；
以内部流动和持续成长为目标：让员工在组织内部找到成长路径，减少外部招聘依赖。
这种模式下，内部员工的再部署更高效、更具成本优势，同时组织的敏捷度显著提升。
三、构建Skills-first HR的四大支柱作者提出，企业要实现从“岗位导向”到“技能导向”的转型，需要构建四个关键基础：
技能分类体系（Skills Taxonomy）：建立组织统一的技能语言与评估标准。无论是新加坡的沟通能力还是美国的项目管理，都需在同一框架下可比、可验证。然而，这一体系的建立往往伴随权力结构的博弈——总部主导与地区自治的冲突，技术团队与HR专业判断的差异，都可能成为阻力。成功企业往往将其上升为“业务战略项目”，而非HR内部工程。
技能盘点与验证（Skills Audit）：通过员工自评、管理者反馈及AI数据推断等多渠道，形成“技能护照（Skills Passport）”。组织可据此生成技能热力图，识别短板与潜力区域，为战略规划提供依据。关键在于——“先行动，再完善”，而非追求完美数据。
需求建模（Demand Modelling）：仅了解现有技能远远不够，企业还需预测未来需求。作者引用的案例中，一家保险公司通过外部专家与AI模型发现，未来10年内15%的岗位将被技术替代，50%的岗位将被重塑。这类预测帮助企业提前布局人才发展与学习战略。
减少结构性障碍（Structural Barriers）：传统层级式的岗位体系已不适应敏捷用工。Mastercard通过将3.3万名员工分入11个“行会（Guilds）”，每个行会设有学习学院，员工可跨部门、跨地区流动。这种灵活架构被视为未来组织的雏形。
四、变革落地的关键：从HR项目到业务战略转向Skills-first HR并非一蹴而就。研究指出，成功转型的企业普遍遵循三大原则：
分阶段推进：以小范围试点为先，积累组织经验；
业务牵引：由CEO与高层主导，明确其对战略目标的支撑；
跨部门协作：如保险公司建立“HR数据作战室”，由精算与HR团队共同分析技能数据。
同时，HR职能本身也需重塑：
HR需掌握数据分析能力，从“经验判断”转向“数据洞察”；
从被动响应转为战略前置，基于业务规划主动塑造未来能力；
打破传统“招聘、培训、薪酬”孤岛，重构以技能价值链为导向的HR组织架构。
五、从“职位管理者”到“能力战略家”Skills-first HR不是HR的技术革命，而是一场思维范式的转变。当企业真正以技能为中心运营，员工不再只是被动的“岗位占有者”，而是可流动、可成长的“能力载体”；而HR，也从后台支持者，转变为推动组织战略实现的“能力架构师”。
未来，谁能先掌握“技能语言”，谁就能在人才竞争中赢得先机。
来源：Collings, D. G. & McMackin, J. (2025). Skills-first HR: a key enabler of future global strategy. Organizational Dynamics, 54(1), 101140. Elsevier Inc.
-
未来工作
全球HR能力报告：超过一半HR低估了AI转型的挑战
HRTech概述：在AI驱动的新时代，人力资源正在经历前所未有的能力裂变。《全球HR能力报告》通过对13,000多名HR专业人士的研究发现，超过一半的HR团队对自身应对AI转型的能力缺乏信心。报告指出，未来HR的竞争力将由五大核心要素决定：商业敏锐度、数据素养、数字敏捷、人员倡导与执行卓越。然而，现实中多数HR仍停留在事务管理阶段，对业务理解不足，对技术应用信心不强。AI的浪潮不仅重塑岗位与流程，更在重新定义HR的角色与价值。
想要掌握这场变革的关键，就必须以数据为依据、以数字化为引擎。关注HRTechChina，获取最新全球HR趋势与AI转型洞察。
在AI加速重塑组织的时代，人力资源部门正站在一场能力重构的门槛上。最新发布的《Future-Ready HR Skills Report（未来型HR技能报告）》通过对13,000多名全球HR专业人士的调研，为“面向未来的人力资源能力”描绘了全景图。关注视频号：HRTech 获取视频解读。
报告揭示了一个令人警醒的现实：
超过一半的HR团队承认，他们没有信心能够真正满足企业对人力资源职能的期待。
这份研究不仅是关于“HR需要学习什么”，更是关于“HR如何重新定义自己”的答案。
一、五维度重塑：未来HR的核心能力地图
报告认为，面向未来的HR需要具备五大核心能力：
商业敏锐度（Business Acumen）：理解商业逻辑，将人力决策与价值创造直接挂钩。
数据素养（Data Literacy）：从数据中提炼洞察，驱动基于证据的决策。
数字敏捷（Digital Agility）：懂得何时、如何、为何使用技术以创造业务影响。
人员倡导（People Advocacy）：在变化中坚守公平、包容与价值导向。
执行卓越（Execution Excellence）：将战略转化为结果，解决复杂问题并推动落地。
这五大领域共同构成HR的“未来能力模型”，而现实中，HR群体在这些方面的差距仍然明显。
二、能力错位：HR的“信心陷阱”
1. 商业敏锐度：懂业务，才有发言权
73%的HR自认为具备商业理解力，但“商业流利度（Commercial Fluency）”是得分最低的子能力。在服务岗位上，这种差距更为突出；相反，那些直接参与战略制定的HRBP得分明显更高。
结论： HR若想成为决策层的一部分，必须理解利润模型、市场动态与客户需求。
2. 数据素养：从报告到洞察的进化
人力资源拥有史上最丰富的数据，却仍未能把数据转化为决策力。最大短板不是工具，而是**“数据翻译力”与“故事化表达”**——也就是让数据真正说服业务。
AIHR指出：“Insight without action is just noise.” —— 洞察若无法落地，只是噪音。
优秀的HR不仅能读懂数据，还能讲出影响决策的故事。在未来三年内，“数据翻译力”将成为HR是否能参与公司决策的分水岭。
真正具备数据素养的HR，能用一页图表讲清决策依据，用一句洞察带动组织行动。
3. 数字敏捷：技术不再是选项，而是生存力
数字敏捷是目前HR最薄弱的领域。仅39%的受访者认为自己擅长使用数字工具，而经验的积累并未显著改善这一点。很多HR“会用系统”，却不会评估ROI或选择合适的工具。
未来的关键在于： 技术思维与业务判断的融合。数字化不是HR的“额外技能”，而是能力底座。
4. 人员倡导：价值导向的领导力回归
74%的HR表示对“以价值为导向”充满信心，但在“伦理与风险应对”上存在明显短板。报告指出，真实的组织历练比任何课程更能塑造HR的价值观。
优秀的HR懂得在变革中守住边界，在组织利益与员工权益之间找到平衡。
5. 执行卓越：让战略真正落地
82%的HR对自己的执行力充满信心，但“分析型问题解决”仍是普遍弱项。执行力不是“多做”，而是“做对”。
真正的执行卓越，是能在复杂环境中保持方向感与持续性，并通过数据衡量结果，而非过程。
三、四大转型优先级：从“泛学”到“定向成长”
报告最后总结出未来HR能力建设的四个关键方向：
聚焦基础（Focus on Fundamentals）：商业流利度、数据翻译力、数字决策力，是HR的生存底线。
宽度与深度并行（Build Broad and Deep Skills）：未来HR应既懂人，又懂数、懂业务、懂技术。
以曝光驱动学习（Learning Through Exposure）：能力成长源自跨部门协作、实战项目与真实场景，而非年资堆积。
看清真实能力（Understand Real Capability）：不同职能、人格与行为模式决定HR的发展路径，应以“行为画像”而非“职位等级”来评估。
四、90天落地蓝图：从认知到实践
报告提出可操作的三步路径：
第1月：诊断与对齐评估团队在商业理解、数据与工具应用上的差距，确定两个可量化业务目标。
第2月：实战与复盘发起跨部门OKR项目，组织“数据驱动决策”模拟演练。
第3月：数字化落地试点自动化流程或AI工具应用，将结果与业务指标直接挂钩。
这份“90天计划”帮助HR从学习走向执行，实现能力的真正转化。
HR的未来，不在AI，而在人
报告的结尾写道：
“HR团队的成功，取决于他们的技能是否仍具相关性。”
AI不会取代HR，但会淘汰那些不懂业务、不会用AI、缺乏判断力的从业者。未来的HR将不只是“人事管理者”，而是能用数据和洞察驱动组织成长的战略伙伴。
面对AI浪潮，中国的HR正站在全球转型的同一起跑线上。要抓住时代机遇，关注HRTechChina，获取更多关于HR数字化转型、AI应用与全球趋势的最新解读。
扫一扫 加微信
hrtechchina
