-
未来工作
AI裁员背后的需求陷阱:企业省下了工资，却可能同时摧毁自己的客户
HRTech核心摘要：一篇很有意思的 63 页论文《The AI Layoff Trap》提出：AI 裁员最大的风险，也许不只是员工失业，而是一场企业无法主动退出的“自动化军备竞赛”。逻辑很简单：企业用 AI 替代员工，可以获得全部人工成本节约；但员工失去收入以后，也会减少消费，而这部分需求下降却由整个市场共同承担。因此，对一家企业最理性的选择——继续自动化——可能最终成为整个行业的不理性选择。论文认为竞争越激烈、AI 越强，这种“过度自动化”反而可能越严重。技能培训和 UBI 可以缓解后果，却不一定改变企业继续自动化的动力。
真正值得 HR 关注的问题已经变成：AI 替代工作的速度，是否正在超过新工作创造和员工重新吸收的速度？
当越来越多企业开始讨论“用AI减少多少人”“一个AI智能体可以替代几个岗位”“今年还能削减多少人工成本”时，一个看起来完全符合商业逻辑的问题正在出现：如果每一家企业都通过AI裁员降低成本，最后谁来购买这些企业生产的产品和服务？
2026年6月，University of Pennsylvania 的 Brett Hemenway Falk 与 Boston University 的 Gerry Tsoukalas 更新了一篇名为《The AI Layoff Trap》的论文。两位研究者没有继续讨论那个已经被反复争论的问题——“AI到底会不会抢走人的工作”，而是提出了一个更值得企业管理者警惕的经济学假设：
即使每一家企业都足够理性，也清楚大规模失业最终可能削弱消费需求，市场竞争仍然可能迫使所有企业不断自动化和裁员，最终进入一场没有赢家的“AI裁员陷阱”。
这对于正在制定AI战略的CEO、CHRO和企业管理者来说，可能比“AI会替代哪些岗位”更加值得关注。
企业看到的是降本，但市场承担的是需求下降
论文最核心的逻辑其实并不复杂。
假设一家企业原来需要100个人完成一组工作，现在通过AI自动化，其中20个人的工作可以被机器完成。对于这家公司而言，账非常容易算：减少20个人的工资、福利和管理成本，同时保持甚至提高产出。
于是AI投资回报率看起来非常漂亮。
但问题在于，被裁掉的20个人不仅仅是企业成本表上的20项人工费用，他们同时也是消费者。
当员工失去工作后，如果他们没有迅速找到新的工作，或者新的收入明显低于原来的收入，他们的消费能力就会下降。住房、餐饮、旅行、软件订阅、汽车、零售商品乃至各种企业服务的需求都会受到影响。
可是，这部分损失不会全部落到裁掉他们的那家公司身上。
一家企业能够获得自己裁员产生的全部成本节约，但它只承担整个社会消费需求下降中的一小部分，其他损失会分散到竞争对手和整个市场。
这就是论文所定义的**“需求外部性”**：企业承担的AI裁员成本，小于整个市场真正承担的成本。
因此，对于单家公司来说，“继续自动化”可能始终是正确选择；但当所有企业都这么做时，整个市场可能走向并非最优的结果。
最危险的地方：没有企业敢成为那个“不裁员的人”
这篇论文真正有意思的地方就在这里。
如果所有公司都知道大规模裁员可能削弱未来消费需求，大家是不是可以共同放慢自动化速度？
理论上似乎可以，现实中的竞争逻辑却未必允许。
假设同行通过AI把成本降低30%，你的企业仍然维持原有员工规模，那么对方可能拥有更低价格、更高利润率和更大的技术投资空间。即使你相信整个行业最终可能因为裁员过多而受到伤害，你依然没有动力首先停止自动化。
换句话说：
不是企业不知道风险，而是企业知道风险以后仍然可能不得不继续。
论文进一步指出，在其模型中，竞争越激烈、市场中的企业数量越多，每家公司需要自行承担的需求损失比例越小，过度自动化的激励反而越强；在极端情况下，这种竞争甚至会演化成类似经济学中的“囚徒困境”：所有企业都选择更激进的自动化，但最终企业所有者和员工都可能比更克制的自动化状态更差。
论文中的模拟图尤其值得注意。在作者设定的一组参数条件下，竞争均衡下的自动化率已经超过能够使企业整体利润最大化的水平。也就是说，问题已经不再只是“企业通过裁员把利益从员工转移给股东”，而是自动化继续推进之后，连企业所有者本身也可能开始受损。
这是“AI裁员陷阱”最反直觉的地方。
AI越强，问题可能反而越严重
通常我们会认为，现在AI还有很多缺陷，未来模型能力更强、成本更低、智能体更成熟以后，企业和员工就会找到新的平衡。
这篇论文给出了完全不同的推演。
作者认为，更强的AI可能进一步扩大企业之间的自动化竞争。每家公司都会担心：如果自己不部署，而竞争对手率先使用更先进的AI，对方就可能获得成本和市场份额优势。
于是AI能力每提升一个阶段，都可能触发新一轮自动化。
论文将其描述为一种“红皇后效应”：大家不断加速奔跑，不一定是为了到达更好的地方，而首先是为了避免被竞争对手甩在身后。作者的模型显示，更高的AI生产率并不会自动消除这种需求外部性，反而可能扩大过度自动化与集体最优之间的差距。
这也解释了为什么未来真正推动企业减少岗位的力量，可能不仅来自AI自身能力，而来自同行之间的竞争压力。
一家企业宣布通过AI把运营成本降低20%，很快就会成为另外几十家公司董事会讨论的案例。
于是，“我们真的需要减少这些岗位吗？”很容易变成另一个问题：
“如果竞争对手已经这么做了，我们还能不做吗？”
现实中的Block，只是论文用来说明趋势的一个案例
论文在开篇引用了Block作为现实背景案例。作者指出，Block在2026年2月裁减了接近其约10,000人规模一半的员工，并引用CEO Jack Dorsey关于AI使许多岗位变得不再必要的判断。需要强调的是，这是论文引用的现实案例，并不是论文通过实证研究证明Block裁员产生了所谓“需求外部性”。
这个区别非常重要。
《The AI Layoff Trap》本质上是一篇经济理论论文，而不是一项对几百家公司进行追踪以后得出的实证结论。它建立的是一种可能发生的机制，而不是宣布“AI裁员已经让美国经济进入需求危机”。
作者自己也承认，模型目前采用的是单一行业、单一时期以及对称企业等简化设定，而现实经济显然更加复杂。
因此，我们不应该把它解读为“AI裁员必然导致经济衰退”。
但是，它提出的问题依然非常重要。
真正决定结果的变量，可能不是裁掉多少人，而是这些人多久能够重新进入经济循环。
HR真正应该关注的指标：AI替代速度 vs. 人才再吸收速度
历史上的每一次技术革命都消灭了大量旧任务，同时创造新的工作。
所以真正的问题从来不是“旧岗位会不会消失”。
真正的问题是：
新任务和新岗位创造得够不够快？
论文使用一个非常关键的变量来描述这个过程：被替代员工失去的工资，有多少能够通过重新就业、转移支付或其他收入来源恢复。
如果一个软件工程师的部分工作被AI自动化，但三个月以后转向AI产品管理、智能体运营或新的软件岗位，而且收入没有下降，那么他的消费能力基本没有消失。
相反，如果大量员工被裁掉以后，需要一年甚至两年才能重新就业，而且收入明显下降，那么自动化与劳动力重新吸收之间就会形成越来越大的时间差。
从HRTech的角度看，这可能意味着企业未来衡量AI转型，不能再只有一个简单指标：
“AI帮助我们减少了多少人。”
更完整的指标体系应该至少包括：
AI自动化了多少任务、多少员工完成内部转岗、多少员工获得新技能、多少新的工作任务被创造、被替代员工多久重新获得工作，以及人均生产率增长最终有没有转化成新的业务增长。
换句话说，未来真正需要管理的不是单独的“自动化率”，而是：
AI Automation Speed 与 Workforce Reabsorption Speed 之间的差距。
这可能是未来几年观察AI就业影响最重要的指标之一。
培训有用，但论文认为培训本身还不够
对于HR来说，一个自然反应是：既然AI会替代部分工作，那就进行技能提升和再培训。
论文并没有否定这个方向。
相反，作者认为，再培训能够提高被替代员工重新获得收入的比例，因此可以降低自动化造成的需求损失。当员工能够快速进入新的、更高价值的岗位时，“AI裁员陷阱”会明显减弱。
但作者同时指出，如果技能培训不能真正转化为重新就业和收入恢复，仅仅提供课程并不能完全消除问题。
这对于今天企业的AI培训是一个很现实的提醒。
真正重要的不是完成了多少小时AI培训，而是培训以后工作有没有发生变化。
员工是不是承担了新的任务？是不是进入新的岗位？是不是获得了更高的生产率？企业是不是因此创造了新的业务？
这也是为什么AI时代的企业学习与发展正在从“培训完成率”逐渐走向“工作重构”。
HRTech一直强调，企业评估AI成熟度时，不能只统计员工使用了多少AI工具。使用率不等于能力，AI普及也不等于组织转型。真正的AI转型发生在任务、流程、岗位和组织运行方式开始改变的时候。
《The AI Layoff Trap》又给这个判断增加了一层宏观含义：工作重构不仅决定企业能不能获得AI回报，还可能决定劳动者能不能重新进入新的价值创造循环。
UBI也解决不了？论文给出了一个颇具争议的结论
论文还比较了六种可能的政策工具，包括技能提升与再培训、全民基本收入、资本收入税、员工持股、企业间协商以及自动化税。
在作者建立的特定模型中，再培训和员工持股可以缩小问题，但无法完全消除外部性；全民基本收入能够改善失业者生活并支撑消费需求，却没有改变企业决定“下一个岗位是否应该被自动化”的边际激励；资本收入税同样没有直接改变企业的自动化决策。
论文认为，在这一模型框架下，唯一能够直接修正这项需求外部性的工具，是一种类似环境污染税逻辑的**“庇古式自动化税”**：如果一家企业通过自动化把部分需求损失转嫁给了其他企业，那么就对这一外部成本收费，使企业重新承担完整的社会成本。
这个建议显然会引发巨大争议。
现实世界里如何定义“一个岗位被AI替代”？AI辅助员工和AI取代员工如何区分？企业使用软件几十年来一直都在减少人工流程，什么才算“AI自动化”？不同国家税制不同，会不会迫使企业把相关业务转移到海外？
作者自己也承认，实际执行自动化税需要识别企业层面的自动化行为，存在明显的监管和测量难题；单一国家实施还可能推动AI活动向其他地区转移。
因此，“要不要征收AI自动化税”未必是这篇论文最值得企业关注的结论。
真正值得关注的是它背后的逻辑：
我们今天对于AI投资回报率的计算，可能漏掉了一些成本。
从“裁掉多少人”，转向“重新设计多少工作”
过去一年，关于AI与就业的讨论经常陷入两个极端。
一种观点认为AI将迅速替代大量白领岗位。
另一种观点认为历史上的技术进步最终都会创造更多工作，因此不必过度担心。
《The AI Layoff Trap》提供了第三种观察方式。
长期来看，新工作最终可能依然会出现；真正危险的可能是中间这段过渡期。
如果AI替代任务的速度远远超过企业创造新任务、员工重新学习技能以及劳动力市场重新配置的速度，那么即使长期最终出现新的就业平衡，短期和中期仍然可能出现巨大的结构性摩擦。
这对HR意味着什么？
未来CHRO最重要的工作可能并不是决定“哪些岗位可以裁掉”，而是帮助企业回答另外几个问题：
哪些任务应该交给AI？哪些任务仍然应该由人完成？被自动化释放出来的人应该流向哪里？新的Human + AI工作流程如何设计？企业能否通过AI创造新的业务，而不只是减少人工？
这就是AI时代“工作重构”和传统意义上的“裁员降本”最大的区别。
前者试图用AI重新设计价值创造方式。
后者只是把AI当成更便宜的劳动力。
真正好的AI转型，不应该只是让企业需要更少的人，而应该让企业能够创造过去无法创造的价值。
如果AI最终只是不断提高“每10亿美元收入需要更少员工”这个指标，那么企业确实可能获得一段时间非常漂亮的利润率。
但如果AI能够帮助企业创造新的产品、新的客户需求、新的职业和新的工作任务，那么技术带来的生产率提升才有可能重新转化成下一轮经济增长。
这也许才是《The AI Layoff Trap》对于企业真正重要的提醒。
AI时代的问题已经不再只是：
“AI能够替代多少工作？”
更重要的问题正在变成：
“当AI替代旧工作以后，我们能不能足够快地创造新的工作和新的需求？”
如果答案是否定的，那么每一家公司的AI战略可能都完全理性，但所有企业加在一起，却可能正在跑向一个并不理性的终点。
而这，才是真正的“AI裁员陷阱”。
来源：Brett Hemenway Falk & Gerry Tsoukalas，《The AI Layoff Trap》，arXiv:2603.20617，当前版本日期 June 3, 2026。本文为 HRTech 基于论文内容所做的研究解读；论文属于理论模型研究，其结论不应被直接理解为对现实经济已经发生大规模“过度自动化”的实证证明。
-
未来工作
【深度解读】Workday传闻要被PE收购：股价一度暴涨超25%，私募Silver Lake为何偏爱SaaS
HRTech概述：海外传闻银湖Silver Lake正在洽谈收购Workday，双方已讨论数月，但目前尚无正式协议。消息一出，Workday盘中一度暴涨超25%，收盘上涨近18%，市值升至约511亿美元。值得注意的是，Workday并非陷入经营危机：2026财年收入95.52亿美元，订阅收入88.33亿美元，经营现金流29.39亿美元；超过4,000家客户已经使用其AI Agent。真正值得关注的不是“谁收购谁”，而是AI时代资本开始重新评估HR SaaS的价值：稳定订阅收入、企业核心数据、工作流控制力和AI重构能力，正在形成新的估值逻辑。你看好吗？
一则尚未确认的收购传闻，让Workday突然成为全球软件市场焦点。
美国时间8月13日，Reuters援引知情人士报道称，科技投资机构Silver Lake正在与Workday洽谈潜在收购，相关讨论已经持续数月。目前双方尚未宣布正式协议，谈判也可能最终无果。若交易真正落地，以Workday目前超过500亿美元的市值计算，它将成为全球软件行业规模最大的私有化交易之一。
一天增加近80亿美元市值，市场为什么如此兴奋？
消息公布后，Workday股价盘中最高达到226.28美元，一度上涨超过25%并触发短暂停牌，最终收于206.45美元，全天上涨17.92%。消息出现前，公司市值约430亿美元，收盘后迅速升至500亿美元以上。
这场暴涨背后还有一个反差：在收购传闻出现前，Workday今年股价已经累计下跌约15%，较2024年高点跌去超过40%。市场真正担忧的并不是Workday没有收入和客户，而是AI出现后，传统企业SaaS未来究竟还能保持多高的增长率和估值。在全球HR上市公司排名中被Paychex超越，排名全球第四。
20年前的PeopleSoft，似乎正在形成一种历史回声。
Workday的两位创始人都与PeopleSoft关系极深，但准确地说，Dave Duffield才是PeopleSoft创始人，他在1987年创办PeopleSoft；Aneel Bhusri则曾长期担任PeopleSoft高级管理职务，包括副董事长及负责产品战略、业务发展和市场的高级副总裁。2005年，两人共同创办Workday。
PeopleSoft的结局如今看起来颇有戏剧性。2003年Oracle发动敌意收购，最初报价约16美元/股。经过长达一年多的激烈攻防、诉讼和监管争议，Oracle最终在2004年12月以26.50美元/股、约103亿美元达成协议，并于2005年完成收购。PeopleSoft消失之后，Duffield和Bhusri几乎从零重新建立了一家面向云时代的企业软件公司——Workday。
二十多年后，当Workday自己再次站到潜在收购的十字路口，这段历史自然格外引人关注。
更大的变量不是Silver Lake，而是AI正在重新定义SaaS。
过去20年，SaaS商业模式依靠按用户收费、长期订阅、高续费率和数据迁移成本创造了极高估值。但AI Agent正在挑战这一套逻辑：当大量工作由AI完成，企业是否还需要按“人头”购买同样数量的软件席位？当Agent能够跨系统直接完成任务，传统应用软件界面和工作流的价值是否会下降？
这种不确定性正在直接影响整个软件行业估值，甚至让私募股权机构更难判断传统软件公司未来的现金流价值。Reuters指出，AI带来的不确定性已经成为今年大型软件私有化交易减少的重要原因之一。
Workday换回创始人CEO，本身就是一个强烈信号。
今年2月，Workday突然宣布联合创始人Aneel Bhusri重新出任CEO，Carl Eschenbach卸任CEO和董事，并转任战略顾问。Bhusri在回归时直接表示：“AI is a bigger transformation than SaaS。”Workday也已把自身定位从传统HR和财务SaaS进一步升级为管理“people、money and agents”的企业AI平台。
从HRTech角度看，这意味着企业软件的竞争正在从“谁拥有更多功能”，转向“谁能够真正控制数据、工作流和AI Agent”。如果你也正在思考AI究竟只是HR工具升级，还是会改变HR本身的工作方式，可以通过 HR AI Forward · AI能力成熟度评测，重新判断个人和团队目前处于什么阶段；9月17日深圳举行的 2026人力资源科技年度论坛·“What’s Next”，也将把AI如何重构HR工作与企业数字化作为核心议题。
Workday会不会真的被Silver Lake收购，现在还没有答案。但从PeopleSoft到Workday，从本地部署到SaaS，再从SaaS走向Agentic AI，企业软件可能正在进入又一次结构性转折。
HRTech将持续跟踪Workday与Silver Lake的最新进展。随时关注HRTech，一旦双方公布正式协议、交易价格或新的重大进展，我们将第一时间分享。
Silver Lake并不是第一次盯上SaaS，而且尤其熟悉HR与企业软件。
如果说这次Workday潜在收购最终成真，它并不会是Silver Lake突然跨界进入HR SaaS。过去十年，这家科技投资机构已经反复复制过“投资企业软件—私有化—长期重构”的路径。
2023年，Silver Lake联合CPP Investments以约125亿美元将员工体验和客户体验平台Qualtrics私有化；2024年又联合GIC以17亿美元收购订阅管理SaaS公司Zuora，并于2025年完成退市。更早之前，Silver Lake先向Software AG投资3.44亿欧元支持其向SaaS转型，随后在2023年完成约26亿美元收购并推动公司退市。此外，它还投资了提供HR、财务和企业管理SaaS的Cegid，以及直接收购法国Payroll和HR SaaS企业Silae。
这些交易呈现出一个非常清晰的逻辑：Silver Lake往往并不排斥已经进入成熟期的软件公司。相反，只要企业拥有稳定的订阅收入、强客户关系、关键企业数据和可持续现金流，而公开市场暂时低估其长期转型价值，就可能成为私募资本理想的私有化对象。
这也是Workday传闻真正值得注意的地方。过去，Silver Lake帮助Software AG完成的是从传统软件向SaaS的转型；今天，如果它真的考虑Workday，面对的则可能是更大的命题——如何把一家接近百亿美元收入规模的HR SaaS巨头，从“管理People和Money的软件”，重新改造成管理People、Money与AI Agents的企业AI平台。
-
未来工作
【限时免费下载】未来的工作实践：HR三大模块全面升级
AI 重构工作、劳动力代际变迁、HR 实践全面升级…… 未来职场已不是选择题，而是必修课。当 AI 接管 42% 常规任务、员工敬业度因疏离感下降 16%、初级岗位持续缩减、传统绩效与薪酬体系失灵，每一位 HR 都在直面工作形态、人才结构、管理逻辑的三重颠覆 —— 你是被动应对，还是主动布局？SAP Future of Work Research Lab 官方发布 《未来工作展望：趋势预测与发展图景》重磅报告，基于全球 8058 名员工调研 + 357 篇前沿文献分析，以 “未来之轮” 研究方法推演趋势，从未来的工作方式、未来的劳动力、未来的工作实践三大核心维度，拆解 10 大关键预测、20 种双路径发展图景，为 HR 提供可落地、可执行的未来工作转型指南。
限时免费领取完整版白皮书
下载链接：http://hrnext.cn/8fBTv3（您也可以扫描文中图片二维码，即可免费下载完整版）
下载咨询：
联系人：科科
微信：hrtechina
邮件联系：hi@hrtechchina.com
报告核心看点一、未来的工作方式：AI 如何重塑工作本质AI 应用升级 VS 应用革新：从效率提升到创造全新业务价值AI极致应用 VS 共生战略：人机优势互补，释放人类潜能
拟人化队友 VS 得力助手：清晰界定 AI 在团队中的定位
认知外包 VS 认知增强：避免思维退化，用 AI 强化人类判断力
二、未来的劳动力：三代职场人如何重新定位
早期人才：零工成长 VS 企业内部系统化培养
管理者：AI 接管教练职能 VS 人类回归导师与文化引领
资深员工：特聘顾问 VS 组织记忆架构师，盘活制度性知识
三、未来的工作实践：HR 三大模块全面升级
招聘：AI 军备竞赛 VS 潜能预测，用精准匹配替代盲目筛选
绩效：精细化任务评估 VS 长期影响力评估
薪酬：实时即时奖励 VS 长期影响力投资
报告内含权威调研数据、双场景对比分析、HR 落地行动建议、技术选型指南，覆盖 AI 治理、人才梯队、绩效革新、薪酬重构等全场景，帮你把趋势转化为组织可执行的战略动作。
这份报告适合谁下载？✅ HR 全模块从业者：招聘 / 薪酬 / 绩效 / OD/TD/LD✅ 企业管理者、部门负责人✅ 组织发展与人才战略负责人
✅ HRBP、HRD、CHO
✅ 企业培训、员工关系、人才发展专家
✅ 关注 AI 与未来职场趋势的管理者
这份报告，能帮你解决什么？✅ 把握未来 5 年工作与人才管理核心趋势，抢占行业先机✅ 破解 AI 落地、人才培养、绩效激励等现实痛点✅ 为组织人才战略、组织变革提供权威数据支撑
✅ 升级专业视野，从事务型 HR 转型为战略型伙伴
✅ 拿来即用的落地框架，降低试错成本
限时免费领取完整版白皮书
下载链接：http://hrnext.cn/8fBTv3
您也可以扫描文中图片二维码，即可免费下载完整版
如有问题咨询
联系人：科科
微信：hrtechina
邮件联系：hi@hrtechchina.com
-
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？
扫一扫 加微信
hrtechchina
