-
组织能力
深度解读：从AI代理到AI控制塔-大型企业AI转型进入系统重构阶段：Workday、SAP、ServiceNow、Microsoft释放的新信号
HRTech深度解读：企业AI转型正在进入“系统重构”阶段。Josh Bersin近期围绕Workday、SAP、ServiceNow、Microsoft和Cornerstone的分析显示，AI不再只是写邮件、做PPT、生成JD的效率工具，而是在进入企业软件的底层运行逻辑。Workday从system of record走向platform for agents，SAP强调Autonomous Enterprise，ServiceNow布局AI Control Tower，Microsoft掌握员工日常工作入口，Cornerstone则把学习平台升级为workforce intelligence和skills platform。对HR来说，真正的挑战不是学会更多AI工具，而是理解AI如何重构工作流、岗位、能力、治理和组织责任。未来HR的价值，不在于更会使用AI，而在于帮助企业设计AI时代的组织运行方式。
过去一年，企业对AI的讨论经历了明显变化。最初，许多组织关注的是员工如何使用ChatGPT、Copilot或各类AI写作工具提升效率；随后，企业开始讨论AI如何嵌入招聘、学习、绩效、客服、IT和财务流程；而现在，从Josh Bersin近期围绕Workday、SAP、ServiceNow、Microsoft和Cornerstone等大型公司的分析来看，一个更深层的变化正在发生：AI不再只是企业软件中的一个功能，而正在成为企业运行方式、组织结构和工作流系统重构的核心力量。
这也是中国HR和企业管理者尤其需要关注的地方。AI转型的重点，已经不再是“员工会不会用AI写邮件、写JD、做PPT”，而是企业是否有能力把AI放进真实业务流程中，重新定义人、系统、数据、流程和责任之间的关系。
一、从AI工具到AI代理：企业软件的底层逻辑正在改变
在过去的SaaS时代，企业软件的核心价值是“记录”和“流程”。HCM系统记录员工信息，ERP记录财务和供应链数据，LMS记录学习课程和培训完成情况，ITSM系统记录服务请求和工单流转。系统的价值来自数据集中、流程标准化和管理可视化。
但AI Agent出现之后，企业软件的价值正在发生迁移。系统不只是记录发生了什么，而是要帮助企业判断下一步该做什么，并在权限、规则和审计框架下自动完成部分工作。
Josh Bersin在分析Workday时指出，Workday正在从传统的system of record转向platform for agents。其逻辑是：企业内部的数据、安全模型、业务规则、合规要求和审批机制已经沉淀在Workday这样的核心系统中，如果AI代理要在企业内部大规模运行，就不能绕开这些规则，而必须在可信系统的“rails”之上运行。
这句话背后的意义非常大。AI不是简单替代一个软件按钮，也不是给现有界面加一个聊天框，而是把“执行工作”的能力放进企业系统。如果AI代理可以发起审批、筛选候选人、推荐薪酬调整、生成绩效反馈、安排学习路径、识别离职风险，那么它就不再是辅助工具，而是企业工作流中的新型执行主体。
这意味着未来企业管理的一个核心问题将变成：哪些工作由人做，哪些工作由AI代理做，哪些工作由人机协同完成，以及这些行为如何被记录、审计和治理。
二、Workday的信号：HR系统不再只是HR使用的系统，而是AI代理运行的基础设施
Workday的案例对HR行业尤其重要。过去，Workday被视为大型企业HCM和财务系统的代表，是企业记录员工、组织、薪酬、审批、绩效和财务信息的核心平台。但在AI时代，Josh Bersin认为Workday正在重新定位自己：它不再只是一个system of record，而要成为企业AI代理运行的平台。
这背后的关键不是“Workday也有AI功能”，而是Workday试图把企业规则、权限体系、组织结构、岗位信息、财务约束和合规边界变成AI代理可调用、可遵守、可审计的运行环境。换句话说，Workday的价值不只是数据本身，而是“可信业务规则”的系统化沉淀。
对于HR来说，这个变化非常关键。很多企业现在谈AI，仍然停留在“用AI生成招聘文案”“用AI写员工通知”“用AI做培训内容”这一层。但真正的大型企业AI转型，关心的是AI能否在组织内部安全执行任务。例如，一个AI招聘代理是否可以筛选候选人？是否可以自动安排面试？是否可以根据企业政策判断薪酬范围？是否可以在合规框架下记录推荐理由？是否能够被审计？如果这些问题没有解决，AI就只能停留在个人效率工具层面，无法进入企业级工作流。
这也是HR未来角色变化的起点。HR不能只问“我能用AI做什么”，而要问“企业中的人力资源决策和流程，如何被AI重新设计，并仍然保持公平、合规、透明和可解释”。
三、SAP的转型：AI正在从HR系统走向企业全局运营系统
如果说Workday代表了人力与财务系统的AI代理化，那么SAP的变化则代表了更大的企业运营系统重构。Josh Bersin近期分析SAP时提到，SAP正在将自己定位为Autonomous Enterprise，并将Joule和相关AI能力放在企业级运营自动化的核心位置。SAP的优势在于，它覆盖了财务、人力资本、库存、制造、采购、供应商、合同、外包和临时劳动力等企业关键资源。
这对HR的启发在于，未来很多所谓“人力资源问题”，不会只在HR系统里被解释。比如销售团队绩效下降，原因可能不只是销售人员能力不足，也可能来自定价策略、供应链成本、产品竞争力、区域市场变化、销售激励机制、经理管理方式或组织协同效率。过去HR只能看到员工数据和绩效结果，难以连接业务全貌；但如果AI能够打通ERP、HCM、财务、供应链、销售和学习系统，HR对组织问题的判断就会从“人力数据分析”升级为“业务系统级组织诊断”。
这对中国企业尤其重要。很多企业的人力资源管理仍然以流程、制度、考勤、招聘和薪酬为主，HR数字化也往往围绕“系统上线”和“数据看板”展开。但AI时代的HR价值，不再只是把HR流程线上化，而是能否帮助企业看清组织能力、业务结果和人才结构之间的真实关系。
SAP的AI转型提醒我们：未来的HR分析不应只回答“员工满意度是多少”“培训完成率是多少”“招聘周期是多少”，而要回答“组织能力是否支撑战略”“哪些岗位正在成为增长瓶颈”“哪些团队的结构与业务目标不匹配”“哪些流程正在消耗大量人力但没有创造战略价值”。
四、ServiceNow的野心：企业需要AI代理的控制塔
ServiceNow的转型则揭示了另一个重要方向：当企业内部出现越来越多AI代理之后，新的治理平台会变得非常关键。Josh Bersin在分析ServiceNow时指出，ServiceNow正在推动一个管理企业AI的宏大愿景，包括AI Control Tower、Agent Fabric、Context Engine等能力，目标是管理企业中的agent、workflow和people，并监控AI代理的成本、行为和ROI。
这个判断非常值得中国HR关注。今天很多企业还没有真正大规模部署AI代理，但已经可以看到未来的问题：不同部门会采购不同AI工具，员工会自行使用不同AI应用，业务团队会把AI接入各种流程，IT会担心数据安全，法务会担心合规风险，HR会担心公平性、岗位变化和员工能力断层。最终，企业会进入一个“AI使用高度分散，但责任边界不清晰”的阶段。
这就是为什么ServiceNow要做AI Control Tower。它看到的不是某一个AI工具的机会，而是企业AI治理层的机会。未来企业不只需要AI应用，更需要知道这些AI应用在做什么、谁授权了它们、它们调用了哪些数据、产生了什么成本、创造了什么业务价值、是否存在偏差和风险。
对HR而言，这个趋势意味着AI治理将成为HR必须参与的组织议题。尤其在人力资源场景中，AI一旦参与招聘、绩效、晋升、薪酬、培训推荐和员工关系，就会触及公平、偏见、隐私、合规和员工信任等敏感问题。HR不能只做AI工具的使用者，而必须参与制定AI使用规范、角色权限、员工培训、伦理标准和组织变革方案。
五、Microsoft的机会：谁掌握员工日常入口，谁就掌握企业AI入口
Josh Bersin近期也分析了Microsoft在企业AI中的机会。他认为Microsoft可能在企业AI竞争中占据非常重要的位置，因为它不仅有Copilot，还有Microsoft 365、Teams、Outlook、Excel、Azure、Microsoft Graph、Copilot Studio和庞大的企业客户基础。Microsoft的优势不是某一个单点AI能力，而是它已经处在员工每天工作的入口处。
这对HRTech行业有非常现实的影响。过去HR系统主要由HR部门选择和推动，员工进入HR系统通常是为了请假、查工资、做绩效、参加培训或提交申请。但在AI时代，员工可能不会主动打开某一个HR系统，而是直接在Teams、Outlook、Copilot或企业门户中提问：“我该如何申请育儿假？”“我今年的绩效目标应该怎么写？”“我适合申请哪个内部岗位？”“我需要补哪些技能？”“我的团队是否存在离职风险？”
如果Microsoft这样的横向入口能够连接企业数据和工作流，那么很多HR服务可能会从独立系统界面转移到员工日常工作入口中。这将改变HRTech产品的竞争逻辑。未来HR软件不只是比功能清单，而是比谁能进入真实工作场景、谁能与企业入口系统深度集成、谁能让员工和经理在最自然的工作环境中完成HR任务。
对中国市场而言，这也意味着企业微信、钉钉、飞书以及各类协同办公平台在AI时代可能承担更重要角色。HR系统如果仍然孤立存在，而不能进入业务沟通、任务协同和知识流转场景，其使用频率和战略价值可能会被削弱。
六、Cornerstone的变化：企业学习正在从课程管理转向能力基础设施
在学习与人才发展领域，Cornerstone的变化同样具有代表性。Josh Bersin近期分析Cornerstone时指出，这家公司正在通过Workforce AI重新定义企业学习、技能管理和全球enablement。Cornerstone不再只是传统LMS或学习内容平台，而是在向AI-native workforce intelligence和skills platform演进。
这反映了企业学习市场的根本变化。过去企业学习主要关注课程采购、内容管理、培训完成率和学习平台使用率。但AI时代真正的问题是：员工是否具备完成未来工作的能力？企业是否知道哪些技能正在缺失？哪些岗位会被AI重构？哪些团队需要重新培训？哪些经理需要被赋能？哪些员工可以通过内部流动而不是外部招聘满足业务需求？
传统L&D如果仍然停留在“买课程、推培训、统计完成率”，价值会迅速下降。AI正在把学习从内容供给转向能力诊断、个性化发展、岗位匹配、绩效支持和组织能力建设。Cornerstone的转型说明，企业学习平台正在从“培训系统”变成“员工能力基础设施”。
这对中国HR尤其有启发。很多企业过去做培训，关注的是年度培训计划和课程交付；但未来更重要的是建立动态能力图谱，识别员工当前能力、岗位未来要求和业务战略之间的差距。AI不是让培训部门更快生成课件，而是让企业更准确地判断组织能力是否跟得上业务变化。
七、HRTech判断：企业AI转型的主战场不是工具，而是工作流
综合Josh Bersin近期对这些大型公司的分析，我们认为，企业AI转型正在进入第二阶段。第一阶段是个人效率阶段，员工用AI写内容、做总结、查资料、生成文档。第二阶段是流程嵌入阶段，企业把AI放进招聘、客服、IT、财务、人力、学习等业务流程。第三阶段则是系统重构阶段，AI代理成为企业工作流的一部分，软件平台开始重新定义数据、权限、流程、角色和商业模式。
现在Workday、SAP、ServiceNow、Microsoft和Cornerstone的变化，说明大型企业软件公司已经开始进入第三阶段。
这对HRTech行业意味着，未来真正有价值的产品不只是“AI功能更强”，而是能否解决五个问题：是否理解企业真实工作流，是否能接入可信数据和业务规则，是否能让AI在权限和合规边界内执行任务，是否能衡量AI带来的业务结果，是否能帮助组织完成岗位、能力和流程的再设计。
因此，HRTech的竞争也会发生变化。单点工具如果只是包装AI生成能力，很容易被平台型产品吸收；只做内容库、表单流、简单聊天机器人的产品，也会面临替代风险。更有长期价值的方向，是围绕组织能力、工作流重构、AI治理、技能图谱、员工体验和业务结果形成可持续的数据与流程闭环。
八、对中国HR的真正启示：不要把AI转型误解为“学会几个工具”
对中国HR而言，Josh Bersin这些文章最大的价值不是告诉我们某一家美国软件公司发布了什么新产品，而是提醒我们：AI转型正在改变HR的专业边界。
过去HR的专业价值主要体现在招聘、薪酬、绩效、员工关系、培训和组织发展等模块能力。AI时代，这些模块不会消失，但它们会被重新连接。招聘会和技能图谱连接，培训会和绩效支持连接，组织发展会和业务数据连接，员工体验会和AI服务入口连接，合规会和算法治理连接。
未来HR需要具备三类新能力。
第一，是AI工作流设计能力。HR要能够识别哪些流程适合自动化，哪些流程必须保留人工判断，哪些流程需要人机协同。例如，AI可以帮助筛选简历，但最终录用决策如何保持公平？AI可以生成绩效反馈，但经理如何承担管理责任？AI可以推荐学习路径，但员工发展如何与业务目标连接？
第二，是AI治理与风险识别能力。HR必须理解AI在招聘、绩效、薪酬、晋升和员工关系中的潜在偏见、隐私风险、合规风险和员工信任问题。未来HR不只是制度执行者，而是组织AI使用边界的共同设计者。
第三，是组织能力重构能力。AI会改变岗位内容、技能要求、团队结构和管理方式。HR需要帮助企业重新定义岗位、能力模型、人才梯队、领导力标准和学习体系。真正的HR价值，不是告诉员工如何使用AI工具，而是帮助组织判断AI时代需要什么样的人和组织能力。
九、为什么这对中国企业更紧迫
中国企业在AI应用上往往行动很快，但在治理、流程、角色和组织能力建设上容易滞后。许多企业会先采购工具、先试点应用、先要求员工提升效率，但没有同步建立数据权限、流程边界、岗位影响评估和员工能力升级机制。这会带来一个问题：AI看似被广泛使用，但组织并没有真正变得更强，反而可能出现工具碎片化、流程混乱、责任不清和员工焦虑。
这正是Josh Bersin近期文章所揭示的核心趋势：大型企业软件公司正在把AI从“功能”升级为“企业运行层”。也就是说，AI真正的价值不是单点效率，而是系统能力。谁能把AI放进企业规则、数据结构、业务流程和组织治理中，谁才可能真正获得长期优势。
对中国HR来说，这也是一个重要提醒。不要只关注“AI能帮HR省多少时间”，而要关注“AI会如何改变企业管理的基本结构”。如果HR只把AI当工具，就会被工具替代；如果HR能参与设计AI时代的组织运行方式，就会成为企业转型中的关键角色。
十、HRTech结语：HR的机会，不在于更会用AI，而在于更懂组织如何被AI重构
Josh Bersin近期对Workday、SAP、ServiceNow、Microsoft和Cornerstone的分析，本质上指向同一个结论：企业AI转型已经进入平台化、代理化、治理化和系统化阶段。大型软件公司争夺的不只是AI功能，而是企业未来的工作入口、数据语义层、代理执行层、治理控制层和商业计费层。
这对HR行业是一次真正的提醒。AI不会只是让HR工作更快一点，而会重新定义HR工作的边界、价值和责任。未来优秀的HR不只是AI工具使用者，也不是简单的流程管理员，而是组织AI转型的设计者、治理者和能力建设者。
对中国企业来说，现在最需要做的不是追逐每一个新的AI工具，而是回到三个基本问题：我们的关键HR流程是否值得被AI重构？我们的组织是否具备管理AI使用行为的规则和能力？我们的HR团队是否已经从“个人AI使用”走向“组织AI治理与转型”？
真正的AI时代HR，不是会用更多工具的人，而是能够帮助企业重新设计工作、能力和组织运行方式的人。
-
组织能力
HR的AI能力成熟度框架 HR AI Forward：四级十二阶成熟度模型的定义、分层与跃迁路径
核心摘要：本文系统介绍 HR AI Forward 成熟度框架（HR AI Forward Maturity Framework）的理论基础、分层逻辑与跃迁路径。该框架将 HR 从业者的 AI 能力划分为四个层级（L0 至 L3）、十二个发展阶段，以工作方式的实际变化为核心判断维度，而非以工具知识或使用频率为标准。文章重点阐释 L1 到 L2 的关键跃迁机制，探讨能力成熟度分层在 HR 专业发展实践中的应用价値，并说明评测系统与能力凭证体系的设计逻辑。强烈推荐了解，请关注 #HRTech
一、背景AI 时代 HR 能力标准的缺失
当前，AI 技术在人力资源领域的渗透速度已明显加快。越来越多的 HR 从业者开始使用 AI 工具处理招聘文案、面试记录、员工沟通和数据分析等日常任务。然而，在工具应用日趋普及的同时，一个核心问题始终未能得到清晰回答：在 AI 使用这件事上，什么叫做真正具备能力？
这一问题的缺失，正在带来两种典型困境。
第一，HR从业者层面的困境：缺乏参照系，自我评估偏差普遍存在。大多数从业者无法准确判断自己的 AI 能力处于什么水平，倒向于将「频繁使用 AI」等同于「具备 AI 能力」，而忽视了工作方式是否发生实质变化这一核心维度。
第二，组织层面的困境：缺乏语言，能力识别与培养路径难以建立。在没有共识标准的前提下，组织既难以区分真实能力与表面工具熟悉度，也难以为不同能力阶段的员工设计有针对性的发展路径。
HR AI Forward 成熟度框架的提出，正是为了回应上述困境：建立一套以工作方式为核心判断维度的 HR AI 能力分层标准，使能力发展变得可见、可判断、可推进。
二、框架核心判断逻辑
HR AI Forward 成熟度框架的核心判断逻辑，可以用一句话概括：
AI 是否已经真正进入了一个人的工作方式。
这一判断看似简单，但在操作层面需要区分若干种经常被混为一谈的状态：偷尔试用 AI 与稳定使用 AI；在单一任务中使用 AI 与能将 AI 能力迁移到多个场景；用 AI 加速现有任务与用 AI 重构一类工作的整体处理方式；将 AI 作为个人提效工具与开始在流程与系统层面运用 AI。
基于此，框架明确区分了三类不应作为核心评估维度的内容：
· 不测量 AI 理论知识。了解机器学习原理、熟悉大语言模型架构，是理论认知，不等同于工作能力。
· 不测量提示词技巧。提示词写作是能力的表现之一，但单次表现出色不能说明一个人具备结构性的 AI 工作能力。框架关注的是一致性、可迁移性与整合度。
· 不测量工具熟悉程度。工具平台会持续迭代更新，对特定工具的熟悉度不具备持久价値。框架评估的，是跨工具情境下的持续工作能力。
三、四级十二阶模型：完整结构与定义
HR AI Forward 成熟度框架采用四个层级（Level）、每级三个阶段（Stage）的结构，共形成十二个发展节点。层级回答的是“从业者当前处于什么主导工作状态”，阶段回答的是“在该状态内，发展成熟度处于哪个位置”。两者结合，构成对个体能力状态的精准定位。
L0 · Traditional HR · 事务型HR
层级定义：AI 尚未以任何有意义的方式进入日常工作。从业者可能了解 AI，但实际工作仍依赖人工执行、经验积积累与既有流程。L0 并非失败状态，框架的作用不在于评判，而在于提供清晰度。
阶段代码
阶段名称
核心特征
L0-S1
Manual HR · 人工执行者
工作完全依赖人工与经验，AI 未进入日常
L0-S2
AI-Curious HR · AI认知者
已意识到 AI 的相关性，开始关注探索，尚未实际使用
L0-S3
Early Trial HR · 初步尝试者
已做过零散尝试，使用频率低，未形成习惯
L1 · AI-Enabled HR · 工具型HR
层级定义：AI 已进入工作，从业者有规律地使用 AI 工具处理多类任务，并开始形成对 AI 应用边界的基本判断。这是目前大多数积极使用 AI 的 HR 从业者所处的层级。L1 同时也是最容易产生能力误判的层级，“有规律地使用 AI”感觉上容易被等同于“具备 AI 能力”，但 L1 描述的工作的底层结构并未发生实质改变。
阶段代码
阶段名称
核心特征
L1-S1
Tool Starter · 工具入门者
在个别任务中使用 AI，仍以临时调用为主，缺乏持续性
L1-S2
Tool User · 工具应用者
在多类任务中有规律使用 AI，基本习惯开始形成
L1-S3
Structured User · 规范使用者
开始积累模板与复用方法，使用更有结构，但仍以个人工具使用为中心
L2 · AI-Ready HR · 能力型HR
层级定义：AI 已稳定进入工作方式，从业者形成了可复用、可迁移、可持续的能力体系。这是整个框架最重要的分水岭，也是区分“会用 AI 的人”与“真正将 AI 建立为职业能力的人”的核心阈値。在 L2，AI 不再是从业者在特定任务中主动切换使用的东西，而是已经成为默认工作方式的组成部分。
阶段代码
阶段名称
核心特征
L2-S1
Workflow Adopter · 流程接入者
AI 已固定整合进至少一个核心工作流程，结构性变化出现
L2-S2
Capability Builder · 能力构建者
方法开始跨场景迁移，可复用工作方式逐步建立
L2-S3
Ready Practitioner · 成熟实践者
AI 稳定整合进多个工作领域，持续输出高质量产出
L3 · AI-Native HR · 系统型HR
层级定义：从业者与 AI 的关系从使用者转变为设计者，开始构建 AI 赖以运行的结构、流程与系统。L3 是一个真实存在但相对稀少的进阶状态，对于当前大多数接触框架的从业者而言，它是中长期方向，而非近期目标。
阶段代码
阶段名称
核心特征
L3-S1
System Explorer · 系统探索者
开始搭建复杂 AI 协同结构，探索跨流程自动化应用
L3-S2
System Operator · 系统运营者
多个 AI 驱动流程进入运行状态，主动维护与优化
L3-S3
Native Leader · 原生引领者
推动组织层面工作方式重构，具备引领性与系统影响力
四、关键跃迁机制：从 L1 到 L2
4.1 为什么 L1 到 L2 是最重要的跃迁
在框架所有的跃迁路径中，从 L1 到 L2 是最重要、也最常被低估的一步。从 L0 到 L1 的跨越，本质上是“开始”：工具足够易用，场景清晰，初期收益立竿见影，动力维持相对容易。从 L1 到 L2 则是本质不同的挑战——它不因更多的工具使用而发生，不因更多的提示词练习而实现，而是需要从业者在思考和组织工作方式上完成一次结构性转变。
4.2 L1 为何容易成为停滞点
L1 停滞具有内在的心理机制：L1 的感觉是好的。有规律地使用 AI 带来真实的效率提升，“自己是会用 AI 的 HR”这种自我认知也有其合理性——但这种认知是不完整的。L1 没有提供的，是让 AI 能力得以复利积累的结构性基础：每一次 AI 使用基本独立，有效方法不能自动延续到下一次；在某个场景有效的方式，无法自然迁移到其他场景；能力存在于当下任务，但不会跨任务积累。
4.3 L1 到 L2 跨越的核心机制
L1 到 L2 的跨越，需要在以下四个维度发生结构性转变：
01 从任务级使用转向流程级整合。AI 不再只用于完成眼前任务，而是被整合进至少一个核心工作流程的运作逻辑本身。
02 从工具熟悉度转向方法论建立。L2 的核心能力不是熟悉某个工具，而是建立了一套可跨情境复用和迭代的工作方法。这需要主动复盘与提炼，而非被动的重复使用。
03 从被动调用转向默认行为。L1 中，AI 是“想到的时候才用”的选项；L2 中，AI 是面对任务时的默认工作组件，不再需要临时决定是否调用。
04 从单次会话转向跨会话积累。有效的 AI 使用经验，通过文档化、模板化、结构化方式被保留下来，形成可调用的方法库，而非随着会话结束而消散。
五、阶段细分的理论价値
框架采用四级十二阶结构，而非单纯四级分类，有其内在的理论必要性。
仅以层级为单位进行描述，会产生显著的精度损失。以 L2 为例，L2-S1（Workflow Adopter）与 L2-S3（Ready Practitioner）同属 AI-Ready HR，但两者处于非常不同的发展位置：前者刚刚出现结构性变化的第一个信号，能力尚不稳定；后者已在多个工作领域形成成熟的 AI 整合工作方式，并接近 L3 的能力阈値。
若对这两位从业者给出相同的论断与成长建议，两者都无法从中获得真正有针对性的指导。阶段细分的价値，在于让框架从“粗粒度分类工具”升级为“个体层面的精准诊断工具”。
六、框架的实践应用场景
6.1 个人发展应用
对个人 HR 从业者而言，框架的核心价値在于：提供一个诚实、外部化的能力位置判断，从而支持更有效的成长决策。自我评估在 AI 能力领域有已知的系统性偏差——使用频率高的从业者容易高估自己的能力成熟度。框架通过基于真实工作行为的结构化评估，减少这种偏差，帮助从业者明确当前真正处于哪个阶段，以及最値得优先投入的成长方向。
6.2 组织能力管理应用
对 HR 团队管理者或 CHRO 而言，框架提供了一套超越工具采用率的能力语言：识别团队整体的 AI 能力基线与分布；区分“工具使用活跃但能力成熟度仍在 L1”与“已形成稳定 AI 工作方式”的人员；为不同能力阶段的员工设计有针对性的发展路径，而非一刀切的 AI 培训项目。
6.3 能力凭证与专业信号应用
框架也为能力可见性提供了结构支撑。对于达到 L2 及以上能力阈値的从业者，HR AI Forward 提供 AI-Ready Credential（AI就绪能力凭证）——一个可验证的正式能力凭证，用于在专业环境中展示已形成的 AI 工作能力，而非课程完成记录。
七、从框架到评测系统
理解框架的分层逻辑，是建立能力判断的前提；但准确定位个体在框架中的位置，需要系统化的评测工具支撑。
HR AI 能力评测与提升计划（HR AI Maturity & Growth Assessment）是基于本框架构建的配套评测系统。评测设计遵循以下原则：以真实工作行为为评估对象，而非知识测试；覆盖 AI 使用能力、数据能力、工作习惯、系统能力四个核心维度；通过 26 道题目，在 10 至 15 分钟内完成评估；输出精确到阶段（而非仅到层级）的个性化报告，包含位置定位、差距诊断、成长方向与行动建议。
八、HR AI Forward 成熟度框架
HR AI Forward 成熟度框架的建立，回应的是 AI 时代 HR 领域一个真实而紧迫的标准缺失问题。它以工作方式的实质变化为核心判断维度，以四级十二阶的结构提供精准的能力分层，以 L1 到 L2 的跃迁机制为核心洞察，为个人发展决策和组织能力管理提供了可落地的参照系。
框架的最终目标，不是给人贴标签，而是让能力发展变得可见、可判断、可推进——在 AI 加速重塑专业工作方式的当下，这是 HR 从业者最需要的那种清晰。
-
组织能力
Josh Bersin谈：企业人才智能来袭，颠覆人力资源技术市场
在我们看到的劳动力领域的所有人工智能创新中，最重要的可能就是人才智能。按照我们的定义，人才智能是指利用海量的员工和劳动力数据来了解技能、工作适应性、绩效、领导潜力、职业发展路径、薪酬公平性和组织能力。
在今天介绍新的研究成果时，我们的立场是，这是几十年来人力资源技术领域最具存在意义的变革之一。
人才智能究竟是什么？这项技术以人工智能为基础，允许公司分析员工的大量数据，将其与外部劳动力市场的数据相匹配，并了解他们以前不知道的事情。
在许多方面，它与广告技术类似，Meta、TikTok 和谷歌等公司通过分析个人数据，为个人消费者提供量身定制的广告。
在商业和人力资源领域，人才智能让公司深入了解员工的技能、兴趣、职业轨迹、地域偏好、认证、所掌握的技术，以及他们在领导力、行业和公司类型方面的经验。
过去，我们使用工业心理学、评估和面试来确定这些信息。如今，在人工智能的驱动下，公司可以利用这一庞大的语料库，让人工智能模型来识别其中的关系。
让我举个例子。在招聘中，每家公司都面临着同样的问题：这个候选人是否适合这份工作、这个团队、我们使用的工具以及公司的文化？
招聘人员通过面试、测试和背景调查来评估。然而，尽管采取了这些方法，仍有近 20% 的候选人没有成功。利用人才智能，我们可以分析成功胜任这一职位的人，并让人工智能找出适合的质量。这不仅没有偏见，而且非常准确，我们收集的数据越多，它就越聪明。
我还记得自由保险公司（Liberty Mutual）的汽车保险团队面临人员流动率高的问题。他们花了几个月的时间研究那些表现出色的员工，看看哪些教育背景或技能与成功相关。他们的分析发现了一个秘密：业绩最好的保险销售人员都是那些热爱汽车的人。再多的心理评估也无法发现这一点。
我刚刚与一家投资银行进行了交谈，他们正在努力了解年轻员工的高流失率。Talent Intelligence（人才智能）可以了解哪些人留下，哪些人离开，并立即帮助寻找更合适的候选人。
如今，这类分析非常困难。使用传统的人力资源技术，我们所掌握的唯一数据就是员工的简历或工作经历。这些数据往往还不如 LinkedIn 上的数据多。
利用人才智能，公司可以利用大量的公开信息，了解一个人以前的工作经历、与他们共事的人、他们在不同工作中使用的时间段和技术、他们写过的文章、他们经历过的组织变革，以及他们的教育背景、地点或其他我们甚至不了解的信号的影响。
这减少了偏见，为我们提供了前所未有的信息。
直到去年，人才智能技术还主要用于招聘。Eightfold、Seekout、Beamery、Gloat、HiredScore、Phenom和Paradox等供应商建立了模型，用于预测谁会适合某个职位或公司。现在，随着这些工具的成熟，人才智能可以做得更多。
正如您在我们的研究报告中所看到的，企业人才智能可用于内部流动、技术技能开发、领导力评估和绩效评估。通过将内部运营数据与同级人员进行比较，并扣除任期和级别因素，它实际上可以帮助确定个人的绩效。
它还可用于薪酬公平分析（将整个员工的薪酬与经验技能和其他证书进行比较）。它还可用于组织设计和工作分析（查看个人或团队的技能组合，以及这些技能与公司其他工作和其他团队的比较）。
还有更多。利用 Lightcast、Draup、Revilio 和 Skyhive 等公司提供的外部数据，可以对公司的技能和能力与竞争对手进行竞争性评估。你可以看到行业中的趋势技术和技能。您可以按地点定位技能，并决定在哪里建立下一个工厂或工程设施。你可以看到以前看不到的影响企业的人口变化。您还可以了解竞争对手与您相比所拥有的技能和能力。
试想一下，通用汽车或福特汽车将自己的工程师与特斯拉或 Rivian 的工程师进行对比评估，会有多么强大。仅这些数据（我们即将发布汽车行业全球劳动力智能研究报告）就价值数百万美元。
对人力资源技术供应商的颠覆性影响
直到最近几年，企业才有机会获得这些信息，因此他们没有发展团队或内部技能来使用这些信息。现在有了这些信息，我们在人力资源领域有了一个新的职业和领域--人才智能专家。目前，全球已经有两千多名人才情报专业人员，如果考虑到从事人员分析和劳动力规划的人员，人数还会更多。
这些人有分析背景，但本质上是业务人员。他们可以研究这些数据，并做出管理者无法独立做出的决策。正如我们的研究报告所指出的，他们正在公司内部创造出突破性的解决方案。使用这些系统的公司正在从根本上改进招聘工作，发掘更深层次的领导人才库，找到埋藏在组织内部的关键技能，让员工有机会找到过去从未有过的新工作和新机会。
人才智能对现有的人力资源技术提供商也是一种颠覆。上个月，Workday 收购了 HiredScore，这只是即将发生的颠覆的一个小小迹象。几乎所有人力资源技术供应商都必须考虑这一领域，因为这是一个利用人工智能超大规模改进的市场。
通过下图，您可以了解这些供应商的发展方向。如果你不相信我，请阅读 BusinessInsider 最新发表的关于 Workday 问题所在的文章（我仍然是 Workday 的粉丝）。
当 OpenAI、谷歌或 Meta 推出新的大型语言模型时，人才智能产品会变得更快、更高效。随着新人工智能算法的开发，这些供应商可以立即加以利用。传统的 HCM 平台对外部数据一无所知，不可能跟上洞察力的步伐。
但这并不容易。这需要时间和工程专业知识，因为它将人力资源软件公司变成了数据公司。
大多数人力资源技术公司都没有管理如此海量数据的经验。随着时间的推移，许多公司将别无选择。就像我们现在通过互联网购买计算机一样，我们中的大多数人很快就会不愿意购买没有数据和基准的软件。
如果我考虑一下我们的公司以及我们如何使用财务和客户关系管理系统，我会很高兴我的财务系统能为我提供基准和直接建议，从而更好地经营我们的公司。我希望我们的客户关系管理系统能告诉我，我是否获得了正确数量的潜在客户，并自动优化数据集。现在还没有这样的系统，但我打赌 Intuit 和 HubSpot 正在努力。
就人力资源而言，我们的报告描述了这个新市场是如何爆发的。这是我们不能忽视的。
-
组织能力
微软首席人力官谈：HR如何帮助员工如何充分利用人工智能
本文探讨了人工智能（AI）如何成为变革性的技术，重塑我们的工作方式。文章强调了AI带来的挑战，如工作流失和算法偏见，并提出了领导者在推动AI积极发展中所扮演的关键角色。重点在于培养基于敏捷的文化、重新想象工作流程和增强人类技能，以实现AI和人类协作的最佳效果。文中详细讨论了AI如何改进工作流程、提高生产力，并强调了人类情商、创意评估和管理技能在AI时代的重要性。
Kathleen Hogan Chief People Officer at Microsoft [Photo: courtesy of Microsoft]
微软首席人力官 Kathleen Hogan表示，人工智能对我们工作方式的影响将比个人电脑更大。
AI是我们时代的决定性技术，创造了一个巨大的范式转变，它将改变我们的工作方式，影响力甚至超过了个人电脑的引入。我们曾经有一个大胆的愿景，“每个办公桌上、每个家庭里都有一台电脑”，而今天，我们希望在“每个人的口袋里都放一个副驾驶”。
当然，AI的影响也伴随着挑战。我们必须解决关于工作流失、算法偏见以及组织快速培养技能的真实担忧。但最终，我相信AI的潜力太大，不能采取观望态度。
领导者需要创造正确的环境，让AI获得积极的势头。这将需要准备和有意识的方法，以便这些新的AI工具不仅帮助员工提高生产力，而且帮助他们茁壮成长。我建议关注这三个方面，以更快实现这些好处：培养基于敏捷的文化、重新想象我们的工作方式、投资于更深层次的人类技能。
培养基于敏捷的文化
为了充分利用AI的承诺，团队必须保持敏捷。
即使是那些多年来一直在内部使用AI进行数据分析、预测建模和任务自动化的公司，生成性AI也代表着一个重大转变。通过能够理解人类语言、导航大量文档知识并创造内容，更多职能的员工现在可以使用这些AI工具。
一个基于敏捷的文化还将加速组织建立推动AI价值的更广泛基础和最佳实践的能力。我相信，在AI时代培养这样的文化意味着拥抱适应性领导力，领导者必须愿意深入未知。
重新想象工作方式
20世纪80年代和90年代的机器人自动化进步使制造业生产力翻了一番。这不是仅仅通过给工人提供更高效的工具实现的——公司通过重新思考生产技术和重新设计工作流程，优化人与机器之间的流程，实现了机器人自动化的全部价值。
同样，要充分利用AI采用的价值，领导者需要重新想象工作是如何完成的。这始于将工作分解为更小的任务，以确定AI能做什么，以及或者比人类做得更好。除了自动化一些重复或乏味的工作任务，我们还需要确定AI可以如何协助员工处理更复杂和微妙的任务，如研究、写作和分析。
这个想法是让领导者利用这段时间，不仅是自动化流程，而且是与AI一起重新想象流程，寻找新的工作方式。这将最终帮助人们更聪明地工作，而不是更努力地工作，给他们带来更多的精力，并发现更有意义和更令人满意的工作。
关注人类技能
生成性AI已经被训练了大多数人类语言，所以任何人都可以使用它。但就像任何新技术一样，仅仅给人们新工具而不提供使用它们的技能是不够的。
而且，尽管这似乎与直觉相反，人类技能与技术技能一样重要，以有效使用AI。这包括分析判断力、灵活性、情商、创意评估、智力好奇心、偏见检测和处理能力，以及委派任务的能力。
事实上，我们现在发现，基本的管理技能是发掘AI副驾驶的全部潜力的关键。就像委派给人类员工一样，与副驾驶合作需要能够清晰地沟通，设置背景和参数，定义期望，分析结果，并提供反馈。
一个好的起点是根据学科开发AI技能培训和实践。随着我们从自动驾驶AI转向副驾驶AI，对人们来说，仍然扮演飞行员的角色，用批判性的视角评估他们从AI工具中获得的输出是必要的。这包括验证准确性和评估偏见。最终，飞机的船长有责任成功着陆。
我相信，解锁AI的全部潜力是领导者的责任。AI的创新正在以惊人的速度发生。当我们导航AI对工作场所的影响时，组织领导者必须立即开始培育正确的环境，以确保没有人被遗留在后面。仅仅将AI工具放在员工手中是不够的。当我们培养基于敏捷的文化、重新想象我们的工作方式，以及建立获得AI最佳效果所需的人类技能时，我们可以帮助我们的组织和员工在这个新时代中茁壮成长。
对我来说，能够成为这个令人难以置信的时刻的一部分，既令人兴奋又令人振奋。
英文原文来自：https://www.fastcompany.com/90982077/microsofts-chief-people-officer-heres-how-workers-can-get-the-most-out-of-ai
-
组织能力
2020年实体行业组织能力白皮书已出炉，快来围观
每一次变局也孕育着新的机会，当能力与机会相遇，成功是必然的。
2020年新冠疫情引发了部分产业震荡，使得产业发展脚步放缓，但与此同时，“危”中抢“机”成为了主旋律，竞争激烈化促使更多企业审视内在生长力，加速了诸多组织进化的行动。
同比上一年度，本届完成调研的实体行业企业数量增长30%。
与往届同比，实体行业组织能力健康度（Organization Capability Index，简称OCI）持续提升，即使疫情前后，实体行业的组织能力健康度上升幅度有所回落，但整体还是上升趋势。
突如其来的疫情冲击，各种即时挑战扑面而来。在当时情境中，短期的应对策略和中长期发展这两者间，很多企业选择了前者，追求比较快速见效的业务模式或手段。
但从长期大势来看，统筹短期应对和中长期发展是必要的，企业需要回到初心，真正把握核心战略，塑造匹配的组织能力，进行持续性投入。
假如疫情为大家划了同一条起跑线，那么活得更好的卓越企业有哪些方面值得深刻学习？哪些长期主义的坚持在深度地影响着风云变化中的企业成长？又有哪些关键抓手助力企业突破重围？
基于本届调研，我们看到了大时代转折点实体行业的组织能力特点，本文将和你分享基于数据的管理洞察，核心发现包括：
▲ 不进则退
疫情注入更多紧迫性，敏捷、成本、创新成为实体行业业绩影响突出的三项组织能力。
▲ 化危为机
组织能力对企业的成长速度影响显著，战略合适度需加强关注，CEO与高管团队责无旁贷。
▲ 团队制胜
内外部人才循环流动，吸引、培养与保留人才，优秀团队与价值观是核心。
▲ 持续成长
企业不同生命周期的业绩抓手，方向、产品、人才是一致的主题。
在外部环境同样遇到艰难险阻时，强者胜。向内找选项，很多时候，会遇到惊喜。
通过数据我们可以发现：
01.
不进则退｜PROFILE
疫情注入更多紧迫性，敏捷、成本、创新成为实体行业业绩影响突出的三项组织能力。
与互联网行业相比，实体行业受疫情影响相对更大，尤其是互联网化、数字化程度较低的企业，面临着更大的冲击与挑战。在新冠疫情发生之前，我们已经看到了技术对商业、对产业的颠覆和升级，实体行业启动其业务策略的调整，只是这场公共危机注入了更多的紧迫性。
本届调研数据显示，在实体行业，影响企业业绩最突出的三项组织能力是：
❶ 敏捷 能否快速适应外在环境变化？
❷ 成本 能否以更低成本提供产品或服务？
❸ 创新 能否激励团队不断创新？
创新，一跃从2019年度的第5位，上升到了第3位。
在这个高度不确定的时代，是时候去尝试系统性思考，组织需要何种组织能力，保障更好地生存与发展？
❶ 敏捷
不是简单等同于“快速”，而是“又快又准”，是一种敏感度。
► 快速响应内外环境的变化，准确识别客户需求，捕捉机会。
► 通过不断优化升级的管理手段，有效地调整业务方向、迭代产品、满足客户需要，获得更广阔的成长空间。
❷ 成本
历经大浪淘沙，熬过了激烈的环境和竞争，坚持下来的“剩者”便是“胜者”。
► 通过经营效率、人均效能的不断提升，争取更多的时间与空间来进行产品和服务迭代，从而满足不断变化的客户需求。
► 随着价格敏感度的提高，是否能够在承受降价压力时保持同样甚至更高的毛利空间，也是确保企业生存、获利、发展的重要因素。
❸ 创新
对于大多数企业而言，创新是重要的手段，帮助企业具备“应万变”的适应能力。
► 是支持企业实现敏捷、客户导向、降低成本、提升人效的方法和工具，创新已成为新常态，但并不是每家企业致胜的核心组织能力项。
► 以少胜多、以弱胜强的颠覆在互联网时代屡见不鲜，路径依赖成为致命伤，在敏捷化的竞技场上，迅速适应新规则并进入状态尤为重要。
02.
化危为机｜PROFILE
组织能力对企业的成长速度影响显著，战略合适度需加强关注，CEO与高管团队责无旁贷。
组织能力健康度（OCI）对企业业绩的影响如何？通过对本届调研数据的回归分析，我们可以看到：在实体行业，组织能力健康度对企业业绩有显著的正向影响，其中对企业成长速度的影响最为显著。
另一方面，进一步通过区隔度分析，我们在组织能力调研的20个二级维度中，识别出了前五个影响企业业绩的因素。
从上图我们可以看出在环境剧变时，战略是否合适更加关键，往往直接决定了能否走出风暴圈。
2020年对于很多实体行业企业而言，更像是一场危机四伏但也透着希望曙光的迷雾。如何确保企业的方向选择是正确的，是否有足够优秀的团队，以低消耗的方式来敏捷响应环境变化，找到致胜的突破方向。
CEO和高管团队责无旁贷，需要有更长远的战略洞察与规划、凝聚共识、塑造信心、展现定力并切实推动战略执行。
这对高管领导力带来了前所未有的挑战。
调研显示，优秀公司与普通公司的差异，高管能力在战略与组织能力维度被反复提及，成为了显著的影响因素之一。
CEO与核心高管团队的“短板”，决定了企业的“高度”。
03.
团队制胜｜PROFILE
内外部人才循环流动，吸引、培养与保留人才，优秀团队与价值观是核心。
在本届调研中，组织升级改善显著。从图表7的数据来看，提升幅度最大的方面包括人才保留、淘汰、人才招聘、文化价值观，Top 3的提升都出现在员工能力维度，幅度超过5%。因为疫情外部环境的影响，企业显著改善了内外部人才循环流动。
进一步分析发现，2020年业绩区隔度Top 10题目再一次验证了当外部环境急速变化时，员工能力对企业业绩的重要性：
▲ 2020年区隔业绩的Top 3题目中有2道和员工能力相关，而2019年没有；
▲ 而在2019年，“雇主品牌”尚未能进入区隔业绩的Top 10。
因此，企业必须建立有效的人才培养机制，孕育重视人才培养的文化，“造血”、“输血”双管齐下，才能支撑企业的高速发展和战略转型。
需要注意的是：
❶ 经济不景气时很多企业本能地缩减培训开支，短期内有利于运营成本的控制，但长期会影响员工能力和组织能力的强化。
❷ 经济危机也是培养人才的机遇，只要用心也能找到成本可控且实用的人才培养方法，避免经济复苏期到来时，因为缺乏人才或能力而错过了机会窗口。
规划人才培养时，需要注意平衡企业发展与人才培养的速度。
打造制胜团队还有一个必要条件：找对人。除了加快内部的人才培养速度，还需要到外部招揽优秀的人才。市场上针对中高端人才的抢夺已经是暗潮涌动，所以在本届调研中我们也能看到，雇主品牌已经成为了卓越企业的人才吸引利器。
让优秀的人才留得更久，是下一个问题。在这一点上，通常卓越企业会比普通企业更多关注：
❶ 打造清晰的核心价值观与行为准则，并做到知行合一。
❷ 人才磁石效应，及时淘汰团队中的不合格员工。
❸ 治理环境的塑造，提供有效的管理支持和资源。
薪酬水平，依然并非是人才保留的最关键区隔因素。而文化价值观和执行，无论是在人才吸引，还是人才保留中，都是重要的抓手。
在今天这样一个变革时代，优秀人才关注的重点更为多元，企业就需要将多元化手段有机结合，找到优秀人才，给予空间与软硬激励，实现自我驱动，更敏捷、更具执行力地落地战略。
▲ 形成清晰、独特的雇主形象
▲ 重视价值观与优秀团队对人才的吸引和保留作用
▲ 薪酬激励的价值需要被肯定，但不能过度依赖
▲ 必要的人才流动能够带来良性影响，需要注意平衡
▲ 与员工和平分手更有效，理性面对、温和处理
04.
持续成长｜PROFILE
企业不同生命周期的业绩抓手，方向、产品、人才是一致的主题。
在本届完成调研的实体企业中，8.2%分布在创业期、57.3%分布在成长期、33.3%分布在成熟期。
伊查克·爱迪斯博士的企业生命周期理论，每一个阶段都有其特点和问题，也有其对应的解决思路。卓越的公司永远不会一蹴而就，它需要克服不同阶段的问题，在变化中成长。
作为企业的创始人、CEO、管理者、或者组织建设者，需要清醒地面对企业所处的生命周期，有效抓到关键性问题，有的放矢，让管理出价值。
通过分析本届调研中不同阶段的卓越企业，寻找获得成功的关键抓手。
创业期企业成功的关键因素Top3：
❶ 创始团队能力
创始团队肩负着在激烈竞争中创新商业模式、找到价值蓝海并推动执行的责任，是企业能否顺利从创业期过度到快速成长期的关键。虽然搭建人才“梦之队”越早越好，但也要谨慎做出聘任决定。
❷ 产品敏捷迭代
信息化和个性化时代，用户/客户体验催生产业蓝海。实体行业也需要加强创新技术的应用，准确识别用户/客户需求，围绕用户/客户痛点迭代产品。
❸ 未来发展信心
有志者事竟成，在创业期，很多企业倒在了光明前的黑暗中，只有对未来抱有极大的信心，并以超乎常人的毅力坚持下来，才有成功的可能。
成长期企业成功的关键因素Top 3：
❶ 雇主品牌
成长期企业遇到大量的人才吸引问题，往往难以针对某个优秀人才来打造“个性化吸引点”，于是需要通过更能体现综合实力的整体雇主品牌形象，特别包含体系化的人才培养与发展体系，来更广泛地触达目标人才。
❷ 未来发展信心
奔跑中倒下的巨人屡见不鲜。与创始团队不同，大多数在成长期加盟的优秀人才，看重的是持续成长，如何跑得“又快又稳”，是否坚信自己有能力在好的赛道上跑得比对手更快更好，并为之奋斗，非常关键。
❸ 商业模式的盈利能力
销售额在增长、员工规模在扩张，成长期公司不仅活下来了，而且似乎越来越规模化。这时需要特别关注，营业额的增长不一定等同于盈利。跑马圈地很重要，但如果没有获利的商业模式，很难持续成长。
成熟期企业成功的关键因素Top 3：
❶ 高管能力
随着企业进入成熟期，管理改进带来的价值更为凸显，对CEO和核心高管团队的综合能力要求进一步提高：市场敏锐度和与时俱进的大局观，对业务方向的深刻理解与创新引导，对体系化组织能力的建设，以及强烈的危机意识。
❷ 雇主品牌
对于成熟期企业而言，打造雇主品牌的能力同样重要，需要通过整体雇主品牌形象吸引多元化的人才，打造多元化团队，破除以往经验上的局限，并注重将雇主品牌的价值主张嵌入到各个流程的优化中。
❸ 赛道优势
打造强有力的成长性，是支撑企业长期发展的重要因素。业绩表现优秀的成熟企业，在注重方向选择的同时，也在持续性地完善加固自身的竞争壁垒，并积极寻找第二条S曲线，建立下一代增长。
虽然对于不同发展阶段的实体企业，影响业绩的关键因素存在一定差异，但总体都离不开方向、产品、人才这三个关键词，这与本届调研中实体行业整体呈现的结果也相呼应。
湊湊餐饮CEO张振纬谈到，组织能力建设贯穿了湊湊整个创业及快速发展阶段，在不同时期转换组织建设的重点和策略：
► 0-1活下去：打磨产品过程中抓取前期用户者与消费者高频互动，快速迭代产品。
► 1-10 放量：验证在不同区域扩张过程中商业模式、组织方面的适配性，快速调整。
► 10-100 系统化作战：重视系统和运作效率，建立神经系统，确保可控，支持未来战略实施。
VUCA世界在新冠危机后，会在全球开启新模式。同样在国内市场，中国政府会继续推进经济转型，所倡导的“双循环”概念也将逐步具体化落实，我们必然会看到更多的市场化改革，以及新兴领域的发展和传统产业的升级。
尽管不确定性依然存在，但变化是必然的。面对如此的基本环境，企业如何突破组织管理的瓶颈，打造核心关键能力，成为了今天的主题。
组织能力建设，势在必行，又任重道远。只有CEO、业务高管、人力资源团队共同努力与坚持，上下同欲、人尽其才，打造优秀的组织与人才管理机制，才有获得资源的效率与结果的优化，确保战略落地。
在变化的路上，没有旁观者，只有掉队者。
-
组织能力
杨国安：基于2020第五届中国组织能力调研数据的管理洞察
8月25日下午，2020年第五届中国组织能力调研报告解读大会在上海举办，也标志着本年度组织能力调研的完美收官。
“中国组织能力调研”项目由肯耐珂萨、腾讯咨询、YCA杨三角企业家联盟共同发起，自2016年起已连续举办5年，已累积超过3000家企业报名参与。
在这特殊的大半年里，大家都经历了艰难、不确定的变化，逆境中行驶的今年，中国公司的组织能力发生了哪些变化？管理和业务提升最核心的抓手是什么？优秀公司有哪些经验值得借鉴？如何能持续地成长，带着这份求知，来自百家公司的CEO高管出席了报告解读大会，聆听杨教授的解读。
2020第五届中国组织能力调研数据发布今年是风云变化的大时代，COVID-19长时间大面积地影响全球，带来金融市场的波动和地缘政治的复杂化，使得全球经营环境经历了重大变化，也加速了整个数字化转型的力度深入。
在这个大背景中，这些变化到底对企业的组织能力和业绩有何影响呢？
我们先一起看看2020调研数据概况：▣ 第五届共有358家企业完成调研，其中187家互联网企业、171家实体企业。
▣ 互联网企业的调研行业主要集中在企业服务、电子商务、社交视频、互联网金融等，企业服务参与企业特别多。
▣ 实体企业的调研行业主要集中在制造业、采矿业、消费品零售、医疗设备、信息科技等。
▣ 调研企业规模84%分布在1500人以内，样本以中小企业为主。
▣ 63%的企业分布在成长期，20%的企业分布在成熟期。
整体行业来看，2020年组织能力健康度指数是上升的。各个维度与2019年的整体评分对比来看，互联网行业、实体行业都是有成长的，这是整体趋势。
再看一下二级维度，有几个维度大家做的比较好：战略接受度、员工能力健康度、文化价值观、信心指数。而相对做的比较弱的维度主要表现在：人才的招聘、保留、战略合适度、用户导向、流程IT支持。
这说明什么呢？我们人才的争夺战越来越激烈，我们企业的竞争壁垒不够强，这是普遍需要改善的地方；此外，我觉得用户导向很重要，今天的企业能不能看到用户的需求、用户的痛点来不断创新，这很关键。
成功=战略X组织能力
什么因素最能够影响企业业绩？通过统计学方法对2020调研数据进行了验证，得出结论：2020年战略对企业业绩有显著的正向影响，2020年组织能力对企业业绩有显著的正向影响。
同时，我们发现在互联网行业、实体行业，“战略”、“组织能力”两项对业绩的影响力相对不同。对于互联网公司，战略重要，但组织能力的动态调整更重要；对于实体企业，战略合适度的影响更重要。
组织能力、敬满度，这两个工具到底是什么关系？除了组织能力调研这个工具，我们发现很多公司还常常使用敬满度调研工具，所以“敬满度”和“组织能力”这两个工具到底是什么关系呢？谁更重要呢？我们也去进行了数据探索。
在数据验证过程中，我们先单独看“敬满度”和“业绩”之间的影响关系，结果显示是正向的影响。第二次，我们单独看“组织能力健康度”和“业绩”之间的影响关系，结果也是正向影响，而且系数大于敬满度。接下来比较有趣，在第三次验证中，同时看“敬满度”和“组织能力健康度”对“业绩”的影响，结果“敬满度”的影响系数几乎显示不出来了，就变成了“组织能力健康度”这一块是很重要的影响。
对这个现象，我们又进一步做了细的分析，对“敬满度-组织能力健康度OCI-业绩”的驱动路径进行了探索，三步法验证了“敬满度”的中介效应。得出结论：
➤ 敬满度是衡量员工个人的满意和投入度，直接影响组织能力健康度，间接影响业绩。
➤ 组织能力健康度是衡量一个团队的整体战斗力，直接影响企业业绩，但受敬满度影响。
行业洞察：
实体经济、互联网企业如何提升组织能力和业绩？我们用实体经济和互联网企业两个细分行业来进行观察和数据认知，两大行业的企业，打造组织能力所使用的抓手到底有什么差别呢？
劳动密集行业的杨三角打造，需要的是：成本、质量、速度。分解到三支柱中，员工能力要求“勤奋尽责”、员工思维要求“简单直接”、员工治理要求“标准简化”。员工治理是最重要的抓手，相比其他两个角，建立标准化的流程、标准化的体系，打造智能化的平台；员工思维是其次重要的。
知识密集行业的杨三角打造，需要的是：用户导向、创新、敏捷。分解到三支柱中，员工能力要求“精兵强将”、员工思维要求“自我驱动”、员工治理要求“灵活敏捷”。在知识密集的行业里，对我来讲，重中之重是人才，员工能力是非常关键的。其次是员工思维，员工治理灵活即可。
所以，企业在进行组织能力打造的时候，打法是不同的，先想一想自己所处的行业。甚至很多企业是兼具两者形态的，研发、产品是知识密集型，生产、客服是劳动力密集型。
通过2020年的调研数据，并观察了高绩效企业跟低绩效企业之间的差距，杨教授在解读大会中为大家提供了一些“管理抓手”、“业绩抓手”建议。
实体企业的管理抓手：◆ 高层管理者是重中之重
◆ 清晰的组织流程、授权和跨部门协作是标准化工作运营的基础
◆ 最后是打造清晰的价值观，确保团队上下同欲，展示一致行为
互联网企业的管理抓手：◆ 高层管理者从去年第5位升到第1，他们是颠覆时代的关键角色
◆ 高度授权，快速响应客户需求
◆ 人才在知识密集行业扮演更重要的角色
◆ 清楚价值观，指引和激励各级员工自我驱动
实体企业的业绩抓手：◆ 面对瞬息万变时代，战略合适度变得非常重要
◆ 成本与敏捷的组织能力是企业活下来的关键
◆ 高层管理者是制定战略和推动执行起了重要作用
互联网企业的业绩抓手：◆ 互联网三大关键组织能力仍然是成败关键
◆ 战略合适度其次
◆ 高度领导力重要性相对低一点，依靠团队自我敏捷调整
◆ 成本还是基本功
企业不同发展周期，如何提升组织能力和业绩？一个企业的组织能力，我们还要看企业的发展周期，这也是很重要的一个维度。在企业的不同生命周期，组织能力的要求不太一样。
杨国安教授带大家通过数据来看，在不同阶段里面，组织能力打造需要的重要管理抓手。分成三个阶段来看：创业期、成长期、成熟期。
在创业期，高管明确方向，团队高度投入，人才在“做中学”快速成长。第二阶段来到成长期，高管明确方向，组织开始要考虑授权的问题了，高管言行身教打造清晰的价值观，培养人才来支撑业务发展。企业到了成熟期，高管必须持续成长，避免成为瓶颈，此时员工治理需要更多关注和升级，员工的投入和方向对齐变得很重要，以避免大企业病。
那么业绩抓手，在不同周期有何差异呢？创业期，这个阶段重心就是找到产品和市场的契合点；成长期，找到产品之后最重要的就是规模化，实现用户增长，确保获利，不断快速增长；成熟期，持续的用户增长仍然重要，同时高管领导力和创新也变得很重要，成本是基本功。
在组织能力解读大会上，杨国安教授基于数据提取管理洞察，和大家分享了不同行业、不同发展阶段，企业在组织能力提升、业绩提升层面的抓手侧重。结合理论、数据和管理经验，细腻的洞察讲解，干货满满。
“我们三方联合做中国组织能力调研的初心是希望能够引起中国企业界对于组织能力的重视，能够为各个企业提供一个精准的诊断，了解自己企业到底现在所在的组织能力是什么状态，从而能够对症下药，提出一些改善的方法”，这就是为什么我们要做这件事。
很高兴看到5年来，越来越多的企业参与其中，更值得关注的是，大家参加完调研之后有没有发生变化？调研、解读、制定计划、改善，这才是更加重要的闭环。
-
组织能力
2019年大企业应用人工智能的八种趋势
在人人都想跟AI发生点关系的时代，保持企业持久的竞争力始于对人工智能领域的清醒认识： 世界上最具影响力的大公司在AI投资、技术运用和成果落地方面有着怎样的布局？
近日，毕马威公布了一份2019年关于大企业如何应用人工智能的研究，并总结出8个关键趋势。 第一阶段，研究人员首先对招聘网站和媒体报道进行了二次研究，并访谈了3家提供AI解决方案服务的公司以了解“供应方”的情况。
在此基础上，研究人员整理了用于第二阶段与30家全球500强企业高管深入访谈的问题，深入调查了这些企业作为“需求方”在人工智能和自动化应用的现状。 这30家极具影响力的全球500强企业代表着重要的全球经济价值——他们雇佣了大约620万人，总收入达3万亿美元，组成了全球AI市场强有力的部分。
以下是报告中概述的八种趋势，希望帮助正在或想要运用AI到现有业务的企业高管更好地制定战略、把握机会。
一、 从实验室到应用技术的快速转变
在过去的三年中，人工智能已经从一项“观望中的技术”转变为一种“需要部署的技术”。 这种变化由快速数字化，机器学习的发展、数据的增长所引领。 在接下来的三年中，很多企业正在优先考虑横向和纵向应用AI的可能。
虽然仅有26％的公司在今天大规模部署了机器人过程自动化，但83％的公司表示他们计划在未来三年内实施。 同样，今天只有17％的公司大规模集成了人工智能或机器学习，但有一半表示他们计划在未来三年内实现。
二、自动化，人工智能，分析力和低代码开发平台正在融合
高管们强调了将自动化，人工智能，分析和低代码功能部署在一起能够更高效的完成技术工作。 这种组合允许更多的数据密集型反馈，可以为组织提供更深入的见解，而不是传统的分析。
三、企业的需求在大大增长
在受访的五家具备较成熟AI技术能力的公司平均拥有375位从事相关领域的员工，毕马威计算每家公司至少花费了7500万美元在AI人才的雇佣和培养上。 在所有30个组织中，大多数公司称其公司在AI人才和设备上的投入在未来三年内将增加50％至100％。
那么，他们重点会将AI布局在哪些方向呢？
能够定制个性化方案、提升销量和收入的客户和市场调研；
后台和共享服务自动化以减少人工成本；
更简化的财务和会计，提高有效性和协同性；
基于特定案例的非结构化的语音和文本数据分析。
四、新的组织能力至关重要
人工智能的成功不仅关乎技术，在很大程度上更取决于合适的人才、正确的组织能力和领导力。 受访公司中有一半表示CIO在人工智能战略中处于领先地位，40％表示高级业务领导者担任主要角色。 其中一家医疗公司，更设立了高达1亿美金的预算用于人工智能和筹划委员会，以保证SVP们能在每个月会面至少两次来促成一个投资项目的达成。
此外，COE战略在很多大公司得到了多年的应用和发展，将人力资源部门的作用上升至战略层面，根据公司战略发展，充分理解业务需求，制定完善的人才搜寻方案。国内较为知名的是腾讯的COE战略。
五、内部治理非常关键
公司内部应制定并加强一系列正式的治理政策，AI技术的应用、管理、测试等标准、服务配送模型、第三方供应商都需要标准化：
设计并部署关于AI技术在不同领域的标准化应用程序，包括监控、风险管理、性能测试及价值评估；
保证端到端的AI产品生命周期保持一定程度的公开透明；
如团队架构需更新，可以设定新的职位并指定责任。
强大的人工智能部署，责任到人和团队培训有助于推动更好的人工智能成果。
六、控制AI的需要
如前面所说，大公司对AI人才和技术的敢花大手笔，但对控制框架的投资同样重要，尤其是金融服务、医疗保险等监管较严的行业。 如果让AI 不受约束而任其发展，系统可能会生成带有偏见的结果、或发生意外，从而导致重大的收入损失和道德问题。
七、AI-as-a-Service在兴起
AIaaS的市场正在增长，为企业提供了更多部署AI的选择。 但是，这些服务不应取代企业的人工智能战略，而应与这些战略协同工作。
八、人工智能可以扭转竞争格局
大多数受访公司表示投资AI曾经帮助他们扭转战局，运用AI技术的公司在单个项目的特定平均生产率提高了15％。
然而，一些公司在早期阶段之所以看不到成功，因为他们未能将AI整合到整体的业务计划中。 公司是否具有从后台办公生产力到前台办公产品创新和客户参与的全面AI部署的能力，才是获得竞争优势的关键。
作者: 将门创投
来源：https://36kr.com/p/5246929
-
组织能力
如何让招聘成为组织能力提升的利器？
文| 老唐
来源| 吏部小宝（ID：dbxl_wxb）
与其怨天尤人“招聘工作价值无法凸显”，不如聚焦对组织能力建设的帮助。这或许，是一条柳暗花明之路。
久未联系的朋友D总让我帮忙转发他朋友圈里的招聘文案，末了附了一句，“最近底下的几个招聘专员都在提离职，没办法只得靠刷脸，出这招了。”
让我奇怪的是，D总所在的企业无论规模、待遇、行业前景、盈利状况都属于佼佼者，最近才拿的一轮融资，加上相对来说，人力资源的岗位稳定性是比较强的，一个、两个的人员离职属于正常，为什么会出现几个招聘人员都在同一时间离职呢？
此事唯有D总能给解释啦。
原来，D总所在的企业近期内部做了一次经营情况的复盘，过程持续比较长，争议撕扯也比较厉害。不过，不约而同的观点之一是，当下的组织能力本身与经营发展、战略落地的匹配度上，出现了清晰可见的裂痕。
D总作为负责人力资源的一把手，当下就坐不住了，马上找来OD和BP的下属了解具体情况，分析来分析去，招聘成了“背锅侠”——无论是用人部分的反馈，还是HR体系的评估，都认为上半年来招聘的人员太过普通。
可想而知，招聘的兄弟们彻底炸了：一方面是要应对来自内部的指责以及考核的失败，另外一方面过于挑剔的面试导致招聘人员的工作量倍增，苦不堪言的招聘专员们只好纷纷选择离职。
上面的案例纯粹归结于招聘的问题有失公允，但无法否认的是，作为HR专业模块之一，招聘在企业内的价值存在感不再有往日的风光。
一方面，同属于人力资源的专业模块，招聘人员的流动性普遍要高于其他模块；另一方面在人力资源管理主动变革的过程中，OD、三支柱、HRBP这些火热的名词已然让招聘的星光暗淡了不少。招聘逐渐沦为刷简历、打电话、约面试的事务性角色。
难道招聘真可能会被边缘化？或者说，招聘本身该如何让价值重新凸显呢？我想谈谈自己的思考。
首先来谈，招聘本身与组织能力的关系。
“杨三角”的理论中，将公司的成功归结于战略✖组织能力。基本观点是，这两个因素是相乘关系，而不是简单的相加关系，其中一项不行，企业就无法获得成功。事实上，战略可以被模仿，但是组织能力却难以在短期内得到模仿。而事实上，很多企业的兴衰往往不是因为战略的失败，而是组织能力的失败所致。
那么招聘和组织能力的关系是什么？
杨三角的观点认为，组织能力的关键在于“员工能力”（即会不会的问题）、“员工思维”（即愿不愿意的问题）、“员工治理”（即容不容许的问题）。
一般来说，招聘与组织能力的关联，就体现在“员工能力”这一角上，通过能力的厘定、能力的审核后，可以得到需要提升的能力，而针对能力的提升基本就通过5B来完成。
build：内部培养现有人才
buy：从外部招聘合适的人才
bounce：淘汰不胜任的人
bind：保留关键人才
borrow：借用外部人才的力量
若单纯从快速提升员工能力的角度看，“buy”无疑是5B中见效最快的一招，而这本身就是招聘的活儿。因此招聘工作就该是组织能力建设的一部分，那又何来边缘化一说呢？
其次，我们来看大多数的招聘是不是能够有效的提升“员工能力”？
试想一下，当大多数招聘人员在接到招聘任务拿到JD后，即开始进入了执行的过程。在大量的筛选、邀约、面试后，顶住用人部分的夺命连环催后，终于让候选人顺利入职。相互皆大欢喜，招聘人员也开始长舒一口气，又开始进入了下一个岗位的轮回中。意外的是，在人员盘点时，往往得到的结论是往往似乎是“候选人到位了，但却并没有发挥出预期的价值”，结果招聘又被沦为“背锅侠”。
回顾问题的本质是，在执行招聘的过程中，对于“业务需求的理解”与“人才素质的把握”上是不是出现了问题？
对于创业公司来说，对于人的需求是非常特殊的，特别是一些关键岗位，更需要的是“超配”，而这种“超配”人员往往是组织能力提升的重要部分。某种程度上说，招聘工作的亮点就在于“超配”人员的招聘完成情况——相信很多的招聘人员并没有完全意识到这个点。
每个公司都有自己的业务形态和关键业务，每一类岗位族群中也都有关键岗位，我的建议是招聘人员需要先梳理自己手里的岗位，看看哪些是应该“超配”的，哪些只需要“标配”，甚至还有些可能需要“低配”的。每一种配置的招聘，应该对应不同的招聘渠道。
对于应该“超配”的岗位，我直接建议多增加猎头推荐的比例。不要为了省下一些猎头费用，而让“超配”人员的到岗推迟。控制招聘成本的亮点，与组织能力得到提升的亮点相比，boss一定会更关注后者。
另外，对于“超配”人员的要价正常来说也会相对较高，往往我们的招聘人员在此处就被卡壳了——因为候选人的身价比较高，只好望而却步。当然，薪酬政策不只是招聘人员能决定的，但为了“超配”人员的引进，招聘人员力所能及的去争取确是必要的。在老板的眼里，对于“超配”的候选人来说，多出20%-50%的溢价真的就出不起么？
对于成长型公司来说，boss们往往会关注一个词“人才密度”。对于这类公司来说，在”超配“人员们的引领下，业务模式已经初步跑通，接下来要做的更多是复制，而复制的核心在于基础能力的标准化。在这个时候，往往人才密度就显得尤为重要了。
作为招聘专员，就必须很清楚自己的业务形态是属于什么阶段，在招的岗位属于什么范畴。在讲究标准化的阶段，引进“超配”人员，可能不见得对于组织能力的提升有正面帮助。
最后，让招聘提升组织能力，招聘人员本身应该要做怎样的革新呢？
自我革新，如果只是停留在口头上、概念里，可能也就不了了之了。最后的结果还会是，辛辛苦苦招到人了，但还被诟病招到的人不够令人满意，这样的怪圈中。最直接有效的办法就是，对于招聘考核的KPI动手。
现在的招聘KPI考核，无外乎集中于招聘完成率、招聘及时率、招聘成本控制、内部满意度等这些雷同的指标。若要招聘能在组织能力的建设中发挥作用，就需要增加这个部分的考核。比如“超配”岗位及人员的考核、“人才密度”的招聘部分考核等，皆可以成为不同阶段下的公司在传统招聘考核指标外的补充。
“工欲善其事，必先利其器”。对于所有的人力资源工作来说，都是围绕着组织能力建设为中心去推进，招聘也不应例外。所以，与其怨天尤人“招聘工作价值无法凸显”，不如聚焦对组织能力建设的帮助。这或许，是一条柳暗花明之路。
扫一扫 加微信
hrtechchina
