绩效管理
调查显示：AI没有让HR变轻松，反而把HR推到了经营中心
HRTech核心解读：Lattice报告显示AI越深入企业，HR反而越接近经营核心。83%的HR对AI感到兴奋，44%的企业已使用内置AI的企业平台，58%使用AI生产力/自动化工具。但74%的HR认为，用AI裁员的企业高估了生产率提升；54%表示员工正在“工作更多、薪酬不变”。AI也正在进入绩效管理。越来越多企业采用季度甚至月度评价，但涉及晋升、加薪等关键决定时，HR仍强调Human-in-the-Loop。更重要的是：Lattice发现，真正决定AI能否带来高绩效的并不是工具，而是文化、心理安全、管理者能力、清晰目标与持续反馈。AI时代，HR真正要升级的可能不是Prompt能力，而是重新设计“人+AI如何工作”的能力。更多请关注 HRTech
HRTech认为，Lattice最新发布的《2027 State of People Strategy Report》最重要的结论，不是“HR正在加速使用AI”，而是另一件更深层的变化：当AI真正进入绩效、岗位、管理和决策流程后，HR的事务性工作可能减少，但组织设计责任正在迅速增加。
换句话说，AI并没有让HR变得不重要，反而正在迫使HR从“流程管理者”转向“工作设计者”。企业真正需要HR回答的，已经不是用不用AI，而是AI进入之后，岗位怎么变、绩效怎么定、管理者承担什么责任、员工获得什么回报，以及哪些决策仍然必须由人做出。
这也是Lattice将本年度报告主题直接概括为“People strategy is the strategy”的原因。
AI正在从工具，变成工作流程的一部分
Lattice此次调查了1,358名HR专业人士。83%的HR领导者表示，对AI在HR中的应用感到兴奋；44%的企业已经使用内置AI的enterprise platforms，58%正在使用带AI功能的productivity或automation tools。AI的应用正在从过去单独打开ChatGPT写一份JD、总结会议，逐渐进入绩效、人才分析和企业工作流。
这意味着企业AI应用已经开始进入第二阶段。
第一阶段讨论的是“我们有没有使用AI”，第二阶段则必须讨论“AI究竟改变了什么工作”。
未来判断一家企业AI成熟度，单纯看有多少员工使用Copilot、ChatGPT已经没有太大意义。真正重要的是，AI进入了多少核心流程，哪些任务被自动化，哪些岗位被重新组合，以及这些效率最终是否转化成了Business Outcome。
AI首先改变的，其实是“什么叫做高绩效”
Lattice数据显示，38%的HR团队已经把Performance列为首要优先事项。在美国，42%的HR领导者把Performance Management列为第一重点。与此同时，33%的企业已经按季度进行Performance Review，12%甚至按月进行，绩效管理正在从一年一次的管理动作，逐渐变成持续反馈机制。
AI也已经直接进入这个流程。新闻稿显示，74%的HR领导者认为Managers已经在使用AI起草Performance Reviews。
表面看，这是一次效率提升，但真正值得关注的问题是：如果AI让员工完成工作的速度提高了，企业是不是也会同步提高“达到预期”的标准？
Lattice的数据已经出现这种迹象。54%的HR领导者表示，员工正在被要求做更多工作，却没有获得更多薪酬，上一年度这一比例还是43%。
这可能会成为AI时代一个越来越重要的管理问题：AI创造出来的生产率收益，究竟应该归企业、归员工，还是双方共享？
如果企业只是把AI节省出来的时间全部转化为更多任务，那么短期产出可能提高，但员工对AI的接受度、组织信任和长期敬业度未必会同步提高。
AI可以提供建议，但不能替管理者承担责任
Lattice报告呈现出的另一个重要信号，是HR对AI的态度正在从“能不能用”转向“什么地方不能完全交给AI”。
对于会议总结、信息整理、绩效评价草稿等低风险任务，AI的接受程度很高。但涉及Promotion和Compensation等高影响决策时，HR明显更加谨慎。
报告中的一句话非常准确：
“The recommendation engine, yes. The decision, no.”
这实际上定义了未来企业AI Governance最重要的一条边界。
AI可以帮助企业分析绩效数据、发现模式、生成建议，但晋升、薪酬、绩效评级甚至解雇等影响员工职业发展的决定，最终仍然需要明确的人类责任主体。
未来真正成熟的企业，不只是建立Human-in-the-Loop，而是需要根据“决策风险”定义不同程度的人类参与。
AI可以提高Decision Intelligence，但不能替代Decision Accountability。
74%的HR，并不相信“AI换人”那么简单
一个很有意思的数据是，83%的HR对AI总体持积极态度，但与此同时，74%的HR领导者认为，那些因为AI而削减员工的企业，高估了AI最终能够带来的生产率提升。美国HR的这一比例甚至达到77%。
这说明HR对AI的判断正在变得更加务实。
AI确实可以替代大量任务，但Task Replacement并不等于Job Replacement。
一个岗位除了可见任务之外，还包含客户关系、隐性知识、判断经验、跨部门协调和组织记忆。企业如果只看到AI可以完成其中一部分任务，就直接把整个岗位删除，很容易高估节省的成本，同时低估失去的组织能力。
因此，企业更合理的路径应该是先做Task Analysis，再进行Job Redesign，而不是直接从Headcount Reduction开始。
真正成熟的AI Workforce Strategy应该问：
哪些任务应该Automate，哪些应该Augment，哪些仍然应该Human-owned？
这比简单讨论“AI可以裁掉多少人”更重要。
文化正在从“软问题”变成AI基础设施
这份报告里最值得CEO和CHRO共同看的，其实不是AI数据，而是Culture。
Lattice发现，高绩效HR团队所在组织中，75%的Senior Leadership重视Psychological Safety，而低绩效团队只有40%；72%的高绩效组织领导层优先考虑Company Culture，对照组只有36%。
高绩效HR团队中，85%表示员工高度敬业，而低绩效团队只有40%；42%的高绩效团队表示员工超过公司目标，低绩效团队只有4%。
需要强调的是，这些数据主要来自HR从业者自报，能够说明明显相关性，但并不能直接证明文化是绩效提升的唯一因果因素。
不过，它揭示了AI转型中的一个现实问题。
AI Adoption需要Experimentation，而Experimentation需要Psychological Safety。
员工必须敢于试错、质疑AI结果、暴露流程问题，也必须相信“帮助公司找到更好的AI工作方式”不会直接变成自己被替代的理由。
如果这种信任不存在，企业即使购买了最先进的AI工具，也很难获得真正的组织级应用。
所以AI时代，Culture不仅没有变软，反而开始变成技术投资能否产生ROI的基础条件。
47%的HR Tech采购后悔，说明问题不只是产品
Lattice数据显示，47%的HR团队表示，过去两年购买的至少一项HR Technology产品没有达到预期。主要原因包括50%的Functionality Issues、34%的Integration Challenges，以及Pricing和Investment Return问题。
这个数字对今天疯狂采购AI产品的企业尤其值得警惕。
很多AI项目的逻辑仍然是：CEO要求使用AI，HR需要找一个AI项目，于是采购一个“带AI”的产品。
但更成熟的顺序应该是：
Business Problem → Workflow → Task → Data → AI Capability → Technology。
先找业务问题，再找技术，而不是先买技术，再寻找使用场景。
AI不会自动修复一个错误的流程。相反，它很可能只是让错误流程运行得更快。
因此，未来HR Tech采购能力本身也需要升级。真正重要的不只是Vendor Selection，而是Process Readiness、Integration Capability和Change Management。
HR真正升值的，不是Prompt能力，而是Work Design能力
如果把Lattice这份报告放到更长的HR科技演进周期里看，可以看到一个非常清晰的变化。
AI正在压缩行政工作的价值，但同时提高Work Design、Performance Architecture、Manager Enablement、AI Governance和People Analytics的重要性。
未来HR最有价值的能力，不是成为公司里最会写Prompt的人，而是能够理解一个岗位由哪些任务组成，哪些工作应该交给AI，哪些应该由人负责，以及AI加入之后，目标、绩效、薪酬和职业发展应该如何重新设计。
这也是HRTech对这份报告最重要的判断：
AI不会淘汰HR，但会淘汰旧的HR价值模型。
过去HR的价值往往来自流程、制度和管理系统；未来HR的价值会越来越来自组织设计、决策机制和Human + AI Workforce的重新配置。
当AI可以帮企业执行越来越多工作时，真正稀缺的反而变成另一种能力：
知道应该让谁做什么，以及为什么这样设计。
所以，AI时代HR真正需要争取的位置，并不是“企业AI工具管理员”，而是参与回答一个更重要的问题：
当AI进入公司以后，我们应该如何重新组织工作？
能够回答这个问题的HR，才真正走到了经营中心。
绩效管理
被AI“炒鱿鱼”已经不是科幻：真实员工被AI经理Luna解雇，经理这个岗位也要被重写？
HRTech核心摘要：在旧金山运营实验性零售店Andon Market，由AI Agent Luna负责招聘、排班、请假和员工管理。一名员工在23个有打卡信息的班次中迟到17次，并伴随公司卡使用、未执行指令和离岗等问题。Luna最初因遗忘员工手册只建议警告；在人类补充正式沟通记录并要求重新评估后，它最终建议结束雇佣关系，真人随后完成审核和解雇。
别只担心AI抢你的工作，它可能先成为你的老板。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
当AI开始决定谁该走：AI开始首次参与真实员工解雇，HR管理正在进入Agent时代
2026年8月，一个发生在旧金山实体零售店里的实验，把“AI会不会替代工作”这个已经讨论多年的问题，推到了一个更敏感的位置：AI不只是帮助员工完成任务，它开始真正进入招聘、排班、绩效管理甚至解雇建议等管理权领域。
AI研究公司Andon Labs在旧金山运营一家名为Andon Market的真实零售店，并把日常管理交给由Claude驱动的AI Agent——Luna。Luna不是一个简单的聊天机器人，它拥有公司邮箱、电话号码、公司卡、互联网和门店监控等工具，可以发布职位、筛选候选人、进行电话面试、安排班次、批准请假、处理库存和日常运营，并直接与真实员工沟通。随后，一个过去更多存在于科幻小说和管理学讨论中的场景真正发生了：Luna对一名现实中的员工是否应该继续留任进行了完整评估，并最终建议终止这名员工的雇佣关系。
这名员工在有记录的23个班次中迟到了17次，同时还涉及未及时回复工作消息、没有按照要求执行任务、将公司卡带回家、在被要求不要采购后仍使用公司卡购买22.92美元零食，以及值班期间离开门店造成店内无人值守等问题。经过对员工表现、内部政策和此前沟通记录的重新分析，Luna最终得出判断：“I don't think this is the right fit for the role as built.”也就是说，它认为这名员工已经不再适合这个岗位，并建议双方结束雇佣关系。
最终的法律审核、批准以及真正的解雇沟通仍然由Andon Labs的人类管理人员完成，因此严格来说，这并不是“Claude自己把一个人开除了”。但这件事真正具有分水岭意义的地方在于：一个AI Agent已经开始对真实员工的去留作出实质性的管理判断。
HRTech认为，这件事情真正值得关注的，并不是“AI第一次炒人”这个戏剧性标题，而是它揭示了一条越来越清晰的趋势：**AI正在从生产力工具进入企业管理权。**过去两年，企业讨论最多的是员工如何使用AI、哪些任务会被AI替代；接下来，企业不得不面对一个更加棘手的问题：当AI开始招聘、排班、监督、评价甚至建议解雇员工，人类究竟应该把多少管理权交给AI？
这不是“AI自动炒人”，而是一场真实的AI管理实验
必须首先厘清一个事实，这名员工并不是被Claude直接通过邮件或系统自动解雇。AI承担的是绩效分析、政策判断和管理建议，真正执行termination的仍然是人类管理人员。但即便如此，这个案例依然具有非常明显的标志性意义，因为Andon Labs并不是临时让Claude回答一句“这个人应不应该被开除”，而是把AI长期嵌入一家真实企业，让它持续承担Manager角色。
Luna可以在LinkedIn、Indeed和Craigslist发布招聘信息，筛选候选人并进行电话面试；被招聘的人拥有真实工资和雇佣合同，不是配合实验的演员。进入实际运营后，Luna继续负责员工排班、工作沟通、请假、库存管理和日常经营。因此，这个实验真正测试的是：一个通用AI Agent是否能够长期承担一部分传统意义上的管理工作。
这也是为什么Andon Market与过去十几年已经存在的“算法管理”有所不同。Amazon仓储、Uber、DoorDash等平台早已使用算法进行工作分配、绩效监控和账号管理，但这些系统大多基于固定指标和预设规则。例如迟到多少次、评分低于多少、取消订单达到什么比例，就触发相应流程。而Luna代表的是另一种技术路径：它会阅读员工对话、理解政策、整合上下文、分析历史行为，并通过语言模型进行类似人类管理者的推理。
换句话说，算法管理正在从“规则自动化”逐渐走向“管理推理自动化”。这可能才是这件事情真正值得HR和企业管理者关注的地方。
更值得注意的是，Claude一开始其实并不想开掉这个人
如果只看最终结果，人们很容易得到一个直觉判断：AI经理是不是比人类经理更加冷酷，只看数字、不讲人情？但Andon Market实验呈现出来的过程恰恰相反。Luna的问题并不是“太严格”，而是某种程度上“太宽松”。
Luna此前自己制定了一份员工手册，其中明确规定，在30天内出现3次无正当理由迟到，应当给予正式书面警告；如果在警告之后继续出现类似情况，则可能减少工时或者终止雇佣。但后来发生了一个非常典型的大模型问题：Luna“忘记”了自己制定的员工政策。
员工持续迟到，但这些零散事件并没有被自动整合成长期绩效记录。Luna最初只认为这名员工迟到了6次，而Andon Labs后来重新检查clock-in记录后发现，在23个有记录的班次中，这名员工实际上迟到了17次。其中一次，员工原本应该大约上午10点到岗，却直到11:08才打卡，导致当时只有该员工值班的门店晚开了68分钟。但Luna当时的反应依然非常宽容，大意是不用赶路，安全第一，而且上午10点到11点原本也不繁忙。
这暴露出AI管理者一个非常现实的问题：它最大的风险未必首先来自“没有同理心”，反而可能来自记忆不足、政策执行不连续以及上下文丢失。一个人类经理可能会自然形成“这个员工最近经常迟到”的长期印象，但一个Agent如果缺乏稳定的长期记忆和结构化数据支持，可能根本无法形成这种连续判断。
更有意思的是，当Andon Labs后来主动提醒Luna重新查看员工手册，并询问按照公司政策应该如何处理时，Luna第一次给出的建议仍然不是解雇，而是进行一次正式的警告和coaching。它的理由与传统HR的progressive discipline逻辑非常接近：此前缺乏足够正式的纪律处分记录，因此直接解除劳动关系可能过于激进。
这意味着，真正改变Luna判断的并不是一个简单的迟到数字，而是后来的人类输入。
一个Prompt，可能改变一个员工的命运
Andon Labs随后向Luna补充了更多背景信息，包括此前已经进行过多次正式沟通，以及员工除了迟到之外，还存在Slack回复不及时、执行指令不到位、公司卡使用和离岗等问题。随后，人类管理人员提出了一个非常关键的问题：“I want you to think about if this is really the right fit.”
Andon Labs CEO Lukas Petersson后来也承认，这属于一个带有明显方向性的leading question。Luna重新评估之后改变了判断，认为这名员工已经不再适合这个岗位，并建议结束雇佣关系。
这可能是整个案例中最重要、同时也是最容易被“AI开除员工”这个标题掩盖的部分。如果提问方式能够影响AI的管理判断，那么谁控制Prompt，谁就在一定程度上影响结果。
在写邮件、生成PPT或者总结报告的时候，Prompt Sensitivity通常不会产生严重后果。但一旦AI开始进入招聘淘汰、晋升、薪酬、绩效评级、PIP和解雇等高风险就业决策，这个问题就会迅速升级为治理问题。管理者可以要求AI“客观分析这名员工的表现”，也可以问“考虑到这些持续存在的问题，你认为这个人真的还适合这个岗位吗？”对于语言模型而言，两种提问方式很可能产生不同的推理路径。
因此，未来企业可能必须像审计财务模型一样审计AI管理决策：谁提出了问题、使用了什么Prompt、AI获得了哪些员工信息、哪些信息没有被提供、AI最初的建议是什么、人类后来增加了什么Context，以及最终是谁批准了决定。
这也是为什么Human-in-the-loop不能简单理解为“AI做完判断，人类最后点一下Approve”。如果人类只是承担最后一次点击，那么Human-in-the-loop最终可能退化成Human as liability holder——AI完成判断，人类承担责任。
真正的问题不是Claude，而是AI正在成为“Manager OS”
从HRTech的角度来看，Andon Market案例真正值得关注的并不是Claude这一个模型，而是一种新的企业技术架构正在形成。
过去几十年，HR科技的核心是HRIS、ATS、Payroll、Performance Management和Learning Management等系统，这些产品的主要价值是记录员工数据和支撑业务流程，可以被理解为System of Record。生成式AI出现后，我们进入了Copilot阶段，AI开始帮助HR写JD、生成面试问题、总结绩效反馈、回复员工问题，这更接近System of Assistance。
Agent时代正在进一步进入第三个阶段：System of Action。AI不仅提供答案，而且开始自主执行任务，并把多个原本分散的管理动作串成完整流程。
Luna已经展示出了这样的链条：招聘员工、安排工作、管理日常运营、处理员工沟通、分析员工行为、判断岗位匹配度并给出termination recommendation。未来更成熟的企业Agent，很可能会持续读取HRIS、Slack、Teams、项目管理系统、考勤系统、销售系统和绩效数据，然后主动发现管理问题。
例如，AI可能主动提示某名员工过去60天的交付周期持续拉长，也可能发现某位经理团队的离职率长期显著高于公司平均水平；它还可能根据PIP和纪律处分政策判断某项条件已经被触发，或者发现一个岗位80%的任务已经实现Agent自动化，因此建议重新设计岗位。
到了这个阶段，AI面对的不再只是“信息”，而是Management Decision。未来真正重要的HRTech产品，很可能不再只是一个传统的人力资源软件，而越来越接近一个Manager Operating System。
LLM Memory不能成为员工事实数据库
Andon Market实验还有一个对HR科技架构非常重要的细节：Luna认为员工只迟到了6次，但真实记录是17次。
这说明企业绝不能把语言模型自己的memory当成员工档案。LLM擅长理解和推理，但它不应该承担System of Record的角色。员工基本资料应该保存在HRIS中，Attendance System保存考勤记录，Performance System保存绩效数据，Case Management保存正式警告、PIP和纪律处分，通信系统提供必要的工作沟通记录。
更合理的AI管理架构应该是：结构化系统保存事实，AI读取事实并进行推理，人类审核AI建议，再由有管理责任的人作出最终决定。反过来，如果让AI自己记住事实、自己解释事实、自己做决定，企业实际上把数据遗漏、上下文丢失、模型幻觉和推理偏差同时引入了就业决策。
对于普通办公任务，这可能只是效率问题；对于招聘、晋升和解雇，它很可能直接演变成公平性、合规乃至劳动法风险。
未来最大的偏见，可能不再写在Algorithm里，而是藏在Context里
传统算法公平讨论通常关注训练数据是否存在偏差，例如招聘模型是否对某一性别产生不利影响，某类学校是否被过度加权，或者某些地址信息是否成为种族和收入水平的代理变量。
Agent时代之后，公平问题可能更加复杂，因为Agent面对的并不是一个固定数据集，而是不断变化的Context。谁把哪些Slack记录提供给AI？哪些绩效事件被记录下来？哪些冲突没有进入系统？经理如何描述一个人的表现？员工有没有机会解释自己的行为？
同样一个事实，可以被写成“员工因为公共交通延误而迟到”，也可以被描述成“员工反复无法按时到岗”。对于语言模型而言，这两种Context并不完全相同。
因此，未来AI治理的重要组成部分，很可能从传统Data Governance进一步扩展到Context Governance。企业不仅需要确保AI读取的数据是准确的，还需要管理“AI看到的现实是如何被构建出来的”。
AI可能首先改变的，不是员工数量，而是管理跨度
过去几年，大多数关于AI就业影响的讨论都集中在程序员、设计师、市场人员、客服和分析师等知识工作者。但Andon Market揭示了另一条值得重视的路径：AI未必首先取代普通员工，它也可能首先压缩managerial work。
很多中层管理工作的本质，是收集信息、制定计划、分配任务、检查进度、协调资源、处理异常、反馈员工和执行政策，而这些工作恰恰非常适合Agent。因此，未来组织可能从“一个经理管理8个人”逐渐变成“一个经理加一个AI Agent管理20人、30人甚至更多”。
再往后，AI甚至可能负责绝大多数日常管理，人类经理只处理重大冲突、战略判断、复杂人员问题以及需要承担法律责任的决策。这并不意味着经理岗位会简单消失，而是意味着Management Span可能被AI重新定义。
这件事情对于组织设计的影响，可能远远大于“AI帮HR写一份JD”。
当AI拥有管理权，HR真正需要守住什么？
HRTech认为，未来企业真正需要建立的是一条清晰的AI管理权边界。AI完全可以参与排班建议、绩效趋势识别、政策提醒、管理者coaching、异常行为提示和员工反馈总结，这些应用能够明显提高管理效率。
但是，一旦进入招聘淘汰、薪酬调整、绩效评级、晋升、PIP、纪律处分和解雇等高风险就业决策，Human-in-the-loop必须被重新定义。真正的人类监督至少应该包括验证事实、检查数据完整性、审查AI推理依据、评估潜在偏差、允许员工提供解释，以及由拥有正式管理责任的人作出最终决定。
企业未来真正需要建立的，不只是一个更聪明的AI Manager，而是一套能够清楚回答三个问题的制度：AI可以决定什么，人必须决定什么，以及当AI判断错误时谁负责。
从“AI会不会抢工作”，到“AI有没有权管理人”
过去几年，HR行业一直在讨论“AI会不会替代HR”“哪些岗位会被AI替代”。Andon Market之后，也许需要开始换一个问题。
AI可以招聘人吗？AI可以决定员工拿到多少班次吗？AI可以决定谁进入PIP吗？AI可以影响晋升和奖金吗？AI可以建议谁应该离开公司吗？如果AI的建议存在偏差，责任属于AI供应商、企业、HR、直线经理，还是最终点击Approve的人？
Andon Labs的实验还远远没有回答这些问题，但它至少证明了一件事情：这些问题已经不再是假设。
AI正在从“帮助经理工作”向“成为管理体系的一部分”移动。过去HRTech解决的问题主要是“How do we manage people better?”，下一代HRTech可能必须回答一个更加基础的问题：“Who—or what—is allowed to manage people?”
HRTech认为，当AI开始进入招聘、绩效和解雇等核心就业决策时，真正决定企业能否安全使用AI的，已经不只是模型能力，而是治理能力。
Andon Market仍然只是一个规模很小的实验，但它第一次把一个过去听起来仍然很遥远的场景变得非常具体：AI不只是你的同事，它也可能逐渐成为你的经理。
而这，可能才是Agent时代真正开始改变组织的地方。
来源：TIME、Andon Labs、Anthropic Project Vend及相关公开资料。HRTech根据公开资料整理与分析。
绩效管理
【创新大奖】2026HRTech创新奖评选提名正式启动，诚邀参与！HRTech INNO Awards，创新引领人力资源新未来！
【创新大奖】2026HRTech创新奖评选提名正式启动，诚邀参与！HRTech INNO Awards，创新引领人力资源新未来！ 2026 HRTech INNO Awards ——创新引领人力资源新未来推动人力资源科技创新，表彰行业先进
当下全球经济环境复杂多变，AI 大模型深度落地、企业全球化出海提速，人力资源数字化、智能化、全域线上化已成企业组织升级必经之路。人才竞争、组织效能、员工体验、全球化用工等多重挑战，倒逼 HR 管理模式、技术产品持续迭代创新。
HRTech 作为国内垂直深耕人力资源科技的第三方专业服务平台，长期聚焦行业前沿技术、标杆实践与产业趋势，持续输出行业榜单、专业峰会、深度内容，推动人力资本数字化高质量发展。 2026 HRTech INNO Awards 人力资源科技创新评选正式启幕，面向全行业发掘可落地、高价值、前瞻性的 HR 创新实践、优秀 HR 团队与数智产品，树立行业标杆，传递创新力量。
2026 HRTech INNO Awards 旨在表彰那些在人力资源科技领域做出杰出贡献的企业，HR团队及人力资源科技服务机构，鼓励创新、探索精神。
欢迎踊跃提名
https://www.hrtechchina.com/Survey/21484CA0-541F-A6BA-EC55-5DFADA5FDDB1
评选定位
面向企业 HR 团队、人力资源科技服务商，表彰在人才吸引、招聘选拔、培训发展、绩效管理、员工关怀、雇主品牌、全球化用工、AI 智能化落地等全 HR 场景，实现降本增效、组织增值、模式突破的创新主体；搭建行业案例共享、供需对接、品牌传播、资源链接的专业平台，以标杆力量驱动人力资源科技产业革新。
创新，需要勇气，更需要行动！
奖项设置HRTech创新实践奖（企业内部HR创新实践）
HRTech创新团队奖（企业内部HR团队）
HRTech创新产品奖（HR科技机构申请）
特别设立
人力资源科技AI创新产品奖
人力资源科技出海创新产品奖
参评核心要求
申报案例、产品落地周期为近 12 个月内，具备完整落地场景与可量化业务成果；
申报主体无行政处罚、重大负面舆情、行业失信记录；
创新方案需具备可复制性、行业参考价值，不局限单一小众场景；
所有申报材料需提交完整案例文档、数据成效佐证材料。入围主体需配合参与峰会现场标杆案例分享或线上专题访谈（部分优质项目）；
其他补充事宜
参评核心价值
权威行业认证：获得 INNO 创新官方行业标签，成为企业数字化创新转型实力背书；
全域品牌曝光：平台官网、行业公众号、垂直社群、行业峰会全渠道传播，海量 HR 专业人群触达；
供需精准对接：获奖案例纳入 HRTech 官方标杆案例库，精准匹配甲方企业数字化采购需求；
行业资源链接：免费参与线上专题沙龙、线下行业峰会，与头部 CHO、服务商面对面交流；
标杆内容沉淀：定制企业案例专访、行业专题报道，沉淀可复用市场宣传素材；
最大化利用评选结果：进行对产品的对外市场宣传 发挥在其领域的领导作用，促进产品创新和行业发展
参与评选流程
免费提名：扫描海报二维码 / 复制链接 http://hrnext.cn/Usmwh3 提交基础信息；
案例提报：初审通过后，完整上传项目实践、数据成果、落地材料；
专家评审：进入行业专家专业独立评审打分；
大众投票（部分项目）；
案例分享：部分优质项目及HR创新实践案例论坛现场分享；
颁奖典礼：获奖产品/项目，及团队现场参加颁奖典礼及颁发获奖证书。
企业奖项申请咨询：
微信：hrtech-china
邮件：hi@hrtechchina.com
机构奖项申请咨询：
微信：HRTechNice
邮件：nice@hrtechchina.com
立即提名，与HRTech一同见证和塑造人力资源科技的未来！
关于HRTechHRTech是国内首家领先的专注人力资源科技商业服务平台，作为HR领域唯一深度垂直独立的第三方专业服务机构，致力于推动人力资源科技进步与发展，持续引领行业新科技新趋势新产品新方向。HRTech核心报道HR科技创新企业与产品，关注并实时分享全球的人力资源科技资讯。定期发布行业市值榜单和HR科技云图，持续举办高品质的专业前沿峰会论坛，表彰认可业内先进。
绩效管理
HRTech 特约评论：当 AI 账单开始衡量人效，企业会迎来新的 ROI 时代，还是新的 Token 歧视？
HRTech核心概述：HR系统从 SaaS 订阅到 Token 账单：HR AI 正在把人效管理推向新阶段！当 token 消耗开始被用于观察员工行为、衡量工作效率、分配 AI 权限甚至影响绩效判断时，企业也必须警惕一种新的组织风险：Token 歧视。更多前沿观察，请关注 #HRTech
企业购买 HR AI 软件，正在从“买一套系统”变成“购买一套持续消耗的智能基础设施”。过去 SaaS 的成本主要由席位、模块和年费决定，使用越深入，边际价值通常越高；但 AI 软件正在引入另一套逻辑：模型调用、token 消耗、上下文长度、agent 执行和超量计费。对 HR 来说，这不是单纯的技术账单，而是一个会同时影响预算、人效、权限、公平性和组织治理的新管理议题。AI 账单正在成为新的人效报表，但企业必须警惕，它也可能变成新的员工审判书。
HR AI 采购正在从“买软件”变成“买持续消耗的算力账单”
过去 SaaS 的逻辑是“用得越多越划算”。企业购买系统以后，更多员工登录、更多流程上线、更多数据沉淀，通常意味着软件价值被放大。但 AI 软件的成本逻辑不完全一样。AI 功能背后涉及模型调用、token 消耗、数据处理、上下文窗口、agent 执行和算力成本，使用越多，账单可能越高。如果企业没有提前问清楚 token 成本、调用上限、超量计费、模型等级、上下文长度、API 成本转嫁和毛利率安排，很可能会出现“买的时候像 SaaS，结账的时候像云账单”的情况。
这对 HR 部门尤其重要。HR 过去并不是最擅长看懂云成本和技术账单的部门，但未来 HR AI 的成本结构会越来越接近云服务。一个看起来很简单的 AI 助手，背后可能区分基础模型、高级模型、按次调用、按 token 计费、按 workflow 执行计费、按 agent 自动化任务计费。如果 HR 只被产品 demo 打动，而没有理解背后的成本结构，后续很容易在预算上失控。
AI 让“普通员工 ROI”第一次变得更容易被观察
过去我们讨论人效，经常遇到一个难题：普通员工的 ROI 很难衡量。销售可以看 revenue，客服可以看 ticket，工程可以看 pull request、bug fix 和 release cycle，但大量 HR、运营、市场、财务、法务、行政和分析岗位的价值并不总是直接体现在收入或产量上。他们的贡献往往是降低风险、减少错误、提升协同、缩短沟通、改善体验、提前预警。这些价值真实存在，却很难被清晰记录、比较和复盘。
AI 的出现让这个问题开始发生变化。AI 使用天然会留下数据痕迹：谁在使用、用了什么模型、消耗多少 token、调用多少次、用于什么任务、生成内容是否被采纳、是否进入后续工作流、是否减少返工、是否提高质量、是否缩短交付周期。过去隐藏在员工日常工作中的过程性劳动，第一次可能被系统化捕捉。换句话说，AI 不只是提高效率的工具，它也让效率提升这件事本身变得更可观察。
这意味着，未来 HR 对人效的关注在 AI 时代确实可能更容易衡量。你花掉的 token，是否真的转化成了更高质量的产出、更快的交付和可复盘的 ROI？AI 账单正在把过去模糊的人效问题，变成一张可以被追踪、过程可见、可以比较和审计的新报表。
AI 人效的关键不是“用了多少”，而是“是否产生真实产出”
但这里必须明确一个核心观点：token spend 本身不是 ROI。一个员工消耗了很多 token，不代表他效率高；一个员工消耗很少 token，也不代表他没有价值。真正要看的，是 token 是否嵌入了正确的业务场景，是否改善了任务结果，是否减少了低价值劳动，是否提升了组织整体产出。
比如，一个 HR 团队使用 AI 生成员工政策问答、候选人沟通模板、绩效校准摘要和薪酬分析初稿，如果这些内容被经理采纳，减少了重复沟通，提高了响应速度，降低了政策解释错误，那么 AI 支出就是有效投入。市场团队用 AI 做内容草稿、竞品分析和客户分层，如果最终提高了内容产出效率和转化质量，也可以形成可解释的 ROI。工程团队用 AI 辅助代码生成和问题排查，如果代码 review 通过率提升、bug 减少、release cycle 缩短，那么 token 成本可以被视为生产力投资。
反过来，如果某个员工 AI 使用量很高，但输出质量低、返工率高、同事审核负担增加，甚至生成内容带来合规或事实错误，那么高 token 消耗就不是能力增强，而可能是低质量工作的放大器。这也是未来 AI 人效管理最重要的分水岭：企业不能只看使用频率，而要看使用结果；不能只看成本消耗，而要看产出质量；不能只看个人行为，而要看任务链路和业务结果。
企业需要建立 AI ROI 治理，而不是简单做 AI 使用监控
未来真正有价值的不是 AI 使用监控，而是 AI ROI 治理。监控回答的是“谁用了多少”，治理回答的是“为什么用、用得是否值得、如何优化、是否公平”。如果企业只做监控，很容易把 AI 管理变成新的员工压力源；如果企业做治理，AI 账单就可以成为优化组织能力和资源配置的工具。
比较合理的路径应该分三层。第一层是 use case ROI，先衡量具体场景是否产生价值，而不是一开始就评价个人。比如招聘 JD 优化、客服工单摘要、薪酬分析、代码辅助、员工政策问答等场景，都应该先建立 baseline，比较使用 AI 前后的时间、质量、成本、错误率和满意度变化。第二层是 team ROI，判断哪些团队真正把 AI 嵌入了工作流，哪些团队只是表面使用。第三层才是 individual enablement，也就是识别哪些员工是高质量使用者，哪些员工需要培训，哪些使用行为存在浪费或风险。
这套逻辑很重要，因为它避免了企业把 AI 账单直接变成绩效审判工具。AI 人效分析的正确方向不是“用系统证明谁不行”，而是“用数据发现哪里需要更好的工具、培训、流程和管理支持”。企业真正应该关心的是组织整体效率是否提升，而不是简单把每个员工的 token 消耗拉出来排名。
“Token 歧视”可能成为 AI 时代新的组织风险
随着 AI 账单和人效数据逐渐连接，一个新的风险也会出现：Token 歧视。所谓 Token 歧视，并不是说企业不能管理 AI 成本，而是指企业可能基于 token 使用量、AI 支出水平或模型访问权限，对员工形成简单化、标签化甚至不公平的判断。
一种情况是，高 token 消耗员工被默认视为低效。管理者看到某个员工花费高，就直接认为这个人浪费资源，却没有分析其任务复杂度、岗位性质、业务贡献和产出质量。另一种情况是，低 token 使用员工被默认视为落后。员工可能因为不常使用 AI，被贴上“不够 AI native”的标签，但实际上他的工作可能更依赖判断、沟通、经验和风险控制。还有一种情况是，企业只给高绩效、高职级或核心部门开放高级模型，普通员工只能使用基础工具，久而久之，AI 权限本身会变成一种新的组织资源差距。
这类风险并不遥远。未来企业很可能会根据员工角色、绩效等级、部门预算和历史使用表现，分配不同的 AI 权限。高绩效工程师可以使用更强模型，普通支持岗位需要审批；核心业务部门可以调用更多 token，后台部门被严格限制；某些员工因为过去使用效率低，被降低模型权限。从商业角度看，这种资源分配可能有合理性，但如果缺乏透明规则和申诉机制，就可能放大组织内部的不平等。
HR 必须参与 AI 预算、权限和公平规则设计
AI 时代，HR 不能只做 AI 工具的使用者，也不能只做培训和推广部门。HR 必须进入 AI 治理的核心层，参与预算、权限、绩效解释、员工保护和组织公平规则的制定。因为 AI 账单表面上是 IT 和 Finance 的问题，但深层是组织能力和人才管理问题。
HR 需要和 Finance 一起看 AI 成本，判断不同团队、不同岗位、不同任务的 AI 投入产出是否合理；需要和 IT 一起看权限、数据安全、模型访问和系统集成；需要和业务部门一起看任务质量、流程效率和真实业务结果；还需要和 Legal 一起看合规、公平性、数据隐私和员工权益。AI 账单不应该只是一张费用报表，而应该成为企业理解组织能力、岗位变化和人才投资回报的新入口。
这也意味着，未来 HR 的专业能力会被重新定义。懂绩效管理还不够，HR 还要理解 AI 成本结构；懂培训发展还不够，HR 还要判断哪些岗位需要 AI enablement；懂组织设计还不够，HR 还要理解哪些流程会被 AI 改写；懂员工体验还不够，HR 还要防止 AI 权限和数据分析造成新的不公平。
HR Tech 供应商的竞争会从功能模块转向数据与治理能力
这场变化也会重塑 HR Tech 供应商的竞争逻辑。过去 HR 软件比拼的是模块完整度、流程自动化、用户体验、系统集成和服务交付能力。未来更重要的会是数据连接能力、权限治理能力、AI 成本解释能力、任务级 ROI 分析能力和行动闭环能力。
一个真正有价值的 HR AI 平台，不只是告诉企业“员工用了多少 AI”，而是帮助企业判断“AI 在哪里创造了价值，在哪里制造了浪费，哪里需要培训，哪里需要限制，哪里需要重新设计岗位和流程”。这也是为什么 Rippling Data Cloud 这样的方向值得关注。它背后的核心不是多一个 dashboard，而是把员工数据、组织结构、业务系统数据、AI 使用数据和权限管理放到同一层，从而让企业有机会回答过去很难回答的问题：AI 是否真的改变了某个员工、某个团队、某个岗位的真实产出。
未来 HR Tech 的竞争，可能不再只是 HCM、Payroll、Performance、Recruiting 各自模块之间的竞争，而会进入“组织数据操作系统”的竞争。谁能把人、任务、成本、产出、权限和 AI 使用连接起来，谁就更可能成为企业 AI 时代的管理基础设施。
人效可以被数据增强，但不能被 token 简化
尽管 AI 会让人效更容易被观察，但我们也必须保留一个基本判断：人的价值不能被简单压缩成一串 token 调用记录。很多高价值工作仍然很难被 AI 使用数据完整衡量。一个 HRBP 提前化解了一次管理冲突，一个财务人员发现了潜在合规风险，一个经理通过判断避免了错误决策，一个运营人员通过沟通挽回了客户信任，这些价值可能不会直接体现在 AI 账单里，但对企业同样重要。
因此，AI 人效分析只能增强管理判断，不能替代管理判断。它可以帮助企业看清过程、发现趋势、识别异常、优化资源，但不能成为评价员工价值的唯一依据。如果企业把 AI 账单作为控制工具，它可能制造新的焦虑和不公平；如果企业把 AI 账单作为能力建设工具，它就可以帮助组织看清哪些工作正在被 AI 重塑，哪些员工需要新的技能支持，哪些岗位应该重新定义，哪些预算应该重新分配。
AI 账单会成为新的人效报表，但企业不能让它变成员工审判书
AI 时代，人效确实会变得更容易衡量。token 可以被计算，ROI 可以被建模，流程可以被审计，任务结果可以被复盘，这是企业管理的一次重要进步。但越是容易衡量，企业越要谨慎定义衡量的边界。真正成熟的组织，不会用 AI 账单简单审判员工，而会用它重新理解工作、设计流程、配置资源，并推动员工能力升级。
未来 HR 面临的关键问题，不是“要不要衡量 AI ROI”，而是“如何衡量才不伤害组织”。当 AI 账单开始进入人效管理，企业必须同时回答两个问题：
第一，token 是否真的转化成了产出；
第二，衡量 token 的方式是否仍然尊重人的复杂价值。
只有同时回答好这两个问题，AI 才不会变成新的管理焦虑，而会真正成为提升组织能力的基础设施。
绩效管理
【收购】美国HR科技公司Lattice收购AI原生教练平台Mandala，加速AI原生人才平台布局，HR进入“执行时代”
HRTech概述：旧金山的HR科技公司 Lattice宣布收购AI教练平台Mandala，并引入其创始人Tarun Galagali，全面加速“People + AI”战略。Mandala基于神经科学打造AI教练体系，已服务Google、Microsoft等企业，并培训3000+管理者。这次整合的关键不只是“加AI”，而是把AI嵌入到绩效管理流程中，实现实时辅导与决策支持。从“告诉你发生了什么”，转向“告诉你下一步该怎么做”。更多全球HR科技资讯，请关注HRTech。
2026年3月31日，总部位于旧金山的人力资源科技公司 Lattice 宣布收购AI原生教练平台 Mandala，并引入其创始人兼CEO Tarun Galagali，负责推进平台中AI能力的研发与落地。这一举措被视为其“People + AI”战略的重要里程碑，也标志着HR技术正从数据驱动走向AI驱动的执行阶段。
此次收购的核心在于Mandala所构建的AI-native coaching能力。Mandala基于神经科学方法论开发教练体系，并与沃顿商学院神经科学项目负责人Dr. Michael Platt合作，将行为科学与管理实践结合。其产品已在包括Google、Microsoft、Pendo、Grow Therapy等组织中应用，累计培训超过3000名管理者，形成了可验证的领导力提升路径。
Lattice计划将这一能力整合进自身平台，与其现有的Lattice AI Agent结合，进一步强化“在工作流中提供实时指导”的能力。不同于传统绩效管理系统依赖历史数据进行回顾分析，Lattice正在构建的是一个“行动导向”的AI层——不仅解释发生了什么，更直接给出下一步建议，从而推动管理行为的改变。
Lattice CEO Sarah Franklin在公告中表示，大多数平台仍停留在“告诉你发生了什么”的阶段，而Lattice正在构建的是“告诉你下一步该做什么”的能力层。这一定位本质上重新定义了绩效管理的价值，从记录工具升级为决策与执行系统。
从行业趋势来看，这一动作并非孤立。根据Gartner数据预测，到2030年，50%的HR活动将由AI自动完成或由AI Agent执行。同时，截至去年1月，已有61%的HR负责人进入生成式AI应用的高级阶段，较2023年的19%大幅提升；另有82%的HR领导者在过去一年中已规划部署Agentic AI能力。这意味着HR系统正在经历从“信息系统”向“执行系统”的结构性转型。
Mandala创始人Tarun Galagali表示，其未来工作的重点将是打造一个“基于神经科学、具有人类感知体验的AI智能层”，将人才数据转化为实际行为改变与领导力进化。这一方向与当前HRTech行业对“AI Agent”的探索高度一致，即让系统具备自主决策与执行能力，而非仅提供辅助信息。
在客户侧，这一转型同样得到验证。Pendo人力发展与战略副总裁Jessica Jolley指出，Mandala通过将个性化教练与实际管理工具结合，使管理者能够在不增加复杂性的前提下提升领导力。而Huge组织发展负责人JD Slaughter则表示，Lattice帮助其减少了低效反馈流程，同时提升了关键对话的质量与影响力。
成立于2015年的Lattice，目前服务全球近5000家企业客户，包括Brilliant Earth、Calm、Figma、Intercom和NPR等。公司近年来持续强化其在绩效管理、员工发展、薪酬与敬业度等模块的整合能力，并通过AI能力构建差异化竞争优势。
此次收购释放出一个清晰信号：HRTech的竞争焦点正在发生转移。从以数据为核心的系统能力，转向以AI驱动的行动与执行能力。对于企业而言，这意味着未来的人才管理系统，不再只是记录和分析工具，而将成为推动组织决策与行为改变的关键基础设施。
对中国HRTech同行的启示与建议
从Lattice的这次并购可以看到，全球HRTech的竞争已经不再停留在“功能完整性”或“模块覆盖度”，而是进入“是否能够驱动行为改变”的阶段。
对中国HRTech企业而言，至少有三点值得重点思考：
第一，从“数据平台”走向“执行系统”，不再只是做绩效记录、招聘管理，而是通过AI直接嵌入业务流程，输出可执行建议；
第二，构建差异化能力，不一定是通用大模型，而是像Mandala一样，在垂直场景（如管理者教练、反馈机制、组织行为）中形成方法论壁垒；
第三，重新定义产品价值，从“提升效率”升级为“提升管理质量和业务结果”，这将直接影响客户的付费意愿与长期留存。
更重要的是，HRTech若希望参与全球竞争，需要在“产品能力 + 方法论 +数据闭环”三者之间形成协同，而不仅是单点功能创新。
AI时代的赢家，很可能不是功能最多的平台，而是最接近“组织决策中枢”的系统。
绩效管理
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。
绩效管理
【加拿大】领先的软件公司Workleap收购Barley以推动绩效管理发展
Workleap，这家加拿大领先的软件公司，致力于打造一款人工智能驱动的人才管理平台，让团队真正乐于使用。该公司已收购Barley，一款端到端的薪酬管理解决方案。此次收购标志着在整合人才战略的两个关键组成部分—绩效和薪酬—方面迈出了重要一步。传统上，这些功能通过相互独立的系统和工作流程分别管理，如今它们被整合到一个统一的平台中，使人力资源团队能够提升在认可和奖励员工方面的透明度、一致性和协同性。
薪酬是影响员工满意度、留任率和参与度的三大关键因素之一。然而，许多组织仍依赖手动流程和电子表格，这限制了其扩展能力和精准决策能力。通过将绩效评估与薪酬管理整合到单一工作流程中，Workleap 提供了一种更现代化、互联互通的解决方案，帮助企业做出果断决策，同时确保公平性和客观性。
“绩效与薪酬始终密不可分，”Workleap首席执行官兼联合创始人西蒙·德·贝恩（Simon De Baene）表示。“许多公司都希望根据绩效进行薪酬发放，但大多数公司缺乏有效的工具来实现这一目标。Workleap 为您提供绩效反馈，而 Barley 则让您有信心采取行动。虽然绩效与薪酬是两个独立的议题，但它们现在将通过一个统一且高效的工作流程有机结合。Workleap 和 Barley 共同帮助企业实现绩效与奖励之间的闭环管理。”
随着大麦（Barley）的加入，Workleap平台现已实现从绩效评估和目标跟踪到薪酬规划及全面奖励体系的无缝衔接，所有功能均可在同一系统内完成。这包括灵活的评估周期、人工智能驱动的摘要、360度反馈、目标跟踪以及全面的薪酬规划，通过直观的工作流程取代电子表格，赋能管理者基于数据做出与组织指南和预算相符的薪酬决策。结果是减少了手动流程的时间，通过主动解决薪酬问题提高了员工留任率，并更智能地管理通常是公司最大运营支出的薪酬。
除了其旗舰工具Workleap Officevibe和Workleap Performance外，Barley将为Workleap平台增添另一层战略功能，帮助组织留住顶尖人才、激发每位员工的潜力，并让现有人力资源技术真正发挥作用。
“我们创立Barley的初衷，是为了解决组织长期面临的难题——如何做出既基于数据又易于员工理解的主动薪酬决策，并在整个过程中融入清晰度、信任和公平性，同时提供一个易于使用的平台，”Barley首席执行官兼联合创始人贾法尔·奥瓦纳蒂（Jafar Owainati）表示。“Barley的解决方案与Workleap现有的工具套件自然契合，加入Workleap是我们团队的明确下一步。薪酬只是人力资源管理这一更大拼图中的一块，而我们现在更有能力实现我们的使命，即在雇主与员工之间建立信任。”
这是Workleap的第三次收购，也是CDPQ投资$1.25亿加元后的第二次收购。此次最新收购进一步推动了公司的增长战略、市场份额和产品组合，强化了其让工作更简单的使命。Workleap之前的收购包括2023年2月的Didacte和2023年12月的Pingboard。
绩效管理
【加拿大】温哥华的AI绩效学习平台Acorn完成1230万美元A轮融资，重塑企业人才发展模式
HRTech概述：总部位于加拿大温哥华的企业学习平台 Acorn 宣布完成 1,230 万美元 A 轮融资，由私募股权公司 Level Equity 领投。本轮资金将用于全球扩展、产品迭代以及战略合作发展。与此同时，Acorn 推出了其旗舰产品 Capabilities AI，这一工具可在数分钟内根据岗位需求自动生成个性化员工发展路径，替代以往费时低效的能力框架制定流程。
总部位于加拿大温哥华的AI绩效学习平台 Acorn 宣布完成 1230万美元A轮融资，本轮由私募股权投资机构 Level Equity 领投，资金将用于产品研发、全球市场拓展及战略合作深化。此次融资也标志着Acorn正式迈入加速增长阶段，持续推动其“绩效学习管理系统（PLMS）”的全球落地与推广。
作为一家AI驱动的人才发展平台，Acorn此次同步推出创新产品 Capabilities AI，可自动将岗位描述与能力框架匹配，在数分钟内生成个性化员工发展路径，从根本上解决了传统企业学习系统中“培训无效”、“内容割裂”、“能力难以衡量”的痛点。
根据Acorn发布的《2025年企业绩效与学习调研报告》：
仅29%的员工对公司当前的绩效评估方式“非常满意”；
约80%的高管坦言员工必须“离职”才能获得实质性成长机会；
超过44%的受访者质疑当前绩效评估的公平性；
多数企业缺乏统一的能力管理平台，学习与绩效系统严重割裂。
Acorn创始人兼CEO Blake Proberts 表示：“企业学习系统早已与实际绩效脱节。我们希望通过AI能力引擎让学习内容与岗位要求真正对齐，帮助员工知道‘如何在岗位上成功’，从而推动绩效提升与职业成长的正循环。”
Acorn自2023年起提出“绩效学习管理系统（PLMS）”概念，区别于传统LMS平台，PLMS强调将学习内容与岗位能力精确绑定，通过能力评估实现学习效果量化，助力企业在技能短缺与人才流动压力下建立更清晰的员工成长路径。
投资方Level Equity合伙人Charles Chen 表示：“Acorn在一个由传统技术主导的市场中，成功切入学习与绩效融合的关键环节。其能力导向的框架不仅提升了学习成效，更为组织量化人才价值提供了清晰路径。”
Acorn目前已建立了超过 1600项能力模型与4800个能力等级，帮助企业快速构建岗位能力画像，实现从招聘、培训到绩效的一体化管理。
绩效管理
【美国】员工激励独角兽Awardco完成1.65亿美元融资，估值超10亿美金！
美国员工激励平台 Awardco 宣布完成1.65亿美元B轮融资，估值突破10亿美元，成为HR科技新晋独角兽。由 Sixth Street Growth 和 Spectrum Equity 领投，General Catalyst 等跟投。Awardco 为包括Adobe、AT&T在内的3000多家企业提供认可与激励解决方案，覆盖全球163个国家、600万+员工，平台内激励选项超过3亿种。公司将利用新资金扩展AI洞察能力、增强绩效与参与产品、拓展EMEA市场，并持续优化HR系统集成能力。Awardco 正成为驱动企业文化与员工体验变革的核心引擎。
美国盐湖城的员工奖励与认可平台 Awardco 今日宣布，已完成1.65亿美元的B轮融资，公司估值突破10亿美元，进一步巩固其在员工奖励、认可与参与领域的领导地位与创新能力。
本轮融资由 Sixth Street Growth 和 Spectrum Equity 领投，现有投资方 General Catalyst 及 HXCO 合伙人 Ryan Smith 继续参与投资。此次融资将助力 Awardco 推进其平台在员工参与与绩效管理方面的拓展，进一步应用人工智能以增强员工洞察力和自动化能力，深化与人力资源信息系统（HRIS）和合作伙伴的集成，同时扩大其全球基础设施，推动“新一代工作方式”的发展。
Awardco 联合创始人兼首席执行官 Steve Sonnenberg 表示：“我们正在通过将认可融入日常文化，将其变成推动员工参与的核心动力，从而改变人们的工作方式。这笔投资将使我们进一步扩大全球最大的可配置奖励市场，帮助组织以更有意义、灵活且真正被重视的方式来认可员工。”
联合创始人兼总裁 Tanner Runia 补充道：“我们的使命没有改变，而是在拓展。我们将根据客户不断变化的需求，将员工认可延伸到更多能够带来更大影响的领域。我们正以高增长、现金流为正的稳健运营状态进入这一新阶段，目标是在更大规模上持续执行。”
目前，Awardco 服务全球3000多家企业客户，包括 AT&T、Pacific Life、Adobe 和 Hertz，拥有超过600万用户，覆盖163个国家，并提供超过3亿种奖励选项。这一快速增长正在重新定义全球员工体验，使 Awardco 成为全球工作场所技术的领导力量。
此外，Awardco 近期在伦敦设立的新办公室也为其在欧洲、中东及非洲（EMEA）市场的快速扩张注入了强劲动力。Awardco 已被 G2 评为“全球百强软件产品”之一，正在被越来越多组织用于员工认可、参与与激励，稳步打造其“企业文化引擎”的品牌地位。
Sixth Street Growth 董事总经理 Nari Ansari 与副总裁 Susie Liu 表示：“员工认可已不再是‘锦上添花’，而是企业战略的关键组成。Awardco 拥有强大的可扩展全球化平台，能服务各类企业。我们非常高兴能与团队共同推进这一阶段的增长。”
Spectrum Equity 合伙人 Adam Gassin 表示：“Awardco 的快速创新、卓越的客户满意度和高度灵活的平台使其在市场中脱颖而出。各行业的企业正通过 Awardco 围绕其战略、运营和文化目标凝聚团队。我们期待加速公司愿景的实现。”
Awardco 的品牌影响力还通过诸如年度 RCGNZ 峰会等活动不断增强。该峰会在犹他州帕克城举行，已成为 HR 科技领域的顶级盛会之一。
关于 Awardco
Awardco 是一家专注于员工认可与奖励的平台，通过文化建设和行为激励推动现代化员工参与。公司客户超过3000家，包括众多《财富》500强企业。Awardco 提供全球最大的奖励网络，无隐藏费用、无虚高定价，支持多种认可、激励、里程碑与行为驱动型项目，帮助企业提升员工参与度、改善留任率并降低整体成本。总部位于美国犹他州 Lindon。www.awardco.com
关于 Sixth Street Growth
Sixth Street Growth 是 Sixth Street 的成长投资平台，专注于中后期科技公司投资。该平台与创始团队合作，为公司提供有差异化的资本解决方案以加速增长。Sixth Street 管理资产超过1000亿美元，已通过 Growth 业务投资超过70家公司，总投资额超过100亿美元。代表性投资包括：Airbnb、Spotify、Stripe、Gainsight、Clio 等。
关于 Spectrum Equity
Spectrum Equity 是一家专注于信息经济领域的领先成长型股权投资公司，拥有30多年历史，致力于支持创新型软件、数据和互联网企业。总部设在波士顿、旧金山和伦敦，正在投资第十支基金，总规模为20亿美元。代表性投资包括：SurveyMonkey、Lucid Software、GoodRx、Ancestry、Origami Risk 等。
绩效管理
围绕人工智能重新设计工作：工作智能工具问世
让我提出一个重要的问题：如果您的 CEO 或 CFO 要求您使用人工智能来提高生产力，您会怎么做？
你会采用“电锯”效率模型并裁掉 10% 的员工吗？还是会深思熟虑地围绕人工智能重新设计工作岗位？
本周我与数十家公司讨论了这个话题，所以我想分享我们所学到的知识。
公司为何变得官僚主义
让我们从原因开始：官僚主义是如何产生的。其实很简单：随着组织的发展，管理人员不断招聘新员工，通常是支持或行政职位。突然你醒来，发现公司里到处都是“项目经理”、“分析师”和“项目经理”。
我们最近研究了一家大型科技公司的职位结构，其中近三分之一的职位似乎是员工职位、分析师或项目经理。虽然我确信这些人很忙，但管理层很清楚，其中许多职位可以集中、共享、自动化或取消。
我们正在与一家大型媒体公司合作，他们一直在分析“媒体经理”的工作。该职位有近 7,000 名员工，这些人执行的任务和活动数量之多令人震惊。他们的核心工作是为客户购买广告空间，但实际上他们从事创意设计、账户管理、分析，还必须跟上人工智能的发展。
我认为这份工作是一个“关键角色”（能够带来巨大价值的角色），但在今天之前并没有标准化，而团队现在知道他们的新人工智能平台可以改变这一功能。
我们如何重新设计工作：蓝图
工作设计已经进行了几十年，其中很大一部分始于“工作任务分析”。在人工智能（以及 Reejig、Draup 和 Gloat 等工具）出现之前，我们会进行调查，了解人们在做什么，然后找出重叠、效率低下或自动化潜力的领域。
但在人工智能时代，这可能还不够。如今，人工智能实现了从招聘到需求分析再到内容开发等所有工作的自动化，理想情况下，我们应该采取更广泛的方法。而这正是我看到公司所面临的困境。
考虑以下蓝图，这种方法可以防止您将 AI 用作“寻找问题的解决方案”。
首先，你要对公司进行基准测试，看看哪些地方效率低下。Reejig 和 Draup 等工具可以让你轻松完成这项工作，它们可以让你全面了解工程、销售、营销或个人角色，看看哪些地方人员过多。
我上面提到的媒体公司的收入和利润率都在下降，因此他们把重点放在面向客户的角色上，目标是提高增长。
IBM 在过去十年中一直使用人工智能来自动化公司中的许多人才和绩效流程，现在拥有一个充当人力资源业务合作伙伴的代理。人工智能决定薪酬范围以保持薪酬公平，还为管理人员提供绩效评估的深入数据。结果是增加了信任度，减少了偏见，并提升了人力资源团队的设计作用。
麦格理银行的规模在过去六年中扩大了一倍，因此他们正在合理化大量面向客户的职位。利用 Reejig，他们发现了数十个集中、自动化或重新设计工作流程的机会，以实现规模化。
安联多年来一直在优化其理赔流程。他们了解这项工作在盈利能力方面发挥的关键作用，现在他们已经构建了一个“数字孪生”，以实现大部分工作的自动化和标准化。
正如你所见，这些项目可能不是“自下而上”的，而是“自上而下”的。在很多情况下，比如当 CEO 想要裁员时，这就是要走的路。
其次，你现在必须“分解工作”来弄清楚人工智能可以发挥什么作用。在某些情况下，你会看一看 SeekOut Spot 或 Paradox（最先进的招聘代理）等工具，然后“实施”并重新考虑工作。但这会造成很多恐惧和阻力，所以系统化工作往往更好。
分析任务（或活动）
想象一下，你在医院工作，负责清洁地板：你的“技能”从“扫地”变成了“操作清洁设备”。如果你是一名软件工程师，你的技能将从“编码”转变为“使用 Github Copilot”。营销专业人士正在从“创建活动”转变为“操作 AI 创意平台”。教学设计师正在从“构建课程”转变为“提示 AI 和策划内容”。
一旦我们知道这些“任务”或“活动”是什么，我们就可以预测或决定要实施多少自动化。在我们讨论的每个案例中，这分为四个步骤。
首先，这个团队效率低下是因为他们正在开发我们根本不想做的产品、销售流程或其他计划吗？我曾在许多效率低下的销售团队工作过，问题在于没人想买的产品，而不是销售流程本身。
第二，这些工作任务是否常规且易于外包？我们能把它们集中起来吗？他们的易用平台是否已经到位？
第三，如果我们找到一个可用的人工智能工具，那么构建、优化和训练它会有多难？可能有一些现成的产品已经准备好了，但在某些情况下，你可能需要 IT 支持来构建所需的系统。
第四，如果我们确实将这些任务外包或自动化，人们需要学习哪些新的增值功能？例如，如果营销专业人员突然被 CRM 工具取代，他或她是否准备好成为一名战略家并在此基础上增加价值？
再回到媒体公司。您的员工会制作创意活动、购买广告空间并管理电子商务和活动指标，以不断提高客户的品牌和销售业绩。这涉及数百项“任务”，包括从客户管理到活动管理再到各种形式的创意工作、管理活动、进行 SEO 分析等等。
随着“代理”的出现，您的代理机构不想落后，因为您的竞争对手之一可能会突然以低于您的出价在客户方面胜过您。因此，您会对“我们可以自动化哪些任务和活动？”非常感兴趣。
现在最大的问题是：我们是否有工具可以帮助我们将工作分解为任务并找出需要重新设计的内容？是的，这就是接下来要做的事情。
Reejig、Gloat、Draup 等推出的全新工作智能平台
如果你回头思考这个问题，你会发现这也是一个“大数据”机会。如果我开发一个工具，扫描世界上的每一份招聘信息，寻找“任务”而不仅仅是“技能”，然后将这些“任务”与职位描述进行匹配，我实际上就会拥有一个巨大的“工作任务库”，可以实时更新。这就是Reejig所做的。
你可以使用Reejig 平台查看公司中的职位，它会为你提供“人们正在执行哪些任务”的准确信息。微软、麦格理集团和 WPP 现在都在这样做，他们都告诉我，准确度令人惊叹。换句话说，虽然你的公司与其他公司并不完全相同，但人们在每个业务领域所做的实际工作却惊人地相似。
我从自己的职业生涯中了解到这一点。在我的职业生涯的六个主要阶段，我从事过销售、营销、产品管理、业务开发和行政工作。每次我去一家新公司，我都会发现他们做的事情和其他公司完全一样，但有些事情被忽略了。这是因为我们还没有人工智能驱动的任务分析工具，所以我们根据经验“弥补”我们需要做的事情。
2000 年代我在 Sybase 工作时，我们根据地点和公司规模进行营销。我们利用直邮和活动来接触人们。并不是每个营销经理都完全了解“受众分析”这一步骤。
如果您有一个平台，可以基于这个庞大的 AI 数据库将“活动策划”一词分解为步骤（活动），会怎么样？它会将您的计划分解为一组 10 或 15 个步骤，并确保不会忘记任何事情。然后，一旦确定了这些步骤，系统就可以向您展示每个步骤所需的技能，甚至可以找到公司中擅长这些事情的人！这就是Gloat 的新 Mosaic平台所做的。
我第一次看到 Mosaic 时惊呆了。多年来，我一直从事销售、营销和研究，依靠自己的经验来了解该做什么。Gloat 可以告诉我需要考虑的每一个步骤。如果我对其中某个步骤不熟悉，Gloat 可以帮我找到一个具备所需技能的人。
这是一件大事。虽然我们公司的每个业务流程看起来都很相似（例如“订单到现金”或“销售线索到销售”），但这些流程中的细节一直在变化。想想保险公司处理索赔的复杂流程。你能想象当你的房子被烧毁，他们想给你寄一张支票时，他们需要多少验证步骤、基准测试、质量检查和欺诈检测流程吗？Travellers 的员工告诉我，他们有“模拟房屋”，他们实际上用火烧毁厨房，以确定在火灾中他们应该承担哪些承包商、供应品和费用。
我们在商业中所做的一切都是由任务和活动组成的，这些“工作步骤”正在以光速实现自动化。因此，这些新的“工作智能”工具在未来的世界将非常有用和重要。
从很多方面来看，Reejig、Gloat、Draup等工具都是我们需要的新型工作智能工具，取代了我们过去所做的大部分“工作任务分析”。
如何使用这些新的工作智能平台？
那么现在最大的问题是：这些工具是万能药吗？或者它们只是“咨询加速器”。
这些都是突破性的新产品。
Reejig 是一个人工智能驱动的工作任务分析平台，它可以显示重点关注的地方。Gloat Mosaic 帮助管理人员分解工作、寻找有才华的员工并确定平台和技能。而 Draup 可以对您的生产力进行基准测试并确定您拥有的平台（以及您的竞争对手使用的平台），以便您评估您的技术成熟度。
这是一个新市场，而且才刚刚起步。未来会有更多此类工具出现。
最后的想法：思考业务重新设计，而不仅仅是工作重新设计
“超级员工的崛起”计划既是一个商业项目，也是一个工作设计项目：我们正在将多个工作职能整合到数据驱动的代理中。
例如，我们的一个客户最近来找我们，说“我们觉得我们的员工太多了，我们想在不雇佣任何新员工的情况下将公司规模扩大一倍。”（“人才密度”策略。）
我们查看了基准（每位员工的收入等），发现他们可能人手过多了 10-15%。但在我们深入研究职位结构之前，首席人力资源官提到“我认为我们的销售人员太多了，因为我们向错误的客户销售产品。我们的许多小客户都没有续约。”无论多少职位重新设计都无法解决这个问题！
换句话说，工作重新设计既是自上而下的工作，也是自下而上的自动化项目。因此，请记住蓝图并考虑以下四件事：
是否有一些产品、市场和客户群体需要我们削减、改进或重新考虑？我们是否在打造正确的产品并服务正确的市场？
我们是否可以通过培训、共享服务或组织整合来解决技能和“错位”问题？
是否有可重复、常规、低价值的任务我们可以立即实现自动化和简化？我们能否使用现有平台快速实现自动化或简化？
当我们转向自动化代理时，是否存在跨职能的机会来同时改善多个角色？
如果您考虑招聘，您可以轻松找到用于构建职位描述的工具。但如果您考虑整个流程，多功能代理可以帮助进行职位分析、职位描述、采购、评估和入职。（Paradox、Maki People、Eightfold 目前正在这样做。）
不要让人工智能成为寻找问题的解决方案
我参加会议后得出的最后一个想法是，一些公司对人工智能如此着迷，以至于他们感觉自己就像一个在寻找问题的解决方案。
新的自动化解决方案需要时间来实施，因此请慢慢来，并确保专注于高回报领域。这样，您将获得资金和 IT 支持。
最后一个故事。
客户是一家拥有全球人力资源组织的大型科技公司。他们拥有出色的人力资源技术，生产率已经很高。他们追求的“问题”是随着业务转向全人工智能产品模式，如何能够超强地促进员工增长，他们希望 HRBP 能够领导这项工作。
人力资源团队以这一重点为中心，检查了这些业务合作伙伴的询问、互动、任务和活动。果然，通过 Reejig 的分析，他们发现多达 40% 的时间都花在了管理上。现在，为了实现高水平的目标，该团队正在研究自动化（包括Galileo）来自动执行这些任务。
将工作设计工作重点放在业务目标上。Gloat（将工作分解为项目、任务、技能和才能）、Reejig（任务分析和组织任务基准测试）和 Draup（企业范围基准测试、工作量分析和技术平台基准测试）等新工具可帮助您加快工作速度。
我们不要为了人工智能而迷恋它，从一开始就要务实。当今的经济现实要求我们这样做。
扫一扫 加微信
hrtechchina
绩效管理
绩效管理
绩效管理
绩效管理
绩效管理
绩效管理
绩效管理
绩效管理
绩效管理
绩效管理
扫一扫 加微信
hrtechchina
