-
行动系统
【美国】面向重型物料、物流、建筑业的超级劳动力平台XBE获得PSG增长投资，以助力产品和社区的快速发展
HRTech概述： 专注于重型物料、物流及建筑领域的行动系统与超级劳动力平台 XBE 宣布已获得 PSG 的增长投资。PSG 是一家领先的增长型股权投资公司，致力于与软件及技术驱动型服务企业合作，助力其实现转型式扩张。创始人兼首席执行官肖恩・德瓦恩（Sean Devine）和班尼克合伙公司（Banneker Partners）将各自保留大量股权，德瓦恩将继续领导公司。XBE 的战略保持不变：整合重型材料、物流和建筑行业的物理、商业及财务运营。其平台帮助企业控制流程、扩大自主运营规模并实现持续改进。
专注于重型物料、物流及建筑领域的行动系统与超级劳动力平台 XBE 宣布已获得 PSG 的增长投资。此次合作不仅为 XBE 这家由创始人领导的企业注入了资源，还带来了 PSG 在软件增长领域的丰富经验。对客户而言，这将推动产品更快开发、平台更强大，并打造规模更大、更多元化的用户社区。这种增长不仅能汇聚更多客户反馈以优化产品，还能通过更大规模支持雄心勃勃的创新，并提供更多同行伙伴进行学习与协作。
投资方观点：创始人驱动模式赢得资本青睐
“XBE 这种由创始人领导、以客户为导向的模式，是我们选择投资的主要原因，”PSG 董事总经理比尔・斯卡林卡（Bill Skarinka）表示。
“我们的职责是赋予肖恩（Sean）及其团队更大的能力，通过加速创新并助力 XBE 客户社区实现长期增长，进一步拓展现有成功模式，”PSG 合伙人埃文・奥科（Evan Ocko）补充道。
产品迭代：AI 超级劳动力落地，新品密集发布
此次投资正值 XBE 以史上最快速度开发产品之际。2026 年第一季度，公司推出了 Agent XBE—— 这是一款基于 XBE 行动系统运行的 “超级劳动力”，能够从头到尾处理工作。第二季度，XBE 推出，这是一款内置于 BCMI Dispatch 中的预拌混凝土调度模拟、优化和自动化解决方案。在整个平台范围内，XBE 在 2026 年迄今已推出数百项功能和改进，其中许多是根据客户的使用情况、反馈以及合作而设计的。XBE 计划在 9 月 28 日至 30 日于旧金山举行的 “XBE Horizon Live 2026” 大会上发布重大新产品和功能。
创始人发声：加大人才投入，放大客户价值
“PSG 的投资让我们有更多能力在现有成功基础上继续发展，”XBE 创始人兼首席执行官肖恩・迪瓦恩（Sean Devine）表示。“我们的客户将运营中的重要环节托付给我们，推动我们不断改进，并协助我们共同建设这家公司。而我们的团队凭借纯粹的奉献精神和独创性，将 XBE 打造成了今天的模样。‘Agent XBE’和‘All‑22’所获得的反响，充分证明了当我们的团队与客户紧密合作，共同攻克业内最棘手的运营难题时，能够取得怎样的成就。有了 PSG 和 Banneker Partners 的鼎力支持，我们将能够更积极地投入资源、加快发展步伐，并为每天使用 XBE 的用户创造更多价值。这笔投资的很大一部分将用于人才：我们计划招募并培养全球顶尖人才，现在正是加入这个团队的最佳时机。"
发展沿革：十年发展，资本并购拓宽产品边界
Devine 于 2016 年开始打造后来发展为 XBE 的项目，公司于 2026 年 1 月迎来了成立十周年。自 2024 年 Banneker Partners 注资以来，XBE 通过收购 BCMI 和 Gauge 等举措，不断扩大客户群和产品覆盖范围。“自我们首次投资以来，XBE 实现了显著增长，同时保留了其独特的文化，”Banneker Partners 合伙人 Matt McDonald 表示。“肖恩和团队将雄心勃勃的产品开发与严谨的运营纪律以及对客户的深切承诺相结合。我们为能继续投资感到自豪，并期待与 PSG 携手共进，开启公司的崭新篇章。”
交易信息
Piper Sandler 担任 XBE 和 Banneker Partners 的独家财务顾问，Orrick, Herrington & Sutcliffe LLP 担任该公司的法律顾问。Weil, Gotshal & Manges LLP 担任 PSG 的法律顾问，RBC Capital Markets, LLC 担任其独家财务顾问。
关于 XBE
XBE 是面向重型材料、物流和建筑行业的行动系统和超级劳动力平台，为北美各地的行业领先客户提供服务。其统一平台将排程、调度、定价、财务管理、远程信息处理、分析以及投标预测整合为一个有机整体，使承包商和生产商能够充满信心地扩大规模、最大化盈利能力，并将收益重新投入到增长中。更多信息请访问 www.x-b-e.com。
关于PSG
PSG是一家成长型股权投资公司，致力于与软件及技术驱动型服务企业建立合作伙伴关系，帮助它们实现转型式增长、把握战略机遇并打造强大的团队。PSG 已投资超过 170 家企业，并促成了 550 多起补充性收购，拥有丰富的投资经验、深厚的软件与技术专业知识，并坚定致力于与管理团队通力合作。PSG 成立于 2014 年，在波士顿、堪萨斯城、伦敦、巴黎、马德里和特拉维夫设有办事处。更多信息请访问 www.psgequity.com。
关于 Banneker Partners
Banneker Partners 专注于投资处于成长阶段、对业务至关重要的软件企业，以推动可持续的长期价值增长。Banneker 通过提供资本、战略及运营支持与管理团队通力合作，以提升软件终端客户的价值为核心，助力企业实现加速增长。更多信息请访问 www.bannekerpartners.com。
HRTech视角
从人力资源科技行业视角来看，XBE 本轮融资代表着 AI “超级劳动力” 正在向建筑、重型物流这类传统蓝领密集行业渗透。不同于面向办公室白领的 HR 系统，XBE 把调度、作业流程自动化与 AI 智能 Agent 结合，直接解决一线现场作业的人力调度、任务执行痛点。资本持续看好垂直场景劳动力数字化赛道，企业不再只聚焦传统人事薪酬模块，更多开始投向作业端劳动力效能工具；同时融资资金重点投向人才招募与团队建设，也体现出技术型劳动力科技企业在高速扩张阶段，对顶尖人才储备的高度依赖。
当下垂直赛道解决方案层出不穷，如果希望让更多企业 HR 准确了解机构自身的产品与服务能力，HR 科技及人力资源服务机构可免费入驻 HR 科技云图。通过提交机构资料，完善机构行业展示，高效对接目标用户，获得进入行业内容、图谱、活动及各类合作场景的机会。提交机构资料，申请加入 HR 科技云图。
-
行动系统
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。
扫一扫 加微信
hrtechchina
