-
2026HR趋势
HR 2030：HR团队或将缩减50%，但HR的价值可能比今天更重要
Josh Bersin刚发布《HR 2030: The Journey to Agentic HR》研究蓝图，其中有几个数据非常值得HR关注：未来HR团队规模可能减少30%-50%，但战略工作占比可能提升到75%；企业未来可能管理130个AI Agent和95项HR Agent能力。报告提出“Agentic HR”“HR Superagent”“Agent Sprawl”等新概念，核心观点是：AI不会简单取代HR，而是在重构HR职能本身。未来HR管理的可能不只是员工，而是员工+Agent组成的新型劳动力体系。值得一读。
近日，Josh Bersin正式发布《HR 2030: The Journey to Agentic HR》研究蓝图。这并不是一份普通的AI趋势报告，而是一份关于未来人力资源职能如何重构的路线图。Josh Bersin认为，未来HR最大的变化并不是引入几个AI工具，而是整个HR运营模式将发生根本性转变。
HR正在从运营职能走向增长职能
过去几十年，HR的核心工作主要围绕招聘、员工关系、薪酬福利、绩效管理和合规运营展开。而在HR 2030的愿景中，HR将逐步从流程管理者转变为业务增长赋能者（Dynamic Enablement for Growth）。
这意味着HR的关注重点将从“管理流程”转向“推动组织能力增长”。人才获取、技能发展、内部流动、组织设计和业务增长之间的联系将更加紧密，HR将越来越深入地参与企业战略决策。
HR团队可能变小，但价值会更高
报告中最受关注的数据之一是，到2030年，HR团队规模可能减少30%至50%。但这并不意味着HR的重要性下降。相反，随着大量事务性工作被AI Agent接管，HR专业人士将把更多时间投入到战略工作中。
Josh Bersin预计，未来HR团队中的战略性工作占比可能从目前约30%提升至75%。简单来说，未来企业需要更少的HR人员完成日常运营，却需要更多具备组织设计、技能战略、数据治理和AI治理能力的HR人才。
Agentic HR不是聊天机器人升级版
很多企业已经开始使用AI助手和智能客服，但Josh Bersin提出的Agentic HR远不止于此。未来HR体系中将出现招聘Agent、学习Agent、员工服务Agent、监测Agent、决策Agent以及规则治理Agent等多种角色。
这些Agent并非各自独立工作，而是在统一架构下协同运作。报告甚至提出未来企业可能拥有130个Agent和95项HR相关Agent能力，并通过“HR Superagent”进行统一协调。企业管理的对象将不再只是员工，而是员工与Agent共同构成的新型劳动力体系。
最大的风险不是AI，而是Agent失控
报告提出了一个值得关注的新概念——Agent Sprawl（Agent泛滥）。
未来企业可能会部署越来越多的Agent，如果缺乏统一架构和治理机制，不同Agent之间可能使用不同的数据、规则和逻辑，最终形成新的信息孤岛。因此，数据质量、业务规则、治理框架和Agent训练能力，将成为未来HR和IT团队的重要职责。
这意味着未来企业最需要的，不仅是AI工具，更是管理AI的能力。
CHRO将迎来新的战略机会
随着组织数据、技能数据、业务数据和人才数据被全面连接，CHRO有机会成为企业最重要的战略角色之一。未来CEO关心的问题，例如组织效率、领导力质量、技能缺口以及业务增长瓶颈，都将越来越依赖人才和组织数据来回答。
未来的CHRO不只是人力资源负责人，更可能成为企业的组织能力负责人。
未来已经开始
HR 2030最重要的价值，并不在于预测未来一定会发生什么，而是在提醒企业：AI正在改变HR工作的方式，也正在改变组织运行的逻辑。
过去二十年，HR数字化解决的是效率问题；未来十年，Agentic HR试图解决的是组织智能问题。当越来越多Agent开始参与招聘、学习、绩效和人才决策时，企业需要思考的不再是“是否使用AI”，而是“如何重新设计组织”。
如果你希望了解Josh Bersin对于Agentic HR、HR Superagent、Agent治理以及未来HR运营模式的完整判断，建议下载最新发布的《HR 2030: The Journey to Agentic HR》Executive Summary。这份报告或许无法回答所有问题，但它提供了一个值得每一位HR管理者认真思考的未来框架。
https://www.hrtechchina.com/Resources/58C22F3C-D045-36BD-9D56-81F2BCDDBCC4.html
-
2026HR趋势
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。
-
2026HR趋势
【重磅发布】专为HR从业者设计的AI能力成熟度评测（HR AI Forward）正式在中国上线
2026年5月20日充满爱意的日子里 — HRForward.ai 与 HRTechChina 今日联合宣布，HRForward.ai 测评产品正式在中国市场上线。这是目前中国市场首个专为HR职能设计的AI成熟度评测与成长系统，覆盖个人测评、团队诊断与组织评估三大产品线。平台同期宣布 HRTechChina 为中国区唯一授权合作伙伴，并获授权主办 HR AI Awards 2026 年度评选与 HR AI Forward Summit 2026 年度论坛。
同时将在5月28日上海HR科技年度论坛中正式发布解读，HR AI Forward 成熟度框架：四级十二阶段，欢迎届时到现场关注。
背景：HR的AI能力差距，正在成为组织竞争的隐性变量
随着AI工具在职场的全面普及，HR从业者对AI的接触程度已普遍提高。然而，"会用AI"与"真正具备AI工作能力"之间的差距，正在成为HR职业发展中一个被系统性低估的核心变量。
大多数HR从业者目前处于L1阶段——AI已经进入工作，但停留在临时提效的层面，使用缺乏复用机制，换一个任务场景往往需要重新摸索，无法积累为稳定的职业能力。这一现状的影响远不止于个人效率。
HR职能在组织中承担着人才标准制定、流程设计与能力建设的核心职责。HR团队的AI成熟度，直接决定其服务的组织对AI人才的识别标准、对AI工作方式的接受速度，以及整个组织进入AI时代的步伐。一个停留在L1的HR团队，正在用旧的标准衡量人才，用旧的方式设计流程，在不知不觉中延缓组织的AI转型。
"很多HR已经在用AI，但不知道自己在哪里，也不知道下一步应该做什么。这正是我们建立这套框架的原因——帮HR从业者把自己的AI能力状态看清楚，把成长路径说明白。"
— HR AI Forward
HR AI Forward 成熟度框架：四级十二阶，专为HR职能设计
HR AI Forward Maturity Framework 是目前中国市场首个专为HR职能设计的AI成熟度评估标准，基于系统性研究与大量HR从业者深度访谈构建，采用四级十二阶结构，覆盖从AI尚未介入工作到AI系统性驱动组织运营的完整演进路径。
L0 · Traditional HR · 事务型HR
AI尚未进入日常工作，HR工作以流程执行和人工操作为主。三个Stage分别对应：人工执行者、AI认知者、初步尝试者。
L1 · AI-Enabled HR · 工具型HR
AI开始作为提效工具使用，但使用临时、缺乏复用，尚未形成稳定工作方法。当前大多数HR停留于此。 三个Stage分别对应：工具入门者、工具应用者、规范使用者。
L2 · AI-Ready HR · 能力型HR · 关键跃迁点
AI已进入工作方式本身，在多场景中形成可复用的AI工作体系，能够跨场景迁移，持续沉淀工作资产。这是整个框架的核心分水岭，也是 AI-Ready Credential 专业认证的颁发门槛。三个Stage分别对应：流程接入者、能力构建者、成熟实践者。
L3 · AI-Native HR · 系统型HR
AI成为工作结构的组成部分，HR开始用AI重构流程、设计系统，成为组织AI转型的核心推动者。三个Stage分别对应：系统探索者、系统运营者、原生引领者。
框架的核心判断是：从L0到L1是接触与尝试，从L1到L2是能力与结构——这两个变化的本质完全不同。停留在L1，AI只是可有可无的辅助工具；进入L2，AI已真正嵌入工作方式，可复用、可迁移、可积累。L2才是真正的跃迁。
测什么，不测什么
HR AI Forward 的测评围绕真实工作行为与习惯设计，而非知识测试：
测这些： AI是否真正进入日常工作、是否形成可复用的方法与习惯、能否在不同场景迁移AI能力、是否从个人使用转向流程设计。
不测这些： AI术语和概念记忆、Prompt写作技巧、对热门工具的熟悉程度、软件操作知识问答、单次任务的偶然高水平输出。
三大产品线，覆盖个人、团队与组织三个维度
个人测评 · 先锋价¥198（正式价¥980）
面向HR从业者个人，26道围绕真实HR工作行为设计的测评题目，完成时间约10-15分钟，即时生成个性化报告。报告内容包含：当前Level与Stage的精确判断、四个核心维度的能力得分详情、与L2之间的关键差距分析，以及针对个人具体情况、优先级最高的成长建议。
测评结果达到L2及以上者，可申请 AI-Ready Credential 专业能力凭证——支持公开验证，可在LinkedIn展示，证明持有者不只是"用过AI"，而是真正具备了AI时代的HR工作能力。
当前开放首批先锋名额，以¥198的先锋价参与测评，正式价格为¥980。先锋名额有限，额满即止。
参与测评：https://forward.hrtechchina.com
团队测评 · ¥980/人
面向HR团队整体能力评估，支持批量采购。团队成员各自独立完成测评并获得个人报告，团队负责人可查看整体能力分布图、能力短板集中区域与培训优先级建议。适合希望以数据驱动团队能力建设决策的HR负责人、HRBP负责人及HR总监。
了解详情：https://forward.hrtechchina.com/team.html
组织诊断 Org 2.0 · ¥4,980/次
面向HR部门整体的组织级AI成熟度诊断服务，适合CHO、CHRO及HR战略负责人。评估维度涵盖AI工具渗透率、能力建设机制、流程重构深度、数据与治理意识五大核心领域，以28道结构化问卷为基础，AI生成完整诊断报告。报告输出包含五维雷达图、行业基准对比分析、八个模块的深度诊断内容，以及可直接呈递管理层的执行摘要。
咨询合作：hrai@hrtechchina.com
HRTechChina：中国区唯一授权合作伙伴
HR AI Forward 正式授权 HRTechChina 作为中国市场唯一合作伙伴，负责平台的本地化运营、推广与用户服务。HRTechChina 是中国领先的HR科技行业媒体与社区平台，长期聚焦HR科技前沿趋势，服务国内数十万HR从业者，是目前国内覆盖面最广的HR科技垂直平台之一。
HRTechChina 同时获得 HR AI Forward 授权，独家主办以下两项年度活动：
HR AI Awards 2026 — 年度最佳HR AI实践评选，中国区首届。评选不考察工具选型或AI使用意愿，而是评估一个HR职能在多大程度上真正建立了AI驱动的工作方式。设7个场景奖及1个年度综合大奖 Grand Prix，以L2为入围门槛，基于严格的结构化测评与案例评审。提名通道将于2026年7月1日正式开放，截止日期为2026年10月1日。
了解Awards：https://forward.hrtechchina.com/awards
HR AI Forward Summit 2026 — 中国首届HR AI Forward年度论坛，计划于2026年11月在上海举办，预计规模300-500位HR从业者。论坛围绕个人能力、团队建设、组织转型三条主线深度展开，同期举办HR AI Awards 2026颁奖典礼及AI-Ready Credential认证证书现场颁发。完成HR AI Forward测评的从业者，凭测评报告可免费参会。
了解Summit：https://forward.hrtechchina.com/summit
关于HR AI Forward
HR AI Forward 是一个面向HR从业者的AI能力评测与成长系统。它不以抽象知识测试为核心，而是围绕真实工作方式、使用习惯与能力成熟度进行判断，帮助用户识别所处阶段、看见关键差距，并获得结构化的成长方向。它的目标，不只是给出结果，而是帮助HR从业者从零散使用AI，走向真正AI-ready的工作方式。平台同时提供个人测评、团队测评、组织诊断与专业认证服务，覆盖英文与中文双语市场。官网：hrforward.ai
HRTechChina 是中国领先的HR科技行业媒体与社区平台，中国首家专注人力资源科技的垂直服务平台，覆盖逾十万HR从业者。HRTechChina 是 HR AI Forward 在中国市场的唯一授权合作伙伴，负责中国区的本地化运营、推广与用户服务，同时获授权独家主办 HR AI Awards 及 HR AI Forward Summit 年度活动。官网：hrtechchina.com
报名与联系方式
个人测评 https://forward.hrtechchina.com
团队测评 https://forward.hrtechchina.com/team.html
组织诊断 Org 2.0 https://forward.hrtechchina.com/org
HR AI Awards 2026 https://forward.hrtechchina.com/awards
HR AI Forward Summit 2026 https://forward.hrtechchina.com/summit
微信客服：小科 hrtech-china
新闻稿链接：
https://www.hrtechchina.com/Public/html/hrforward/520press.html
https://www.hrforward.ai/hrforwardandhrtechpr.html
-
2026HR趋势
【投融资4月月报】2026年4月全球人力资源科技投融资简报！
2026年4月，据HRTech行业权威统计，全球人力资源科技领域当月共披露17起投融资事件（统计范围不含未披露金额、并购及退市相关事项），涉及总融资金额近1.9亿美元，本月HR科技赛道融资热度保持平稳态势，未出现明显起伏，资本布局逐渐摆脱“广撒网”模式，转向聚焦核心细分领域与拥有创新技术、可落地场景的优质项目，标志着行业正从高速扩张向高质量发展稳步过渡。
从赛道分布来看，本月投融资覆盖HR科技多个核心细分领域，主要包括AI招聘、人力资源管理平台、员工健康福利、职场安全、人力效能提升等多个重点板块，形成多元化布局、重点突出的发展格局。值得关注的是，AI赋能类项目成为本月融资市场的焦点，不仅斩获多笔大额融资，更获得资本高度关注，这一现象清晰表明，人力资源管理的数字化转型已进入技术深耕阶段，AI技术与HR场景的深度融合成为推动行业发展的核心动力。
融资轮次分布上，本月呈现出“早期项目主导、多轮次协同发展”的显著特点。具体来看，17起融资事件中，包含1起增长股权融资、3起种子轮前融资、5起种子轮融资、1起A轮前融资、2起A轮融资、1起B轮融资、1起C轮融资，另有3起事件未公开轮次细节。早期项目（种子轮前至A轮）获投数量占比超六成，这一数据充分体现了资本市场对HR科技领域创新方向的持续看好，也反映出行业对早期创新力量的迫切需求，为赛道后续发展注入源源不断的活力。
结合本月全球HR科技投融资的整体数据与赛道特征，HRTech特别选取本月投融资金额前十的核心案例，精准解读当前全球HR科技领域的发展新趋势、市场新机遇与行业新方向。
榜单详情：https://www.hrtechchina.com/Public/html/fundingreport/202604.html
【美国】金融科技平台Kashable获得6000万美元C轮融资，深耕职场员工财务健康服务
Kashable
融资金额：6000万美元
融资轮次：C轮
领投人: 高盛另类投资部门
职场财务健康服务商 Kashable成立于2013年，是一家使命驱动型金融科技公司，专注于为员工提供“社会责任信贷®”及财务健康解决方案，并将其作为自愿性员工福利推出。
【美国】AI物理安全初创公司Alcatraz获得5000万美元B轮融资，重新定义职场安全
Alcatraz
融资金额：5000万美元
融资轮次：B轮
领投人： BlackPeak Capital、Cogito Capital 和 Taiwania Capital
Alcatraz是一家总部位于加利福尼亚州库比蒂诺的人工智能物理门禁控制公司。其旗舰产品Rock™通过完全匿名化的面部认证技术，取代了基于门禁卡和传统生物识别的安全方案。重塑全球职场物理安全的全新格局。
【德国】AI劳动力管理平台Nesto获得1100万欧元融资，用于扩展其面向酒店业的AI员工管理平台
Nesto
融资金额：1100万欧元
融资轮次：增长股权
领投人：Expedition Growth Capital
Nesto成立于2017年，核心业务是为餐饮集团提供AI驱动的劳动力管理解决方案，涵盖排班自动化、人力资源工作流优化及薪资核算智能化，致力于通过技术简化人力管理流程、降低运营成本。
【美国】专为员工打造的语境图谱平台Windmill获得1200万美元种子轮融资，重塑AI时代人才管理
Windmill
融资金额：1200万美元
融资轮次：种子轮
领投人：Inspired Capital
Windmill 是专为您的团队打造的背景关系图。它通过持续更新、基于数据支撑的员工画像，助力人力资源部门制定战略决策，让管理者清晰洞察团队状况，并使每位员工的工作成果不言自明。这一切始于自动生成的绩效评估。最多 10 名用户可免费使用。
【美国】企业差旅及费用管理AI平台Clarasight获得1150万美元A轮融资，将利用AI优化企业差旅支出
Clarasight
融资金额：1150万美元
融资轮次：A轮
领投人：AlleyCorp
Clarasight是面向企业差旅及费用管理的AI操作系统，聚焦HR、财务、采购等多团队协同需求，通过整合分散的差旅及费用数据，构建支持AI的实时模型，助力全球企业的HR、财务、可持续发展及采购团队实现工作流程自动化、供应商策略优化，在无需增加人手的情况下高效运行复杂项目，为企业HR数字化转型提供重要支撑。
【印度】人力资源科技初创公司TraqCheck获得800万美元A轮融资，旨在将招聘转变为由AI驱动的工作流程
TraqCheck
融资金额：800万美元
融资轮次：A轮
领投人：IvyCap Ventures
TraqCheck是一家提供人工智能驱动的人力资源技术平台的供应商。该平台可自动化员工背景核查流程，帮助企业快速、准确地筛选候选人，从而成为招聘领域的“人类操作系统”。
巴黎初创公司HrFlow.ai获得700万美元A轮前融资，致力于打造“招聘超级智能”以解决失业问题
HrFlow.ai
融资金额：700万美元
融资轮次：A轮前
领投人：115K与EmergingTech Ventures
HrFlow.ai成立于2016年，是一家专注于人力资源数据的AI算法与协调平台，核心服务于面临大规模招聘、高质量人才筛选及内部技能管理需求的各类组织，凭借技术优势覆盖人力资源全产业链场景。
【英国】AI驱动型客户体验与绩效管理平台Serve First获得570万欧元融资，助力企业优化一线团队管理与绩效提升
Serve First
融资金额：570万欧元
融资轮次：未披露
领投人：Pembroke VCT与Midlands Engine Investment Fund II
Serve First成立于2023年，聚焦多站点企业，打造AI驱动的客户体验与绩效智能平台。其核心优势的在于整合客户反馈、神秘顾客调查、运营审计及实时行动管理于一体，通过AI技术将各类洞察转化为一线团队可落地的具体行动，帮助企业基于客户需求优化团队管理，提升绩效效能，实现客户体验与团队能力的双向提升，契合当前人力资源科技“数据驱动、效能优先”的发展趋势。
伦敦初创公司Round Treasury获得510万欧元种子轮融资，以AI自动化解放财务与人力协同效率
Round Treasury
融资金额：510万欧元
融资轮次：种子轮
领投人：Alstin Capital
Round是一款AI驱动的财务自动化平台，目前已被Cleo、PostHog等欧洲增长最快的公司及独角兽企业采用。
【美国】数字技能平台Flashpass获得425万美元种子轮融资，破解AI时代劳动力替代难题
Flashpass
融资金额：425万美元
融资轮次：种子轮
领投人：J2 Ventures
Flashpass致力于帮助员工和学生提升技能，以满足21世纪就业市场的需求。通过Flashpass，人们可以获得从网络安全到自然能源等各领域的行业领先认证。此外，该公司还为当地培训中心和社区学院的1,000多名学生提供支持。
2026年开年以来，全球HR科技赛道围绕智能化、平台化、垂直化、基础设施化稳步前行。结合3-4月投融资动态及本月前十核心融资案例可见，资本已告别“全面覆盖”模式，重点布局具备技术壁垒、垂直场景落地能力及AI原生基因的优质项目。本月大额融资项目均凭借核心优势脱颖而出，随着AI与HR场景深度融合，HR科技已成为企业数字化转型与人才管理升级的核心支撑，未来发展潜力巨大。
关于HRTech
HRTech核心报道中国人力资源科技创新企业及产品信息，关注并实时分享全球的人力资源科技资讯。同时，以原创角度独家报道人力资源科技公司和创业公司；每月关注并独家发布人力资源科技投融资数据及报告，业已成为人力资源科技领域创业者以及行业精英获取全球人力资源科技行业资讯和动态的主要渠道。
-
2026HR趋势
调查：员工开始用AI“抢同事工作”，有人因此升职，有人被裁
HRTech概述：AI正在迅速改变职场结构，但最新一项调查显示，这种变化已经从“提升效率”演变为更复杂的行为模式—很多人用 AI 把同事的工作接过来做，但不会告诉老板是 AI 做的，最后结果是——同事被裁了，他反而升职加薪。AI 已经不只是提效工具，而是“保饭碗工具”。这个对 HR 和管理者，其实是个很大的挑战
调查背景：1000名美国员工揭示新趋势美国职业平台ResumeBuilder发布的一项最新调查显示，在当前充满裁员压力的职场环境中，AI的使用方式正在发生显著变化。该调查于2026年4月通过Pollfish平台完成，覆盖1000名美国全职员工，且所有受访者均表示对未来12个月可能发生裁员“至少有一定担忧”。
结果显示，60.7%的受访者承认曾使用AI承担原本由同事负责的任务，这一行为被定义为“AI job hijacking”（AI岗位接管）。在过去12个月发生过裁员的公司中，这一比例进一步上升至74.3%，显示出裁员压力与该行为之间的显著关联。
行为变化：从“用AI提效”到“用AI替代同事”从人群分布来看，这一行为在35至44岁员工中最为集中，比例达到74.7%；男性员工的参与比例为67.1%，女性为51.8%。此外，近三分之一（32.3%）的AI使用者在过去六个月中已经接管了四项或以上的同事职责，显示出该行为正在规模化发展。
这一趋势意味着，AI在职场中的角色正在发生转变：从最初的效率工具，逐步演变为一种提升个人竞争力、甚至替代他人的手段。
信息不透明：大多数员工不会告诉老板AI参与程度更值得关注的是，AI的使用过程高度不透明。调查显示，62.8%的员工并未向管理者披露AI在工作中的实际参与程度。相反，他们往往将成果归因于个人努力或能力提升。
具体来看，50.1%的受访者表示会向经理解释为“主动承担更多职责”，28.2%称是“工作更加努力”，还有26.5%表示“通过与同事合作学习获得能力提升”。与此同时，61.6%的AI使用者坦言，如果管理者完全了解AI的参与程度，他们会对自身岗位安全感到担忧。
职场关系冲击：被替代的往往是“关系不错的同事”在组织关系层面，这一趋势的影响更加直接。调查显示，70.8%的受访者表示，被其接管工作的对象通常是“关系较好的同事”。
更具冲击力的是，在这些案例中，有63%的被替代者最终被裁员。按整体样本计算，约27.1%的受访者表示，他们曾通过AI接管朋友的工作，并最终看到对方被裁。这一结果表明，AI不仅改变了岗位结构，也正在重塑职场中的人际关系与信任基础。
激励机制扭曲：使用AI者反而获得更多回报尽管这一行为对同事产生了直接影响，但从个体职业发展的角度来看，AI使用者却普遍获得正向反馈。调查显示，79.6%的相关员工获得了至少一种职业回报。
其中，47.9%获得正面绩效评价，44.2%被赋予更多职责，21.7%获得晋升，20.4%获得加薪。这意味着，在当前绩效评价体系下，AI能力正在被直接转化为职业优势。
专家观点：从“创新”转向“生存竞争”ResumeBuilder首席职业顾问Stacie Haller指出，这一现象反映出职场行为逻辑的变化。她认为，这种趋势“更像是生存竞争，而不是单纯的创新”。
她进一步指出，当员工因裁员焦虑而采取行动时，往往会减少信息分享、规避风险，甚至在无意中削弱团队合作。长期来看，这种行为可能侵蚀组织内部的信任与文化，而管理层往往难以及时察觉。
AI治理将成为企业核心管理议题从更宏观的角度看，这一趋势并非孤立现象。在裁员压力、绩效竞争与AI能力差异叠加的背景下，员工行为正在发生结构性变化。AI逐渐从效率工具演变为“职场生存工具”。
对于企业而言，这提出了新的管理挑战：如何界定AI参与下的绩效归因，如何建立透明的使用规则，以及如何在推动AI应用的同时维护团队信任与协作机制。
未来的竞争，不仅在于谁更早采用AI，更在于谁能够更有效地治理AI。
-
2026HR趋势
【财报】全球HR巨头ADP发布2026财年第三季度财报：营收59亿美元，同比增长7%；上调全年指引，AI战略持续推进
HRTech概述：全球HR巨头ADP刚发布2026财年Q3财报：营收59亿美元，同比增长7%，同时上调全年指引，预计收入增长6%-7%。从业务来看，Employer Services持续强劲，客户留存创新高，季度收入达到40.36亿美元，同比增长7%；PEO业务稳健增长，季度收入为19.06亿美元，同比增长7%；客户资金相关业务成为重要利润来源，利息收入同比增长14%至4.04亿美元，平均客户资金余额达到483亿美元，同比增长9%。更多请关注 #HRTech 。
2026年4月29日，美国新泽西州罗塞兰——全球领先的人力资源与薪资解决方案提供商ADP（Automatic Data Processing, Inc.，纳斯达克代码：ADP）今日公布其截至2026财年第三季度（Q3 Fiscal 2026）的财务业绩，并同步上调全年业绩指引。在宏观经济不确定性仍存的背景下，ADP凭借稳健的业务结构、持续优化的运营效率以及不断深化的AI战略，实现了收入与利润的双重增长。
核心财务表现：增长稳健，盈利能力持续提升
报告显示，ADP第三季度总营收为59亿美元，同比增长7%；按有机固定汇率计算增长6%。净利润达到14亿美元，同比增长9%。调整后息税前利润（Adjusted EBIT）为18亿美元，同比增长10%，调整后EBIT利润率提升80个基点至30.2%。稀释后每股收益（EPS）为3.38美元，同比增长10%，调整后每股收益为3.37美元，同比增长同样达到10%。
从盈利结构来看，利润率的提升主要来自运营效率改善以及客户资金利息收入的增长。在当前利率环境下，客户资金相关收益成为ADP利润的重要支撑来源之一。
分业务表现：Employer Services驱动增长，PEO业务稳中承压
在分业务层面，Employer Services（雇主服务）继续作为核心增长引擎。该业务收入同比增长7%（有机增长5%），美国“pays per control”（同口径员工数）增长1%，业务利润率提升130个基点，显示出较强的规模效应与运营杠杆。
同时，PEO Services（专业雇主组织服务）收入同比增长7%，剔除零利润传递项（zero-margin pass-throughs）后增长5%。平均服务员工数增长约2%，达到约76.2万人。但受州失业保险成本（SUI）上升及销售费用增加影响，该业务利润率同比下降120个基点，显示短期成本压力。
整体来看，ADP在两大核心业务板块之间保持了增长与盈利的平衡，其中Employer Services贡献更高质量增长，而PEO业务则继续提供规模与客户基础支撑。
客户资金与利息收入：利率环境下的重要利润来源
ADP客户资金相关业务表现尤为突出。第三季度客户资金平均余额达到483亿美元，同比增长9%；相关利息收入增长14%，达到4.04亿美元；平均收益率提升至3.3%。
这一板块不仅受益于利率环境，同时也体现了ADP在资金管理与风险控制方面的长期能力。公司维持以安全性、流动性与分散性为核心的投资策略，资产组合以高评级（AAA/AA）为主。
全年指引上调：反映增长信心增强
基于前三季度表现，ADP上调了2026财年全年业绩预期：
收入增长：6%至7%
调整后EBIT利润率：提升70至80个基点
调整后有效税率：约23%
调整后每股收益增长：10%至11%
在分业务层面，Employer Services预计继续实现6%至7%的收入增长，客户留存率小幅下降至持平或下降20个基点；PEO业务收入增长同样为6%至7%。
客户资金利息收入预计全年将达到13.4亿至13.5亿美元，继续成为盈利增长的重要驱动因素。
AI战略与平台升级：从HR系统走向智能执行平台
在战略层面，ADP持续加大对人工智能的投入，并将其视为推动下一阶段增长的核心驱动力。公司强调，正通过数据优势、行业经验与品牌信任，推动HCM（Human Capital Management）行业的AI转型。
具体举措包括：
持续部署ADP Assist智能体，用于薪资与HR流程自动化
在ADP Marketplace中拓展“agentic AI”生态，引入合作伙伴AI能力
通过内部平台“The Zone”实现生成式AI在服务运营中的规模化应用
这一系列动作表明，ADP正在从传统的“System of Record”（记录系统）逐步向“System of Execution”（执行系统）演进，将AI深度嵌入工作流之中，而不仅是作为辅助工具。
管理层观点：AI将重塑HCM行业结构
ADP首席执行官Maria Black表示，公司本季度的强劲表现体现了其在执行能力与长期投入之间的平衡。她指出，随着AI为客户带来新的复杂性，ADP正在加速构建相关能力，以应对未来工作模式的变化。
首席财务官Peter Hadley则强调，公司具备足够的财务实力和规模优势，能够持续在AI、产品与服务交付体系中进行投资，同时保持稳定的财务回报。
总结：稳健增长之上，结构性转型正在发生
整体来看，ADP本季度不仅实现了稳健的财务表现，更释放出明确的结构性信号：
一方面，其传统业务（Payroll、HR Outsourcing）依然具备强大现金流与客户粘性；另一方面，公司正通过AI重构产品形态与服务交付模式，逐步建立新的竞争壁垒。
对于HR科技行业而言，这意味着竞争焦点正在从“功能与模块”转向“AI驱动的工作流与系统能力”。ADP的路径，正在为大型HCM平台提供一个清晰的转型范式。
-
2026HR趋势
Workday的重塑：从系统记录平台到智能体平台，你看好这个转型吗？
HRTech概述：Josh Bersin最新分析指出，Workday正从“system of record”转向“agent platform”，试图将其在数据、权限、流程与合规方面的积累，升级为AI时代的企业运行基础设施。这一判断意味着，未来HR系统不再只是记录工具，而将成为AI执行工作流的核心支撑层。但从市场反馈来看，确定性仍优先于想象力。Paychex在部分阶段市值已超过Workday，反映出资本更看重稳定现金流与合规执行能力，而非尚未兑现的AI叙事。对HRTech行业而言，一个清晰趋势正在形成：AI将重构“入口层”，系统将下沉为“执行与规则层”，而真正的竞争，将围绕谁能掌控工作流、数据语义与合规能力展开。更多关注HRTech，了解全球HR科技资讯。
以下是Josh Bersin的文章
Workday是财务和人力资源企业应用领域的先驱，但在人工智能时代，它一直在努力转型。本周，该公司以引人注目且整合的方式发布了清晰的未来战略，该战略充分利用了其近30亿美元的收购成果（HiredScore、Evisort、Paradox、Sana）、新的管理团队以及Workday在智能代理领域的重新定位。
我看好这些举措，所以我想详细解释一下。
Aneel Bhusri的重塑战略
2008年，Workday首次上市时，该公司率先推出了一种专为云端设计、独具创新性的平台。这是一项突破。
当时，企业普遍采用本地部署的客户端/服务器系统，唯一的替代方案是SaaS，即由其他公司托管的解决方案。这些老旧系统往往过时、难以集成，且缺乏扩展性和灵活性。
Workday 引入了一种新的架构：面向对象的数据库、集成的安全和业务规则引擎以及新颖的用户界面，这令各行各业的公司都感到兴奋。
公司发展迅猛，始终秉持“一体化”的理念——打造一个能够满足所有人力资源和财务需求的单一系统，采用统一架构，面向未来。公司营收增长迅速，成功吸引了超过30%的《财富》世界2000强企业客户，目前拥有超过11500家客户和超过7500万终端用户。
在这些年的发展历程中，公司始终秉持以员工为先的企业文化，吸引了众多人力资源主管、IT团队和投资者。联合创始人阿尼尔·布斯里(Aneel Bhusri)一直担任首席执行官一职，直至2024年将首席执行官的职位移交给卡尔·埃申巴赫(Carl Eschenbach)。
正如阿尼尔在峰会上解释的那样，过去两年里，他感觉Workday失去了创业文化，人工智能战略也不明确。因此，他重返公司担任CEO，重组了高管团队，领导公司进行重塑。下面我将详细解释。
新的Workday职位
让我们先从主要问题入手：在人工智能代理技术日新月异、易于构建的今天，Workday 的角色是什么？“记录系统”在未来将发挥怎样的价值或作用？
以下是我们所看到的他们的高层次回答。
Workday正在将系统记录平台转变为一个智能体平台。
如果我们能够释放公司内部的数据、安全性和业务规则，就可以设计和构建可扩展、安全且快速的代理。Workday 作为值得信赖的记录系统，提供公司规则、策略、安全模型和合规性，使代理能够大规模运行。这些“基础架构”目前已存在于 Workday 中，在 Workday 之外重新构建它们成本高昂、耗时且风险巨大。
Workday重塑计划的五大支柱
让我们来仔细分析一下这项战略的五大支柱。
第一：AI是企业软件的补充，而不是替代。
正如Workday所强调，仅靠推理能力无法完成发薪、财务结账、员工入职或职责分离。这些需要确定性的规则、审批链和二十年来构建的数据模型。Workday将概率推理与确定性执行结合，从而实现企业级AI。那些建立在提取数据之上的独立智能体平台，本质上是不完整的。
第二：Workday的“运行轨道”是企业AI的核心。
Workday的配置和业务流程框架编码了每个客户的独特政策、审批流程、合规规则和组织结构。从某种意义上说，这些规则本身就是企业。
在Workday之外运行的智能体并不了解这些规则，可能产生看似合理但违反合规的结果。而Workday通过现有配置来执行智能体操作，使其默认符合规则。
第三：治理与智能体管理可以产品化。
Workday认为，智能体管理将成为未来基础设施的核心组成部分。智能体像员工一样，是一等主体，拥有身份、技能、权限范围以及审计记录。
Agent System of Record（目前已有1200多家客户注册并观察智能体）、新的基于标准的访问与权限管理系统，以及统一的智能体入口，共同构成这一体系。这些能力被定位为企业级“信任基础设施”，用于管理智能体的扩张。
第四：通过Sana实现统一且解放的体验。
Sana成为Workday的新默认入口，所有客户均可使用（Sana for Workday），并可升级为Sana Enterprise，扩展至Salesforce、Slack、Teams和SharePoint。Sana正在与Microsoft Copilot等入口型AI竞争。
Workday的观点是，Sana将成为员工最后需要学习的企业应用。同时，它也是智能体开发平台和学习界面。
第五：新的商业模式与结果对齐，而非席位。
过去Workday按用户席位收费，价格高但使用率低。现在转向“席位+使用量”的混合模式，通过Flex Credits计量使用量。这将收入与客户结果（业务增长、生产力等）绑定。同时外部API也将按调用收费，补充此前未计入的收入。
Workday认为Sana是员工需要学习的最后一个企业应用软件（Joel Hellermark称之为软件界的达芬奇）。它同时也是代理开发工作室和学习平台。
（我想指出的是，Sana 的动态学习平台远比大多数公司意识到的要强大得多。人工智能原生学习不仅仅是培训，它还能全面赋能员工，从而显著提升生产力并促进员工技能提升。）
Workday 对“从零开始构建”的回应
现在我们都体验过 Claude Code、Codex、Cursor 或其他工具，很容易想象从零开始“重建”HCM 系统。
原则上，客户可以将 Workday 数据提取到数据湖中，使用工具将大型语言模型连接到数据湖，并尝试在 Workday 之外重建相同的代理功能。Workday
的回应是：这种方法会产生一个影子 ERP，构建成本高达数百万美元，缺少统一的对象图、配置系统和合规机制，而且自身也十分脆弱。由此产生的代理本质上就是不受规则约束的——它们在不执行规则的情况下最大化任务完成度。这会带来风险，并最终需要依赖现有的安全和工作流工具。
（我对此有一些不同意见，因为使用微软、谷歌或 ServiceNow 的工具很容易构建多进程代理，这些代理可能使用 Workday 进行身份验证，但也可能依赖 OKTA 或 Azure Identity 进行身份验证。因此，为了便于实施，一些应用程序会保留在 Workday 中，但其他应用程序可能会部署在其他地方。如果 Workday 意识到这一点，并且不对 API 收取过高的费用，那就一切都好。）
Workday 对多智能体未来的解决方案
客户将运行多个AI平台：Microsoft Copilot、Anthropologie Claude、Gemini Enterprise、Salesforce Agentforce以及内部定制代理。Workday对此表示赞同。
外部代理通过代理网关接入，使用 MCP 和 A2A 等开放标准。他们可以将任务委托给 Workday 代理以继承 Workday 的默认流程，也可以直接调用 Workday API（现在按调用次数计费）。无论哪种方式，当代理需要与人员、资金或受监管的工作流程交互时，逻辑推理部分将交由 Workday 处理。
（再次强调，如果 Workday 基于 Sana 的全新 Agent Developer 真如演示那样令人兴奋，那么很多应用开发者都会使用它。过去，构建 Workday Extend 应用相当棘手，因此，开发过程越简单易用，对 Workday 就越有利。）
我们能否让 Workday 更具动态性？动态重配置。
反对云系统的一大理由是其产品发布周期缓慢，导致客户往往需要等待数年才能获得新功能。目前，Workday 每年仅更新两次系统，产品路线图的推进缓慢且高度关联。
两项重大变革旨在解决这个问题。
首先，您现在可以利用全新的用户体验和 Sana 扩展 Workday 的功能。在代理记录系统中注册代理，即可轻松构建新应用，无需等待。此外，Workday 还与数百家合作伙伴携手，共同构建代理合作伙伴网络，为行业特定代理和咨询代理提供服务。
其次，更重要的是，Workday 推出了“部署代理”，这是一个动态的系统测试、配置和咨询式部署系统，可帮助客户更快地部署变更。
这是一项巨大的改进。企业不仅可以在一周甚至更短的时间内配置和部署 Workday，而且客户也不再需要聘请昂贵的系统集成商来使其正常运行。此外，Workday 现在将更加持续地推出新版本。
这大幅降低了实施和拥有成本，并使 Workday 能够更频繁地发布产品、功能和系统更新。这对客户来说是一项重大胜利，但对 Workday 系统集成合作伙伴来说却是一次巨大的冲击。（埃森哲报告称，他们在短短一周内就重组了 80 万名员工。）
我对这个故事的分析
我们派出了三位高级分析师参加峰会，并旁听了产品演示，还就整个产品战略进行了深入讨论。以下是我对这一切意义的总结。
1. 创始人回归，带来全新活力
就像苹果公司的史蒂夫·乔布斯和星巴克的霍华德·舒尔茨一样，有时一家开拓型公司也会迷失方向。阿尼尔作为一位对技术和Workday市场有着深刻理解的领导者，拥有定义“下一个篇章”的活力和热情。
创始人不仅引进了新的领导者，他还围绕产品领域建立了“总经理”模式，而不是将人工智能战略分散到各个领域。
现在，Workday 为 Agent Factory 和 AI API 分别设立了专人负责，管理团队每月还会召开一次跨职能 AI 工作组会议。此外，在产品与技术总裁Gerrit Kazmaier的带领下，公司仅用一个下午就将 50 个代理项目精简至 15 个。“创业文化回归了。”
（值得注意的是，微软最近出于几乎相同的原因，将其 Copilot 工程战略集中化。）
2. Workday 可以引领人力资源和财务部门实现自主运作的潮流。
与其继续专注于 Workday 现有的数百个小型代理，该公司现在将目光投向了面向未来的大型转型代理。
通过收购人工智能（招聘、智能代理和学习）领域的两大市场领导者 Paradox 和 Sana，Workday 拥有了一支在智能代理应用方面经验丰富的管理团队。Workday 不仅能够展示符合智能代理未来发展趋势的应用，还能充分利用其现有基础设施。这使公司有机会主动向企业展示未来的发展方向——构建和推动智能代理，从而重新定义企业的工作方式。
（我们的经验表明，将现有工作流程或任务“智能化”带来的收益有限。真正的巨大回报来自于构建我们所谓的“第三阶段智能体”，它可以自动化整个工作流程，并消除流程中的任务和步骤。Sana 和 Paradox 就是这种未来趋势的体现。）
3. Sana 和 Paradox 改变了Workday：新的领导层
Workday正在利用新的领导者来实现这一目标。
向产品和技术总裁 Gerrit Kazmaier 汇报工作的是 Workday 最新人工智能超级明星的两位新领导人：Adam Godson 和 Joel Hellermark。
Paradox 的首席执行官 Adam Godson 现在领导 Workday 的整个人才招聘平台，包括从 HiredScore 收购的 ATS 和人才情报系统。这是一个竞争异常激烈的热门市场，总支出超过 2000 亿美元。
Sana 的首席执行官（Joel Hellermark）现在领导着 Workday 的整个学习平台（和 AI 层），包括 Workday 的老产品 Workday Learning，这是一个总支出超过 4000 亿美元的市场。
这些具有创业精神的领导者现在成为General Managers，因此他们不仅负责产品战略，也同时负责收入和客户支持。这创造出一组高度负责的产品负责人，与此前那个交付速度非常缓慢的“integrated product group”形成鲜明对比。产品愿景、产品速度和竞争力都会呈指数级提升。
还要记住，现在talent acquisition、mobility、corporate learning和enablement，正是HR领域中AI发展最先进的几个领域。因此，我预计这两家公司中的开创性创新，将会直接影响Workday其他部分未来发生的许多agentic redesigns。
（请注意这些新兴人工智能市场的动态变化：SAP 刚刚以 18 亿美元收购了 SmartRecruiters，知识工具供应商 Glean 的估值高达 72 亿美元。Workday 与这些解决方案直接竞争，因此从某种意义上说，Paradox + Sana 在外部市场上的价值可能达到 100 亿美元。）
4. Workday可以尝试定义企业AI基础设施
我的第四个观察是，Workday有机会定义企业AI架构应该如何演进。这是一个混乱的话题，而且似乎让我见到的每一家公司都感到困惑。
我们必须提出的问题非常复杂：我们到底要构建多少个agents？我们要设计什么样的Superagents和Subagents？是否应该有一些agents负责“action”，而另一些agents负责“observation and benchmarking”？是否应该存在主从关系，让某些agents必须向其他agents请求许可？我们又该如何划分不同agents所拥有的信息与权限？
如果我们把agents看作“superpowered people”（我知道这是一个有些别扭的说法），那么我们就会遇到一些情绪和组织问题：agents会不会踩到其他agents的脚？某个人私下构建的小型“叛逆agents”，是否会复制、重叠甚至冲突于IT部门构建的更正式的企业级agents？
这是一团乱麻。
不过，Workday正在思考这个问题，而且他们看到了这个问题。在旧世界中，mainframe掌控一切。后来，“system of record”设定规则。
今天，我们有很多层：智能LLM、语义与规则层、agent code layer，也就是编排、工具和工作流层，以及runtime/trust layer，也就是安全、合规和护栏层。
Workday可以定义这一切应该如何运作。虽然这里有很多竞争厂商，包括Microsoft、Anthropic、OpenAI、ServiceNow和Google，但在ERP/HCM世界里，我挑战Workday去承担领导角色。而这也引出了一个问题：谁是Workday的“forward deployed engineering team”？
5. Workday理解context和semantic layer的挑战
“每个人都在忽视糟糕context这个巨大而无聊的问题。”——Joel Hellermark
这句话听在我耳朵里简直是音乐。
关于AI，有一个重要经验是每个人都应该学习的：context创造价值；如果我们不能信任内容，我们就不能信任agent。
Gerrit解释说，Workday在准确性方面最大的提升，并不是来自更大的模型，而是来自对knowledge graphs和context engineering的投入。我们在自己的产品Galileo中也看到了同样的情况。
因此，Workday正在推动Data Cloud演进，使其包含的不只是数据，而是你作为一家企业所建立起来的真实客户语义。这包括skills models、cost centers、career paths、certification workflows，以及数百种其他没有存储在HCM或财务数据库中的内容。
Workday团队理解这一点，说明Workday正在像一家AI公司一样思考，而不是像一个只想在工作流中构建agents的交易型软件供应商那样思考。
结论
这次活动，以及Workday一系列新领导者的出现，标志着一个转折点。
公司已经准备好重塑自身、开创新解决方案，并专注于帮助客户和合作伙伴参与到business agent revolution之中。
随着新的产品领导者、新的AI基础设施，以及帮助客户近乎实时地测试和重组其Workday系统的重点，我认为Workday确实正处在重塑的边缘。
对于金融分析师而言，我预计像Sana、Paradox以及Enterprise AI management tools这样的产品，几乎会立即展现出新的收入增长。过去五年，我们与Paradox和Sana都有非常密切的合作，它们各自都有客户和实施案例，证明其能够为Workday客户带来巨大价值。
我想祝贺Aneel、Gerrit以及整个Workday团队迎来这一重要转折点。随着未来更多公告发布，我们也会继续向大家更新相关信息。
-
2026HR趋势
【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。
-
2026HR趋势
【重磅】AI带来的不是效率革命，而是“工作结构重写”——Anthropic 8.1万用户数据的真正信号
HRTech核心解读：报告揭示 AI 对工作的真实经济影响：AI 最大的价值并不只是提速，而是扩展能力边界，让人能完成过去做不了的任务。报告还发现一个悖论：提速越明显的人，往往也越担心自己的岗位未来。这意味着企业接下来的重点，不只是部署 AI，而是重构岗位、培养早期人才、重新设计价值分配。对 HR 来说，真正的挑战已经从“要不要用 AI”，转向“如何用 AI 重写工作”。更多心请关注HRTech，为你带来全球最新HR科技趋势。
如果只用一句话总结这份来自 Anthropic 的研究，那就是：AI 的核心影响不在于“提升效率”，而在于“重写工作的经济逻辑”。报告基于约 8.1 万名 Claude 用户的反馈，揭示出一个清晰趋势——越是深度使用 AI 的人，越能感受到效率提升，同时也越容易产生岗位焦虑。这不是矛盾，而是同一变化的两面。
一、AI焦虑的本质：岗位正在被重构，而不是简单被替代
报告显示，大约五分之一的受访者明确表达了对岗位被 AI 替代的担忧，而且这种担忧与岗位的“AI暴露度”呈显著正相关：暴露度每提高 10 个百分点，岗位威胁感上升 1.3 个百分点。这说明员工的焦虑并不是情绪驱动，而是对工作内容变化的真实反馈。更值得注意的是，早期职业人群的焦虑显著高于资深员工，这背后反映的不是代际差异，而是结构性冲击——AI最先影响的，正是那些以“学习”和“执行”为核心的初级岗位。
这些岗位在传统组织中承担着“训练通道”的功能，是人才成长的起点。但当AI可以直接完成大量基础任务时，这一通道被压缩甚至跳过。企业依然需要高级人才，但不再需要同样数量的“培养路径上的人”。这才是焦虑的真正来源。
二、效率提升只是表象，真正变化是能力边界被打开
报告中一个关键发现是，48%的用户认为AI带来的最大收益是“scope expansion”，也就是能力范围的扩展，而不是简单提速。这一点非常关键，因为它意味着AI首先改变的不是“效率”，而是“能力结构”。
在实际工作中，这表现为非技术人员可以完成开发任务、个体可以完成过去需要团队才能完成的项目、低技能岗位也可以跨界进入更复杂的领域。这种变化本质上是能力的去门槛化，也意味着岗位边界正在被重新定义。企业不再仅仅根据岗位划分任务，而是开始围绕“人+AI可以完成什么”来重构工作。
三、效率悖论：越高效的人，反而越不安全
报告还揭示了一个极具现实意义的现象：那些感受到最大效率提升的人，往往也最担心自己的岗位未来。这种“效率悖论”背后的逻辑很直接——当一项工作原本需要两小时，现在只需要三十分钟时，组织自然会重新评估是否还需要同样的人力配置。
也就是说，效率提升并不会自动转化为职业安全，反而可能加速岗位压缩。对企业而言，这是成本优化；对员工而言，则是不确定性增加。这种结构性张力，将成为未来几年职场的常态。
四、收益分配正在变化，但尚未完成重构
从数据来看，大多数受访者认为AI带来的收益首先体现在个人层面，例如节省时间、提升能力、拓展工作范围。但报告同时指出，约10%的用户已经感受到企业或客户在要求他们完成更多工作。这意味着，AI带来的效率红利正在逐步从个体转向组织。
需要注意的是，这份数据主要来自个人用户，如果放到企业环境中，收益分配的结构可能更加偏向组织。长期来看，AI很可能推动形成新的均衡：更少的人力、更高的能力要求，以及更高的人均产出。
五、对HR的真正挑战：不是部署AI，而是重做人力模型
从HR视角来看，这份报告的意义远不止“AI可以提升效率”。真正的挑战在于，传统的人力资源模型正在失效。首先是人才结构的变化，初级岗位减少，中高级岗位要求提高；其次是职业路径的断裂，传统线性成长路径不再适用；最后是岗位定义的模糊，当AI可以跨职能执行任务时，岗位边界本身需要被重新设计。
未来HR需要关注的，不再是“人岗匹配”，而是“能力组合与AI协同”。这意味着招聘、培训、绩效和组织设计都需要同步调整，否则AI只会放大组织的不适配。
六、结论：AI改变的不是工作数量，而是工作定义
综合来看，这份报告最重要的启示在于，AI不会简单地“取代工作”，但会快速淘汰“旧的工作定义”。工作的单位正在从岗位转向能力组合，从固定职责转向动态任务。这种变化不会一次性完成，而是以效率提升、岗位调整、人才流动的形式逐步展开。
对于企业而言，关键在于是否主动重构组织与岗位；对于个人而言，关键在于是否及时调整能力结构；而对于HR而言，关键在于能否提前识别这些变化，并将其转化为系统性的组织能力。
这场变化已经开始，问题不在于是否发生，而在于谁更早看清它的方向。
-
2026HR趋势
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。
扫一扫 加微信
hrtechchina
