HR未来趋势：2026年10个信号正在重新定义HR的角色2026年10个信号正在重新定义HR的角色，随着 AI 深度进入组织运作，工作方式、技能结构、领导力模型和员工体验都在发生系统性变化。我们正在看到 10 个清晰的信号：HR 正从支持职能，走向工作设计、组织重构与企业级决策的核心位置。这个是David Green 每年发布的10个趋势，原文是12个，其中2个是让你参与的，所以我们还是按照10个趋势分享给你。
如果你不想看长篇文章，直接拷贝学习走这10个趋势就可以了。我们还有视频解读，你可以访问视频号：HRTech
1. Redesign Work for a Human–AI Operating System重新设计工作本身，让“人 + AI 智能体”成为一个协同运行的工作系统，而不是在旧流程上简单叠加 AI 工具。
2. Elevate Strategic Workforce Planning into a Core Enterprise Discipline将战略性人力规划（SWP）提升为企业级核心能力，与业务战略、资本配置和生产力决策深度绑定。
3. Build a Dynamic Skills and Capability Ecosystem构建动态技能与能力生态系统，用统一的技能语言、技能数据和流动机制支撑长期转型，而非一次性培训。
4. Reshape Leadership for the Agentic Age重塑领导力模式，帮助管理者在“人类 + AI 智能体并行工作”的环境中重新理解决策、责任与影响力。
5. Strengthen Organisational Health, Fairness & Inclusion to Unlock Sustainable Performance以组织健康、公平与包容为可持续绩效的基础，在 AI 放大效应下建立信任、透明与责任文化。
6. Reimagine Employee Experience for a Hybrid, AI-Augmented Workforce将员工体验视为一个“系统工程”，为混合办公与 AI 增强型工作方式重新设计体验、流程与协作节奏。
7. Scale People Analytics as a Strategic Intelligence Function把 People Analytics 从“HR 报表工具”升级为“企业级战略情报系统”，直接影响业务与组织决策。
8. Embed Responsible AI & Workforce Governance将 Responsible AI 与 Workforce Governance 内嵌到组织运行中，明确决策边界、人类监督与伦理责任。
9. Elevate the CHRO as Enterprise Co-Pilot in Organisational Reinvention推动 CHRO 成为 CEO 的企业级“共同驾驶者”，参与业务模式、组织结构与生产力重构。
10. Reinvent the HR Operating Model and HR Capabilities for the Agentic Era重构 HR Operating Model，从传统 COE 与交付模式，转向跨职能、AI 驱动、结果导向的运作体系。
“预测未来的最好方式，就是创造未来。”（Peter Drucker）
如果说 2024 年和 2025 年是对生成式 AI 与 agentic AI 进行实验的年份，那么 2026 年就是组织必须规模化落地的一年。CEO 现在期待可衡量的生产力提升，而 CFO 则要求更有纪律的价值创造。然而，许多组织仍停留在试点阶段——不是因为技术不成熟，而是因为其运营模式、技能与组织结构还无法在规模上吸收 AI。
三分之二的 CEO 表示：他们的竞争差异化取决于是否能在正确的岗位上拥有正确的专业能力，并通过再技能化（reskilling）、选择性招聘、AI agents 以及战略合作伙伴关系来支撑——即“build, buy, bot, borrow”模型。劳动力战略已经成为 CEO 级别的议题。
引言：HR 的 R&D 时刻 “在 AI 的未来里，HR 将成为你的 R&D 部门。”（Ethan Mollick）
对 HR 而言，其影响是深远的。正如 Ethan Mollick 所说：“在 AI 的未来里，HR 将成为你的 R&D 部门。”HR 如今正处在工作再设计、技能战略、领导力能力、组织健康与 AI 治理的交汇点。HR 在 2026 年做出的选择，将决定组织能否释放 agentic productivity，还是继续在几乎没有影响的实验中徘徊。
在我发布这份年度前瞻的 10 多年里，它已从“预测”演变为“机会”，因为塑造工作的力量正在以多年为周期展开——正如 Niels Bohr 诙谐地说：
“预测是非常困难的，尤其是关于未来的预测！”（Niels Bohr）
THE 12 OPPORTUNITIES FOR HR IN 2026FIG 1：12 Opportunities for HR in 2026（由 NotebookLM 设想；来源：David Green）
#1. Redesign Work for a Human-AI Operating System（为 Human-AI Operating System 重构工作）“Agentic AI 已经在改变任务、工作流与角色的本质——组织必须重新设计工作，才能充分捕捉收益。”（McKinsey, The State of AI in 2025）
组织正开始走出实验阶段，并重新思考工作的结构。HR 现在应当带头设计一个能够编排 humans 与 AI agents 的“操作系统”：明确任务、工作流、决策权、升级/上报点，以及人类在哪些环节提供独特价值。
问题不再是“我们能自动化什么？”，而是“为了交付我们需要的结果，人类与 agents 的最佳组合是什么？”这意味着从结果出发，将工作拆解为任务，再决定哪些应由人主导、哪些由 AI 增强、哪些由 agent 交付。
一个一致的操作系统需要清晰治理：透明度、伦理边界、决策阈值，以及人类监督的规范。在 CEO 推动生产力、CFO 要求成本纪律的背景下，HR 有机会成为安全、可扩展、能创造价值的 AI-enabled work 的架构师。做对了，组织将加速生产力、决策质量与执行速度；做错了，则可能继续被困在“试点炼狱”里。
“未来的工作不会由替代人类来塑造，而是通过重新设计系统，来优化人与技术的伙伴关系。”（Oliver Wyman Forum, How Generative AI is Changing the Future of Work）“当你围绕人类优势重构工作时，AI 会成为倍增器而不是威胁。从‘做任务’转向‘编排结果’。”（Loren Shuster，Digital HR Leaders podcast）FIG 2：Human Agency Scale（来源：Stanford）
#2. Elevate Strategic Workforce Planning into a Core Enterprise Discipline（将战略性劳动力规划提升为企业核心学科）“战略性劳动力规划如今是 CEO 级别的优先事项。”（McKinsey, Workforce Planning in the Age of AI）
Strategic workforce planning（SWP）已从 HR 流程上升为 C-suite 优先事项。CEO 现在将人才、技能、自动化与成本决策视为企业绩效的核心。因此，HR 必须把 SWP 转变为连接战略、技能、成本与组织设计的动态系统。这需要情景建模、内部流动映射、人才流动分析与生产力预测——而不是传统的人头规划。
CEO 希望 HR 管理的“build, buy, bot, borrow”组合要求持续决策，而非年度循环。在 agentic 环境中，技能需求持续变化，SWP 成为帮助领导者做出判断的机制：何时 reskill，何时招聘，何时部署 agents，何时合作伙伴协同。
做好 SWP，它将成为 CEO 提升竞争力的利器：让人才更快重新配置、权衡更清晰、长期投资更有信心。
“领先的公司把 workforce planning 融入业务节奏——不把它当作年度 HR 活动，而是当作战略能力。”（Diane Gherson，Digital HR Leaders Podcast）FIG 3：Five shifts for the future of workforce planning（来源：Deloitte）
#3. Build a Dynamic Skills and Capability Ecosystem（构建动态技能与能力生态）“技能已成为工作的货币——组织必须建立系统，让人可以流动地进入机会。”（World Economic Forum, Global Skills Taxonomy Toolkit）
静态的岗位架构无法跟上工作变化的速度。HR 必须建立一个动态 skills ecosystem，持续识别、更新并部署技能。AI-driven inference 能实时发现新兴能力，替代过时的自我申报与静态胜任力模型。
这个生态支持透明的内部流动、人才市场（talent marketplaces）、AI-enabled learning，以及与业务优先级对齐的能力建设，而不是泛泛的培训。可雇佣性（employability）将更多转向适应力、能力广度，以及与 AI 高效协作的能力。
技能生态能减少外部招聘、提升内部流动，并支撑规模化转型。到 2026 年，skills 可能成为企业“运行层”，把战略、劳动力决策与学习连接成一个自适应系统。
“高绩效公司正从 jobs 转向 skills，从等级层级转向随业务同速演进的能力生态。”（BCG, AI at Work 2025）“成为 skills-based organization 的真正原因是业务敏捷性。战略变化、技术演进时，你必须持续理解你拥有什么人，以及需要完成什么工作。”（Sandra Loughlin，Digital HR Leaders Podcast）FIG 4：Core skills in 2030（来源：World Economic Forum）
#4. Reshape Leadership for the Agentic Age（为 Agentic Age 重塑领导力）“当 AI 改变工作如何发生，领导力也必须进化。”（BCG, As AI Changes Work, CEOs Must Change How Work Happens）
为监督、专业与控制而设计的领导模式，已经不适用于 agentic AI 能执行任务、综合信息并加速决策周期的世界。在 agentic age，领导者的工作将从“管理工作”转向“编排系统”：界定问题、设定方向、治理风险，并让 people 与 agents 共同高效运作。
研究似乎非常明确：只有当领导者发展新的“肌肉”——判断力、系统思维、伦理推理、快速学习、透明度，以及以速度管理变革的能力——组织才能捕捉 AI 的价值。领导者必须成为工作流设计者，而不是工作审阅者；成为实验的推动者，而不是门禁；成为适应力的榜样，而不是确定性的象征。
心理安全（psychological safety）变得更重要。正如 Amy Edmondson 指出，人们需要感到安全，才能挑战领导者与 AI 输出。能够创造清晰、连接与信任的领导者，会看到更高的 agentic tools adoption。Insight222 的研究强调：最有效的领导者用数据与证据指导决策，同时在沟通与文化建设中保持深度的人性。
也许更重要的是，领导者必须学会“去学习”（unlearn）。正如 Katarina Berg 所说，几乎所有关于领导的方式都在被“重写”——执着于旧行为只会拖慢组织。
能真正胜出的领导者，会拥抱谦逊、好奇心与系统架构师的心态，引导 people 与 AI 创造出任何一方都无法独自达成的结果。
“心理安全延伸到 AI。人们必须感到安全，才能质疑输出并提出担忧。”（Amy Edmondson，Digital HR Leaders podcast）“领导者必须适应去学习……我们不能执着于那些已无法帮助人们繁荣的做法。”（Katarina Berg，Digital HR Leaders podcast）
#5. Strengthen Organisational Health, Fairness & Inclusion to Unlock Sustainable Performance（强化组织健康、公平与包容，释放可持续绩效）“提升员工 wellbeing 是提高生产力的强力机制——可能提升 10–15%。”（McKinsey Health Institute & World Economic Forum, Thriving workplaces）
组织健康、公平与包容如今是关键的经济倍增器。优先关注 wellbeing 的组织，往往在创新、留任、生产力与财务表现上持续优于同业。
在 agentic age，这些议题更为核心。治理不当的 AI 可能增加认知负荷、降低自主性，并引入新的公平风险——从偏差模型到不透明决策。HR 必须把公平、安全与包容嵌入工作流、招聘系统、绩效管理与职业路径中。工作也应被重新设计，以减少摩擦、保护自主性，并确保机会与技能的公平可及。
健康的组织转型更快、能留住稀缺技能，并建立 AI adoption 所需的信任。“让工作更好”不该只是口号（同时也是 Bruce Daisley 的优秀博客名），而应成为可持续绩效的硬性要求。
“优先投入 wellbeing 的公司跑赢股市……为股东带来更高回报。”（De Neve et al, Workplace Wellbeing and Firm Performance）“公平的重要性前所未有。AI 把风险抬高了，因此领导者必须清晰沟通，并建立问责文化。”（Patricia Frost，Digital HR Leaders podcast）FIG 5：员工 wellbeing 与公司财务表现的关系（来源：McKinsey、World Economic Forum、De Neve et al）
#6. Reimagine Employee Experience for a Hybrid, AI-Augmented Workforce（为混合、AI 增强型劳动力重塑员工体验）“员工体验如今是留任、生产力与韧性的首要预测因子。”（Deloitte, Global Human Capital Trends 2025）
Employee experience（EX）必须被当作系统来设计，而不是一堆分散的项目。持续倾听、行为洞察与实时反馈闭环，将取代年度调查，成为 EX 的核心“仪表盘”。
AI 正在重塑协作、问题解决与获取支持的方式——从生产力工具中的 copilots，到嵌入 HR 服务的 agents。HR 的任务是确保这些工具减少摩擦、增强连接，并提升意义与工艺感（craftsmanship），而非侵蚀它们。
文化是在微小瞬间被体验到的：团队仪式、协作规范、角色清晰度、系统响应速度。能够在工作流、领导行为、办公空间设计、技术与混合节奏上整体重构 EX 的组织，将释放更高水平的韧性、投入与绩效。
在 2026 年，EX 应进化为“员工每天如何感受到战略”的方式，而不是一个独立项目。
“混合办公不是政策——它是生态系统。你必须有意地设计体验，否则就会得到两边最糟的结果。”（Michael Fraccaro，Digital HR Leaders podcast）
加入我在 1 月 15 日的 webinar，我们将公布 Insight222 People Analytics Trends 的关键发现。请注册，与 Madhura Chakrabarti, PhD、Jonathan Ferrar 和我一同参加，揭晓第六年度 Insight222 People Analytics and AI Trends study 的结果（基于全球 370+ 家公司的数据）。Sign-up here。
#7. Scale People Analytics as a Strategic Intelligence Function（将 People Analytics 规模化为战略情报职能）“People analytics 必须从回答 HR 问题，进化为塑造企业决策。”（Insight222, People Analytics Trends Report 2025–26）
People analytics 正在成为指导企业决策的“情报系统”。借助 skills data、workflow telemetry、组织网络洞察以及 AI-usage patterns，组织终于可以理解“工作实际如何发生”，而不再只看组织架构图或流程图上“看起来如何”。这种从描述性报告到实时组织感知的转变，在 agentic age 是根本性的。
要有效规模化，people analytics 需要坚实基础：自动化数据管道、整合的 skills 与 work data、负责任的治理，以及能够快速设计与运行实验的能力。目标不是产出更多 dashboard（但愿别这样），而是产出清晰度：哪些行为驱动生产力？价值在团队中如何被创造？关键技能在哪些地方出现或流失？AI agents 对工作质量、决策速度与员工体验有什么影响？
做好后，people analytics 将成为战略优势：能够早期识别风险、更快重新配置人才，并持续改进工作流与领导行为。在 agentic organisation 中，赢家将是学习更快的人，而不仅是衡量更快的人。
“当你能证明参与度与能力如何提升盈利能力时，人力数据与业务绩效之间的联系就会变得清晰。”（Sharon Taylor，Digital HR Leaders podcast）“people analytics 的力量在于：洞察能直接连接业务结果——绩效、客户体验、生产力。”（Dawn Klinghoffer，Digital HR Leaders podcast）FIG 6：Insight222 Leading Companies in People Analytics Model（来源：Insight222）
#8. Embed Responsible AI & Workforce Governance（嵌入 Responsible AI 与劳动力治理）“AI 无法在缺乏信任的情况下规模化。”（Gartner, AI in HR: Hits, Misses and Growing Pains）
可信 AI 现在是业务的硬性要求。随着组织在工作流中部署 agentic systems，HR 必须主导建立治理框架，确保公平、可解释性与对员工/组织数据的伦理使用。这意味着设定清晰的决策边界、定义 human-in-the-loop 监督、对模型偏差进行压力测试，并建立透明沟通，让员工理解 AI 如何影响机会、评估与职业路径。
有效治理也需要持续监测结果，而不仅是部署前的风险评估。研究显示：治理不当的 AI 会侵蚀信任、增加认知负荷并放大不平等；而设计良好的系统则能提升自主性、安全与规模化绩效。
治理不是创新的刹车，而是让安全加速成为可能的护栏。拥有明确原则、文档化护栏与可信监督机制的组织，会更快 adoption AI，并获得更高的员工支持。Responsible AI 不再是边缘议题——它是雇主与员工之间现代社会契约的核心组成部分。
“Responsible AI 必须从一开始就嵌入，而不是等问题出现后再补丁式修复。”（TI People, From AI Impact Assessment to Results）“AI 会放大好与坏的决策。治理不是可选项——它决定的是进步还是伤害。”（Tomas Chamorro-Premuzic，Digital HR Leaders podcast）
#9. Elevate the CHRO as Enterprise Co-Pilot in Organisational Reinvention（把 CHRO 提升为组织再造的企业级副驾驶）“CHRO 现在是 CEO 在 AI 转型中最重要的伙伴。”（BCG, What CEOs Should Look For in an AI-First Chief People Officer）
当工作、技能、领导力与运营模式同时被重新设计时，CHRO 已成为 CEO 最紧密的战略伙伴。董事会也越来越依赖 CHRO 来评估领导力能力、组织健康、技能准备度、人才配置与 AI 驱动变革对劳动力的影响。
现代 CHRO 必须融合经济学、组织心理学、AI literacy、系统思维、文化专长与数据素养。他们将影响业务模式再造、自动化战略、生产力、领导任命、能力建设与文化更新等决策。
这是一种深刻的职责扩张。拥抱这一使命的 CHRO 将成为“再造的架构师”，而不仅是 HR 流程的守护者。这个角色比过去 50 年——也许是有史以来——更复杂、更关键、更接近企业绩效核心。
“CHRO 已从‘人力专家’转变为‘组织架构师’——塑造工作如何与技术一起演进。”（Lynda Gratton，Digital HR Leaders podcast）“CHRO 具备独特视角：理解能力、文化与变革。这种组合正是推动转型的关键。”（Janine Vos，Digital HR Leaders podcast）
#10. Reinvent the HR Operating Model and HR Capabilities for the Agentic Era（为 Agentic Era 重塑 HR 运营模型与能力）“传统结构无法交付如今所需的速度与整合度。”（Mercer, Operating by Design）
如果 HR 不先自我重塑，就无法交付本文前九项机会。传统 COEs 与服务交付模式是为稳定时代设计的——而非当下这种持续工作流重构、动态技能需求与 AI 无处不在的时代。
一个现代 HR operating model 需要：跨职能整合，而不是孤立的 COEsAI-enabled workflows，把事务性工作自动化来自 people analytics 与 skills data 的实时情报清晰的决策权与对结果负责的 owner–accountability具备 AI、经济学、数据与组织诊断能力的 HRBPs
HR 团队需要新的基础能力：系统思维、体验设计、产品思维、实验能力、行为科学、数据素养与技术素养。
只有先重塑自身，HR 才能推动组织其他部分的重塑。
“未来的 HR 职能融合 analytics、实验、组织设计与技术素养。这些不再是可选项——而是基础能力。”（Insight222, People Analytics Trends Report 2025–2026）“HR leaders 需要把自己当作产品经理——‘雇佣’就是产品。这种心态会改变一切——从我们如何设计体验，到我们如何推动 adoption，并与利益相关方共同创造解决方案。”（Tanuj Kapilashrami，Digital HR Leaders podcast）FIG 7：The New HR Operating Model（来源：TI People）
WHAT HR MUST BECOME TO DELIVER THESE OPPORTUNITIES（HR 必须成为什么，才能交付这些机会）为了实现这十个机会，HR 必须进化为一个更整合、更洞察驱动、更能定义未来的组织职能。这种转型需要三个关键转变。
1）以整合的企业系统方式运作工作再设计、技能、领导力与员工体验不可能由孤立团队完成。人才、学习、EX、people analytics 与 HR operations 必须作为互联平台运作：共享结果、共享情报、共享问责。我们正在解决的问题——技能稀缺、组织再设计、领导力转型与 AI 融合——都是系统问题，因此必须用系统方式回应。
2）成为 AI-fluent 且 evidence-ledHR professionals 不需要成为 data scientists 或 engineers，但必须理解 AI 的能力、风险与组织影响。AI literacy、数据素养与科学思维，已成为想在 HR 职业生涯中取得成功的基础能力。随着工作更 agentic，判断力与证据结合会让决策更好——HR 必须在全组织范围内倡导这种伙伴关系，从一线到董事会。
“如果 HR 不理解 AI 如何运作，我们就无法塑造工作如何被重新设计。数据与 AI 素养不再是可选项——它是入场券。”（Nickle LaMoreaux，Digital HR Leaders podcast）
3）构建新的能力组合未来 HR 职能融合组织心理学、行为科学、系统思维、体验设计、实验、治理、人才经济学与转型领导力。这些能力让 HR 能重设计工作流、以伦理方式治理 AI、加速能力建设，并编排复杂、跨多年的变革。
总之，HR 必须成为设计、赋能并加速组织再造的职能——而不是被动响应它。
“最优秀的 HR 团队一直在做实验。他们不追求拥有所有答案——而是追求比组织更快学习。”（Thomas Otter，Digital HR Leaders podcast）
CONCLUSION: HR'S MOMENT OF MAXIMUM INFLUENCE（结语：HR 影响力的最大时刻）2026 年将是决定性的一年。组织不再争论 AI 是否会重塑工作——而是在争论：会有多快、多安全、以及多有人性。这把 HR 推到企业战略中心，这是几十年来罕见的局面。
这些机会不是任务——它们是需要建设的能力。它们要求一个更整合、更实验化、更分析化、更有勇气的 HR 职能。有些会挑战长期以来的假设；大多数会把 HR 推出舒适区。
但回报也同样巨大。能够把 agentic technology 与 human judgement 和 care 结合起来的组织，将超越那些只依赖技术的组织。HR——凭借其在 people、work 与 strategy 交汇处的独特位置——握有组织如何适应、繁荣并释放价值的关键。
这是 HR 影响力的最大时刻。
问题不在于 HR 是否准备好了——而在于我们是否会抓住机会……
CROWDSOURCING: HELP SHAPE THE FINAL TWO OPPORTUNITIES（众包：一起塑造最后两个机会）每一年，最好的想法都来自这个社群。正在改变 HR 的挑战与创新，很少来自某一家公司的单点灵感——它们来自各行各业实践者的日常工作。
因此，我再次把最后两个机会开放给你。
如果你要为 HR 在 2026 年补充一个必须关注的机会，它会是什么——为什么？
它可以是你所在组织里正在出现的新变化，也可以是我在前十项机会中讨论不足的挑战，或是你认为正在更快到来的转变。
请在评论区分享你的想法。我会把最强的贡献综合成两项机会——#11 和 #12，并在新年对本文进行更新。
让我们一起塑造 2026 年 HR 的议程。
HR的影子AI行动指南： 从隐蔽使用到负责任 AI 的组织能力建设HRTech概述：影子AI （Shadow AI） 正在成为企业的真实现状：员工早已在日常工作中使用 AI，但往往“不敢说、不敢公开”。这不是违规，而是组织真实需求的外露，是基层对效率的自主追求。影子 AI 暴露的是心理安全不足、工具体验落差，以及组织学习断裂。HR 的角色正在发生改变：不再只是制度执行者，而是 AI 文化的塑造者、心理安全的设计者、治理框架的共同构建者。四步框架——心理安全、显性化、白化机制、Responsible AI 建设——将帮助企业把“地下创新”转化为组织能力。谁能更早拥抱 Shadow AI，谁就能在下一轮 AI 浪潮中领先。
一、当 AI 早已走进一线，却还停留在管理者PPT里
在很多企业的管理层会议上，AI 依然是战略汇报中的一个章节，是技术团队路演中的一个亮点，是外部大会上反复出现的关键词；但在员工的真实日常工作中，AI 早已“悄悄上岗”。销售用 ChatGPT 改邮件、运营用生成式模型写文案、HR 自己也可能用 AI 写 JD、起绩效评语、梳理政策……只是，这一切往往都发生在“未报备、未批准、未纳管”的状态下。这就是所谓的 Shadow AI（影子 AI）：员工在未正式获批、未纳入官方工具体系的前提下，自行使用各类 AI 工具完成工作目标。现有研究与市场观察都在指向同一个事实：员工实际使用 AI 的比例，远高于企业管理层的认知。而且，越是高绩效、越接近业务一线的员工，越有动力去寻找更高效的工具，也越可能成为影子 AI 的重度用户。对 HR 管理者而言，Shadow AI 不仅是一个技术或安全问题，更是一个组织问题与文化问题。如果只是简单将其视为“违规操作”，采取封堵、禁用、隔离等手段，只会把本就隐蔽的使用推向更地下的角落，让企业既承担风险，又完全丧失学习机会。本指南的出发点，是从 HRTech 与组织文化的视角，帮助 HR 管理者把 Shadow AI 从“地下水”引向“有渠道的水利系统”，把分散、隐蔽的个体实验，转化为安全、可控、可持续的 Responsible AI（负责任 AI）能力。
二、重新理解 Shadow AI：从“违规现象”到“欲望路径（Desire Path）”
如果从传统 IT 管理的视角，Shadow AI 与 Shadow IT 一样，是“未授权应用”，理应被列入风险清单。但如果我们转换视角，会看到另一层含义：Shadow AI 更像是校园里的“欲望小路（Desire Path）”——学校规划了标准道路，然而师生会按照自己的效率和习惯，踩出一条更加真实的路径；这条路径，往往比设计者想象的要合理得多。在企业中，Shadow AI 的出现，首先说明官方工具与流程无法完全满足一线需求。员工之所以绕过内部系统使用外部 AI 工具，往往不是为了规避规则，而是为了完成目标、节省时间，甚至是为了弥补现有系统的不足。其次，Shadow AI 折射出一种“不敢公开的创新”。许多员工其实已经在积累自己的提示词库、工作流模板和小型自动化流程，但出于对“被认为偷懒”“被质疑是否算自己的贡献”“被误读为岗位可被替代”的担心，他们选择不公开、不分享、不沉淀。换句话说，Shadow AI 是员工用脚投票之后留下的轨迹，是组织真实 AI 需求和真实效率突破的“热力地图”。如果企业只是从合规层面、技术控制层面去理解 Shadow AI，就会错过它作为“需求信号”和“创新线索”的价值。这也是 HR 需要主动介入的关键原因：如何将这种制度外的创新、隐蔽的效率实践，转化为可治理、可复制的组织能力。
三、Shadow AI 暴露的三大管理缺口：心理安全、工具落差与学习断裂
要把 Shadow AI 当成机会，首先要承认它是组织管理上的一面镜子。当前大量影子 AI 的存在，至少揭示了三类典型缺口。第一，AI 心理安全感缺失。员工不敢公开承认自己使用 AI，是因为在当前文化氛围下，“用 AI 完成工作”并未被正式定义为一种被鼓励的能力，反而可能被解读为“偷懒”“不够专业”，甚至被视为未来裁员时“可以被机器人替代”的证据。如果没有心理安全感，员工就不会主动说明“这里我用到了 AI”，更不会愿意把自己的 AI 工作流分享给组织，这直接阻断了企业学习的可能性。第二，官方工具与真实需求之间存在明显落差。很多企业已经在搭建内部大模型平台或 AI 助手，但常见问题包括响应缓慢、调用复杂、上下文受限、接入场景单一，甚至与员工日常使用的应用脱节。一线员工用外部 GPT 等工具可以在 30 秒完成的任务，内部工具可能需要数分钟甚至更长。一旦体验差距过大，Shadow AI 就几乎不可避免。第三，组织学习与治理机制断裂。当前不少企业对 AI 的管理仍停留在“政策下载”“使用禁令”“统一培训”的层面，缺少一个真正面向业务的、可持续的 AI 学习和治理循环：哪里出现了新的 AI 工作流，如何被发现、如何被评估、如何被白化（纳入官方）、如何被复制推广。结果是，员工的创造性实践被锁在个体层面，组织既看不到风险，也看不到机会。
四、HR 在 Shadow AI 中的独特角色：文化定义者与行为架构师
在 AI 治理的角色分工中，IT 负责技术护栏和安全架构，高管层负责战略方向与问责机制，而 HR 的核心职责在于“人”和“行为”。这意味着，HR 在 Shadow AI 问题上的角色，不是简单地转发 IT 的禁用公告，而是要通过文化、制度、激励与能力建设，把一个隐蔽、分散、个体化的现象，转化为公开的、可讨论的、可治理的集体实践。其一，HR 是 AI 心理安全感的主要设计者。心理安全感不是一句口号，而是涉及绩效评估逻辑、能力模型定义、晋升标准、沟通语境的一整套机制。HR 需要帮助管理层明确：使用 AI 是一种能力，不是作弊；公开分享 AI 使用经验，是一种贡献，而不是可疑行为。只有这样，员工才会相信“说真话是安全的”，AI 使用才能从影子状态走向阳光之下。其二，HR 是 AI 文化的塑造者。HR 可以引导企业从“工具导向”转向“文化导向”：与其问“我们有没有自己的大模型”，不如问“我们的员工能不能自然地把 AI 作为工作伙伴”。这种文化关乎是否鼓励尝试、是否允许试错、是否鼓励跨团队分享，以及是否把“AI 流畅性（AI Fluency）”写进人才画像与能力模型之中。其三，HR 是 AI 能力建设与治理框架的共同设计者。在岗位说明书、培训发展、人才盘点和组织发展项目中，HR 完全可以把“与 AI 协作的能力”“构建 AI 工作流的能力”“识别和审查 AI 输出风险的能力”作为新一代核心能力维度，并与 IT、安全、法务共同搭建 Responsible AI 的制度框架和教育体系。
五、HR Shadow AI 行动框架：从察觉现象到建立负责任 AI 体系
要从战略层面走向具体行动，HR 可以参考一个“四步式”行动框架：心理安全 → 显性化与分享 → 白化与护栏 → Responsible AI 体系化。
第一步：建立 AI 心理安全感，明确“用 AI 是被鼓励的行为”HR 需要与高管层一起，向全公司发出清晰、统一的信息：在合理边界下使用 AI，是被鼓励的；在工作中说明自己使用了 AI，不会削弱对个人能力的认可；凡是能够证明 AI 使用为业务带来实质价值的案例，都可以成为正面的组织故事。这种信息不应停留在“口头安抚”，而要落实到绩效评估标准、KPI 设定、团队例会、内部沟通中，甚至体现在领导者自身的示范行为里。只有当员工真正相信“用 AI 和说明用 AI 都是安全的”，Shadow AI 才会从“要隐藏”的状态转向“可以讨论”的状态。
第二步：建立 Shadow AI 显性化与分享机制，把个体经验变成组织资产当心理安全感初步建立后，HR 应主动设计可持续的分享机制。例如，设立跨部门 AI 使用经验分享会或内部“AI Demo Day”，开设专门的 Slack/飞书频道收集高效提示词与工作流，鼓励团队每季度提交一到两个“AI 提效案例”。同时，HR 可以配合设立激励机制，如“季度最佳 AI 工作流”“年度 AI 创新团队”等，以非物质荣誉与适度物质奖励相结合的方式，让员工知道：不仅可以公开，而且值得公开。在这一阶段，HR 的重点不在于立刻统一工具，而在于尽量全面地看见：哪些岗位、哪些业务场景、哪些流程已经自然地被 AI 改造；在哪些地方，Shadow AI 已经成为事实标准。这些信息会成为后续治理和产品化的坚实基础。
第三步：与 IT 共建“白化机制”和技术护栏，从影子实践走向合规落地当大量 Shadow AI 使用场景被可视化之后，HR 应与 IT、安全、法务组成联合治理小组，对这些场景进行分级评估：哪些场景风险较低，可以通过简单规范直接纳入官方工具；哪些场景涉及敏感数据，需要通过技术手段（如脱敏、私有化部署、安全网关等）重构方案；哪些场景暂时不宜使用外部公共模型，需要专门设计替代路径。所谓“白化机制”，并不等同于“一刀切审批”，而是一个将影子实践纳入正式工具链与风控体系的过程。例如，将员工实践中最常用的提示词整理成组织级 Prompt Library，将高频工作流固化为一键调用的自动化模板，将临时性质的“复制粘贴+外部网站”操作替换为安全 API 或内部模型调用。HR 在此过程中的角色，是确保白化过程不压制真实需求，避免以管理的名义牺牲体验，从而促使员工再次转向影子路径。
第四步：构建以 Responsible AI 为目标的治理体系，将 AI 融入人才与组织发展
当显性化、白化和护栏搭建初步完成，组织就进入了 Responsible AI（负责任 AI）的建设阶段。此时，HR 需要协同其他关键职能，搭建一个长期可运行的治理体系，而不是一次性的专项项目。在制度层面，可以明确 AI 使用政策，包括可用场景、敏感数据边界、必须进行人工复核的情形、生成内容的署名与责任划分等；在能力层面，可以将 AI 相关能力写入岗位能力模型和晋升标准，将提示词能力、AI 判断能力、工作流设计能力、风险识别能力等，作为人才发展的新维度；在教育层面，可以设计分层培训体系：对所有员工提供基础 AI 素养课程，对管理者提供“AI 驱动团队”的领导力课程，对关键岗位提供场景化的深度训练。更进一步，HR 还可以推动将 AI 相关数据纳入组织诊断与人才盘点：例如，团队内部 AI 使用质量与频率是否与业务成效相关，哪些团队在 AI 采用上明显落后，哪些岗位的任务内容已经悄然改变，需要调整职位说明与绩效权重。这些工作会让 Responsible AI 不仅停留在“安全与合规”的层面，而真正延伸到“能力与竞争力”的层面。
六、典型应用场景：从招聘到绩效，Shadow AI 如何转化为治理样板
在具体实践中，HR 可以从几个典型场景入手，将 Shadow AI 转化为治理范例。在招聘领域，许多企业已经观察到候选人利用 AI 优化简历与面试回答，同样也有招聘团队使用 AI 来撰写 JD、筛选简历、生成面试问题。HR 可以先通过工作坊收集招聘团队真实使用 AI 的方式，识别其中哪些做法有助于提高效率与候选人体验，哪些做法可能带来偏见或不透明的风险。随后，通过明确政策与技术手段，构建一个既利用 AI 增效，又能保证公平与可解释性的招聘流程，并在内部公开这些标准，以减少阴影和猜忌。在绩效与评价场景中，部分管理者可能已经使用 AI 来草拟绩效评语或反馈。HR 不应简单禁止，而应明确：AI 可以作为辅助撰写工具，但不可以替代管理者的主观判断；最终的评语内容必须由管理者审核并承担责任。同时，HR 可以为管理者提供“如何借助 AI 写出更清晰、更具建设性的反馈”的培训，将 Shadow AI 使用引导到有益和规范的方向。在日常运营和知识管理中，员工可能已经在用 AI 整理会议纪要、编写操作手册、归纳流程和 FAQ。HR 完全可以将这些实践纳入知识管理体系：通过统一工具和流程，确保重要内容可以被沉淀、可被搜索、可被版本管理；同时，对不同类型内容设置清晰的访问与保密等级，避免知识资产流失或误用。
七、从 Shadow AI 到 Responsible AI 的飞轮
从 HR 的视角，Shadow AI 不是短期要消灭的现象，而是长期需要理解和引导的“地下创新能量”。一味压制，只会带来更隐蔽的使用与更高的不可控风险；积极引导，则可以形成一个健康的飞轮：员工自发实验 → 组织建立心理安全与分享机制 → 高价值实践被识别并白化 → 在治理框架下标准化与规模化 → 反馈到文化与能力体系 → 刺激下一轮更高质量的实践。在这一过程中，HR 的角色正在发生根本变化：不再只是制度的执行者，而是 AI 文化的设计者、AI 能力模型的定义者、跨职能治理框架的共同架构者。那些能够主动拥抱 Shadow AI、从中提炼出组织机会并搭建 Responsible AI 体系的 HR 团队，将为企业赢得的不只是效率，还有在下一轮技术周期中持续演进的能力。当我们不再只把 Shadow AI 看成“要被消灭的影子”，而是把它视为“正在书写中的真实 AI 采用路线图”，HR 才真正有机会站到 AI 治理的前台，成为组织转型的关键推动者，而不是被动跟随者。
最后，HRTechChina在2024年就发起推动HR工作中实践负责任AI的倡议（简称RAIHR）， 我们呼吁所有的人力资源行业同仁一同参与，共同构建和推广RAIHR的理念，RAIHR框架包含六个关键方面：透明性、公平性、隐私性、安全性、道德性和持续性。我们倡议每一位HR专业人士在其企业内部积极主导RAIHR的实施，并鼓励HR科技产品的开发和使用都围绕这一框架展开，以实现真正的可持续发展！我们更相信RAIHR是所有参与者和倡导者的未来关键竞争优势。
Responsible AI in HR（RAIHR）
Responsible AI in HR（RAIHR）是指在HR实践中的AI应用遵循高标准的道德和透明性原则，确保AI决策过程公开、可审查，并且对所有利益相关者公正无偏。
这包括在招聘、员工发展、绩效管理等HR功能中，AI技术的使用既促进了工作效率，也增强了员工的工作体验和满意度。
2026HR趋势
2025年12月07日
2026HR趋势
AI 面试可能让你错过真正人才：招聘体系的深层危机正在显现HRTech概述：最近一些观点认为：AI 正在以意想不到的方式改变招聘。最新研究显示，当候选人使用 AI生成简历或面试答案时，低能力候选人反而更容易被录用，而真正的高能力人才却更容易被忽视。一些企业也出现了类似案例：候选人在虚拟面试中表现完美，入职后却完全无法胜任工作，导致团队效率下降、管理者精疲力尽、企业付出高额成本。AI 不会毁掉招聘，但忽视 AI 带来的信号失真，才会让企业失去未来。
更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
过去一年，AI 帮助招聘团队节省时间、提升转化、加强候选人体验，从JD撰写到职位发布，简历筛选，预约面试，到AI面试。。。但一个越来越明显、却极少被公开讨论的问题，也在悄悄逼近：
AI 是否正在重塑（甚至破坏）招聘判断力，让我们更容易选错人？
Ben Eubanks 的最新研究与案例引爆了 LinkedIn 的激烈讨论：当候选人使用 AI 生成求职材料时——
低能力候选人被录用的概率提高近 20%
高能力候选人反而更不容易被录用，低了20%
这种“反向择优”效应，正在改变招聘的底层逻辑。
更令人担忧的是，评论区的全球 HR 领袖们纷纷补充了他们亲眼见到的真实场景：面试表现完美 → 入职后完全无法产出 → 团队被迫托底 → 管理者精疲力尽 → 文化开始受损。
这不是一个孤立的故事，而是一个可能席卷企业的系统性风险。
AI 正在制造一种“能力假象”
案例中提到的一名候选人，在虚拟面试中表现出色，回答精准、结构清晰，但入职四个月：
零成果
零项目贡献
零可交付
甚至影响团队运作
最终发现，这名员工在面试中使用了 AI 作答，成功伪装了能力。
换句话说：30 分钟的“完美”视频面试，换来团队数月损耗与数万美元成本。
而这只是千百个案例中的一个。
为什么 HR 明明用了更多技术，却更难辨别能力？
来自讨论区的意见逐渐拼出了一个清晰的趋势——
1. AI 正在让“表面能力”变得无限放大
高能力候选人不一定会包装自己；低能力候选人却可以借助 AI 用更低成本伪装“专业度”。
AI 进一步模糊了这些差异。
2. 简历与虚拟面试正在失效
多位 HR 专家直言：
简历再也不是可靠信号
虚拟面试正在被迅速“欺骗化”
招聘进入 AI 对抗 AI 的时代
甚至有企业决定“回归现场面试”，以重新验证真实能力。
3. AI 不是问题本身，传统信号早已不足以判断真实能力
一些观察者指出：招聘本来就难以识别“真正的高绩效者”。
高绩效的本质与文化、环境、团队匹配度深度相关，传统结构化面试与简历从未真正解决问题，只是被 AI 进一步暴露。
招聘正在变成一场“信号失真”的比赛
评论区的观点呈现出几大阵营：
阵营一：AI 正在破坏招聘质量（严重担忧）
代表观点：
AI 生成的材料让人难以分辨真实能力
企业正在“被迫雇佣”不合适的人
真正优秀的候选人被算法淹没
人才筛选成本将大幅上升
招聘团队信任感正在崩塌
一句话总结：招聘质量在下降，而问题比我们想象的更系统性。
阵营二：这不是 AI 的问题，是招聘本来就有问题（中性派）
他们指出：
高能力本来就难以提前识别
文化与情境决定绩效，并非“能力”绝对正确
AI 只是放大了原有的招聘缺陷
他们的观点提醒我们：AI 是镜子，不是元凶。
阵营三：AI 提升了公平性（乐观派）
这一阵营认为：
AI 提高了“底部候选人”的竞争力
职场公平性反而有所提升
我们应该让“更努力的人”获得更多机会
顶尖人才仍然可以凭实力脱颖而出
一句话：AI 提高了地板，但天花板仍靠候选人自己。
不论观点如何，有一件事很清晰：招聘正在被AI重新定义
在这场激烈讨论中，一个共识逐渐浮现：
招聘流程必须重建，关键能力必须回归现场验证。
未来企业将依赖更多不能被 AI 伪造的信号，例如：
实战性任务 / 工作样本
情境模拟与 Job Simulation
多维度团队协作测试
现场面试（而非纯虚拟）
结构化评分 + 多人交叉验证
背景调查与过往绩效证据
推荐与 alumni 体系
长周期 probation 的数据化追踪
换句话说：招聘的核心正在从“材料审查”转向“能力认证”。
而 HR 的专业能力（判断力、流程设计能力、评估能力）比任何时候都更重要。
真正的危机不是“AI 作弊”，而是企业不知道如何区分“真实能力与伪装能力”
某位 HR 领导者的评论直击要害：
“这不是关于 AI，而是关于当我们错误理解‘能力信号’时，企业正在付出巨大代价。”
坏的招聘决策带来的不是一次错误，而是：
更高的替换成本
团队士气损失
文化受损
管理者过度消耗
被竞争对手抢走真正优秀的人才
长远来看，是组织竞争力的弱化。
归根结底，AI 不会自动改善招聘，它只会放大我们的系统性问题。如果企业仍然依赖被 AI 轻易伪装的信号（简历、虚拟面试、关键词匹配、模板化回答），那么判断失误不是偶然，而是必然。
但危险真正开始的地方，也是机遇出现之处。
因为这次 AI 引发的“招聘危机”，本质上是一场关于 人才信号、能力验证、评估方法和职业诚信 的全面重构。未来5年，能否区分“真实能力”与“AI伪装能力”，将成为企业竞争力的核心分水岭。
企业需要现在就行动：
重建技能验证体系，而不是继续依赖被 AI 扰动的旧信号
加强面对面评估和工作样本测试
训练招聘经理识别 AI-assisted 与真正能力的差异
建立候选人体验与风险控制并重的招聘策略
在组织层面推动 AI 素养与 AI 判断能力的提升
而这一切的顶层原则，最终都指向同一个方向：
Responsible AI in HR（RAIHR）必须成为新的行业标准
Responsible AI in HR（RAIHR）强调：所有用于 HR 工作的 AI 系统，都必须遵守高标准的伦理、透明性与公平性原则。
这意味着：
AI 的决策逻辑必须 可解释、可审查、可追踪
招聘流程中涉及 AI 的环节必须 公开说明其使用方式
系统输出必须经过 人类判断的复核与治理
所有 AI 应用必须确保 对候选人、企业、员工公平无偏
任何可能产生偏差或欺骗性的 AI 手段（候选人/企业端皆然）都需纳入 风险管理
RAIHR 不是一个选项，而是企业在 AI 时代保持人才竞争力、降低风险、维护组织信任的前提。
这是 HR 行业正在面临的深层变革，也是所有 HR、TA、企业领导者必须共同推动的责任。我们不但要用 AI，更要 正确地用 AI。
Agents, Robots, and Us：在AI智能体时代，HR必须主导组织能力重塑HRTech概述：在AI时代，人类与机器之间不再是替代关系，而是“技能伙伴关系（Skill Partnerships）”。随着智能体（Agents）、机器人和生成式AI的普及，人类逐渐从任务执行者转变为负责目标设定、判断、统筹与监督的“编排者”，这也成为未来最重要的职业能力之一。AI 不会取代 HR，但会迫使 HR 完成一次“从人员管理者到组织能力架构师”的进化。未来最重要的HR能力将不是招聘、绩效或薪酬，而是构建人机协同体系的能力，是设计组织未来工作的能力，是引导技术发挥最大效能的能力。
更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
人工智能进入第三阶段的跃迁——从工具化 AI，走向可执行任务的智能体（Agents）与可自主协作的机器人系统。这一转变正在深刻改变企业的运作方式，也正在重新定义工作的本质。麦肯锡的《Agents, Robots, and Us》这一报告揭示并提供了一个高度前瞻且系统性的框架，它明确指出：进入智能体时代后，人类与AI之间的关系，从传统的工具使用，转向更复杂的技能伙伴关系（Skill Partnerships）。组织不再依赖人类执行任务，而是依赖人类设计并编排人机协同的工作体系。
这一趋势不仅是技术层面的升级，更是组织能力的重构，是企业效率模型、治理模式、岗位结构和人才能力体系的全面重写。在这场变革中，最需要承担主导角色的，不是技术部门，而是 HR。因为真正被重塑的是“工作”本身，而工作结构的设计权、人才能力模型的定义权、岗位与流程的重构权，都属于人力资源。
引言：当AI成为“执行者”，人类的角色必须重新定义
过去十年，企业对于人工智能的理解主要聚焦在自动化、效率提升和任务加速等工具型价值。然而进入智能体时代后，AI 不再只是执行“指令”，它拥有理解上下文、规划任务步骤、根据目标进行推演和决策建议的能力。换句话说，AI第一次具备了可独立承担任务链中部分环节的能力。
当AI成为“执行者”，人类从链条中的“操作员”变成“编排者（Orchestrator）”。在这一结构变化下，组织能力的核心逻辑也随之重写。工作不再由角色驱动，而是由任务驱动；岗位不再固定，而是由任务组合实时变化；技能不再是个人工具，而是人机协作体系中的一部分。
这也意味着，传统的岗位描述、能力模型、流程制度、绩效体系，都将在 AI 的推动下重新定义。HR 的角色也从“管理人”扩展为“设计工作”和“协调人机系统”。面对这样的结构性变化，HR 需要成为组织新的架构师，让技术与人力在统一的治理和流程体系下协作。
一、人机技能伙伴关系：从执行到编排的根本性跃迁
报告最重要的观点之一，是提出了三种典型的技能伙伴关系模式：自动化、增强与编排。这三个模式不仅是技术使用的路径，也代表了不同阶段的组织成熟度。
自动化模式主要解决重复性任务，让工具代替人类执行标准化流程。这一模式已经在薪酬、行政、文档处理等领域普及，并成为企业降本增效的基础。
增强模式则意味着 AI 提升人类的判断效率。这是目前大多数专业工作者最直接感受到的变化，例如招聘中 AI 的候选人筛查、绩效过程中 AI 带来的行为洞察、组织发展中基于AI的模拟与预测。增强模式不是替代，而是放大人的专业价值。
最值得关注的是编排模式，这是未来十年的核心能力方向，也是组织必须最早布局的能力建设。编排模式中，人类成为“任务的设计者”，把目标拆解为一系列步骤，再将其中的部分交给 AI 和机器系统执行，并在关键节点做出监督和判断。此时，任务不再由单一角色完成，而是由“人类 + AI + 自动化工具”组成的动态团队完成。
这一模式要求组织具备完全不同的能力结构：流程知识、判断力、沟通协调能力、AI素养、跨系统协作能力、风险洞察和质量监督能力等。它也要求岗位从固定性变为开放性，通过任务来动态调整工作内容。
正如报告提出的核心观点，未来组织的生产力，并不是来自于某一个强大的智能体，而来自于人类与 AI 的协同效率，这正是“Skill Partnerships”的本质。
二、AI时代的五类核心技能：从个人竞争力到组织竞争力的全局转向
报告以系统化方式指出，进入智能体时代后，人类必须掌握五大类核心技能。这五类技能不仅适用于个人成长，也是组织能力模型重构的基础。
认知技能作为未来最核心的能力，依然是人区别于机器最重要的来源。复杂问题解决、批判性思维、反事实推演和情境判断，是 AI 无法完全替代的领域。随着 AI 能承担更多操作性任务，人类在认知层面的价值反而被放大。
人际技能在 AI 时代的重要性不减反增。当工具承担更多信息处理任务后，人与人的沟通、协作、领导与文化建设变得更关键。尤其在组织变革时期，人际技能是推动员工转型、推动跨部门协作的基础。
技术与数据技能不再是技术部门专属，而成为全员工最低限度的能力要求。报告强调，AI素养是未来的通用技能，类似于当年电脑操作技能的普及。员工不需要会写代码，但必须懂得如何向 AI 发出高质量指令、理解AI的局限与误差、具备基本的数据判断能力。
系统性技能将成为组织未来最稀缺的能力之一，尤其是编排型岗位依赖于流程设计、治理体系、风险控制、质量监督和伦理判断等能力。这些能力不仅要求跨专业知识，也要求对组织运作系统有深刻理解。
自我管理技能是适应 AI 时代变化速度的重要基础。AI 使知识快速更新，人类唯一的可持续优势是持续学习、保持好奇心与心理韧性。组织也必须培育可持续学习文化，才能支撑员工应对变化。
这些技能不是独立存在，而是构成未来岗位、任务和组织结构的底层能力模块。HR 的任务，是让整个组织具备这些能力，而不是只培养少数人才。
三、岗位的未来：由“固定职位”向“任务组合”迁移
报告的另一核心观点，是岗位从固定结构转向任务组合化，这将改变 HR 对岗位、绩效、招聘和人才发展的全部方法。
传统岗位是职责驱动，即每个岗位有明确的范围和职责清单。但 AI 的加入使任务可以被重新组合。某些任务可完全交由AI处理，某些任务则由人类判断，另一些任务则需要人机共同协作。因此岗位从静态的“职责包”转向动态的“任务包”。
这一变化意味着，岗位将更频繁地依业务需求调整，角色的重要性下降，任务的重要性上升。人才的核心价值也从“我是谁”转向“我能完成哪些任务”。任务成为资源分配的单位，员工成为任务的编排者，而 AI 成为任务的执行者或共同参与者。
这种模式要求 HR 完全重写岗位描述，从“职责清单”式的描述，转为“任务链条与人机分工”的结构化设计。同时，绩效体系也需从“是否完成职责”转向“是否有效建立人机协作体系并实现业务成果”。
组织结构也会随之扁平化，跨团队协作提升，角色界线模糊，传统的部门式分工被更灵活的任务流所替代。
四、在人机协作时代，HR必须承担战略主导权
技术部门可以部署 AI 工具，但“工作”仍属于 HR 的领域。真正决定 AI 能否在组织产生价值的，并不是算法，而是流程设计、人才能力和治理体系——这些全部属于 HR 的战略范畴。
AI 进入组织后，最需要 HR 主导的三个关键领域包括岗位重设计、能力体系重建与组织流程重写。
岗位重设计需要 HR 理解业务目标，将工作拆解为可由 AI 完成的任务、必须由人类完成的任务和需要人机协作的任务。这个过程必须由 HR 牵头，因为它涉及组织的整体工作方式，而不仅是技术部署。
能力体系重建要求 HR 新定义人才的底层能力结构，并让 AI 素养、编排能力、系统性思维、人际协作和认知能力成为组织投资的重点。这将影响招聘、培训、绩效与晋升等关键制度。
组织流程重写需要 HR 与业务共同重新定义流程节点和治理机制，使 AI 能嵌入真实业务，并真正成为协作主体，而不是附加资源。尤其是 AI 的质量监督、伦理判断和风险控制，必须纳入正式的管理体系，这本质上是一个组织治理任务，而非技术任务。
AI 驱动的组织能力重塑，是一次深刻的战略转型。HR 唯一能让技术变成生产力的方法，是成为组织的“AI编排者”，让人机系统在统一的结构下协同运行。
五、迈向AI智能体时代的组织：HR的使命与未来十年的工作重点
未来组织的核心竞争力，不取决于谁拥有更多AI，而取决于谁拥有更强的人机协作能力。一家企业若想在未来十年保持竞争力，必须从现在开始构建“AI Ready”的组织结构，使人类与 AI 的技能伙伴关系成为基础能力。
这一转型需要从顶层战略、组织结构、岗位设计、能力体系、文化塑造与治理机制多维度同步开展。HR 是唯一能够跨越组织横向与纵向结构，并同时触达人、流程与文化的职能部门，也因此成为这场变革的核心驱动力。
AI 不会取代 HR，但会迫使 HR 完成一次“从人员管理者到组织能力架构师”的进化。未来最重要的HR能力将不是招聘、绩效或薪酬，而是构建人机协同体系的能力，是设计组织未来工作的能力，是引导技术发挥最大效能的能力。
智能体时代已经到来。技术的力量不可逆转，而组织能力的重塑必须从现在开始。
HR在AI时代的三大使命
第一，推动岗位与任务的全面重构。通过将工作拆解为可由AI执行、可由人判断和需要协作的任务，让组织的工作结构与技术能力相匹配。
第二，重建人才能力模型。把AI素养、编排能力、系统思维与持续学习能力纳入全员基本能力，让每一位员工都能与AI协作。
第三，构建组织的AI治理与协作体系。让AI成为流程中的正式参与者，而不是附属工具，建立质量监督、伦理判断与风险控制机制。
在智能体时代，HR不是应对者，而是定义者；不是配合者，而是主导者。未来十年的组织能力竞争，将由HR决定。
2026HR趋势
2025年12月01日
2026HR趋势
为什么 AI 已成为 HR 的核心业务 ——组织重塑的时代，HR 不再是配角HRTech概述：生成式 AI 的迅猛发展，让企业看到了巨大的生产力潜力，但多数公司却难以真正落地。AI 的商业价值高达 4.4 万亿美元，然而大量组织依然停留在试点阶段，中小企业更普遍面临不会用、不敢用的问题，形成明显的“AI 优势差距”。在这场变革中，AI 并不是单纯的 IT 项目，而是关乎“人、组织与文化”的系统性重塑。HR 正处在核心位置。首先，HR 必须成为 AI 的先行者，通过在招聘、沟通、培训等实际场景中应用 AI，建立团队的信任基础。其次，HR 是组织 AI 文化的设计者，要通过公开沟通和机制建设，消除员工对 AI 的恐惧，将影子 AI 使用带到台面，让创新真正流动起来。最后，HR 需要推动岗位重塑、技能升级，构建面向未来的工作模型，协同技术团队打造“AI 时代的全新组织”。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
近年来，生成式人工智能以惊人的速度影响了几乎所有行业，从编程、内容创作，到客户服务与教育领域，无一例外地被迫重塑工作方式。自 2022 年末 ChatGPT 面向公众以来，AI 技术展示了近乎爆炸式的能力进化：代码生成工具可在几秒钟内构建微应用；聊天机器人实现即时研究；视频生成模型开始替代部分专业制作流程。企业对 AI 的期待水涨船高，咨询机构给出的预测甚至认为 AI 将为全球企业带来高达 4.4 万亿美元的生产力价值。
然而，与宏伟的增长愿景相对照的，是令人意外的普遍“使用困难”。大量企业虽然认识到 AI 的潜力，却难以真正落地。有人被困在无止境的试点阶段；有人尝试推动 AI 却发现团队抵触；还有企业在培训、流程、角色分工上处处遇阻。特别是中小企业，面对技术复杂度、组织资源有限、员工能力差异等现实挑战，更难真正从 AI 中获益。英国的研究显示，80% 的小企业领导者将 AI 视为目前最棘手的挑战，而小企业尝试采用 AI 的比例仅为大企业的一半。
更令人担忧的是，企业内部正在形成明显的“AI 使用断层”。调查显示，高级主管中有 73% 会每月至少使用一次 AI，但基层员工只有 32%。这意味着组织的 AI 价值未能渗透到日常业务的最末端，而集中在少数人手中。Employment Hero 英国区总经理 Fitzgerald 将其称为 AI Advantage Gap（AI 优势差距）：若只有部分人能从 AI 中受益，那么 AI 永远不足以形成组织级的转型或生产力跃迁。
面对这种现实困境，一个事实变得愈发清晰：AI 转型不是技术问题，而是组织问题；不是软件决策，而是人才决策；不是 IT 的工程项目，而是 HR 的战略议题。
这不是夸张，而是结构性现实。
生成式 AI 的影响范围并非局限在工作效率提升，而是触及组织的根部——岗位如何设计、团队如何协作、权责如何划分、能力如何定义、薪酬如何分配，以及领导力如何重构。这些恰恰是 HR 的原生领域。因此，当企业试图推动 AI 时，最重要的不是“装载多少工具”，而是“重建怎样的工作系统”。这意味着：AI 转型本质上，是一场深度的人才与组织再造，而 HR 是唯一能驾驭这个系统工程的部门。
实际上，AI 已经推动 HR 走向领导桌。越来越多的组织将 AI 相关的组织重塑交给 CHRO 负责，一项面向全球的调查显示，近三分之二的 IT 决策者认为 HR 与 IT 将在未来五年合并为一个综合职能。 以 Moderna 为例，这家拥有 5000 多名员工的生物科技企业已经设立了兼管 HR 与 IT 的高层岗位，使组织转型更流畅、更系统、更敏捷。
清晰可见，AI 时代已为 HR 打开一个罕见的战略窗口。要理解 HR 为什么是 AI 时代的核心力量，我们需要深入探讨三个关键维度：HR 如何成为 AI 的实践先锋；如何成为 AI 文化的塑造者；以及如何成为未来组织的设计者。
一、HR 必须成为 AI 的实践先锋：没有“示范效应”，就没有组织级转型
要推动组织中的任何变化，尤其是与技术高度相关的变革，HR 需要的不仅是机制与流程，更是一种“可信的领导位置”。所谓可信，不是权威地位，而是“自己做到”。HR 如果想引导团队、鼓励员工、推动落地，那么自己必须成为组织中最会用、最敢用、最能用出价值的人群之一。因为员工不会相信一个“自己不用 AI，却要求别人用”的部门；组织也不会轻易跟随一个“理论正确、实践缺失”的声音。
实际上，HR 部门自身拥有大量天然适配 AI 的工作流程，正适合“先行试验”。招聘场景是最早被 AI 覆盖的领域之一，AI 可以帮助生成职位描述、筛选简历、优化面试安排；行政事务中，大模型能将复杂政策翻译为员工更易理解的文字；培训模块中，AI 可以自动生成学习内容、个性化学习路径、构建培训资料库；知识管理方面，AI 可以构建内部咨询助手或生成常见问题解答。
当 HR 能用 AI 节省时间、提升质量、加速流程，他们就能展示来自真实业务的成果，这些成功案例本身就会成为组织内最强的推动力。正如 Fitzgerald 所说：“员工不希望 AI 被强制要求，而是希望看到它能真正减少工作负担，看到他人用得好，并在这样的氛围中获得探索的自由。”
因此，HR 想参与 AI 转型，他们需要率先行动。他们需要不仅掌握工具，更要深入理解员工技能差异、培训路径、岗位匹配度等深层次组织因素。这种理解正是 HR 在 AI 时代的核心价值，也是为什么 IT 单独推动 AI 永远无法成功的原因。
二、HR 是 AI 文化的设计者：没有文化，就没有 AI 的持续使用与真实价值
技术落地最大的障碍从来不是技术本身，而是人。AI 推动组织变革时，员工的恐惧、抵触、误解，会迅速形成隐形但巨大的阻力。AI 能否落地，很大程度上取决于是否能培养出“健康、开放、透明、安全”的 AI 使用文化。
当企业宣布将推动 AI，员工的第一反应往往不是“太好了”，而是“我们要被替代了吗？”这种焦虑比许多管理者以为的更普遍、更深层。员工担心 AI 是裁员前奏，担心 AI 揭露效率差异，担心领导以“自动化”之名增加工作量，更担心自己无法掌握技术，被落在组织演进之后。
这种压力催生出另一个更深层的问题——影子 AI（shadow AI）。即员工在不告知、不可控的情况下，私下使用 AI 工具。安全公司 Varonis 的数据估计，多达 98% 的员工正在使用影子 AI。
为什么？因为他们害怕承认。害怕没有权限。害怕被误解为偷懒。害怕被系统审查。
然而影子 AI 对企业产生的破坏并不仅仅是安全风险，它还阻断了一个组织最核心的价值源：来自一线的实践洞察。大模型是通用工具，它的价值并不是“按规定使用”，而是在真实岗位中被创造性地使用，探索新的工作方式。而这些创新往往来自基层，而不是会议室。
为此，HR 的文化角色变得至关重要。HR 必须向员工传递一个清晰的信息：“使用 AI 是被鼓励的、是安全的、是受支持的。”只有文化健康，员工才会愿意公开分享他们的 AI 经验，组织才能真正从海量探索中获取价值。这需要 HR 建立开放分享机制，例如部门间交流、AI 实践分享会、内部 hackathon，甚至是在 Slack 或 Teams 上专门开辟的 AI 灵感频道。同时，对于提出高价值 AI 使用方式的员工，给予认可或奖励，使 AI 成为一种积极参与的行为，而不是隐蔽使用的灰色地带。
正如 ZRG 全球 AI 负责人 Vyas 所言：“禁止影子 AI 不会让它消失，只会让它更地下。让影子 AI 浮出表面，是文化建设的核心，而这是 HR 的工作。”
三、HR 是未来组织的设计者：AI 重塑岗位、结构与能力模型
AI 的到来并不只是让员工更快地写邮件、生成报告，而是从根本上重塑组织结构。它改变了工作执行方式，也改变了工作的组成方式，甚至改变“工作”本身的定义。如果企业要真正发挥 AI 的力量，就必须重新审视岗位结构、团队协作方式、晋升路径、薪酬体系、能力模型与组织架构。
微软在《Work Trend Index Annual Report 2025》中提出了一个重要观点：传统的“三角形组织结构”将被“Work Chart”取代。后者强调以目标驱动团队，而非以职能分隔流程，并且通过 AI 扩张员工的能力边界，使组织运作更加灵活、动态、高效。
这种新型组织在多个层面需要 HR 的深度参与。例如岗位重设计：AI 接管哪些任务？哪些技能需要重新训练？团队如何围绕新的流程协作？哪些角色将新建？哪些职能需要融合？薪酬体系如何调整以反映 AI 带来的能力扩张？绩效评价应如何更新，以避免过度强调“完成任务的速度”，而忽略“与 AI 合作的质量”？
此外，AI 会推动新角色的出现，例如 Chief AI Officer、Prompt Engineer、AI Trainer 等。企业需要在人才规划中明确这些角色，并与领导层共同设计长期发展路径。更重要的是，AI 会重塑领导力模型，要求管理者从传统的任务管理者转变为能力赋能者、文化引导者和人机协作设计者。这些领域都属于 HR 的核心能力范围，HR 必须主导组织在这些方面的建设。
更重要的是，在“Work Chart”框架中，人类与 AI 代理之间的合作关系将成为组织运作的核心，这涉及流程设计、责任划分、边界设定、风险管理等复杂问题，HR 需要与技术团队共同制定“人机协作模型”。这是一个新的专业领域，也将成为 HR 职业发展的重要方向。
AI 时代属于 HR，前提是 HR 要真正承担起领导角色
回顾历史，每一次技术革命背后，都伴随着组织结构、劳动关系与管理方式的系统性重塑。从工业革命到互联网浪潮，从流程自动化到企业数字化，HR 都扮演着关键角色。然而，生成式 AI 这一次不同于以往。它不是对现有效率的优化，而是对“工作本身”的重新定义，因此是一场深度的管理革命。
这场革命的核心问题不是“技术能做什么”，而是“员工如何使用技术、团队如何协作、组织如何重塑、文化如何建立”。而这些，是 HR 的专业领域。
AI 是否能从工具变成生产力，不取决于 IT 部门部署了多少模型，而取决于 HR 是否成功构建了一个让员工敢用、愿用、能用并用得好的组织。
AI 时代的真正竞争，不是技术能力之争，而是组织能力之争。而 HR，就站在这场竞争的正中央。
ZRG 的 Vyas 说得很准确：“这将成为新的常态，而且比我们想象得更快。”AI 的到来不是问题，而是机会。站在这一刻，HR 有一次罕见的机会，真正成为企业未来发展的战略核心。
未来不是预言出来的，而是由 HR 一步步构建出来的。
2026HR趋势
2026HR趋势
2026HR趋势
2026HR趋势
2026HR趋势
2026HR趋势
2026HR趋势
2026HR趋势
2026HR趋势
2026HR趋势
扫一扫 加微信
hrtechchina
