-
2026HR趋势
字节重组飞书拆成两半：豆包吃产品，火山引擎吃商业化，这是一次组织降级，还是一次AI战略升维？
HRTech核心摘要：字节跳动近日启动面向企业服务与人工智能业务的重要组织调整。飞书原有的产品团队和GTM体系将被分别纳入豆包与火山引擎，字节跳动由此进一步整合大模型、企业协作场景、云基础设施及To B商业化能力。简而言之：产品归豆包，销售归火山，引擎归别人，最后只剩“品牌和服务保持不变”这句话。
根据此次调整方案，飞书产品团队将与豆包产品团队整合，成立新的豆包产品团队，由豆包负责人赵祺负责，飞书负责人谢欣向赵祺汇报。在GTM体系方面，飞书负责市场、销售和客户服务的团队将与火山引擎相关团队整合，成立新的To B GTM组织——“创造力服务平台（Creativity Service Platform）”。
新组织将统一负责字节跳动MaaS、SaaS及其他云服务的市场推广、企业销售和客户服务，由火山引擎负责人谭待负责。飞书销售负责人林婵、飞书战略及市场负责人史志隽将向谭待汇报。
需要特别说明的是，此次调整并不意味着飞书品牌消失或现有飞书产品停止运营。根据字节跳动方面的表述，飞书原有产品和服务将保持不变，飞书与豆包还将在企业生产力场景中展开更深入的产品协作。
飞书原有组织被拆分，产品与商业化分别进入两条主线
从组织架构来看，此次调整改变了飞书过去相对完整的业务运行模式。此前，飞书拥有自己的产品研发、市场、销售和客户服务体系，能够以相对独立的企业协作软件业务进行产品决策、客户拓展和商业化运营。
调整完成后，飞书的产品团队进入豆包体系，市场、销售和客户服务团队则进入火山引擎主导的创造力服务平台。飞书不再保留过去完整且相对独立的产品与GTM组织。
因此，从组织权力和汇报关系角度观察，飞书的业务独立性确实有所下降。但将这次调整简单概括为“飞书被放弃”并不准确。
飞书被拆分之后，其产品、企业数据和协作场景正在被纳入字节跳动更大的企业AI战略。飞书未来承担的角色，可能不再只是经营一套独立的协同办公软件，而是成为豆包进入企业工作场景的重要入口。
豆包企业版已经在部分飞书客户中开启内测
字节跳动此次调整背后，一个重要产品方向是豆包企业版。
据飞书公开介绍，豆包企业版是一款面向企业组织的AI办公产品，依托字节跳动自研Seed模型体系，支持复杂任务执行、文档与数据处理、图片和视频创作，以及电脑与浏览器操作。由飞书产品团队深度参与开发的豆包企业版，已经在部分飞书客户中开启内测。
与面向个人用户的通用AI助手不同，豆包企业版试图将人工智能直接嵌入企业的日常工作环境。企业员工可以在获得授权的情况下，让AI理解飞书中的文档、表格、会议、群聊和企业知识，并基于具体工作上下文执行任务。
这意味着企业AI不再只是一个独立的聊天窗口，而是可能逐步参与信息检索、内容生成、数据整理、会议处理、跨系统操作和业务流程执行。
飞书过去已经在企业级Agent领域进行布局。飞书aily被定位为企业级Agent平台，可连接企业知识、业务系统和AI技能，支持企业构建面向具体工作场景的智能应用。
从这一角度看，豆包企业版与飞书的整合，并不是从零开始。飞书已经拥有组织通讯录、权限体系、企业知识、文档协作和应用开发环境，豆包则进一步提供通用模型、推理、内容生成与任务执行能力。
豆包、飞书和火山引擎正在形成企业AI完整链条
此次组织调整可以概括为三个层面的重新组合。
豆包提供大模型、AI助手和Agent执行能力；飞书提供企业工作入口、组织关系、协作场景和知识数据；火山引擎则提供云基础设施、MaaS服务、企业销售与交付能力。
过去，这些能力分布在不同的组织和产品体系中。调整后，字节跳动正在将其整合为一条更加完整的企业AI产品与商业化链条：
底层是火山引擎提供的云计算、模型服务与技术基础设施；中间是豆包提供的模型与智能体能力；上层则是飞书所覆盖的文档、会议、沟通、知识与组织协作场景。
在商业化层面，创造力服务平台将统一承担MaaS、SaaS等企业服务的市场、销售和客户服务工作。这有助于减少不同产品团队之间重复覆盖客户、销售资源分散及交付体系割裂的问题。
字节跳动CEO梁汝波此前在2026年火山引擎FORCE原动力大会上表示，攀登AI高峰是公司当下最重要的事情。
从此次组织调整看，字节跳动正在将这一战略进一步落实到企业业务的组织架构中：AI不再只是某个独立部门的新产品，而是开始重新定义企业软件、云服务和商业化团队之间的关系。
飞书“被降级”，还是进入更重要的AI基础设施位置？
对于飞书而言，这次调整具有明显的双重含义。
一方面，飞书失去了过去相对独立的组织架构。产品负责人、销售负责人和市场负责人分别进入豆包与火山引擎的管理体系，意味着飞书不再以一个完整业务单元独立配置资源和推进战略。
从这一意义上说，飞书的组织地位出现下降。
另一方面，飞书在字节跳动企业AI体系中的产品价值可能进一步上升。
大模型要进入企业，仅有模型能力并不够。AI需要知道员工是谁、可以访问哪些信息、正在参与什么项目、有哪些会议和文档、能够调用哪些业务系统，以及执行任务时应当遵守什么权限。
飞书所积累的组织架构、权限体系、企业知识和工作场景，正是企业AI落地所需要的关键基础设施。
飞书此前也曾明确表示，其AI能力离不开豆包大模型的支持，并强调企业数据需要受到权限管控和隔离，不应用于模型训练。
因此，更准确的判断或许是：飞书的组织独立性正在下降，但它在字节跳动AI战略中的场景价值和数据基础设施价值正在上升。
对HR科技行业意味着什么？
此次调整不只是字节跳动内部的一次管理变化，也反映出企业软件和HR科技行业正在发生的结构性转变。
过去，企业采购软件通常按照功能模块进行划分，例如协同办公、招聘管理、绩效管理、学习发展、员工服务和数据分析。不同系统拥有各自的界面、流程和数据库，员工需要在多个软件之间切换。
AI Agent进入企业后，这一模式可能发生变化。
未来，员工不一定需要分别打开多个系统完成工作，而可能直接向企业AI提出任务。例如：
“整理过去三个月的离职访谈，并总结主要原因。”
“根据招聘计划筛选候选人，并生成面试安排。”
“分析员工敬业度调查结果，识别高风险团队。”
“根据公司的差旅和薪酬政策，回答员工问题。”
企业AI可以理解任务，再调用HR系统、协同平台、知识库和数据工具完成执行。
在这种模式下，企业软件的竞争重点将逐渐从“谁拥有更多功能页面”，转向“谁能够向AI提供可信的数据、标准化的接口、可控的权限和可执行的工作流程”。
对于HR SaaS厂商而言，需要重新思考三个问题。
首先，产品能否成为AI Agent可以调用的能力模块，而不仅是由员工手动操作的独立系统。
其次，企业数据是否具备清晰的权限、语义结构和治理机制，能够让AI安全、准确地理解和使用。
第三，产品是否拥有足够深入的业务流程与专业规则，避免被通用AI工作入口替代。
HR部门也将面对新的组织设计问题
字节跳动此次调整本身，也是一个典型的AI驱动组织变革案例。
当AI从实验性技术变为公司的核心战略后，传统按照产品线划分的组织结构可能不再适用。模型团队、应用团队、云服务团队、销售团队和客户成功团队需要重新组合，形成围绕客户场景和AI能力的协同机制。
对于企业HR和组织发展负责人而言，类似变化将带来新的管理议题：
企业是否需要设立独立的AI部门，还是应当把AI能力嵌入每个业务部门？
传统产品经理、销售、客户成功和实施顾问的职责将如何变化？
当多个产品共享同一套模型和数据基础设施时，绩效目标与资源配置应如何设计？
原有业务被整合进入AI主航道后，如何处理管理层角色、团队身份认同和员工预期？
这些问题说明，AI转型不仅是技术系统升级，也是一场涉及组织架构、管理权限、人才能力和商业模式的系统性调整。
HRTech观察
从独立协同办公平台到企业AI工作入口，飞书正在经历一次重要的身份变化。
此次重组最值得关注的，并不是飞书是否在字节跳动内部“被降级”，而是字节跳动开始放弃模型、SaaS和云服务相互分离的组织方式。
豆包负责智能，飞书提供工作场景，火山引擎负责基础设施与商业化。三者整合之后，字节跳动所竞争的已经不只是协同办公市场或云计算市场，而是企业AI时代的统一工作平台。
对于HR科技行业而言，这也是一个清晰信号：未来HR软件不会只与其他HR软件竞争，还需要面对飞书、钉钉、Microsoft 365、Google Workspace等工作平台与大模型深度融合之后形成的新一代企业AI入口。
当AI能够跨越文档、沟通、知识和业务系统直接完成任务，传统HR SaaS产品的页面、菜单和功能模块可能不再是用户接触企业软件的第一入口。
真正具有长期价值的产品，将是那些拥有专业业务逻辑、可信企业数据、复杂流程执行能力，并能够被企业AI安全调用的系统。
飞书的这次组织调整，可能正是中国企业软件从“SaaS协同平台”走向“AI工作操作系统”的一个重要节点。
下一步关注
HRTech将继续关注豆包企业版的产品发布、企业客户内测进展，以及飞书、豆包与火山引擎在HR、人效管理、知识管理和企业Agent场景中的后续整合。
对于企业HR团队，现阶段可以优先评估三个方向：梳理可供AI调用的企业知识与HR数据；检查权限、隐私和安全审计体系；识别招聘、员工服务、学习发展及人才分析中适合由Agent执行的高频任务。
对于HR科技厂商，则需要加快建立开放接口、Agent工具调用能力和企业级权限体系，并重新评估产品在企业AI工作入口下的角色。
更多全球HR科技、企业AI及未来工作趋势，欢迎持续关注HRTech，并查看HRTech最新行业活动与研究内容。
-
2026HR趋势
AI冲击下的职场变局：年轻员工首当其冲，初级岗位入口加速收窄，AI正在重构任务，而非简单消灭岗位
高AI暴露岗位需求下降42%，AI采用企业人力却增长27%：
HRTech概述： 美国劳动力数据与研究公司Revelio Labs通过劳动力供给、企业招聘需求、就业与工资、岗位工作内容以及招聘匹配五个维度，持续追踪人工智能对美国劳动力市场的实际影响。首期数据显示，自2022年10月以来，AI暴露度最高职业的招聘需求相对于最低暴露职业下降42%；与此同时，已经采用AI的企业，员工规模增长却比未采用企业高出27%。这组看似矛盾的数据表明，AI带来的变化并不是简单的“机器取代人”，而是企业内部的任务组合、人才结构和招聘方式正在同步重构。
从预测岗位消失，转向观察正在发生的变化
围绕AI与就业市场的讨论，过去几年一直充斥着相互矛盾的判断。一些研究预测AI将大规模取代岗位，另一些观点则认为AI能够提高生产率、创造新职业并推动企业增长。
Revelio Labs推出AI Labor Market Tracker的核心目的，是减少这种以预测为主的讨论，转而通过实际劳动力数据回答一个更直接的问题：AI现在究竟对招聘、就业、技能和工作内容产生了什么影响？
该Tracker将按月更新，结合Revelio Labs自身的劳动力数据、招聘职位、薪酬信息和员工情绪数据，同时参考并更新相关学术研究结论。追踪范围包括劳动力供给、企业需求、就业与工资、岗位活动以及人才与企业之间的招聘匹配。Revelio Labs表示，其底层数据覆盖超过3000万家公司、50亿条招聘职位以及195个以上国家和地区。
需要注意的是，产品虽然使用“实时衡量”作为定位，但其首期指标主要反映截至2026年6月的劳动力市场变化，并按照月度节奏更新。更加准确的理解，应当是一个持续更新的近实时劳动力市场监测体系，而不是逐日或逐小时变化的实时系统。
高AI暴露岗位需求下降，但不等于岗位已经被AI替代
首期Tracker中最受关注的数据，是AI暴露度最高职业的招聘需求出现明显下降。
Revelio Labs正式Tracker页面显示，自2022年10月以来，AI暴露度最高职业的招聘需求相对于最低暴露职业下降了42%。这里的“AI暴露度”并不是指企业已经使用AI取代了这些岗位，而是衡量某项职业中的工作活动，有多大比例在技术上可能由当前生成式AI完成。
例如，数据整理、基础分析、文案起草、内容总结、信息录入和标准化报告等任务，通常具有较高的AI暴露度。即使企业尚未正式部署AI，也可能因为预期这些任务未来会被自动化，而减少相关岗位招聘、调整岗位职责，或者提高招聘门槛。
Revelio Labs的新闻稿以数据工程师和金融分析师等岗位为例，称AI暴露程度较高职业的招聘需求相对于低暴露职业下降36%。但公司正式Tracker页面显示的最新数字为42%。两个页面分别以2022年11月和2022年10月为比较基准，公开资料没有进一步解释两组数字差异的具体原因。HRTech建议，在引用该研究时以正式Tracker页面显示的42%为主，同时注明新闻稿曾使用36%的表述，避免将不同口径混用。
更重要的是，AI暴露度高并不意味着这些岗位已经消失。Revelio Labs发现，自ChatGPT推出以来，AI暴露度最高职业的就业增长，仅比AI暴露度最低职业低约4%。就业市场已经出现压力，但目前并没有出现与招聘需求下降同等幅度的岗位消失。
年轻员工和初级岗位正在承受更明显的压力
AI对不同职级和年龄人群的影响并不平均。
Revelio Labs的研究显示，在AI暴露度较高的职业中，年轻员工的就业表现明显弱于资深员工。22至25岁员工在相关职业中的就业增长，相对于低AI暴露职业下降约13%。
这意味着AI对劳动力市场最早产生的影响，可能不是大规模裁撤现有员工，而是减少企业对初级人员的需求。过去，许多年轻员工通过资料整理、基础分析、报告撰写、客户支持和流程操作等工作进入企业，再逐步积累行业知识和判断能力。随着这些任务被AI辅助或部分自动化，企业可能不再需要同样数量的初级员工。
这一变化会带来一个长期的人才供应问题。如果企业只保留需要经验和判断能力的高级岗位，却不断削减用于培养人才的初级岗位，未来可能出现资深人才不足、内部继任断层和管理人才供应下降。
因此，AI时代的初级岗位不应该只是被简单取消，而需要被重新设计。企业需要让年轻员工更早参与客户沟通、业务判断、AI结果审核、跨部门协作和复杂问题解决，避免其工作长期停留在最容易自动化的任务层面。
为什么AI采用企业反而增长得更快？
与高AI暴露职业需求下降同时发生的，是AI采用企业员工规模的明显增长。
Revelio Labs通过企业发布的AI integrator相关岗位，识别已经开始将生成式AI整合进业务流程的企业。研究显示，自2022年10月以来，这些AI采用企业的员工规模增长，比未采用企业高出27%。其中，高级岗位增长31%，初级岗位增长只有6%。
这组数据说明，AI可能降低企业对某些任务和岗位的需求，同时帮助企业扩大整体业务规模。企业通过自动化重复工作、加快产品开发、提高客户服务效率或扩大数据处理能力，可能释放出新的业务需求，进而增加销售、产品、管理、工程和客户成功等岗位。
换句话说，AI减少的可能是完成某项工作的单位人力需求，而不是企业整体的增长能力。一个部门可能因为AI减少部分基础岗位，但企业整体却因为生产率提升而进入新的市场，并增加其他岗位。
不过，27%不能直接理解为采用AI必然会使员工规模增长27%。Revelio Labs也明确指出，AI采用企业在正式采用AI之前通常已经增长得更快。这些企业可能本身拥有更好的资本条件、技术能力、管理体系和业务增长速度。因此，这一结果反映的是两类企业之间的增长差距，而不是已经被完全证明的AI因果效应。
AI改变工作内容的速度，可能快于改变岗位数量
Revelio Labs首期Tracker最有价值的判断，并不是哪个岗位会消失，而是AI正在快速改变岗位内部的工作内容。
传统劳动力市场分析通常关注职位数量、失业率、岗位名称和职业分布。但一个岗位本身就是多项工作活动的组合。即使企业没有取消“市场分析师”“招聘顾问”或“财务分析师”等职位，也可以重新分配这些岗位内部的任务。
例如，一名分析师可能减少数据录入、资料搜集、基础制表和报告初稿工作，转而增加AI结果审核、异常判断、业务解释和管理层沟通。一名招聘人员可能减少简历初步整理，却需要投入更多时间进行候选人验证、能力判断、关系维护和招聘流程设计。
Revelio Labs建立的工作活动差异指数显示，2026年6月，美国经济中按员工规模加权的工作活动组合同比变化达到8.4个百分点。更值得关注的是，大部分变化发生在同一职业内部，而不是因为企业从一种职业大规模转向另一种职业。
这也解释了为什么一些基于整体就业和职业分布的研究，尚未观察到明显的AI就业冲击。2026年6月，Yale University旗下The Budget Lab发布的持续追踪研究认为，当前职业结构变化尚未清晰显示与AI引入之间的关系，AI使用指标也没有表现出与就业或失业变化之间的明确联系。
两项研究并不一定相互矛盾。Yale University更关注宏观就业和职业结构是否已经发生明显变化，而Revelio Labs进一步观察岗位内部的任务构成。宏观岗位数量可能相对稳定，但岗位内部的工作方式已经发生快速改变。
正如Revelio Labs Chief Economist Lisa Simon所概括的那样，AI正在自动化部分工作，但尚未自动化完整岗位；工作内容正在快速改变，而大部分变化发生在现有职业内部。
AI也可能正在降低传统招聘信号的有效性
AI不仅改变企业招聘什么样的人，也正在改变求职者如何参与招聘。
Tracker数据显示，企业目前平均需要发布5.05个招聘职位，才能对应一次可观察到的外部招聘，同比增长264%。招聘职位与实际招聘之间的匹配效率，已经连续六年下降。
这一趋势早于ChatGPT出现，因此不能全部归因于生成式AI。但Revelio Labs认为，AI可能进一步放大了原有问题。
生成式AI降低了制作简历、撰写求职信、准备面试回答和批量申请岗位的成本。优秀候选人能够更好地展示自己，但普通申请者也能够快速生成一份看起来专业、完整且符合职位描述的申请材料。
结果是，简历和求职信的信号价值下降。企业收到更多看起来合格的申请，却更难判断谁真正具备岗位能力。企业可能因此增加筛选环节、减少与普通申请者沟通，候选人则通过提交更多申请应对较低的回复率，形成新的恶性循环。
Revelio Labs还发现，在没有获得Offer的面试评价中，候选人提及招聘人员失联、未回复或“ghosting”的比例，自2022年10月以来上升约9%。但该研究尚不能证明AI生成的申请直接导致了招聘方失联，只能说明AI可能在一个已经低效的招聘体系中增加了更多噪音。
HRTech观点：企业需要从“岗位管理”转向“任务与能力管理”
从HRTech视角看，Revelio Labs这项研究最重要的意义，是提醒企业不要再用简单的“AI替代多少岗位”来制定人力策略。
第一，企业需要将AI影响评估下沉到任务层面。一个岗位通常同时包含可自动化任务、可由AI增强的任务，以及必须依赖人类判断、信任和责任承担的任务。仅根据岗位名称决定裁员或冻结招聘，容易错过真正需要重构的工作环节。
第二，企业需要重新设计初级人才入口。不能因为AI能够完成基础工作，就完全取消初级岗位。更合理的方式，是让AI承担重复劳动，同时让年轻员工更早学习业务判断、问题分析、客户沟通和AI结果审核。
第三，企业需要更新技能模型和职业发展体系。未来岗位价值可能不再取决于员工能否完成大量标准化任务，而取决于其能否定义问题、调用AI、验证结果、理解业务并对最终决策负责。
第四，招聘团队需要重新建立人才识别信号。当简历、求职信甚至部分面试答案都可以由AI生成时，企业需要增加与真实工作相关的评估，例如结构化工作样本、情境任务、项目讨论和基于过去行为的深度访谈，而不是简单增加更多筛选工具。
第五，HR需要谨慎解释AI与就业之间的因果关系。高AI暴露岗位需求下降，不等于AI已经直接取代这些岗位；AI采用企业增长更快，也不等于任何企业部署AI都会自动获得增长。行业周期、企业规模、资本能力、组织成熟度和人才结构都可能影响结果。
AI对劳动力市场的影响，正在以多个方向同时发生
Revelio Labs AI Labor Market Tracker揭示的并不是一个简单的就业结论，而是一个正在分化的劳动力市场。
AI暴露程度较高的工作需求正在下降，尤其影响初级岗位和年轻员工；真正采用AI的企业却可能获得更强的扩张能力，并增加高级岗位；岗位名称和就业总量尚未发生全面变化，但岗位内部任务正在快速重组；招聘技术越来越强，企业与人才之间的匹配效率却可能继续下降。
AI对就业的影响不会以一次统一的冲击出现，而会分别体现在招聘需求、岗位任务、技能投资、企业增长、职业入口和招聘匹配等不同环节。
对于企业HR而言，当前最重要的问题已经不是“AI会不会取代员工”，而是企业能否在AI改变工作之前，重新设计任务、能力、招聘和人才成长体系。
关于Revelio Labs
Revelio Labs是一家劳动力智能与研究公司，通过处理和标准化公开职业履历、招聘职位、员工评价等数据，为企业、投资机构、研究人员和政府部门提供劳动力市场分析。公司表示，其数据覆盖超过3000万家公司、50亿条招聘职位以及195个以上国家和地区。Founder and Chief Executive Officer为Ben Zweig，Chief Economist为Lisa K. Simon。
文章来源：HRTech编译与解读。数据来源包括Revelio Labs、AI Labor Market Tracker及Yale University The Budget Lab。
-
2026HR趋势
调查显示：中国职场AI使用率领先全球，为何员工敬业度却处于低位？
《职场人 2026》揭示：AI已经进入中国员工的日常工作，但企业尚未完成从“工具普及”到“组织生产力”的转化。
生成式人工智能进入职场不到四年，已经从少数技术人员使用的专业工具，快速演变为覆盖写作、分析、编程、翻译、搜索、会议总结和决策辅助的通用工作工具。
在这一轮全球职场AI浪潮中，中国员工并没有落后。ADP研究院发布的《职场人 2026》显示，中国职场的生成式AI使用率已经明显高于全球平均水平，员工对AI工具的接触范围甚至接近全面覆盖。但与此同时，中国员工的敬业度却处于全球较低水平。
这一组看似矛盾的数据，揭示了中国企业AI转型中一个越来越重要的问题：员工开始使用AI，并不代表组织已经获得AI带来的生产力。
中国员工使用AI的比例已进入全球前列
《职场人 2026》基于ADP研究院2025年全球劳动力调研。该调研于2025年7月21日至8月4日进行，覆盖全球36个市场，收集了超过39,000名成年员工的反馈。
报告询问员工使用ChatGPT、Midjourney、Copilot等生成式AI工具的频率。全球范围内，20%的员工表示几乎每天使用AI，30%的员工每周使用多次。也就是说，全球约一半员工已经成为生成式AI的高频使用者。
中国市场的AI使用率高于这一全球平均水平。
数据显示，中国有26%的员工几乎每天使用生成式AI，高于全球20%的平均水平；只有2%的中国员工表示尚未尝试过AI，远低于全球15%的比例。中国与印度并列成为“从未使用AI”比例最低的市场之一。
从全球市场排名来看，中国员工日常使用AI的比例进入前十，仅低于印度、尼日利亚、越南、埃及、巴西、阿联酋、印度尼西亚、沙特阿拉伯和泰国。
中国26%的每日使用率，也明显高于新加坡的23%、英国的20%、美国的19%、中国台湾的18%、澳大利亚的16%、德国的14%、韩国的12%和日本的8%。
这说明，中国职场当前面临的主要问题，已经不再是员工是否接触AI，而是如何把个人层面的AI使用，转化为企业层面的稳定能力。
AI使用越频繁，员工敬业度越高、压力越低
从全球数据来看，AI高频使用与员工敬业度、团队归属感和工作压力之间呈现出明显关联。
在几乎每天使用AI的员工中，30%属于高度敬业员工；而在从不使用AI的员工中，高度敬业员工的比例只有14%。作为对比，2025年全球高度敬业员工的整体比例为19%。
压力方面也呈现出类似趋势。每天使用AI的员工中，只有11%处于“超负荷工作”状态，而从不使用AI的员工中，这一比例达到23%。
AI使用频率越高，员工也越倾向于认为自己已经融入团队，并认为自己身处一个优秀的团队。
这表明，AI在许多工作场景中正在成为员工的“协作伙伴”。它可以帮助员工更快地处理信息、减少部分重复劳动、降低完成复杂任务的门槛，并增强员工对自身能力和团队协作的信心。
但报告同时发现，AI并没有像企业普遍期待的那样，立即转化为员工能够感知到的生产力提升。
AI使用越多，员工反而越容易认为自己效率不够高
报告中最值得关注的发现，是AI使用与生产力感知之间的矛盾。
在几乎每天使用AI的员工中，16%认为自己近期的工作效率没有达到应有水平；而在从不使用AI的员工中，这一比例只有5%。
也就是说，AI高频使用者虽然敬业度更高、压力更低、团队归属感更强，却更容易认为自己的生产力没有达到预期。
这并不一定意味着AI降低了员工的实际生产力。
一种可能的情况是，AI提升了员工的产出速度，但同时也提高了组织对员工的工作要求。当原来需要一天完成的任务可以在几个小时内完成时，节省出来的时间并没有真正归还给员工，而是被新的任务、更多会议和更高的绩效目标迅速填满。
另一种情况是，企业只是把AI叠加在原有工作流程上，却没有重新设计岗位、任务和管理机制。员工仍然需要完成原来的审批、汇报、沟通和协作流程，同时还要承担AI生成内容的核验、修正和质量控制工作。
AI可以快速生成内容，但并不能自动消除组织中的重复汇报、低效审批、模糊决策和跨部门沟通成本。
因此，员工可能生产了更多内容，却没有明显感觉自己完成了更多有价值的工作。
中国职场呈现“AI高使用、敬业度低”的反差
相比全球市场，中国职场的反差更加明显。
中国有26%的员工几乎每天使用AI，高于全球平均水平；但中国高度敬业员工的比例只有11%，低于全球19%的平均水平，也低于亚太地区15%的平均水平。
2024年，中国高度敬业员工的比例为14%；2025年进一步下降3个百分点至11%，成为报告调查市场中员工敬业度最低的市场。
需要说明的是，这两组数据并不能证明AI导致了中国员工敬业度下降。报告没有披露中国市场AI使用频率与员工敬业度之间的交叉数据，因此不能直接建立因果关系。
但这至少说明，AI工具的快速普及，并没有自动解决中国企业长期存在的员工体验和组织管理问题。
报告指出，部分中国企业在疫情后收紧预算、冻结薪资增长、削减福利，同时没有充分认可高绩效员工的贡献。年轻员工越来越重视工作意义、灵活性和发展空间，但不少企业仍然延续资历导向型的管理方式。
在这样的环境中，AI可能更多成为员工个人应对工作负荷的“自救工具”，而不是企业系统性改善工作方式的基础设施。
员工利用AI撰写文案、整理信息、制作方案、分析数据和处理邮件，但其薪酬、职业发展、管理支持、绩效认可和工作意义并未同步改善。
AI让员工做得更快，却未必让员工工作得更好。
中国企业需要从“推广AI工具”转向“重新设计工作”
过去两年，很多企业的AI项目主要围绕工具采购、账号开通、培训课程和使用率展开。企业会统计有多少员工参加了培训、多少人开通了Copilot账号，以及每天产生了多少次AI调用。
这些指标能够说明AI工具是否被使用，却无法证明AI是否创造了价值。
中国企业下一阶段需要关注的，不应只是“有多少员工在用AI”，而应进一步回答四个问题：
第一，AI到底替代或增强了哪些具体任务？
第二，使用AI之后，工作周期、错误率、返工率和决策速度是否真正改善？
第三，AI节省的时间是否转化为更高价值的工作，还是被新的工作量迅速填满？
第四，员工是否因为AI获得了更好的职业发展机会，而不是变得更加焦虑和不确定？
企业需要建立岗位和任务层面的AI应用图谱，将工作区分为可以自动化的任务、可以由AI增强的任务、需要人类专业判断的任务，以及必须由人承担责任的任务。
与此同时，企业还需要重新设计团队协作方式、审批机制、质量标准、数据权限和绩效指标。只有当流程、岗位和管理方式一起发生变化，AI才可能从个人效率工具，转化为真正的组织生产力。
AI时代真正的竞争力，不是使用率，而是价值转化率
《职场人 2026》的数据说明，中国员工接受和使用AI的速度已经非常快。
中国职场并不缺少AI工具，也不缺少愿意尝试AI的员工。真正缺少的是把分散的个人使用，沉淀为组织工作方法的机制。
未来企业之间的差距，不会简单取决于谁购买了更多AI产品，也不会取决于谁拥有更高的AI账号激活率。
真正拉开差距的，将是哪些企业能够率先完成三个转变：
从个人使用AI，转向团队协同使用AI；从旧流程叠加AI，转向围绕AI重新设计工作；从追踪使用次数，转向衡量实际业务结果。
中国已经基本完成了职场AI应用的第一阶段——工具普及。
接下来更重要的，是进入第二阶段——工作重构。
下载《职场人 2026》，了解全球职场正在发生的变化
除了人工智能的职场应用，《职场人 2026》还深入分析了全球员工的职业不安全感、五代同堂的职场结构、无偿加班、员工压力、职业发展和全球员工敬业度。
报告覆盖全球36个市场、超过39,000名员工，为HR负责人、企业管理者、人才发展团队及组织研究人员提供了一份理解2026年全球职场变化的重要数据参考。
点击下载《职场人 2026：全球劳动力观点》中文版：
http://hrnext.cn/xALS93
AI正在改变员工完成工作的方式，但决定企业能否真正获得AI价值的，仍然是组织设计、管理方式和对人的长期投入。
-
2026HR趋势
解读：AI不会淘汰所有 SaaS，而是重新定义HR Tech的价值
HRTech核心指南：AI 会不会让 HR SaaS 没价值了？Harvard Business Review 最新文章给出了一个很有意思的观点：AI 不会淘汰所有 SaaS，而是重新定义它们的价值。未来真正值钱的，不是 AI 功能，而是 Operational Intelligence（运营智能）——也就是基于真实业务数据持续提升组织判断能力。对于 HR Tech、HR Leader 和投资人来说，这可能是未来几年最值得关注的趋势之一。推荐一读。
解读 Harvard Business Review：AI's Impact on SaaS Will Be Uneven
过去一年，几乎所有 HR Tech 厂商都在发布 AI 功能。从 AI 招聘助手、AI 面试官，到 AI HRBP、AI Agent，整个 SaaS 行业似乎都在进入一个新的竞争阶段。
不少企业也开始提出一个问题：当 AI 能够编写代码、自动完成流程、快速生成应用之后，SaaS 还有价值吗？
Harvard Business Review 最新发表的文章《AI's Impact on SaaS Will Be Uneven. Here's What Leaders Need to Know》中，Harvard Business School 教授 Christopher Stanton 给出了一个值得整个 SaaS 行业思考的答案：
AI 并不会让所有 SaaS 都失去价值，它真正改变的是不同 SaaS 的价值结构。
对于 HR Tech 企业、投资人以及企业 HR 来说，这一观点值得深入理解。
AI 不会平均冲击所有 HR SaaS
很多人认为，大模型出现之后，大量软件最终都会被 AI Agent 所替代。
Christopher Stanton 并不认同这种观点。
他认为，AI 的影响并不是平均发生的，而是取决于两个关键因素：
第一，软件主要解决的是规则明确、流程固定的任务（Deterministic Tasks），还是需要预测、判断和决策支持的任务（Predictive Tasks）。
第二，软件依赖的是企业自己的内部数据（Internal Company Data），还是大量跨客户、跨行业积累形成的共享数据（Pooled Data）。
这两个维度共同决定了一款 SaaS 产品未来的竞争力。
流程自动化软件，将最先受到 AI 冲击
如果一个 SaaS 产品主要负责流程执行，例如审批、通知、数据录入、报表生成、信息查询等标准化工作，那么 AI 将大幅降低这些产品的技术门槛。
随着 AI Agent、低代码开发平台以及自然语言工作流不断成熟，这类软件越来越容易被企业内部快速搭建，或者直接整合进现有平台。
这并不意味着流程管理没有价值，而是意味着流程本身将越来越难形成长期竞争壁垒。
未来企业购买软件，不再只是为了把纸质流程搬到线上，而是希望软件能够帮助组织做出更好的决策。
真正的竞争壁垒来自 Operational Intelligence
文章提出了一个非常重要的概念——Operational Intelligence（运营智能）。
这里的 Operational Intelligence，并不是简单的数据分析，也不仅仅是 AI 模型，而是企业通过大量真实业务运行过程中积累的数据、经验和场景，不断提升判断能力的一套智能体系。
作者认为，这类产品未来将成为 SaaS 中最具竞争力的一类。
原因在于，大模型能够学习公开知识，却无法天然拥有企业多年运营过程中形成的大量真实案例、边缘场景和业务经验。
这些数据和经验，正是企业决策过程中最有价值的部分。
未来的软件，价值将来自“判断”而不是“功能”
过去，大多数 HR 软件强调的是功能覆盖。
招聘系统能够管理职位和简历。
学习系统能够管理课程。
绩效系统能够完成考核流程。
这些能力未来仍然重要，但已经不足以形成明显差异。
真正具有竞争力的软件，需要能够帮助企业回答更复杂的问题。
例如：
哪些候选人在未来更有可能取得成功？
哪些员工存在较高离职风险？
哪些技能将在未来两年成为组织能力短板？
哪些岗位更适合内部流动而不是外部招聘？
这类能力并不是增加几个 AI 按钮就能够实现，而是依赖长期积累的数据、算法以及真实业务经验。
企业采购 SaaS 的标准正在发生变化
Christopher Stanton 提醒企业，在 AI 时代评估 SaaS，不应再只关注产品功能，而应该重新思考几个问题：
这款产品真正创造的是流程价值，还是决策价值？
它依赖的是企业自己的数据，还是拥有跨客户、跨行业积累形成的数据优势？
这些数据是否经过真实业务场景持续验证？
AI 是否只是增加了交互方式，还是能够持续提升企业的判断质量？
这些问题，将比是否拥有 AI Chat、AI Copilot 或 AI Agent 更重要。
对于 HR Tech 行业意味着什么？
对于 HR Tech 企业来说，未来竞争的重点可能不再是谁拥有更多 AI 功能，而是谁拥有更深的数据积累和行业理解。
能够持续沉淀招聘、组织、绩效、薪酬、技能、员工体验等真实运营数据，并将这些数据转化为企业可以直接应用的管理洞察，才更有可能建立长期竞争优势。
未来，HR Tech 的价值也将逐渐从"流程数字化"转向"运营智能"。
软件不仅需要告诉企业发生了什么，更需要帮助企业理解为什么发生，以及下一步应该采取什么行动。
HRTech 观点
AI 正在降低软件开发的门槛，却没有降低企业管理的复杂度。
未来，真正难以复制的，不会是某一个 AI 功能，而是长期积累形成的数据资产、业务经验和管理判断能力。
对于 HR Tech 行业而言，这篇文章释放出的一个重要信号是：AI 时代真正值得投资的，不一定是功能最多的软件，而是能够持续输出 Operational Intelligence（运营智能）的产品。
未来企业采购 HR Tech，也许最应该问的不再是：
"这个产品有没有 AI？"
而是：
"如果去掉 AI，它是否仍然拥有别人无法复制的运营智能？"
你觉得呢，欢迎讨论！
-
2026HR趋势
特斯拉限制每周AI使用额度的背后：企业AI进入“成本治理”阶段，而不是停止使用AI
HRTech核心摘要：Tesla 给员工 AI 工具支出设定每周 200 美元上限，不是一个简单的降本动作，而是企业 AI 从“鼓励无限使用”进入“预算治理、模型选择、供应商控制和内部生态倾斜”的标志性事件。真正值得 HR、CIO 和企业管理者关注的，不是员工还能不能用 AI，而是企业如何在效率、成本、安全、合规和平台依赖之间重新建立规则。
根据 Electrek 引述 The Information 的报道，Tesla 将从 2026 年 7 月 6 日开始，对员工 AI 工具使用设定每周 200 美元支出上限。这个政策出台前，Tesla 过去几个月一直在推动员工更积极使用 AI，并通过内部平台和使用排名鼓励工程师大量调用 Claude、GPT、Gemini、Grok、Cursor 等工具。结果是，部分软件工程师每周 AI token 消耗达到数千美元。支出快速上升后，Tesla 开始为 AI 使用加上财务边界。值得注意的是，报道显示 xAI 的 beta 产品被排除在该上限之外，这意味着 Grok 相关产品不会受到同样限制。
这不是“AI退潮”，而是“AI财务化”开始。 过去一年，企业内部对生成式 AI 的态度非常激进：谁用得多，谁就更先进；哪个团队 token 消耗更高，哪个团队就更像 AI-first。现在问题出现了：AI 使用量并不等于生产力提升，token 消耗也不等于业务结果。企业终于开始意识到，AI 不是免费的数字劳动力，而是一种按使用量计费、随任务复杂度快速放大的新型运营成本。AI 进入企业后，第一阶段是试用，第二阶段是普及，第三阶段必然是治理。
Tesla 的特殊性在于，支出治理与生态选择叠加在一起。 如果所有模型一视同仁地限额，这只是典型的成本控制。但当 Grok/xAI beta 产品被豁免，而 Claude、GPT、Gemini 等外部模型被纳入限额时，政策就不再只是财务规则，也会变成使用行为的引导机制。员工会自然倾向于使用不受限制的工具，哪怕他们原本更偏好其他模型。这对企业来说是一种内部采购权力的重新分配：不是员工选择最好用的工具，而是公司预算规则决定哪些工具更容易被使用。
Cursor/Anysphere 的交易让这件事更具战略含义。 Reuters 报道，SpaceX 正以 600 亿美元全股票交易收购 Cursor 母公司 Anysphere，交易预计在 2026 年第三季度完成。Cursor 是 AI coding 工具领域的重要玩家，如果交易完成，Cursor、Composer、Grok 与 xAI 生态之间的协同会进一步增强。对 Tesla 工程师而言，未来使用 Claude Code、GPT 或 Gemini 可能受到预算限制，而使用 Musk 体系内的工具可能拥有更低的内部阻力。这不是简单的工具选择，而是企业 AI 工作流被平台生态重新塑形。
对 HR 来说，这件事的核心不是技术，而是组织治理。 当 AI 工具成为工程师、产品经理、运营团队和 HR 团队的日常工作基础，企业必须回答几个问题：员工可以自由选择 AI 工具吗？公司如何评估不同模型的产出质量？AI 预算归属 IT、业务部门还是人力资源？员工使用 AI 的效率提升如何计入绩效？当企业推动员工使用某个内部或关联生态工具时，是否需要披露潜在利益冲突？这些问题已经不再只是 CIO 的责任，也进入了 CHRO 和 CEO 的管理议程。
更大的行业趋势是，企业 AI 正从“采用率竞争”转向“单位成本产出竞争”。 Uber、Microsoft、Meta、Amazon、Walmart 等公司都被报道开始控制 AI 工具支出、取消部分高成本许可证，或推动员工使用更便宜、更可控的模型。背后的逻辑很现实：企业并不是不用 AI，而是不愿意继续为不可衡量的 AI 使用买单。未来企业评估 AI 的核心指标，不会只是“有多少员工使用 AI”，而是“每一美元 AI 支出带来多少代码、多少效率、多少错误减少、多少客户响应提升、多少组织成本下降”。
这也提醒资本市场，不要把企业 AI 消费理解为无上限增长。 Nvidia、Palantir、AI coding 公司和各类企业 AI 应用的高估值，都隐含着一个假设：企业会持续扩大 AI 使用。但真实企业内部正在发生的是预算化、路由化和治理化。AI token 消费总量仍可能增长，但增长方式会改变。企业会减少无序调用，增加模型路由；减少高价通用模型依赖，增加小模型、专用模型、内部模型和自建平台；减少“员工随便用”，增加“场景审批、预算控制、数据安全和ROI评估”。
HRTech的判断是：2026年企业AI管理的关键词，不再只是 adoption，而是 AI governance、AI FinOps 和 workforce productivity measurement。 Tesla 的做法之所以重要，是因为它把企业 AI 的矛盾暴露得非常集中：一方面，公司希望员工尽可能多地使用 AI，以提升研发效率；另一方面，公司又无法接受不可控的 token 成本；再进一步，公司还希望把员工使用行为导向自己的 AI 生态。这种矛盾会在更多企业出现。
最终，企业 AI 不会因为支出上限而停止发展。相反，真正成熟的企业会从“鼓励大家多用 AI”进入“让正确的人，在正确场景，用正确模型，以可衡量成本创造正确结果”。这才是 AI 进入组织管理深水区的开始。对 HR 而言，AI 不只是工具采购问题，而是未来工作方式、绩效评估、技能结构、员工授权和组织治理的系统性重构。
-
2026HR趋势
2026人力资源技术五大核心变革
转型背景：HR数字化迈入战略新阶段
在现代职场持续变革的浪潮下，人力资源已成为企业组织转型的核心枢纽。伴随混合办公普及、行业技能差距扩大、员工职场诉求持续升级，企业对HR数字化的投入持续加码，旨在平衡日常运营效率与长期人才战略，筑牢市场核心竞争力。数字化转型前沿已从基础流程线上化，升级为**互联互通、可预判、可赋能**的智慧化职场体系。企业依托AI、大数据分析与自动化技术，破除HR行政工作壁垒，以数据化、战略性决策优化人才管理，全方位升级员工职场体验。
AI迭代：从工具赋能升级为战略合作伙伴
人工智能长期赋能HR基础工作，而2026年将成为AI在人力资源领域的转型元年，正式从辅助工具升级为企业人才战略核心伙伴。现阶段AI可高效承接简历筛选、面试排班、员工咨询应答等重复性行政工作，大幅释放HR团队精力，聚焦高价值战略工作。未来“代理型AI”将实现更高层级自主能力，依托场景认知与历史数据经验，独立完成流程优化、人才洞察挖掘等工作，提前预判劳动力潜在问题。
据SHRM《2026年人力资源领域人工智能现状》报告显示，目前已有39%的企业落地AI人力资源应用，行业渗透持续提速，而合规化、透明化、去偏见化的AI应用，将成为企业建立人才信任的核心关键。
人才变革：技能取代资历成为招聘新标尺
传统人才招聘与管理高度依赖岗位履历、任职年限等硬性指标，已无法适配新时代企业发展需求。当下企业愈发意识到，员工核心技能与环境适应能力，远比固定资历更具价值，彻底重构了企业招、育、留全流程人才体系。依托AI赋能的现代化HCM平台，企业可精准绘制全员技能图谱、快速排查内部技能缺口，打破唯外部招聘的人才补位模式，深度挖掘内部人才潜力。通过定向技能培训、搭建清晰的内部成长路径，不仅有效降低企业外部招聘成本，更能显著提升员工留存率，打造可持续迭代的内部人才梯队。
数据升级：预测性分析重构人才管理逻辑
传统HR数据仅用于事后统计复盘，存在严重的滞后性。预测性劳动力智能分析技术的普及，彻底改变这一现状，推动人才管理从“被动应对”转向“主动预判”。现代分析系统可整合招聘、绩效、员工调研、考勤、办公生产力等全维度数据，深度挖掘常规观测无法察觉的潜在规律，精准预判员工流失风险、测算未来人才缺口、定位影响员工敬业度与产能的核心因素。该能力不仅优化日常人才运营，更能支撑企业业务扩张、人才继任规划、资源精准分配。据Gartner研判，数据驱动的HR战略将成为企业人才韧性建设的核心重点，预测性分析也将从可选配置，变为HR数字化转型的标准刚需。
体验革新：千人千面打造个性化职场服务
新时代员工不再局限于基础薪资福利，对职业发展、个人价值认可、个性化职场体验的需求持续提升。依托AI与劳动力大数据，现代化员工体验平台可实现全生命周期个性化服务，覆盖个性化入职引导、精准化学习发展推荐、内部岗位智能匹配、定制化福利激励等多元场景。差异化的职场服务能够深度拉近雇主与员工的联结，强化员工归属感与忠诚度。在高端人才竞争日趋激烈的当下，专属化、高品质的员工体验，已成为企业吸引、留存核心人才的核心差异化优势。
合规升级：自动化治理规避用工风险
随着企业全球化布局加速，各地劳动法规、职场规范、数据隐私政策持续迭代，人力资源合规管理复杂度陡增，传统人工管控模式效率低下、风险极高。HR自动化合规治理平台成为企业刚需，可实时监测全球法规变动，自动完成流程核查、文档更新、薪资核验、资质管理等工作，精准识别劳动力管理中的异常风险，提前干预规避隐患。同时，合规自动化可生成实时可视化报告，兼顾管理透明度与问责性，大幅削减HR行政负担，为企业全球化用工、规范化运营筑牢安全屏障。
行业总结：集成化生态开启HR全新篇章
当下HR数字化的核心变革，不再是单一工具的落地应用，而是AI智能、技能管理、数据预测、体验服务、合规治理的深度融合。企业逐步摒弃零散化、孤立化的HR工具，全面布局一体化、集成化的人力资源数字生态，实现各模块协同赋能、价值最大化。值得注意的是，技术始终是赋能手段而非替代核心，人力资源的人文温度、同理心与战略判断力，仍是行业不可替代的核心。2026年将成为HR科技的质变之年，数字化技术将推动人力资源从基础事务管理，迈向智能化、战略化、人本化的全新阶段，助力企业持续保持组织敏捷性与市场竞争力。
-
2026HR趋势
DeepSeek 招 HR，真正的信号是 AI 公司正在重新定义 HR
DeepSeek 最近发布的 HR 团队招聘信息，表面上看是一次普通的职能岗位补充，但如果放在 AI 公司组织扩张的背景下看，它释放出的信号并不简单。它不是在寻找传统意义上的招聘执行者，也不是单纯补充人事运营人员，而是在为一家 AGI 导向的技术公司搭建更长期的人才识别、组织服务和文化承载能力。你觉得呢
HR 不再只是支持部门，而是 AI 公司的人才基础设施
这份 JD 最突出的特点，是将 HR 直接放进 AGI 叙事之中。岗位描述里反复出现“AGI”“长期主义”“人类潜能”“人才土壤”“共建者”等关键词，这说明 DeepSeek 对 HR 的定位并不是后台支持，而是组织能力的一部分。对于 AI 公司来说，真正的竞争不只是模型、算力和数据，也包括能否持续吸引、识别、保留并激发顶尖人才。技术突破背后，最终还是人的密度、协作方式和创新环境。
这也意味着，AI 时代的 HR 不再只是处理流程、发布岗位、安排面试和完成入职，而是要参与构建公司的人才系统。谁能识别未来可能成长为关键人才的人，谁能建立长期人才关系，谁能让高潜人才进入组织后真正发挥作用，谁就在参与一家 AI 公司的核心能力建设。
招聘 HR 的能力正在从“招人”转向“人才情报”
在招聘 HR 方向中，最值得关注的是“系统性 Mapping”“海内外高潜人才”“长期、真诚的互动”“准确识别能力特质与职业诉求”。这不是传统招聘专员的工作语言，而更接近 Talent Intelligence。DeepSeek 想要的不是只会在招聘平台上筛简历、推流程的人，而是能够理解技术人才市场、判断人才潜力、建立候选人网络，并长期经营人才池的 HR。
更重要的是，JD 中提到要识别“尚未被市场验证、却蕴含巨大潜力的人才”。这句话很关键。很多公司的人才策略是抢已经被大厂、论文、title 和薪酬证明过的人，但真正有长期竞争力的组织，往往需要更早地发现那些还没有被市场充分定价的人。这样的招聘 HR，本质上更像“人才投资人”：既要懂人，也要懂技术组织的成长逻辑。
招聘闭环被拉长，Quality of Hire 变得更重要
这份 JD 还明确要求招聘 HR 跟踪候选人入职后的融入情况，协助解决初期适应问题，确保招聘成果真正落地。这说明 DeepSeek 对招聘结果的理解，不只是 offer 数量和入职人数，而是候选人进入组织后的适配、留存和实际贡献。
这对 HR 是很大的能力升级。过去很多招聘团队的 KPI 停留在招聘周期、到岗率和 HC 完成率，但在高密度人才组织中，真正重要的是 Quality of Hire。一个关键人才是否适应团队节奏，是否理解公司使命，是否能与现有研发文化协作，都会直接影响组织效率。招聘不再是交易，而是人才进入组织后的持续转化过程。
综合服务 HR 不是行政人事，而是 People Operations
另一个方向“综合服务 HR”也值得注意。它覆盖入职、档案、考勤、薪酬、福利等基础人事流程，但 JD 同时强调要运用自动化工具和 AI 能力持续优化流程，提高效率和员工体验。这意味着 DeepSeek 并不希望这个角色停留在传统事务型 HR，而是希望其成为 People Operations 的建设者。
对快速成长的 AI 公司来说，基础人事流程看似普通，实际上决定了组织扩张的稳定性。员工能否顺利入职，薪酬福利是否准确，问题响应是否及时，跨城市团队服务是否一致，都会影响员工对组织的信任感。AI 公司越强调长期主义，越不能忽视这些基础体验。真正好的 HR Ops，不是把流程做复杂，而是用系统、工具和服务意识，让组织在扩张中保持清晰、稳定和高效。
AI 公司正在要求 HR 自身也变得 AI-native
这份 JD 的另一个重要信号，是 HR 不只是服务 AI 公司，还要主动使用 AI 工具改造自己的工作。综合服务方向明确提出自动化和 AI 能力，这意味着 AI-native 组织不会允许 HR 仍然停留在传统手工流程中。未来 HR 的价值，不是简单地“更有人情味”，而是在效率、数据、体验和判断之间找到新的平衡。
招聘可以借助 AI 做人才 mapping、简历分析和候选人关系管理；HR Ops 可以用自动化工具优化入职、档案、薪酬福利和员工问答；HRBP 则需要用数据和组织洞察支持更复杂的人才决策。AI 不会让 HR 消失，但会让低效、重复、缺乏判断力的 HR 工作被重新定价。
真正的启发：HR 也要进入下一代能力模型
DeepSeek 这份 HR 招聘信息最值得关注的地方，不在于它招了几个 HR，而在于它呈现了 AI 时代 HR 能力模型的变化。未来优秀的 HR，不能只会执行流程，也不能只会讲文化，而是要同时具备人才洞察、组织理解、数据意识、系统化能力和长期主义。
AI 公司正在重新定义人才，也正在重新定义 HR。对 HR 从业者来说，这既是压力，也是机会。真正有价值的 HR，不会只是“支持业务的人”，而会成为理解技术变革、识别关键人才、建设组织土壤的人。DeepSeek 招 HR 的背后，看到的是一个更大的趋势：在 AI 时代，人才不是资源部门管理的对象，而是公司最核心的生产力系统。
-
2026HR趋势
88% 的组织仍处于 AI 早期阶段，HR 也需要知道自己在哪一级
全球企业正在进入 AI 转型的新阶段，但真正的问题已经不再是“要不要使用 AI”，而是“你和你的组织处在 AI 成熟度的哪一级”。Notion 最新发布的《Inside the AI Transformation: The Great Renovation》通过对 6,118 名全球 AI Decision Makers 和 AI Users 的调研，给出了一个非常清晰的判断：AI采纳 已经广泛发生，但大多数组织仍处于早期阶段。报告显示，57% 的组织处于 Level 1，即把 AI 作为个人思考伙伴；31% 处于 Level 2，即把 AI 作为工作助手；只有 10% 达到 Level 3，让 AI 进入团队工作流；仅 2% 达到 Level 4，让 AI 成为组织系统级能力。换句话说，88% 的组织仍停留在 AI 早期阶段，真正进入工作流级和系统级 AI transformation 的组织只有 12%。
这组数据对 HR 专业人士尤其重要。过去一年，越来越多 HR 已经开始使用 ChatGPT、Claude、Gemini、Copilot 或其他 AI 工具，用于撰写 JD、优化招聘文案、生成面试问题、总结政策文件、制作培训大纲、润色员工沟通邮件、分析员工反馈，甚至辅助完成 HRBP 业务支持材料。这些实践非常有价值，但它们大多仍停留在个人效率层面。一个 HR 会使用 AI，并不等于已经具备 AI-ready capability；一个团队采购了 AI 工具，也不等于已经完成 AI 转型。
一、AI 转型的关键，已经从“工具使用”进入“成熟度竞争”
Notion 的报告将企业 AI 转型分为四个层级：AI as a Thought Partner、AI as an Assistant、AI as Teammates、AI as the System。这个模型最重要的价值，是把 AI adoption 从“是否使用工具”推进到“AI 在组织中承担什么角色”。在 Level 1，AI 主要帮助个人写作、总结、搜索、分析和头脑风暴；在 Level 2，AI 开始成为日常工作助手，连接公司上下文和内部数据；在 Level 3，AI agents 开始参与重复性工作流，并与团队协同；在 Level 4，AI 成为系统级能力，支持复杂、关键、端到端的业务流程。
这一路径与 HR AI Forward 的成熟度判断高度一致。HR 的 AI 能力，也会经历从认知了解、零散尝试、单点使用、场景应用、流程嵌入，到最终形成 AI-native HR operating model 的过程。对 HR 来说，AI 转型不是简单学习 prompt，也不是多试几个工具，而是重新思考招聘、员工体验、学习发展、绩效管理、HR 运营和人才决策如何被 AI 重新设计。
二、HR 的现实问题：很多人已经在用 AI，但并不知道自己在哪一级
今天很多 HR 已经开始“用 AI”，但这并不意味着他们已经进入 AI-ready 阶段。用 AI 写一份 JD、生成几道面试题、润色一封员工沟通邮件、总结一份政策文件，这些动作确实可以提升效率，但本质上仍然属于个人任务层面的 AI 使用。真正的问题是：AI 是否已经进入真实 HR 场景？是否改变了工作流？是否提升了决策质量？是否能够产生可衡量的业务影响？
这正是 HR AI Forward 试图解决的问题。我们希望帮助 HR 专业人士回答一个具体而关键的问题：我现在到底处在哪一级？我只是 AI 工具使用者，还是已经具备 AI-ready HR 的能力？我的优势在哪里？短板在哪里？下一步应该优先提升什么？
HR AI Forward 不是一项普通的 AI 工具使用测试，而是一套面向 HR 专业人士和 HR 团队的 AI 成熟度测评系统。它围绕真实 HR 工作场景设计，通过系统化问题帮助 HR 判断自己的 AI maturity level、stage、能力结构和成长路径。测评不只关注你是否用过 AI，而是更关注你如何理解 AI、如何应用 AI、是否能够把 AI 放进招聘、员工服务、L&D、HRBP、HR Operations 和人才分析等场景中，是否具备风险意识、治理意识和流程设计能力。
三、会用 AI，只是起点；把 AI 放进工作流，才是真正的分水岭
HR AI Forward 的核心判断很明确：会用 AI，不等于具备 AI 能力。真正的分水岭，不在于是否会写 prompt，而在于 AI 是否从单点任务进入工作流，从个人效率进入组织影响。
在 L0 阶段，HR 可能只是听说过 AI，或者进行过零散尝试，还没有形成稳定使用习惯。在 L1 阶段，HR 已经能够把 AI 用于个人效率提升，例如 JD、面试问题、邮件、培训大纲、政策摘要和基础分析。在 L2 阶段，AI 开始进入真实 HR 工作流，例如招聘流程、员工服务、L&D 内容生产、HRBP 支持和数据分析。在 L3 阶段，AI 则成为 HR operating model 的一部分，能够支持人才决策、员工体验、组织诊断和战略 workforce planning。
这也是为什么 HR 需要一次成熟度测评。没有测评，很多人会高估自己的 AI 能力，以为“我已经在用 AI”就等于“我已经完成升级”。但从工具使用到场景应用，从场景应用到流程嵌入，从流程嵌入到组织能力建设，中间有明显的能力断层。HR AI Forward 的价值，就是帮助 HR 看清这些断层，并找到下一步可执行的升级路径。
四、管理层和员工之间的 AI 认知差距，正在成为组织转型风险
Notion 报告中另一个值得关注的发现，是管理层和员工之间存在明显的 leader-worker gap。49% 的 AI Decision Makers 对组织 AI 使用与实施能力高度自信，但 AI Users 中只有 23%；60% 的 AI Decision Makers 认为组织已经准备好部署 AI agents，但 AI Users 中只有 36%。这说明，AI 转型最大的风险之一，不是企业没有投入，而是管理层以为转型已经发生，员工却还没有真正改变工作方式。
对 HR 团队来说，这个问题更加敏感。HR 既是 AI 转型的使用者，也是组织变革的推动者。如果 HR 自己缺乏清晰的 AI maturity baseline，就很难帮助业务部门判断 workforce readiness，更难推动组织形成真正可落地的 AI adoption 路径。企业不能只看采购了多少 AI 工具，也不能只看举办了多少场 AI 培训，而要知道员工和团队是否真正具备 AI-ready capability。
HR AI Forward 可以成为这个问题的起点。它帮助个人看清自己的 AI 成熟度，也可以帮助 HR 团队建立整体 AI readiness baseline。团队中哪些成员还在 L0？哪些已经达到 L1？哪些能够进入 L2 的流程应用？哪些人可以成为内部 AI champion？这些问题如果没有数据，就很难设计有效的培训、工具选择、流程改造和治理机制。
五、HR AI Forward 的价值，不是打分，而是给出成长路径
HR AI Forward 的价值首先是“看清位置”。很多 HR 已经在日常工作中使用 AI，但并不清楚自己处于 L0、L1、L2 还是 L3。只有先知道自己在哪一级，才知道下一步怎么升级。对于 HR 专业人士而言，这是一种职业能力定位；对于 HR 团队而言，这是一种组织准备度诊断。
其次，HR AI Forward 的价值是“找到差距”。AI 能力不是单一技能，而是由认知、使用、场景、治理、流程和影响力共同构成的复合能力。一个 HR 可能很擅长使用 AI 写内容，但不一定能把 AI 应用到真实流程；可能知道很多 AI 工具，但不清楚数据隐私和合规边界；可能能完成个人任务，但无法设计团队级 AI workflow。测评的意义，是把这些差异拆解出来，让 HR 看到自己的能力结构，而不是用一句“会用 AI”或“不会用 AI”简单概括。
第三，HR AI Forward 的价值是“形成下一步路径”。AI 学习最怕泛化。很多 HR 参加过 AI 培训，也看过很多工具推荐，但回到工作中仍不知道从哪里开始。真正有效的成长路径应该基于当前 level 和 stage。对于 L0 阶段的 HR，重点是建立基础认知和安全使用习惯；对于 L1 阶段的 HR，重点是从内容生成走向真实场景应用；对于 L2 阶段的 HR，重点是把 AI 嵌入流程，并建立可衡量的效率、质量和体验指标；对于 L3 阶段的 HR，重点则是推动 AI-native HR operating model，形成组织级影响。
六、对企业 HR 团队来说，AI readiness baseline 比一次工具培训更重要
很多企业推进 AI adoption 的第一反应，是安排一场 AI 培训，或者采购一套 AI 工具。但 Notion 报告显示，成熟组织与早期组织的差异，并不只是培训更多，而是更善于进行 system integration、governance and oversight、AI impact measurement。也就是说，成熟组织真正做得好的，是把 AI 变成一个有边界、有流程、有数据、有责任、有结果的组织能力。
这对 HR 团队有直接启示。企业不能只问“我们要不要培训 HR 使用 AI”，而应该先问“我们的 HR 团队现在处在什么成熟度阶段”。如果团队整体还处在 L0 或 L1，就应该先建立基础能力和场景应用；如果团队已经有一部分成员进入 L2，就应该进一步设计工作流试点和 AI governance；如果企业希望推动更深层的 HR transformation，就需要识别内部 AI champion，并建立可衡量的 HR AI impact metrics。
HR AI Forward for Teams 可以帮助企业完成这一步。它不是简单给员工一个分数，而是帮助企业理解 HR 团队的 AI 能力分布、成熟度差距和升级优先级。对于 CHRO、HRD、L&D、OD 和 HR Transformation 负责人来说，这比一次泛泛的 AI 培训更有决策价值，也更容易转化为后续的培训计划、流程优化、工具选择和治理建设。
七、AI 时代的 HR 竞争力，正在被重新定义
过去，HR 的竞争力主要来自招聘经验、员工关系处理、薪酬福利专业度、组织发展能力、劳动法规知识和业务理解力。未来，这些能力仍然重要，但会与 AI 能力重新组合。更有竞争力的 HR，不只是会执行流程，而是能够用 AI 重新设计流程；不只是会写政策，而是能够让员工更快获得准确支持；不只是会做培训，而是能够借助 AI 生成更个性化、更贴近岗位的学习内容；不只是会看报表，而是能够从人才数据中提炼业务洞察；不只是提升个人效率，而是能够推动组织能力升级。
这正是 HR AI Forward 要推动的方向：帮助 HR 从 AI tool user 走向 AI-ready HR，再进一步走向 AI-native HR。会用 AI，只是起点；能够把 AI 转化为真实 HR 工作成果，才是下一阶段的核心竞争力。
对于个人 HR 来说，HR AI Forward 是一次能力定位和成长路径梳理。对于企业 HR 团队来说，它是一次 AI readiness baseline 建设。对于整个 HR 行业来说，它代表着一个更重要的趋势：HR 的 AI 能力将不再停留在经验判断和工具尝试层面，而会逐步进入可评估、可比较、可成长、可认证的新阶段。
八、现在，是时候测一下自己在哪一级了
全球企业正在进入 AI 成熟度竞争。对 HR 来说，真正的问题已经不是“要不要用 AI”，而是“我是否已经准备好成为 AI-ready HR”。如果你已经开始使用 AI，但不确定自己只是停留在工具使用阶段，还是已经具备更系统的 AI-ready capability，HR AI Forward 可以帮助你在 10–15 分钟内完成一次自我评估，了解你的 AI maturity level、stage、能力差距和下一步升级路径。
对于达到相应成熟度的 HR 专业人士，还可以进一步申请 AI-Ready Credential，让你的 AI 能力被更清晰地识别和呈现。AI 时代的 HR 能力差距已经开始出现，越早看清自己的位置，越早建立下一阶段的竞争力。
会用 AI，不等于具备 AI 能力。现在，是时候从 AI 工具使用者，升级为 AI-ready HR。
-
2026HR趋势
麦肯锡《HR Monitor 2026》发布：HR职能进入人机协作时代的系统级转型（附录下载）
2026 年，人力资源部门正在进入一个新的临界点。根据麦肯锡最新发布的《HR Monitor 2026》，在人工智能重塑工作方式、技能结构和组织运行模式的背景下，HR 的角色正在从传统的职能卓越（functional excellence），转向更深层的系统级转型（system-level transformation）。这份报告基于对欧洲、美国和中国等 10 个国家约 1,300 名 HR 专业人士和 5,500 名员工的调研，呈现出一个清晰信号：未来 HR 的核心价值，不再只是把招聘、培训、绩效和员工体验做得更高效，而是帮助企业重新定义工作、能力、人才供给和人机协作方式。
HR正在从支持部门变成组织转型的设计者
过去很长一段时间，HR 的专业化主要体现在流程、制度和模块能力上，例如招聘效率、培训体系、绩效管理、薪酬福利和员工关系。但在 AI 加速进入企业核心流程之后，HR 面临的任务已经发生变化。报告提出，HR 需要同时扮演两种角色：一是 AI 转型的组织架构师，参与设计岗位、任务和能力如何变化；二是企业内部的示范者，通过自身运营模式的重塑，率先展示 AI 如何真正嵌入工作流程。
这意味着，HR 不能再只停留在“服务业务”的位置，而要参与回答企业未来三到五年的关键问题：哪些工作会被自动化，哪些岗位会被重新组合，哪些技能会变得更重要，哪些员工需要重新培养，哪些流程可以交给 AI 代理（AI agents）完成。真正的 HR 转型，正在从事务效率问题，变成组织能力问题。
人力规划仍然过于短期，能力规划才是关键
报告中最值得警惕的数据是，只有 11% 的组织真正采用三年以上的长期人力规划。虽然不少企业已经开展人力规划，但多数仍停留在短期编制、岗位和预算层面，本质上还是“算人头”。在 AI 时代，这种规划方式已经不够用。因为 AI 改变的不是某一个岗位，而是岗位背后的任务结构和能力组合。
未来企业需要的不是简单的人头规划，而是能力规划（capability planning）。HR 需要建立更清晰的技能智能（skills intelligence），持续识别组织内部已经具备哪些能力、未来需要哪些能力，以及员工能否通过再培训和内部流动完成能力迁移。报告显示，虽然 85% 的组织已经建立技能分类体系，但只有 57% 将全组织人力规划与完整的技能记录结合起来。这说明很多企业虽然有技能数据，却还没有真正把它用于战略决策。
未来人才竞争的重点，不是会不会用AI，而是能否判断AI
随着 AI 接管越来越多重复性和执行性任务，未来技能的重心正在变化。报告显示，问题解决能力、创造力、数据分析与 AI、数字素养、推理能力等成为 HR 专业人士最关注的未来技能。其中，数字素养的排名上升尤其明显，反映出企业对“能够理解和使用 AI 输出”的人才需求正在增加。
这也说明，AI 并没有让人的价值下降，而是改变了人的价值位置。未来更稀缺的不是机械执行能力，而是判断、解释、整合和决策能力。企业需要的人才，不只是会操作工具的人，而是能够在复杂业务场景中理解 AI 输出、提出正确问题、识别风险并做出判断的人。对 HR 来说，培训体系也不能再只围绕课程和平台建设，而要真正嵌入业务任务、绩效反馈和职业发展路径。
招聘市场趋稳，但慢招聘仍然是组织损耗
报告显示，全球劳动力市场总体趋稳，部分市场更偏向雇主。全球录用接受率从 2025 年的 56% 上升至 2026 年的 59%，招聘成功率从 46% 上升至 50%。但这并不代表招聘压力消失。相反，在申请量增加、候选人筛选复杂度提升的情况下，招聘效率正在成为新的竞争差异。
一个重要数据是，跨市场招聘周期中位数达到 70 天，平均招聘周期超过 90 天，而表现最好的前四分之一组织可以将流程压缩到 49 天左右。对于关键岗位和高需求技能而言，过长的招聘周期会直接增加候选人流失、招聘成本和业务等待成本。AI 可以提升简历筛选、技能匹配、面试协调和候选人沟通效率，但前提是招聘流程本身足够清晰。如果企业只是把 AI 叠加在混乱流程上，技术只会放大原有问题。
员工体验回到更现实的基本面
过去几年，企业谈员工体验，常常聚焦文化活动、福利包装、员工关怀项目和体验工具。但报告中的员工数据显示，在经济不确定性上升的环境下，员工关注正在回归基本面。影响员工留下来的前三项因素分别是薪酬、工作与生活平衡、岗位安全感，占比分别为 52%、46% 和 45%。附录最新版本2026员工体验旅程图提供下载
这对企业是一个重要提醒。员工体验不是“让员工开心”的项目集合，而是雇佣关系是否公平、稳定、透明和可持续。尤其在生活成本压力和就业不确定性并存的环境下，员工更关心薪酬是否合理、工作负荷是否可持续、管理沟通是否透明，以及组织是否提供足够的安全感。对于 HR 来说，改善员工体验不能只靠新增项目，而要回到薪酬公平、管理质量、工作负荷和组织信任这些底层问题。
HR运营模式正在进入新一轮重构
传统的三支柱模型，即 HRBP、专家中心和共享服务中心，仍然是许多企业 HR 组织的基础。但报告显示，这一模式正在进入混合过渡期。32% 的 HR 组织仍主要采用 Ulrich 模型，18% 仍处在更早期的 HR generalist 模式，34% 表示已经部分采用敏捷 HR 模式。也就是说，多数企业并不是已经完成转型，而是在旧模型与新模式之间寻找新的平衡。
未来 HR 运营模式的方向，可能不是简单取消三支柱，而是在其基础上加入更强的数据底座、跨职能协作、按任务流动的资源配置，以及 AI 代理驱动的员工服务。HR 的组织设计也将从“谁负责哪个模块”，转向“如何围绕员工旅程和业务场景配置人、流程、数据和技术”。
AI试点很多，真正规模化仍然有限
尽管 AI 已经成为 HR 领域最热的话题，但报告显示，全球只有 28% 的 HR 流程已经部署可运营的 AI 解决方案，37% 仍停留在试点阶段。中国在这一方面相对领先，43% 的 HR 流程已经进入 AI 运营使用阶段，另有 45% 仍处于试点阶段。这说明，企业并不缺 AI 试验，真正缺的是从单点试点走向端到端重构的能力。HR的AI能力成熟度测试很重要，点击可以参与测试。
HRTech 认为，这也是未来 HR 科技竞争的分水岭。单一工具型 AI 应用可以提升局部效率，但真正有价值的系统，必须能够连接员工数据、技能体系、招聘流程、学习发展、绩效管理和员工服务。未来的 HR 科技，不只是帮助 HR 更快完成任务，而是帮助企业更准确地理解组织能力，并更快完成能力重组。
HRTech观察：HR的下一场考试，是组织能力再设计
这份报告给 HR 领域最重要的启发是：AI 不会自动带来更好的 HR，也不会自动创造更强的组织能力。真正决定 HR 价值的，是能否把业务战略、人力规划、技能体系、员工体验、组织设计和 AI 工作流连接起来。未来领先的 HR 团队，将不再只是流程运营者，而是企业人机协作时代的组织能力设计者。
对于企业管理者和 HR 负责人来说，2026 年的关键问题不是“我们有没有 AI 工具”，而是“我们是否知道未来需要什么能力，哪些工作正在被重构，哪些员工需要转型，哪些流程可以被 AI 接管，以及 HR 自己是否已经准备好用新的方式运行”。这才是 HR 真正的转折点。
点击可以下载并阅读麦肯锡《HR Monitor 2026》完整报告。
-
2026HR趋势
SHRM26现场观察：AI之后，HR真正要解决的是信任、技能与组织能力
HRTech特邀嘉宾现场观察：SHRM美国人力资源年度论坛最重要的信号已经非常清晰：AI不再只是HR需要学习的新工具，而正在成为招聘、人才管理、员工福利、领导力和组织运营的底层变量。真正值得关注的，不是“AI会不会进入HR”，而是当AI已经进入HR之后，企业如何重新建立招聘信任、技能判断、员工连接和组织影响力。换句话说，SHRM26讨论的表面主题是AI，深层主题其实是HR如何在AI时代重新定义自己的专业价值。观点仅代表个人视角，不代表SHRM会议的全部内容
AI正在重塑招聘，但候选人真实性成为新的难题
在今年的现场讨论中，招聘仍然是最受关注的议题之一，但讨论重点已经发生变化。过去大家更关心AI如何帮助企业提高招聘效率，例如自动筛选简历、生成职位描述、优化候选人沟通流程。现在越来越多HR开始担心另一个现实问题：AI让候选人更容易包装自己，也让企业更难判断真实能力。
Robert Half围绕“AI-Crafted Resumes”的讨论非常典型。AI可以帮助候选人写出更漂亮、更精准、更符合关键词的简历，但这并不必然代表候选人具备相应能力。其调研显示，67%的HR leaders认为AI-generated applications正在拖慢招聘流程，因为招聘团队需要花更多时间验证技能、判断真实性，并从大量看似合格的申请中筛选出真正匹配的人才。这说明AI并没有简单地降低招聘成本，反而在某些环节制造了新的判断成本。
从现场感受来看，未来招聘的核心竞争力可能不再只是“谁的ATS更自动化”，而是“谁能更准确地验证候选人的真实能力”。简历越来越容易被优化，面试也越来越容易被辅助，企业真正需要建设的是更可信的技能验证机制、评估体系和候选人真实性判断流程。
Skills-First Hiring正在成为AI时代招聘的主线
SHRM26反复出现的另一个关键词是skills-first hiring。这个概念过去几年已经被讨论很多，但今年的不同之处在于，它不再只是理念，而是被AI进一步推到了企业招聘和人才管理的中心位置。
当AI可以帮助候选人优化简历、匹配岗位关键词，传统依赖学历、职位名称和工作年限的筛选方式就会变得更加脆弱。企业真正需要知道的不是候选人“看起来像不像合适的人”，而是候选人是否真正拥有完成工作所需要的技能、判断力和问题解决能力。因此，招聘逻辑正在从credential-based hiring转向skills-based validation，从简历筛选转向能力验证，从岗位匹配转向真实技能与业务场景的适配。
这也解释了为什么现场很多HR科技供应商都在强调talent signals、skills intelligence、assessment、workforce intelligence和internal mobility。AI时代的人才管理不再只是围绕岗位建立流程，而是围绕技能建立组织能力。未来企业的人才系统需要回答的核心问题是：我们拥有哪些技能？缺少哪些技能？哪些技能可以通过内部培养获得？哪些能力必须从外部获取？这将直接改变招聘、学习发展、继任计划和组织设计的底层逻辑。
HR的新角色不是使用AI，而是重新定义工作方式
今年SHRM26给人的一个明显感受是，AI已经不再是孤立的技术话题。它正在与workplace change、future of HR、workforce planning和leadership development连接在一起。这意味着HR的任务不只是学习使用AI工具，而是要参与重新定义工作方式。
在传统组织中，HR更多承担流程管理和支持职能，包括招聘、培训、绩效、薪酬、福利和员工关系。但当AI开始进入工作流程之后，企业需要重新思考岗位如何设计、任务如何分配、人机如何协作、管理者如何带队、员工如何成长。这些问题已经超出了传统HR运营范畴，更接近组织设计和业务转型。
从这个角度看，HR正在从流程执行者转向组织能力设计者。未来HR的价值不只是把招聘做快、把培训做完、把绩效流程跑通，而是帮助企业判断哪些工作应该被自动化，哪些能力应该被保留，哪些岗位需要重构，哪些员工需要重新培养。AI越深入组织，HR越需要具备业务理解、组织诊断和变革推动能力。
领导力与文化重新回到中心位置
一个值得注意的现象是，当AI成为大会高频词时，领导力、文化、信任和价值观反而被更频繁地讨论。围绕Oprah Winfrey、Simon Sinek等嘉宾的传播，强调的是character、purpose、leadership、culture和inclusion。这背后的逻辑并不矛盾：技术越强，组织越需要清晰的价值观和稳定的信任机制。
AI可以提升效率，可以生成内容，可以分析数据，也可以辅助决策，但AI无法自动建立组织信任，无法替代领导者给团队提供方向感，也无法真正创造员工对组织的归属感。当企业越来越依赖技术系统完成流程和判断时，人们反而会更加关注决策是否公平、沟通是否透明、文化是否健康、领导者是否值得信任。
因此，AI时代的领导力不是更少的人性，而是更高质量的人性。管理者需要从信息传递者转向意义建构者，从任务监督者转向教练和连接者。对HR来说，这意味着领导力发展和文化建设不会因为AI而变得不重要，反而会成为组织能否真正用好AI的关键条件。
员工健康与福利正在升级为Workforce Strategy
员工健康与福利也不再只是传统benefits话题。OpenLoop Health、The Obesity Society等机构围绕employee wellness、obesity care、benefits professionals和employer strategy展开讨论，说明健康福利正在从成本管理项目升级为企业的workforce strategy。
过去企业看待福利，更多是从合规、成本和员工满意度角度出发。但现在，员工健康正在与生产率、留任率、雇主品牌和组织韧性联系在一起。尤其是在长期压力、慢性病、心理健康和工作倦怠成为普遍挑战之后，企业很难再把员工健康视为边缘议题。
这对HR的启示是，福利管理不能只停留在年度续保和项目采购层面，而需要更深入地回答：哪些健康投入真正改善员工体验？哪些福利设计可以支持关键人才留任？哪些健康风险会影响组织生产力？未来优秀的benefits strategy会越来越接近workforce strategy，而不是单纯的行政福利安排。
HR Tech竞争正在从数字化走向AI驱动的决策与执行
HR科技供应商正在集中围绕AI hiring、workforce intelligence、employee engagement、performance和agentic HR展示方案。这个变化说明，HR Tech的竞争重点已经从“系统是否数字化”转向“系统是否能够帮助HR做出更好的判断并推动行动”。
过去HR系统的核心价值是记录、管理和流程自动化，例如记录员工信息、管理招聘流程、支持绩效周期、维护薪酬福利数据。现在，企业期待系统不仅能保存数据，还能识别问题、预测风险、推荐行动，甚至通过AI Agent完成部分执行工作。
这意味着HR Tech正在进入一个新的阶段。未来真正有竞争力的产品，不只是一个更好看的系统界面，也不只是把AI功能嵌入现有模块，而是能够把企业的人才数据、技能数据、绩效数据和业务场景连接起来，帮助HR形成更准确的组织洞察和更快的行动能力。
结语：SHRM26真正讨论的不是AI，而是HR的下一轮价值重构
综合来看，SHRM26释放出的核心信号是：AI已经成为HR行业的默认前提，但AI本身不是终点。真正的变化发生在AI进入招聘、管理、福利和组织文化之后，HR如何重新建立判断力、信任机制和业务影响力。
招聘需要从简历筛选走向真实性验证，人才管理需要从岗位逻辑走向技能逻辑，领导力需要从流程管理走向信任与意义建设，员工福利需要从成本项目走向组织韧性投资，HR科技也需要从数字化系统走向AI驱动的决策与执行。
因此，今年SHRM26最值得带走的一句话或许是：未来HR的价值，不在于是否会使用某一个AI工具，而在于能否帮助组织在AI时代更准确地识别人、更有效地发展人、更可信地连接人，并最终把人才能力转化为组织能力。
扫一扫 加微信
hrtechchina
