Agentic AI - HRTechChina.com - 向上的力量！

Agentic AI

【收购】美国HR科技公司Lattice收购AI原生教练平台Mandala，加速AI原生人才平台布局，HR进入“执行时代” HRTech概述：旧金山的HR科技公司 Lattice宣布收购AI教练平台Mandala，并引入其创始人Tarun Galagali，全面加速“People + AI”战略。Mandala基于神经科学打造AI教练体系，已服务Google、Microsoft等企业，并培训3000+管理者。这次整合的关键不只是“加AI”，而是把AI嵌入到绩效管理流程中，实现实时辅导与决策支持。从“告诉你发生了什么”，转向“告诉你下一步该怎么做”。更多全球HR科技资讯，请关注HRTech。 2026年3月31日，总部位于旧金山的人力资源科技公司 Lattice 宣布收购AI原生教练平台 Mandala，并引入其创始人兼CEO Tarun Galagali，负责推进平台中AI能力的研发与落地。这一举措被视为其“People + AI”战略的重要里程碑，也标志着HR技术正从数据驱动走向AI驱动的执行阶段。此次收购的核心在于Mandala所构建的AI-native coaching能力。Mandala基于神经科学方法论开发教练体系，并与沃顿商学院神经科学项目负责人Dr. Michael Platt合作，将行为科学与管理实践结合。其产品已在包括Google、Microsoft、Pendo、Grow Therapy等组织中应用，累计培训超过3000名管理者，形成了可验证的领导力提升路径。 Lattice计划将这一能力整合进自身平台，与其现有的Lattice AI Agent结合，进一步强化“在工作流中提供实时指导”的能力。不同于传统绩效管理系统依赖历史数据进行回顾分析，Lattice正在构建的是一个“行动导向”的AI层——不仅解释发生了什么，更直接给出下一步建议，从而推动管理行为的改变。 Lattice CEO Sarah Franklin在公告中表示，大多数平台仍停留在“告诉你发生了什么”的阶段，而Lattice正在构建的是“告诉你下一步该做什么”的能力层。这一定位本质上重新定义了绩效管理的价值，从记录工具升级为决策与执行系统。从行业趋势来看，这一动作并非孤立。根据Gartner数据预测，到2030年，50%的HR活动将由AI自动完成或由AI Agent执行。同时，截至去年1月，已有61%的HR负责人进入生成式AI应用的高级阶段，较2023年的19%大幅提升；另有82%的HR领导者在过去一年中已规划部署Agentic AI能力。这意味着HR系统正在经历从“信息系统”向“执行系统”的结构性转型。 Mandala创始人Tarun Galagali表示，其未来工作的重点将是打造一个“基于神经科学、具有人类感知体验的AI智能层”，将人才数据转化为实际行为改变与领导力进化。这一方向与当前HRTech行业对“AI Agent”的探索高度一致，即让系统具备自主决策与执行能力，而非仅提供辅助信息。在客户侧，这一转型同样得到验证。Pendo人力发展与战略副总裁Jessica Jolley指出，Mandala通过将个性化教练与实际管理工具结合，使管理者能够在不增加复杂性的前提下提升领导力。而Huge组织发展负责人JD Slaughter则表示，Lattice帮助其减少了低效反馈流程，同时提升了关键对话的质量与影响力。成立于2015年的Lattice，目前服务全球近5000家企业客户，包括Brilliant Earth、Calm、Figma、Intercom和NPR等。公司近年来持续强化其在绩效管理、员工发展、薪酬与敬业度等模块的整合能力，并通过AI能力构建差异化竞争优势。此次收购释放出一个清晰信号：HRTech的竞争焦点正在发生转移。从以数据为核心的系统能力，转向以AI驱动的行动与执行能力。对于企业而言，这意味着未来的人才管理系统，不再只是记录和分析工具，而将成为推动组织决策与行为改变的关键基础设施。对中国HRTech同行的启示与建议从Lattice的这次并购可以看到，全球HRTech的竞争已经不再停留在“功能完整性”或“模块覆盖度”，而是进入“是否能够驱动行为改变”的阶段。对中国HRTech企业而言，至少有三点值得重点思考：第一，从“数据平台”走向“执行系统”，不再只是做绩效记录、招聘管理，而是通过AI直接嵌入业务流程，输出可执行建议；第二，构建差异化能力，不一定是通用大模型，而是像Mandala一样，在垂直场景（如管理者教练、反馈机制、组织行为）中形成方法论壁垒；第三，重新定义产品价值，从“提升效率”升级为“提升管理质量和业务结果”，这将直接影响客户的付费意愿与长期留存。更重要的是，HRTech若希望参与全球竞争，需要在“产品能力 + 方法论 +数据闭环”三者之间形成协同，而不仅是单点功能创新。 AI时代的赢家，很可能不是功能最多的平台，而是最接近“组织决策中枢”的系统。

Agentic AI
2026年04月01日
Agentic AI

【重磅】HCM时代正在结束：Workday正重构AI驱动的工作执行系统，微软重构HR架构，HRTech进入AI执行时代 HRTech核心概述：这篇文章强烈推荐HR科技公司的CEO、企业HR负责人收藏研究，把握未来趋势！过去二十年，企业通过 HCM 系统来“管理人”和“记录工作”；而接下来十年，系统本身将开始参与并完成工作。这不是一次简单的 AI 升级，而是一场关于“工作如何被执行”的范式转移。当系统不再只是承载流程与数据，而是具备理解上下文、遵循规则并推动任务完成的能力时，企业运行的基本逻辑正在发生改变。HCM 时代所代表的“以记录为中心的系统范式”，正在走向终点。而Workday刚刚发布新一代Agentic AI，标志着企业软件进入“执行时代”。不同于传统AI只提供建议，这一代AI Agent可以理解企业数据、遵循流程规则，并直接完成HR与财务任务。Workday提出“New Work Day”概念，人类负责决策，AI负责执行，形成全新的协作模式。同时，其引入按结果付费的flex credits模式，也意味着SaaS商业模式正在发生变化。HCM时代正在结束！更多全球HR科技趋势，请关注 HRTech Workday 这最新一轮产品发布的意义，不在于又增加了多少 AI 功能，而在于它正在重新定义企业系统的角色。按照官方表述，Workday 这次推出的是“hundreds of new AI capabilities and agents”，并且将这些能力直接嵌入平台，用于 HR、Finance、IT 和 Legal 等关键职能，目标是让企业从“AI-assisted tasks”走向“truly agentic work”。这说明 Workday 想做的，已经不再只是传统意义上的 HCM 软件，而是一个能够理解上下文、遵循企业规则并推动任务执行的平台。与此同时，微软在 Amy Coleman 领导下对 HR 组织架构的调整，也释放出相似信号：组织侧正在为“人类 + AI”共同工作的未来重构自身。这不是两个孤立事件，而是系统与组织同时转向新工作方式的开始。 Workday 当前到底在做什么：从 AI 辅助走向 Agentic Work 从 Workday 官方文章来看，这次发布的核心非常明确：Workday 正在把 AI 从“功能层”推进到“工作层”。文章开宗明义写到，未来企业不会再只受限于人本身能做什么，而将由 people 和 AI agents 共同驱动；同时，Workday 正在向客户推出“hundreds of new AI capabilities and agents built directly into the platform”，并强调这些能力不仅改变工作如何完成，也改变工作的体验。这里的关键，不只是 AI 更强，而是 AI 被定义为平台内的“agentic teammates”，能够结合 trusted HR、finance、business data，连同 operational context 和 enterprise guardrails，把工作“做对”。 Workday 在这篇文章中给出的结构，其实已经勾勒出一个新的平台框架。第一层是 Sana from Workday。官方说明，Sana from Workday 已在全球范围内正式可用，其中包括 Sana for Workday、Sana Self-Service Agent，以及 Sana Enterprise。Sana for Workday 被定义为新的 AI interface；Sana Self-Service Agent 负责自动化大量 HR 和 finance 的任务、问题与工作流；Sana Enterprise 则把这种能力扩展到 Workday 之外，去 orchestrate hundreds of enterprise systems and business applications。换句话说，Workday 不再满足于做自己系统内部的对话入口，而是在尝试成为跨系统的统一 conversational interface。第二层是面向职能域的 agentic teammates。官方列出的 HR 侧能力包括 Payroll Agent、Total Rewards Agent（Early Access）、Talent Management Agent（Early Access）以及 Sana Self-Service Agent。Payroll Agent 的定位是横跨 payroll process 编排工作流、识别缺失数据与配置、管理 minimum wage updates，并提供 conversational insights。Total Rewards Agent 用于将 job profiles 与 market data 进行 benchmark，帮助 HR leaders 对 roles、skills 和 structures 做更准确的匹配。Talent Management Agent 则可基于 real-time contribution signals，为 managers 起草 evidence-based reviews。除了这些 agent，Workday 还增加了 Fraudulent Application Detection、Organizational Design & Scenario Modeling、Demand Forecasting 以及 Workday Peakon AI Topics 等 HR 能力。也就是说，这一轮变化已经不只是“问答式AI”，而是覆盖招聘、入职、绩效、薪酬、员工反馈与组织设计等多个核心流程。第三层是将 agentic AI 扩展到 Finance、IT、Legal 和数据基础设施。Finance 侧新增 Financial Audit Agent、Planning Agent、Revenue Contract Agent（Early Access），并引入 Reimagined Expense Management 与 AI-Powered Reconciliation；其中 AI-Powered Reconciliation 被官方表述为可将 preparation and reconciliation 自动化“up to 70%”。IT 侧新增 Adoption Agent、BP Optimize Agent 和 Deployment Agent，同时扩展了 Workday Developer Copilot 与 AI Widgets。Legal 侧则继续推进 Workday Contract Intelligence Agent 和 Contract Negotiation Agent，并新增 full-document review and redlining capability。与此同时，Workday 还在强化 Workday Data Cloud、Live Data Query、Workday Data Connect 与 Workday Data Lake，明确强调要在 preserving Workday as the system of record 的同时，让外部平台获得 governed、real-time SQL access，且基于 zero-copy approach 避免数据重复。如果把这些变化放在一起看，就能更准确理解 “Agentic AI” 与 “New Work Day” 的含义。它和此前常见的 Copilot、Assistant、Automation 的差别在于：Copilot 更偏向建议与生成，Assistant 更偏向问答与支持，Automation 多数基于预设规则；而 Workday 这次强调的是 reasoning、operational context、enterprise guardrails 与 orchestration。也就是说，系统不只是回应你的请求，而是在企业权限、流程与数据边界内，参与到多步骤任务的完成过程。Workday 自己在文中也明确写出，这些能力会让客户从 “AI-assisted tasks” 走向 “truly agentic work”，结果是 fewer clicks、fewer handoffs，以及更多时间投入更重要的工作。 Workday 为什么现在必须这么做：四层逻辑正在合流如果只把这次动作理解为“AI 很热，所以 Workday 也要发 AI”，判断会过浅。更准确的说法是，Workday 是在商业、产品、技术与行业四层力量同时推动下，不得不向前走。先看商业逻辑。过去企业采购 HCM 或 ERP，更关注的是流程标准化、数据统一、报表能力和合规性；而今天，客户越来越关心系统到底能否真正减少人工、提升产出、降低共享服务成本，并缩短业务完成路径。Workday 在文章里刻意强调，让 HR、Finance、IT、Legal teams “trade mundane, repetitive tasks for the work that really matters”，并多次使用 fewer clicks、fewer handoffs、automates routine work、agent-driven workflows 等表达。这反映出企业客户衡量软件价值的方式正在改变：不再只看有没有这个模块，而开始看这个系统能不能把工作做完。再看产品逻辑。传统 HCM 的产品结构，建立在相对清晰的模块边界之上：招聘是招聘、绩效是绩效、薪酬是薪酬、员工服务是员工服务。但这次 Workday 的产品叙事，已经明显不是按模块展开，而是按工作流和执行任务展开。比如 Sana Self-Service Agent 并不局限于某个模块，而是横跨 Workday 与其他 knowledge sources 回答问题；Sana Enterprise 更进一步，直接跨 hundreds of enterprise applications 做 orchestration。Payroll Agent、Planning Agent、Contract Negotiation Agent 这些命名本身，也表明产品单元从“模块”变成了“执行主体”。这背后反映出一个变化：企业软件的核心设计对象，正在从功能模块转向任务流与工作结果。技术逻辑则更直接。过去的自动化，多数依赖规则引擎、流程脚本和固定触发条件；它可以让流程更快，但很难处理跨系统、跨上下文、带判断色彩的复杂任务。而 Workday 这次反复强调 AI reasoning、trusted data、operational context 和 enterprise guardrails，说明它试图把大模型的推理能力与企业级 deterministic systems and controls 结合起来。这一步很关键，因为企业并不缺一个会聊天的模型，企业缺的是一个能够在权限边界、流程规则和真实数据约束下可靠执行的系统。Workday 的思路，本质上是把大模型从“生成层”引入到“执行层”。行业逻辑则是更深的一层。无论是 HR Shared Services、Finance operations，还是 IT administration、contract review，这些职能过去十几年都在被不断标准化、流程化、中心化。今天它们共同面临的问题是：复杂性不断增加，但企业无法无限增加人手。于是，企业需要的已不再只是“更好的记录系统”，而是“更强的工作执行平台”。Workday 文章中把 HR、Finance、IT、Legal 一并纳入这一轮 agentic AI 叙事，本身就说明它看到的不是单一 HR 场景，而是整个企业后台与中台职能的共同转型。这也意味着，HR Tech 厂商如果仍然把自己理解为“某个模块的软件提供商”，很可能已经落后于客户需求的转变。 Workday 这一步的核心逻辑：它真正争夺的是 work execution platform 的位置把前面的事实和逻辑合起来看，我的判断是：Workday 这次并不只是扩展 HCM，而是在从 HCM platform 走向 work execution platform。这个判断不是基于夸张想象，而是基于它在文章里已经做出的几项明确信号。第一，Workday 依然强调 preserving the integrity of Workday as the system of record，但同时又通过 Sana、Data Cloud、Live Data Query、Data Connect 和 Data Lake，把系统能力向外扩展。也就是说，它并没有放弃 system of record 的位置，反而是在此基础上向 system of action 延伸。第二，Sana Enterprise 被定义为可以 orchestrate agents across hundreds of enterprise systems and business applications。这已经不是单一 HCM 的叙事，而是 agent orchestration layer 的叙事。谁能成为这个层，就有机会从“一个系统”升级为“多个系统之上的工作入口和执行协调者”。第三，Workday 这次把 HR、Finance、IT、Legal 放在同一波发布中，不是偶然。它在试图证明：agentic AI 不是某个部门的小功能，而是贯穿 enterprise operations 的统一方法。这意味着，未来讨论 Workday 时，不能再只把它看成“人力资源管理系统厂商”。更准确的理解是，它正在试图占据企业后台工作执行平台的位置。至于 Flex Credits、outcome-based pricing、AI agent as labor 这类变化，这篇官方文章并未展开详细说明，因此若做进一步讨论，必须明确属于趋势判断，不应伪装成本文事实。原文未说明 Flex Credits 的具体机制，也未直接使用 outcome-based pricing 或 AI agent as labor 这些表述。但从 Workday 将 agent 明确包装为能持续执行任务的“teammates”，并把价值叙事从“软件功能”转向“把工作做对、做快、做完”，可以预见的是，未来企业软件的商业模式很可能会向结果与执行量倾斜，而不再仅以 seat 或 module 为中心。这种变化一旦发生，影响就不会局限于 HR，而会同时波及 Finance、IT、Legal 等系统预算与采购逻辑。这里需要强调：这是基于现有动作的行业推演，并非该篇原文直接陈述。从 Workday 的现实变化出发，未来 HR 科技产品会怎么演进如果以 Workday 这次已经发生的变化为起点，未来 HR 科技产品的演化方向会越来越清晰。首先，HCM 的核心数据结构会逐步从 job-based 走向 task-based。今天的大多数 HCM 依然围绕职位、组织层级、岗位说明、审批路径来设计；但当系统开始能够处理具体任务时，企业管理的对象会越来越多地变成“谁来完成什么任务，以什么规则完成”。这并不意味着 job 会立刻消失，而是意味着 task、workflow、signal、context 会在产品结构中越来越重要。Workday 这次已经把 Payroll、Talent Management、Total Rewards、Planning、Contract Review 这些工作，重新组织为 agentic teammates 的执行单元，这正是一个前兆。其次，Employee Experience、People Analytics、Knowledge、Workflow、Service Delivery 会加速融合。过去这些是分开的市场：一个做员工体验，一个做员工服务，一个做知识库，一个做分析，一个做流程。但从 Sana Self-Service Agent 和 Workday Peakon AI Topics 这类能力可以看到，未来体验不再只是界面体验，分析也不再只是报表分析，知识也不再只是静态知识库。系统会把员工提问、知识检索、反馈主题、流程执行和个性化答案整合成一个连续过程。员工感知到的，不再是“我在用几个系统”，而是“我在一个界面里把问题解决了”。第三，AI Agent 对 HR Shared Services 和 HR Operations 的影响会最先落地。因为这些职能天然拥有高频、重复、规则明确、跨系统协同的特征。Workday 自己在文中提到 recruiting、onboarding、performance、payroll 等流程都正在走向 agent-driven workflows，这意味着 HR 运营工作会先被重写：一线问答、资料查找、状态更新、规则校验、数据补全、绩效材料草拟等任务，会越来越多地由 agent 完成。这里的结果不一定是简单裁员，更可能是团队结构重组：人类 HR 从执行大量标准动作，转向处理异常、提供判断、做组织设计与策略支持。 Talent Acquisition、Learning、Performance 也会随之变化。招聘环节中，Fraudulent Application Detection 已经说明 AI 将成为甄别 bot 或可疑申请的重要能力；Talent Management Agent 则表明绩效反馈的起草与初步整合正在自动化。至于 Learning，本文原文未展开详细说明，因此不能据此断言 Workday 已发布对应 agent；原文未说明。但可以预见的是，若招聘、绩效、组织设计、员工反馈已经进入 agentic 逻辑，那么学习与技能发展迟早也会被纳入同一条“从 signal 到 action”的链条。这一点属于趋势判断。未来产品竞争的核心，也会从“功能多不多”转向“是否能完成工作、是否能编排人和 AI 的协作”。因为当所有厂商都能接入模型、都能做聊天界面时，真正的壁垒就不在生成能力，而在于上下文、数据质量、企业规则、跨系统编排能力和执行可靠性。Workday 这次最值得行业重视的地方，不是它用了多先进的模型表述，而是它明确把 trusted data、controls、guardrails、deterministic systems 作为 agent 成立的基础。未来 HCM 的界面会更对话化、动作更自动化、数据模型更强调实时信号与任务上下文，价值衡量方式也更偏向“系统帮企业减少了多少人工步骤、缩短了多少周期、完成了多少可审计任务”。这些变化目前还在展开过程中，但方向已经很明确。为什么微软最新的 HR 组织架构调整是关键呼应如果只看 Workday，很容易把这件事理解为系统厂商的主动升级；但把微软的 HR 组织调整放进来，逻辑就更完整了。因为它说明，企业组织一侧也在同步变化。你提供的微软新架构中，最值得重视的不是某个具体部门名称，而是这些名称组合起来所反映出的设计思路。Engineering HR 这个设置，本身就不是传统 HR 语言。它说明 HR 不再只是制度管理和业务支持部门，而正在把流程、系统、工程化能力视为 HR 核心能力的一部分。换句话说，组织已经在假设：未来 HR 要管理的，不只是人和政策，还包括系统配置、流程逻辑和自动执行能力。 Employee Experience 与 People Analytics 的整合也同样重要。过去很多公司把体验与分析拆开，体验偏沟通与设计，分析偏数据与洞察。但当 AI 和 agent 进入 HR 体系后，体验和分析必须合一。因为未来员工体验不只由界面和政策决定，也由系统是否能基于数据及时响应、理解问题并推动动作决定。微软把 People Analytics 并入 Employee Experience，恰恰说明组织侧已经意识到：数据不再只是用来看，而是用来驱动体验与行动。 Workforce Acceleration 则是另一个强信号。传统 HR 语境更常见的是 Workforce Planning、Workforce Management、Talent Management，而“Acceleration”这个词意味着关注点已经从“管理既有劳动力”转向“提升整体工作速度与能力”。在 AI 进入工作流的背景下，这个命名很有意味。它暗示组织正在思考的，不只是人怎么被管理，而是整体 workforce——包括未来可能由系统和 agent 承接的一部分工作——如何被加速和放大。把微软这套组织调整与 Workday 的产品方向放在一起看，就能看到非常清晰的行业信号：系统方已经在从 HCM 转向 work execution，组织方也在从传统 HR team 转向更工程化、更数据化、更面向未来协作模式的结构。两边同时变化，就意味着 HR 科技行业不能再停留在旧范式里。未来 HR 能力模型会明显分化：一部分 HR 会更像 architect，负责设计流程、规则、人机协作与组织结构；另一部分偏执行型、事务型岗位则会被 agent 和自动化持续压缩。这里同样要强调，关于微软此举未来影响的部分属于分析判断；微软具体内部意图，若未在正式材料中说明，则不宜做超出证据的断言。未来 HR 的核心，不再只是管理人，而是设计“人 + AI 如何共同完成工作”的组织与系统 Workday 这次动作最重要的意义，不在于发布了多少 agent，而在于它正在把 HR 系统从“记录人”推向“执行工作”。它没有放弃 system of record 的根基，反而是在 trusted data、controls 和 enterprise guardrails 之上，向 system of action 迈进。与此同时，微软的 HR 架构调整说明，企业组织本身也已经开始为这种新系统逻辑做准备：HR 要更工程化、更数据化，也更面向任务流和生产力提升。这背后的真正变化是，未来 HR 的核心职责将不再只是管理人、制定政策或维护流程，而是设计一个新的工作系统：在这个系统里，人类负责判断、创造、关系与复杂决策，AI 负责越来越多的执行、整合、提醒、检索、草拟与编排。谁能先把“人 + AI 如何共同完成工作”这件事设计清楚，谁就更可能在下一阶段的 HR 科技和组织竞争中占据主动。对 HR 科技行业而言，最危险的不是 AI 来得太快，而是仍用旧 HCM 的想法去理解新一代系统。因为当组织方已经开始变化、系统方也已经开始变化时，行业再把自己理解为“卖模块、卖功能、卖记录系统”，就已经慢了一拍。Workday 这一步真正提出的问题不是“要不要加 AI”，而是“未来的企业系统，到底是记录工作，还是完成工作”。这才是接下来几年 HR 科技行业最值得严肃面对的分水岭。 Workday 正在把 HR 系统从“记录人”推向“执行工作”，微软则在把 HR 组织从“支持职能”转向“生产力设计者”。两者共同指向的，是一个全新的企业运行逻辑：工作不再完全由人完成，而是由“人 + AI”共同构成的混合劳动力系统来执行。在这个框架下，HR 的核心不再只是管理人，而是设计任务如何被拆解、如何在不同主体之间分配、以及如何在系统中被可靠地执行。对于 HRTech 行业而言，这已经不是是否拥抱 AI 的问题，而是是否能够完成从“记录系统”向“执行系统”的跃迁。 HCM 的旧边界正在失效，新的竞争，将围绕“谁能真正让工作被完成”展开。

Agentic AI
2026年03月29日
Agentic AI

【硅谷】AI HR平台Novaworks完成800万美元种子轮融资，打造Agentic劳动力操作系统 HRTech概述：硅谷的Novaworks完成800万美元种子轮融资。Novaworks提出“Agentic Operating System”概念，核心目标是实现Total Workforce Management，将员工、合同工以及AI代理统一纳入同一平台进行管理。该系统基于ServiceNow AI基础设施构建，通过将AI直接嵌入工作流程，实现跨系统自动化执行与智能调度。与传统HCM系统不同，这一平台不再以“员工管理”为核心，而是以“工作流编排”为核心，支持企业在复杂环境下高效运作。创始团队来自ServiceNow与Hitch Works，具备丰富的企业级HR系统与AI转型经验。 AI原生人力资本管理（HCM）平台Novaworks今日宣布正式发布，并同步完成800万美元种子轮融资。本轮融资由Stalwart Ventures领投，ServiceNow Ventures与Bell Ventures参与。公司同时推出其面向企业级客户的“Agentic Operating System”，用于实现Total Workforce Management（全劳动力管理），以支持企业在AI时代对员工、合同工及AI代理的统一管理。 Novaworks基于ServiceNow平台构建，定位为AI-native的企业级HCM操作系统。公司表示，其产品旨在解决传统HCM系统在现代劳动力结构下的适配问题。随着企业用工形态从单一员工向多元化转变，包括外包人员与AI代理的加入，原有系统架构已难以满足组织对复杂工作流与跨系统协同的需求。 Novaworks联合创始人兼CEO Kelley Steven-Waiss表示：“传统HCM系统是为一个相对静态的劳动力环境设计的，但这一前提已经发生改变。随着Agentic AI的发展，企业有机会通过新一代技术重新定义劳动力管理模式，实现对员工、合同工以及AI代理的统一编排与管理。” 本轮融资将主要用于产品研发、团队扩展以及客户增长。Stalwart Ventures执行董事David Mann表示：“Novaworks正在重新构建企业劳动力管理的基础架构。团队在企业级平台构建方面具备深厚经验，我们认为其具备在AI时代定义Total Workforce Management的能力。” ServiceNow Ventures副总裁Victor Chang指出：“未来的工作模式将依赖于连接人员、系统与AI的智能工作流。Novaworks基于ServiceNow平台打造AI原生操作系统，帮助企业应对这一复杂性转变。” Bell Ventures负责人Martin Cossette则表示，该公司在企业级AI解决方案领域具备清晰战略与技术能力，其投资将支持Novaworks在企业市场中的持续拓展。在团队方面，Novaworks由两位具有丰富企业软件与HR科技经验的连续创业者创立。CEO Kelley Steven-Waiss曾创立AI HR科技公司Hitch Works，并于2022年出售给ServiceNow，随后担任ServiceNow首席转型官（Chief Transformation Officer），推动全球客户的AI与数字化转型。联合创始人兼CTO Eswar Vandanapu曾在ServiceNow担任高级开发总监，负责IT运营、安全与治理等核心产品领域。此外，Melanie Lougee加入公司担任首席产品官（Chief Product Officer）。她拥有超过25年的HR科技经验，曾在Workday担任Vision and Experience副总裁，并在Gartner、Oracle和PeopleSoft担任多个产品与战略相关高管职位。在产品层面，Novaworks提出的“Agentic Operating System”概念，强调将AI直接嵌入企业核心工作流，实现从信息获取到任务执行的闭环。与传统以系统为中心的HR管理模式不同，该平台通过统一工作流，连接企业内部各类系统与角色，从而提升运营效率并优化员工体验。公司表示，其选择基于ServiceNow平台构建产品，主要考虑到其在企业级扩展性、安全性与治理能力方面的优势，以确保平台能够满足大型组织在复杂环境下的运行需求。随着AI技术在企业中的快速渗透，Novaworks的发布被视为HR科技领域向AI-native架构转型的重要信号。公司将于2026年3月23日至24日在拉斯维加斯举行的Transform大会上与行业交流其产品与战略方向。关于 Novaworks Novaworks 由一支深谙降低复杂性和创造价值之道的 HR 和技术专家团队基于 ServiceNow 的可靠平台打造而成，是一款面向全面劳动力管理的 AI 原生操作系统，旨在统一企业内的人员、代理和流程。借助 Novaworks，各类员工都能大规模地受益于更高的工作效率和更佳的员工体验。

Agentic AI
2026年03月24日
Agentic AI

【重磅解读】当8万人开始依赖AI：工作正在被重新定义，而不是被加速 HRTech概要：基于8万+真实用户访谈，它揭示了一个非常关键的趋势：AI的角色正在发生结构性变化。很多人还在讨论AI是否能提高效率，但真实情况是——用户已经在用AI做更深层的事情，比如学习、决策甚至情绪支持。这意味着AI正在进入“认知层”和“心理层”。更值得关注的是一个核心发现：AI的收益和风险是绑定出现的。效率提升往往伴随着判断能力下降，学习增强可能导致认知依赖，而情绪支持则更容易形成心理依赖。而且这些问题不是提前设计出来的，而是在实际使用中逐渐出现的。这对企业提出了一个新的问题：AI不是简单的工具，而是一种“能力交换机制”。更多全球最新HR科技趋势，请关注 HRTech 刚刚，Anthropic发布了《What 81,000 People Want from AI》研究。这份报告表面上是一次关于AI使用场景的大规模调研，实则更接近一份“人类行为结构变化”的底层观察。研究基于超过80,000份高质量访谈数据，覆盖159个国家、70种语言，在短时间内构建了一个极具代表性的样本体系。与传统问卷不同，这是一组通过AI访谈获得的开放语义数据，其核心价值不在统计分布，而在于揭示一个更深层的问题：当人们真正开始依赖AI时，他们到底在“交换什么”。如果仅从使用场景来看，这份报告并不新颖。软件开发、写作辅助、学习支持等仍然是最主流的应用领域。但当这些使用行为被放入“需求—体验—担忧”的结构中进行分析时，一个更具解释力的模式开始浮现：AI并没有简单地提升效率，而是在重塑人类完成工作的方式本身。 AI使用的真实逻辑：从效率工具到能力外包系统过去两年，企业引入AI的主要叙事是“效率提升”。这一逻辑在早期阶段成立，但Anthropic的研究表明，这只是表层现象。用户在访谈中呈现出的需求，实际上分布在三个递进层级：首先是效率，即自动化重复性任务；其次是认知，即辅助学习、理解复杂问题以及参与决策；第三则是情绪层面，包括缓解压力、提供陪伴以及处理关系问题。尤其值得关注的是，访谈中大量用户主动提及 grief、mental health、relationship 等内容，这类表达在传统用户研究中极为罕见，却在AI访谈中成为高频信号。这一变化的本质在于，AI已经从“完成任务的工具”，演变为“参与认知与情绪结构的系统”。当用户将AI用于思考、判断甚至情绪处理时，其角色已经不再是外部辅助，而是逐步嵌入到人类能力结构之中。这也是为什么单纯以“生产力工具”来理解AI，会低估其长期影响。最关键的发现：价值与代价是同一件事的两面这份研究最有穿透力的结论，不在于用户如何使用AI，而在于他们如何同时理解AI的好处与风险。数据表明，提到AI带来收益的用户，显著更可能同时提到其潜在问题，这种“正负共现”在多个维度上都呈现出稳定结构。效率提升往往伴随着对“虚假效率”的警惕，即用户担心自己在更快完成任务的同时，可能降低了判断质量；学习能力的增强，则对应对“认知退化”的担忧；而情绪支持，则与依赖性之间呈现出最强关联，其共现概率达到基准水平的三倍以上。更值得注意的是，这种风险意识并不是在使用前形成的，而是在使用过程中逐步出现。研究中区分了“经验性表达”和“预期性表达”，结果显示，基于真实使用体验的收益—风险关联显著强于基于假设的判断（φ≈0.20 vs φ≈0.07）。这意味着，AI的影响并不是一个可以完全通过设计或培训提前控制的变量，而是一个在持续使用中不断显现的系统性后果。换句话说，AI并不是一个“先理解再使用”的工具，而是一个“先使用再理解其代价”的系统。 AI的真正变化：从工具层进入“行为结构层” 如果将这份研究放入更广泛的产业背景中，可以发现它与当前AI技术演进路径形成了高度一致的映射。在NVIDIA GTC 2026大会上，Jensen Huang提出未来企业将同时拥有Human Workforce和Digital Workforce，而Workday、UKG等企业正在推动的Agentic AI，则进一步将AI从“响应指令”转向“主动执行任务”。 Anthropic的研究从用户行为侧验证了这一趋势。过去，工作的基本结构是“人使用工具完成任务”，工具只是延伸人类能力的外部手段。而现在，AI正在逐步参与任务的拆解、路径选择以及执行过程，在部分场景中甚至可以独立完成完整工作闭环，人类的角色转变为监督与校正。这种变化并不只是效率提升，而是将AI引入到“工作结构本身”。当AI开始参与决策路径时，工作的定义已经发生改变。它不再是“人做什么”，而是“人和系统如何共同完成结果”。对HR的深层影响：从“人力管理”走向“人机协同管理” 对于HR而言，这一变化的意义远远超出工具引入或技能培训层面。真正的挑战在于，企业正在从单一的人类劳动力体系，转向“人类与数字系统共同构成的劳动力结构”。这将直接冲击现有的人力资源管理逻辑。首先，岗位定义将发生根本变化。传统岗位基于个人能力设计，而在AI参与的环境中，岗位需要围绕“人机组合能力”进行重构，即一个人能够通过AI系统实现的整体产出。其次，绩效评估将变得更加复杂。当产出部分来自AI能力时，如何区分个体贡献与系统贡献，将成为新的管理难题。更重要的是，风险管理将从边缘问题变为核心能力，因为AI的每一项能力提升，都伴随着潜在的依赖、偏差与合规风险。在这一背景下，HR的角色也将发生转变，从“管理人”转向“设计与管理人机协同系统”。一个被低估的本质：AI是一种能力交换机制综合这份研究的所有发现，可以抽象出一个更具解释力的结论：AI并不是一个单向提升生产力的工具，而是一种“能力交换机制”。用户通过AI获得更高效率、更强认知支持以及更低情绪成本，但同时也在交换掉部分独立判断能力、学习路径以及心理边界。这种交换并不是线性的，也不是完全可控的，而是在持续使用中逐步累积。正因如此，未来企业真正需要建立的，不是单一的AI应用能力，而是一套能够管理这种交换关系的体系，包括使用边界、风险识别以及行为引导。结语：HR需要重新理解“工作”本身 Anthropic的这份研究，并没有直接回答企业“如何使用AI”的问题，但它提供了一个更基础的视角：AI正在改变的，不是工具，而是“人类如何完成工作”的基本结构。当工作从“人完成任务”转变为“人和系统共同产生结果”，HR所面对的对象、能力模型以及管理边界，都需要被重新定义。对于中国HR科技行业而言，这不仅是一个技术趋势，更是一次关于“工作本质”的再认识。谁能够率先理解这一变化，并将其转化为组织能力，谁就有可能在下一阶段的人才竞争中占据主动。

Agentic AI
2026年03月19日
Agentic AI

【独家】当AI成为“数字员工”：英伟达的全球AI大会GTC2026给我们HR的10个重要启示 HR可能没注意今天开幕的英伟达全球AI大会GTC，但这场大会正在重新定义工作的现在！ HRTech概述：今天上午（美西时间3月16日上午）全球最受关注的人工智能大会之一——NVIDIA GTC（GPU Technology Conference）在硅谷举行。这场大会被很多科技媒体视为“AI产业的年度风向标”，因为全球大量AI技术路线、算力基础设施以及未来产业趋势，往往会在这里首次集中发布。 NVIDIA创始人兼CEO Jensen Huang（黄仁勋）在主题演讲中提出了一个重要判断：未来的数据中心将变成“AI工厂”，企业不仅拥有Human Workforce（人类员工），还会拥有Digital Workforce（数字劳动力）。随着AI agents开始承担越来越多运营任务，这一变化将直接影响企业组织结构、岗位设计以及人才需求。对HR来说，这场技术大会其实释放了一个非常重要的信号：未来企业管理的对象，可能不仅是员工，还包括AI系统。基于GTC 2026释放的技术趋势，可以从HR与未来工作的角度看到十个值得关注的变化。 NVIDIA GTC（GPU Technology Conference）大会由 Jensen Huang（黄仁勋）在主题演讲中揭幕，现场发布了多项新的 AI 基础设施技术，包括下一代 AI 平台 Vera Rubin、AI 推理系统 Dynamo 以及面向机器人和自动驾驶的 Physical AI 体系。整场演讲的核心逻辑非常清晰：AI 正在从“模型工具”阶段进入“生产基础设施”阶段。黄仁勋反复强调一个关键概念——AI Factory（AI 工厂）。在他的定义中，未来的数据中心将不再只是存储和计算的设施，而是持续生产“智能（intelligence）”的工厂。这些工厂通过训练模型、运行推理以及调度 AI agents，源源不断地产生智能 token，而企业则会像使用电力一样使用 AI。黄仁勋提出了一个核心判断：未来的数据中心将不再只是计算设施，而会演变为“AI工厂”（AI Factory）。这些AI工厂将持续训练模型、运行推理并调度AI agents，从而源源不断地产生“智能（intelligence）”。在这样的体系中，企业将像使用电力一样使用AI能力。在这一叙事之下，另一个概念被频繁提及：Digital Workforce（数字劳动力）。这一变化意味着，AI不再只是一个软件工具，而正在成为新的生产要素。对于HR和企业管理者而言，这一变化可能比任何一代技术更深刻，因为它触及的是企业组织结构与劳动力形态本身。在这样的背景下，GTC 2026释放的信号，不仅关乎芯片和算力，更关乎未来企业如何组织工作、如何招聘人才以及如何管理生产力。基于大会释放的技术趋势，从HR与未来工作的视角，可以看到十个值得关注的变化方向。一、企业将同时拥有Human Workforce与Digital Workforce 过去企业只有人类员工，而未来企业将同时管理两类劳动力：人类员工与AI agents。AI将承担大量重复性任务，例如客服响应、数据整理、财务核对和流程审批。HR在未来组织管理中的职责，也将逐渐扩展到数字员工的配置与治理，例如AI agent的权限、责任边界以及人机协作机制。二、组织设计将从“岗位结构”转向“任务结构” AI的影响并不一定是直接替代岗位，而是重新划分岗位中的任务结构。许多岗位将被拆分为三类任务：可以完全自动化的任务、需要AI辅助完成的任务，以及必须由人类完成的任务。未来的岗位设计和职位说明书，将更加关注任务组合，而不是传统岗位边界。三、招聘标准将更强调AI协作能力随着AI agents成为日常工作的一部分，企业将更加需要能够与AI高效协作的人才。这类能力包括理解AI的工作方式、能够设计AI工作流程、以及能够判断AI输出质量。招聘评估标准也将逐渐从工作经验转向学习能力与AI协作能力。四、组织规模可能变小但产出更高 AI agents能够承担大量运营工作，使企业在保持甚至扩大业务规模的同时减少对传统岗位的依赖。未来可能出现更多“高产小团队”，即团队规模更小，但借助AI系统能够完成更复杂的业务。五、绩效管理将出现“人机协同效率”指标传统绩效体系通常只衡量个人产出，但在AI时代，员工是否能够利用AI提升效率将成为重要指标。例如员工是否能够通过AI缩短决策周期、优化流程或者提高分析质量。绩效评价体系也将逐渐转向“人机协同效率”。六、HR专业能力需要技术理解能力 HR不需要成为工程师，但需要理解AI技术的基本逻辑与风险。例如算法偏见、数据隐私、自动化决策透明度等问题，都可能直接影响员工权益与组织治理。因此HR未来的角色将更加接近组织治理者。七、员工技能更新周期将显著缩短 AI技术发展速度极快，这意味着许多技能的生命周期正在缩短。企业需要更加持续化的学习体系，而不是周期性的培训。HR的重点将从课程管理转向技能生态建设，包括持续学习平台、技能评估体系以及内部人才流动机制。八、劳动力市场将出现新的职业角色随着AI agents和自动化流程的普及，一些新的职业角色将逐渐出现，例如AI workflow designer、AI operations manager、AI governance specialist等。这些岗位将负责设计AI工作流程、优化AI使用效率以及确保AI使用符合组织政策。九、企业文化需要重新定义人与技术的关系当AI成为日常工作的组成部分，企业文化也需要重新定义人与技术之间的关系。组织需要明确AI是替代员工还是增强员工能力，以及企业如何在效率提升与员工发展之间保持平衡。十、HR将成为AI治理体系的重要参与者随着AI逐渐参与决策流程，企业必须建立AI治理机制。HR将与IT、法务以及风险管理部门共同参与这一体系的建设，包括制定AI使用政策、员工培训、数据使用规范以及AI决策透明度机制。总体来看，GTC 2026所展示的并不仅是一场技术发布会，更像是一场关于未来生产体系的预演。当AI从工具升级为“数字劳动力”，企业组织结构、人才需求以及HR的职责边界都将随之改变。未来HR需要管理的对象，或许不再只是员工，而是一个由人类与智能系统共同构成的组织。

Agentic AI
2026年03月17日

Agentic AI

【英国】AI原生HR运营平台 Kinfolk 获700万英镑融资，HR工单系统或迎来替代者 HRTech概述：英国HR科技创业公司 Kinfolk 宣布完成 700万英镑Seed轮融资，由 AlbionVC 领投，PROfounders Capital、Ascension、Emerge 等机构参投，OysterHR创始人 Tony Jamous 也作为天使投资人加入。公司累计融资达到 850万美元。 Kinfolk打造的是一款 AI原生HR运营平台，核心思路不是简单聊天机器人，而是 Agentic AI 自动执行HR工作。平台直接嵌入 Slack 和 Microsoft Teams，可以自动完成员工生命周期管理、HRIS数据更新、文档生成和运营流程处理。更多全球HR科技资讯，请关注HRTech. 英国伦敦HR科技创业公司 Kinfolk 近日宣布完成 700万英镑Seed轮融资。本轮融资由风险投资机构 AlbionVC 领投，PROfounders Capital、Ascension 与 Emerge 共同参与投资。此外，OysterHR 创始人兼执行董事长 Tony Jamous 也以天使投资人身份加入。本轮融资完成后，公司累计融资金额达到 850万美元。Kinfolk表示，新资金将主要用于进一步强化其 Agentic AI 平台能力，提升企业级产品成熟度，并扩大市场销售与客户成功团队。 HR运营系统的长期结构性问题在多数企业内部，人力资源团队承担着大量运营型工作，例如员工入职、离职流程管理、员工信息维护、政策咨询以及内部服务请求处理。然而，这些工作长期依赖传统工单系统，例如 Zendesk、ServiceNow 或 Jira。这些系统原本主要服务于IT支持或客户服务，并非专门为HR运营设计，因此在实际使用中往往显得流程复杂、体验割裂。与此同时，许多企业近年来开始尝试引入AI聊天机器人作为HR助手，但大多数产品仍停留在信息查询层面，即通过FAQ方式回答员工问题，却无法真正完成HR运营任务。例如，员工可以询问假期政策，但机器人却无法直接更新员工信息或执行入职流程。这种“只能回答、不能执行”的AI形态，使得HR团队仍然需要投入大量人工处理事务性工作。 Kinfolk的创始团队认为，当前HR系统面临的核心问题并不是信息获取效率，而是运营执行效率。从聊天机器人到Agentic AI Kinfolk由 Jeet Mukerji 与 Kim Hellbom 创立，公司定位为 AI Workforce Operations Platform（AI员工运营平台）。其核心理念是通过 Agentic AI（代理式AI），让系统不仅能够理解请求，还可以自动完成HR工作流程。与传统HR SaaS不同，Kinfolk并不要求员工进入新的系统界面，而是将AI代理直接嵌入企业已经广泛使用的协作工具，例如 Slack 和 Microsoft Teams。在这些平台中，员工只需像日常聊天一样提出需求，AI代理即可自动完成相关任务。例如，系统可以根据员工请求自动起草HR文档、更新HRIS系统中的员工记录、触发员工入职或转岗流程、处理离职手续，并在多个系统之间自动协调工作流程。这种方式减少了HR团队在不同系统之间手动操作和协调的时间，使HR运营逐渐从“人工处理”转向“自动执行”。 Kinfolk联合创始人兼CEO Jeet Mukerji 表示，许多HR团队长期被重复性的行政事务所困扰，被迫在复杂的工单系统和功能有限的聊天机器人之间做出选择，而Kinfolk希望打破这一循环，通过AI代理实现真正的运营自动化。 80%的员工请求可以自动处理 Kinfolk透露，目前其平台已经能够自动处理最多80%的 Tier 0–1 员工请求。这些请求通常包括员工政策咨询、假期信息查询、员工信息更新、入离职流程支持以及常见HR流程问题。通过自动化处理这些高频事务，公司估算HR团队每年可以释放约45天的工作时间，从而将更多精力投入到组织发展、员工体验和业务战略等更高价值的工作中。目前Kinfolk的客户包括 Deliveroo、Hudl、Intercom 与 RetailNext 等企业。公司表示，一些客户在使用Kinfolk后，已经显著减少甚至完全替代了原本用于内部支持的 Zendesk、ServiceNow 与 Jira 等工单系统。 ARR五倍增长背后的行业信号 Kinfolk披露，公司在 2025年实现了5倍的年度经常性收入（ARR）增长。虽然具体收入规模尚未公开，但这一增长速度反映出企业市场对AI驱动HR运营系统的需求正在快速上升。 AlbionVC 合伙人 Paul Lehair 在投资声明中表示，Kinfolk正在进入一个长期由传统软件主导但效率低下的市场。在他看来，Kinfolk的产品并不仅仅是一个新的HR工具，而更像是为HR团队增加了一名“高度自动化的数字员工”，能够承担大量运营工作，从而释放HR团队的战略价值。 HR科技正在进入“执行型系统”时代从更宏观的HR科技发展来看，Kinfolk所代表的产品路径正在推动行业发生重要变化。过去十多年，HR软件的主要作用是记录数据和管理流程，例如HRIS、ATS或薪酬系统等，这些系统更多被视为“System of Record（记录系统）”。随着 Agentic AI 的成熟，新一代HR平台开始承担执行运营任务的角色，即从“记录系统”向“执行系统（System of Execution）”转变。在这种模式下，HR系统不仅保存数据，还可以自动完成工作流程，并在多个企业系统之间协调执行任务。如果这一趋势持续发展，未来企业HR团队的角色也可能进一步变化。大量事务性工作将由AI系统承担，而HR专业人员则更多聚焦于组织能力建设、人才战略和员工体验等更具战略意义的领域。在这一背景下，类似Kinfolk这样的 AI Workforce Operations 平台，有可能成为下一代企业人力资源基础设施的重要组成部分。

Agentic AI
2026年03月06日
Agentic AI

解锁生成式AI与智能代理（Agentic AI）的价值：企业人力资源转型的战略蓝图 HRTech概述：生成式AI正在进入指数级跃迁阶段。BCG指出，AI自主执行任务能力每7个月翻倍，效率提升已在HR场景实证落地：招聘与行政效率提升20–40%，绩效反馈撰写时间减少45%，质量提升22%。真正决定成败的并非算法，而是组织重构。10-20-70模型显示，70%的成功来自人和流程。HR必须从流程驱动转向结果驱动，CHRO将成为混合劳动力架构师。AI时代，行动速度决定战略高度。更多信息请关注 HRTech 1. 引言：AI进化的“加速曲线”与HR的战略转折点在过去二十年的数字化进程中，企业习惯于线性的、可预测的技术迭代。然而，正如波士顿咨询公司（BCG）在最新报告中所强调的，生成式AI（GenAI）的进化已进入“指数级跳跃”阶段。这种进化的节奏远超企业界的一致预期：原本被预测在2026年才能实现的“智能代理可靠执行一小时复杂任务”的里程碑，已经在2024年提前降临。报告指出，AI可自动执行任务的长度目前每7个月就会翻一倍。这意味着，传统的三年或五年数字化规划已然失效，因为技术的成熟度正在以超出规划周期数倍的速度在狂飙。这种加速并非偶然，而是由一系列结构性突破共同驱动的。BCG的研究显示，开源模型（如DeepSeek）的性能已能比肩前沿闭源模型，将原本预期的12至18个月的技术代差缩减至近乎为零；同时，前沿性能的Token成本下降了约10倍，多模态（语音、图像、视频）能力的全面主流化，标志着AI从单一的文本生成工具演变为全感官、跨系统的执行实体。面对这种非线性演进，人力资源（HR）部门正处于一个决定性的战略转折点。HR领导者必须采纳所谓的“双速运转（Two Speeds）”运营逻辑：速度1聚焦于优化当前的基础，即通过数据清洗、核心HRIS系统的现代化和流程去冗余，构建一个可靠的数字化底座；速度2则是以前所未有的敏捷度开发未来模型，通过GenAI和智能代理重新定义组织架构、工作流与人才文化。正如报告所强调的，在这样一个连预测都被不断超越的时代，HR从“行政支持”向“价值驱动”的转型不再是一个可选项，而是决定企业能否在AI时代生存的战略前提。 2. 定义新生产力：从生成式辅助到自主智能代理（Agentic AI）要理解这场变革的深度，首先必须廓清“智能代理（AI Agents）”与传统GenAI工具的本质区别。BCG在报告中明确指出，智能代理不仅仅是能对话的聊天机器人，而是“能够使用工具达成目标的AI”。这一概念的转变意味着AI正从“副驾驶（Copilot）”进化为“自主执行者（Autonomous Executer）”。根据报告的深度拆解，智能代理的技术架构支撑了其在复杂人力资源工作流中的应用，其核心能力由四大支柱构成： • 模型与系统访问能力：代理不仅依赖LLM（大语言模型）或SLM（小语言模型）进行思考，更具备代表人类用户访问企业内部系统（如Workday或SAP）及外部平台的能力。 • 记忆能力：不同于单次交互的对话框，代理能够在不同任务之间保持状态记忆，理解历史背景，从而确保长流程任务的一致性。 • 观察（Observe）-规划（Plan）-执行（Act）循环：这是代理区别于工具的关键。它能持续观察环境数据，根据预设目标评估多种行动路径并制定计划，最后通过调用内部或外部工具自主完成操作。这种“端到端任务处理”能力正从底层逻辑上重构HR的生产力。传统的GenAI或许能帮HR写一份招聘文案，而智能代理则能独立完成从劳动力需求预测、多渠道人才寻访、简历初步筛选到面试协调的全流程。这种演进迫使我们必须重新审视“人的工作”价值。当行政性、事务性的流程逻辑被代理全面接管时，人类HR的核心价值将不得不向“处理复杂例外事件”、“构建组织信任”以及“驱动高阶战略决策”等领域发生剧烈迁移。 3. 角色重塑：CHRO作为“混合劳动力”架构师与企业原型随着数字代理在组织中获得“准员工”地位，首席人力资源官（CHRO）的角色必须经历一场本质性的升维。报告强调，CHRO正从传统的“人力资本管家”转型为“人机混合劳动力（Hybrid Workforce）架构师”。这意味着，CHRO的管辖权已不再局限于人类员工，而是扩展到了对数字代理的定义、部署与管理。在这种新框架下，CHRO肩负着三重战略新职责： • 数字资产的治理：定义AI代理在团队中的正式位置，追踪其绩效，并确保其运作符合企业伦理与合规边界。 • 混合协作模型设计：确定人类与代理之间的权责划分，例如在何种情境下代理拥有决策建议权，何种情境下必须保留人类监督（Human-in-the-loop）。 • 变革文化的引领：负责全公司范围内的技能提升方案，不仅包括工具的使用，更包括在AI环境下保持创新活力与心理安全感的管理模式。更重要的是，报告呼吁HR部门应主动成为企业AI转型的“活原型（Living Prototype）”。HR不应等待其他业务部门提供范式，而应率先在招聘、共享服务和员工绩效管理中应用最前沿的AI技术。通过在HR内部积累流程重构、数据治理和员工心理应对的实操经验，CHRO可以为全公司提供一个可复制的转型蓝图。这种“先行者战略”不仅能通过HR自身的提效证明AI的ROI，更能确立HR作为组织变革中枢的领导地位。 4. 攻克转型瓶颈：解析“10-20-70”模型与组织解法尽管AI的前景诱人，但现实极度骨感。BCG报告指出，约2/3的企业在AI转型中感到举步维艰，主要障碍集中在工作流重构、人才技能缺口及组织激励机制的脱节。为了诊断这一病灶，BCG提出了极具洞察力的“10-20-70”模型： • 10% 归功于算法：即开发或实施先进算法的技术能力。 • 20% 归功于技术架构：支持业务需求的可扩展现代化技术栈。 • 70% 归功于人、组织与流程：这才是决定转型胜负的关键核心。目前的困境在于资源分配的严重错位。大多数企业将90%的预算和精力投入到了前30%（算法与技术）中，却期望能自动获得后70%的组织红利。报告严正警告，如果忽略了流程重构、激励体系调整和文化适应，技术投入将大概率在官僚体系的阻力中灰飞烟灭。针对这一瓶颈，组织层面的解法必须是“以人为中心”的全面重构。首先，企业需要打破陈旧的线性流程，赋予团队重新设计工作流的权限。其次，必须实施“人才赋能”的激进方案，弥补由于AI引入而产生的管理技能断层。最后，企业必须通过去平均化的策略，识别哪些岗位是AI转型的“高价值区”，从而进行精准的资源倾斜，而非采取无差别的全员部署。 5. 价值实证：HR场景下的生产力跃迁数据为了让转型蓝图更具说服力，报告提供了基于真实场景的量化ROI数据。这些数据证明，AI在HR职能中的潜力已从“理论可行”转向“实证爆发”。 BCG 2024年对CHRO的调查显示了惊人的效率提升： • 招聘与行政领域：超过90%的HR管理者已实证了显著的时间节省。 • 核心工作流效率：在自动化服务台、薪酬处理和个性化学习中，现有工作流已实现20%至30%的效率提升，全面部署后预期收益将跃升至30%至40%。报告中一个极其深刻的案例是关于“绩效反馈撰写”的优化。在传统模式下，经理们每年需耗费大量时间撰写反馈，且质量参差不齐。通过引入定制化的GenAI工具，撰写时间缩短了45%，每年为典型企业节省超过1000小时的管理工时。更重要的是，基于3名HR专家的结构化评估，反馈的质量评分从基准的13分提升到了16分（满分20分），质量增益高达22%。90%的经理表示，这极大地优化了他们的管理体验。在此，报告重点阐述了“去平均化（De-averaging）”原则。在AI战略中，不能对所有职位“一刀切”。HR应识别出那些ROI能达到10倍以上的岗位——如高频招聘的初级岗位、标准化的行政响应岗——并优先进行代理化部署。而对于需要高度同理心和复杂判断的高级合伙人或复杂员工关系处理岗，则应采取低强度的辅助模式。这种精准定位，确保了HR产能被释放后，能真正投入到能驱动业务结果的高价值领域。 6. HR运营模式转型：从“流程驱动”转向“结果与旅程驱动” AI的广泛应用宣告了传统HR运营模式的终结。报告指出，HR必须从追求“流程效率和业务对齐”的僵化模型，转向“业务价值最大化”的敏捷模型。这种转型的核心在于对HR三大支柱（CoE, HRBP, Shared Services）的彻底革新。在未来蓝图中，各个角色的演变路径如下： • 共享服务中心（SSC）的消失与进化：大量的事务性询问将全面由AI代理处理。人类专家将不再负责回复“我的年假还有几天”，而是演变为“例外事件处理器”，仅在代理无法解决的复杂合规或情感诉求中介入，成为组织信任的最终守护者。 • 专家中心（CoE）的敏捷化：传统的按职能划分的CoE将被打破。取而代之的是跨学科的敏捷设计团队，他们不仅懂人才管理，更懂数据分析、工作设计和产品管理。他们的KPI不再是“流程合规”，而是“人才产出的业务价值”。 • HRBP的战略聚集：传统的庞大HRBP群体将大幅缩减。少数留下的精英BP将从繁琐的协调工作中解脱，直接对齐企业高层，成为真正的组织战略顾问。这种模式变革不仅是为了降本，更是为了在“混沌中期”建立一种能够快速适应技术不确定性的组织柔性。HR的工作重心将从“监控流程执行”彻底转变为“驱动员工旅程体验与业务结果”。 7. 核心输出：HR AI落地12个月战略路线图为了确保蓝图的可执行性，基于报告逻辑，我们制定了如下四个阶段的12个月实施路线图，并明确了关键交付物： Q1：愿景定义与基础构建（速度1与速度2并行） • 关键动作：启动HR数据卫生工程，彻底清洗历史冗余数据；升级核心HRIS系统，消除此前因系统断层而产生的各种“手动补丁（Workarounds）”；制定AI伦理红线与权限隔离架构。 • 交付物：《HR数字化基础诊断报告》、《AI安全与隐私治理解析方案》。 • 责任人： CHRO与CIO。 Q2：试点与原型开发（单代理模式应用） • 关键动作：基于去平均化原则，选择招聘筛选、行政服务台等高ROI场景进行单代理（Single-agent）试点。建立“先遣队（Skunkworks Team）”进行快速实验。 • 交付物：《分阶段职能成熟度热图（Capability Heatmap）》、首批试点场景的ROI实证报告。 Q3：扩展与多代理协作（Multi-agent Integration） • 关键动作：实现跨流程的代理协作。例如，让招聘代理自动触发入职代理。启动全员AI技能提升计划（Upskilling），重点培养员工对AI输出的评审能力。 • 交付物：《多代理集成架构模式图（Multi-agent Integration Schema）》、员工AI素养评估报告。 • 责任人： CIO与CHRO联席。 Q4：规模化运营与组织重塑 • 关键动作：正式根据AI能力调整组织架构，修改职位说明书，将代理作为正式资产纳入治理；更新绩效体系，从考核“时长/过程”转向考核“结果/AI协同效率”。 • 交付物：《AI-First组织架构图》、全业务价值评估报告。 8. 实战策略：高ROI场景选择、先遣队建设与变革杠杆在执行细节上，报告为我们提供了宝贵的“战术卡片”： • 激进分子技术（Activist Techniques）：报告列举了一些前瞻性企业的做法。Shopify规定，除非AI无法完成，否则不增加新的人类雇员；Moderna通过合并技术部与HR部来加速团队的自动化重构；Duolingo则将“AI-First”列为每日工作的核心指令。HR应效仿Fiverr首席执行官的做法，向全体员工发出AI大师挑战，以此作为变革的激励手段。 • HR Skunkworks（先锋团队）建设：这支团队必须是跨职能的，包含人力、IT、法务与业务运营专家。其职能是探索“全自动化低复杂度工作模型”以及“代理主导的候选人辅导”。他们应在不受传统KPI束缚的前提下，进行“快速测试-快速失败-快速学习”的循环。 • 高ROI场景的具体挖掘：报告强调，在招聘中，AI应从被动筛选转向主动的“全渠道寻访代理”；在员工服务中，通过嵌入政策的智能助手，实现24/7的无缝响应。诸如Booking.com和Jane Street通过编码代理节省了30%以上的循环时间，这些成功经验完全可以平移到HR的数据处理与系统集成中。 9. 结论：行动建议、风险预警与未来展望我们目前正处于AI发展的“混沌中期（Messy Middle）”。历史经验告诉我们，在这个阶段，虽然变革的轨迹尚不完全线性，但其长期方向不可逆转。正如ATM机的出现并未消灭银行柜员，Excel的普及反而推升了对高级财会人员的需求，AI代理也将通过重构工作，创造出更高级的人类价值。针对中国企业的特定执行环境，我提出以下三点核心行动建议： 1. 拒绝“等待完美”：绝不要等待底层数据或HRIS完美后再启动AI。速度1（打基础）与速度2（搞创新）必须同步进行。 2. 正式赋予AI代理组织身份：效仿头部科技企业的做法，将核心AI代理正式列入组织架构图。只有明确了代理的角色与责任，才能真正实现人机协同的治理。 3. 以员工体验为转型KPI：降本只是AI的副产品，提升员工体验和业务成果才是转型的最终目标。风险提示：必须保持与BCG报告的高度一致，严守隐私保护和权限隔离底线。在涉及裁员、定薪、绩效惩处等高敏感领域，必须严格执行“人类在环”模式。在这个混沌的中期，犹豫不决是HR面临的最大敌人。行动力将最终决定CHRO在AI时代是能够入座董事会的战略核心，还是被降维打击为边缘化的行政支撑。转型之战，唯快不破。

Agentic AI
2026年02月21日
Agentic AI

负责任的AI（Responsible AI）在招聘中的分界线：从 Workday 到 Eightfold，企业该让算法走多远？ HRTech概述：全球近一半企业已在招聘中引入人工智能，用于职位描述撰写、简历筛选和候选人匹配。然而数据显示，约四成HR担心算法偏见与透明度问题。企业已经结束试点阶段，进入规模化应用阶段。成功关键不在工具数量，而在数据基础、岗位架构与治理规则。AI更适合承担高重复性任务，人类则保留判断、同理心与最终决策权。Responsible AI强调人机协作，让技术放大能力，而不是取代专业。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。过去三年，招聘领域经历了一次前所未有的技术跃迁。生成式 AI、大模型和自动化工具迅速进入人才获取流程，从职位描述生成、简历筛选，到技能识别与候选人匹配，越来越多企业发现，招聘不再只是“人对人”的工作，而正在变成“人机协作”的系统工程。效率的提升肉眼可见：同样规模的招聘团队，可以处理数倍于过去的申请量，初筛时间从数周压缩至数小时，数据洞察也更加结构化和量化。但当算法开始决定“谁被看到、谁被淘汰”时，问题的性质就发生了变化。招聘从来不仅仅是流程优化问题，它更关乎公平、合规与责任边界。当技术进入决策核心，企业真正需要思考的，已经不是“AI 能做什么”，而是“AI 应不应该做”。 Responsible AI 的讨论，正是在这样的背景下成为 HR 领域的新关键词。从实践来看，AI 已经成为招聘的基础设施，而非锦上添花的工具。许多企业的招聘流程中，JD 写作、关键词筛选、候选人排序和技能标签提取都已实现自动化，部分组织甚至利用模型从非结构化简历中推断隐性能力，并为面试官生成结构化问题清单。这些能力极大释放了 HR 的时间，使团队可以从事务型工作中抽身，投入到更有价值的沟通和判断中。从效率维度看，AI 的确是必选项。然而，风险也在同步放大。算法并非中立，它学习的是历史数据，而历史本身就可能带有偏见。如果过往录用人群集中于某些学校、性别或背景，模型极可能无意中复制甚至强化这种倾向。一旦问题存在，AI 的规模化能力反而会将偏差快速放大，形成系统性不公平。这也是为什么越来越多 HR 负责人开始意识到：招聘 AI 的挑战，并非技术成熟度，而是治理成熟度。一些头部厂商的实践，恰好为行业提供了两个极具代表性的对照案例。作为全球最大的人力资源系统厂商之一，Workday 近年来持续强化其 AI 能力，在招聘与人才管理中推出 Skills Cloud、自动匹配推荐和生成式 Copilot 等功能。这些工具的核心逻辑，并不是直接替代 HR 决策，而是提供“建议层”。系统可以基于海量数据推断技能相似度、识别内部人才流动机会、生成职位描述草稿，但最终的录用与晋升判断始终保留在人类手中。同时，Workday 强调模型可解释性与合规框架，在产品层面嵌入审计记录、权限管理和透明度机制，让企业清楚知道 AI 参与了哪一步、提供了什么依据。这种“增强型 AI”路径，本质上是在放大 HR 的判断力，而不是取代它。另一家快速崛起的 Talent Intelligence 厂商 Eightfold AI 则走得更激进一些。其平台强调通过深度学习构建人才画像，实现大规模自动匹配与推荐，并宣称可以减少人为偏见、提升多元化招聘效果。然而，在实际落地过程中，外界也对算法透明度与公平性提出过质疑，甚至出现过与合规相关的争议与诉讼讨论。这类事件为行业敲响了警钟：即便技术目标是“更公平”，如果缺乏清晰的解释机制与责任边界，仍然可能带来法律与品牌风险。算法并不会自动等于公正，治理永远先于能力。这两个案例共同揭示了一个现实：Responsible AI 的关键不在“多智能”，而在“有边界”。技术本身没有对错，真正决定风险高低的，是组织如何定义 AI 的角色。越来越多领先企业开始采用一种更务实的分工逻辑，将招聘任务拆解为三类。对于高重复、低判断风险的环节，例如简历去重、批量筛选和流程通知，AI 完全主导是合理的选择；对于技能分析、候选人推荐或面试评分参考等场景，AI 作为辅助工具提供洞察，但仍由人类做最终判断；而在最终录用决定、文化契合评估或敏感沟通等关键节点，则必须由人类负责，算法需要主动“退场”。这种“主导—辅助—退场”的分层模型，比追求全面自动化更符合现实，也更有助于建立信任。事实上，Responsible AI 的最大难点往往不在系统，而在组织文化。很多 HR 团队对 AI 的担忧并非来自技术本身，而是来自角色不确定性：是否会被替代？谁为结果负责？出了问题找谁？如果这些问题没有答案，再先进的工具也难以真正落地。因此，越来越多企业将重点放在 AI literacy 培训、流程标准化与治理机制建设上，让招聘经理理解 AI 能做什么、不能做什么，并在制度层面明确责任归属。只有当人类始终站在决策链条的终点，AI 才能被真正信任。回到招聘的本质，它从来不是简单的匹配游戏，而是一种高度情境化的人类判断。候选人的潜力、团队协作能力、价值观契合度，往往难以被完全量化。算法可以帮助我们更快看到信息，但无法替我们承担责任，也无法替我们建立信任。因此，Responsible AI 的终点，并不是“无人招聘”，而是让机器处理噪音，让人专注于真正重要的部分。当 HR 不再把时间花在翻简历和填表格，而是投入到候选人体验、组织设计与业务合作时，技术才算真正创造了价值。说到底，招聘的未来不是 AI 或人类二选一，而是更聪明的分工。算法负责速度，人类负责温度。只有当两者各司其职，Responsible AI 才不再是口号，而是可持续的竞争力。附录： Responsible AI in HR—推动HR工作中实践负责任AI的倡导者（简称RAIHR）—特此发起此倡议。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。发起倡议的签名地址：https://www.hrtechchina.com/raihr *RAIHR 由HRTech的Next AI专家委员会倡导成立 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。

Agentic AI
2026年02月02日
Agentic AI

2025年全球的HR Tech并购深度观察：资本重塑产业版图，平台化整合加速，Agentic AI与技能智能走向基础设施化在全球科技投资整体趋于理性的背景下，人力资源技术（HR Tech）却逆势走出一条截然不同的曲线。2025年，这一市场不仅没有降温，反而迎来了近年来最为密集的一轮并购高峰。根据 Drake Star 的统计数据，仅前三季度，全球HR Tech领域就已完成超过650起并购与投资交易，披露资金规模达到223亿美元。无论从交易数量还是资本体量来看，HR软件正在被视作“高续费、强现金流、抗周期”的企业基础设施型资产，成为私募股权基金与大型平台厂商争夺的核心标的。从全年走势看，本轮整合并非单点补强式的小规模收购，而是围绕三条清晰主线展开：私募资本主导的十亿美元级Mega Deal频现，Agentic AI从概念进入可执行阶段，学习与技能（Learning & Skills）赛道出现首次结构性洗牌。这三股力量叠加，使HR Tech行业从“多点创新”逐步转向“平台集中化与智能化执行”的新阶段。首先，私募资本成为2025年并购节奏的决定性力量。最具代表性的交易来自 Thoma Bravo，其以123亿美元将 Dayforce 私有化收购，成为全年规模最大的HR科技交易之一。与此同时，Paychex 以41亿美元收购 Paycor，进一步巩固北美中小企业薪资与HCM市场的领先地位。此类交易背后体现的是典型PE逻辑：收购成熟现金流资产，通过产品整合与成本协同实现利润提升，再通过二次并购或资本退出获得回报。这也意味着，缺乏规模优势与盈利能力的独立HR SaaS厂商，未来生存空间将愈发收窄，行业集中度持续提高几乎已成定局。在资本整合之外，技术路径的变化同样深刻。2025年，Agentic AI真正开始走出“演示文稿”和“营销话术”，进入实际产品落地阶段。与早期只提供分析洞察的生成式AI不同，Agentic AI强调直接完成任务执行，即系统不再只是告诉HR“该做什么”，而是自动“把事情做完”。在这一方向上，Workday 的动作最为激进，短时间内连续收购 Paradox、Sana 与 FlowiseAI，分别强化对话式招聘、AI学习中枢以及自定义Agent构建能力。其战略意图十分清晰：从传统的“记录系统（System of Record）”转型为“执行系统（System of Action）”。未来的招聘安排、学习推荐、薪酬分析乃至合规检查，都可能由AI自动完成，HR角色逐步从执行者转向监督者与决策者。与AI并行推进的，是学习与技能赛道的重组升级。长期以来，企业学习系统往往被视为边缘模块，难以直接与业务结果挂钩，但2025年情况出现明显变化。Coursera 与 Udemy 宣布合并，形成估值约25亿美元、拥有1.91亿注册学习者与超过15亿美元年收入的超级学习平台，这一交易被视为学习科技领域里程碑式事件。与此同时，Lightcast 通过多起收购强化技能与劳动力数据能力，ETU与Realizeit合并成立Skillwell，将沉浸式训练与自适应学习结合。行业共识逐渐形成：学习不再是课程堆叠，而是技能数据驱动的能力基础设施，招聘、内部流动与绩效管理都将围绕“技能智能（Skills Intelligence）”展开。招聘科技同样进入整合加速期。SAP 收购 SmartRecruiters 补齐SuccessFactors在ATS方面的短板；Zoom 收购 BrightHire，将视频面试与智能分析深度结合；iCIMS 收购 Apli 强化一线用工自动化能力；Findem 收购 Getro 推出AI自动搜寻候选人的智能职位发布模式。可以看到，聊天机器人、筛选工具、面试分析等单点产品正快速被整合进大型平台，传统ATS逐步演变为集自动化、数据智能与关系网络于一体的人才运营中枢。此外，员工体验与福祉领域也出现PE推动的“roll-up”整合趋势。LumApps 与 Beekeeper 合并打造覆盖办公室与一线员工的统一员工门户，估值超过10亿美元；meQuilibrium 与 RippleWorx 合并，形成心理健康与绩效分析结合的平台化方案。员工体验产品开始从“工具”升级为“综合服务层”。综合来看，2025年的HR Tech并购潮揭示出三个长期结构性变化：其一，行业集中度显著提升，寡头平台逐渐成型；其二，AI能力从辅助分析走向自动执行，Agentic成为新竞争核心；其三，技能数据成为底层基础设施，学习、招聘与绩效体系开始深度融合。对于企业买方而言，平台整合有助于简化技术栈、提升效率，但也带来供应商路线变化与议价能力下降的风险；对于创业厂商而言，要么建立清晰差异化价值，要么成为并购标的，否则极易被边缘化。可以预见，2026年这一趋势仍将延续。随着更多Agentic产品上线与私募资金持续入场，HR Tech的竞争焦点将不再是谁的功能最多，而是谁真正能够替企业“完成工作”。当系统能够自动执行招聘、培训与组织决策时，人力资源管理的形态也将随之被重新定义。

Agentic AI
2026年01月31日
Agentic AI

AI重塑工作？你可能想错了——来自《2026年全球技能趋势报告》的4个惊人真相 HRTech概述：AI 正重新定义组织的学习方式、工作方式与竞争方式。报告指出，AI 流利度已经成为团队新的数字素养，不再是工具培训，而是理解 AI 的应用场景、风险边界、伦理规则以及每日使用习惯。报告强调，推动 AI 规模化的核心不是技术，而是领导力与组织文化。透明沟通、授权式管理和心理安全，是员工愿意尝试、迭代、信任 AI 的关键。视频解读访问视频号：#HRTech 更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。关于人工智能（AI）将如何改变我们的工作，你是否也感到既兴奋又焦虑？我们每天都被各种关于AI工具和技术的新闻轰炸，但真正的变革远不止于此。许多公司和个人都专注于“学习使用AI”，却忽略了更深层次的转变。这些观点将帮助我们理解，在AI时代取得成功的关键，并非仅仅掌握一项新技术，而是关乎思维模式、学习方式、领导力乃至整个组织文化的重塑。 1. AI素养：它不是一项技术，而是一种新的工作操作系统大多数组织错误地将“掌握AI技能”等同于学习如何操作某个工具或软件。然而，报告指出，真正的挑战在于重塑企业文化——鼓励员工去试验、探索，并将AI自然地融入日常工作流程中。这引出了一个核心概念：“AI素养”（AI fluency）。它不是一项待办清单上的技术任务，而是一种全新的工作“操作系统”。真正的AI素养意味着深入理解AI的能力、风险和道德问题，并养成每天使用它的习惯。至关重要的是，AI素养还需要培养判断力、好奇心、灵活性和风险承受能力等适应性技能。它要求我们不仅知道如何使用AI，更要知道何时该依赖它，何时该质疑它。这种转变并非纸上谈兵，员工们已经以惊人的速度在积极拥抱它。数据显示，对Microsoft Copilot和GitHub Copilot等工具的学习使用量出现了爆炸性增长，年同比增长率分别高达 +3,400% 和 +13,534%。这个观点之所以重要，是因为它将焦点从被动学习工具转移到了主动重塑工作方式和思维模式上——这是一种更深刻、更持久的变革。 2. 忘记培训课吧：最好的AI学习发生在工作中一个普遍的迷思是：学习只发生在培训室或在线课程中。然而，报告强调，技能只有在实际工作中被应用、调整和改进时，才能被真正掌握。这种模式被称为“在工作流中学习”（learning in the flow of work）。这一观点得到了研究的有力支持。卡内基梅隆大学的数据显示，通过实践和即时反馈学习的学生，其学习效率是仅通过听讲学习的学生的3倍。这意味着，为员工创造一个可以安全试验、应用AI并获得反馈的环境，远比单纯提供课程重要得多。 “能够蓬勃发展的组织，将是那些建立了沉浸式环境，让员工能够掌握AI素养，并建立了技术放大独特人类能力文化的公司。” —— Hugo Sarrazin, CEO of Udemy 这种学习方式之所以关键，因为它极大地减少了“学”与“用”之间的摩擦，使技能培养与创造实际业务价值直接挂钩，从而同时加速了个人和组织的成长。 3. 真正的瓶颈不是技术，而是人：领导力、道德与信任 AI转型成功与否，其决定性因素往往不是技术本身，而是“人的因素”。报告中一句极具冲击力的话点明了真相：“AI焦虑既是颠覆性技术的症状，也是领导力失败的症状。” 数据显示，领导层的准备严重不足：只有 48% 的员工认为他们的领导者已经为AI时代做好了准备。成功的领导者不能仅仅是技术的推行者，他们更需要成为信任的建立者、文化的塑造者和道德的守护者。他们必须赋予员工自主权（agency），让他们有信心去探索和塑造AI的应用方式，并为AI的使用制定清晰的道德准则。这意味着他们需要就AI带来的影响进行坦诚沟通，并为员工和领导者创造安全的空间，让他们可以承认自己的未知……并在共同学习（和从失败中前进）的过程中安全地挑战既有假设。 “未来的竞争格局不由谁拥有最好的AI来定义，而是由谁拥有最能推动变革并赋能员工有效使用AI的领导者来定义。” —— Stephen Bailey, CEO and Co-Founder of ExecOnline 技术可以被复制，但一个充满信任、安全感和道德感的组织文化，才是最难被模仿的核心竞争力。 4. AI不是终点线，而是适应未来的训练场这是本文最具前瞻性的观点：将AI转型本身视为最终目标，是一个巨大的战略失误。AI只是未来众多颠覆性变革中的一次，它更像是一个“训练场”，而不是“终点线”。真正的竞争优势，在于建立一种“永久的适应能力”（permanent adaptability）。这就需要我们大力培养那些保质期超越任何特定技术的“适应性技能”（adaptive skills），例如批判性思维、决策能力、情绪恢复力和沟通能力。这些技能是应对未来一切不确定性的基石。数据的增长也印证了这一点：决策能力的学习需求增长了 +38%，而批判性思维则增长了 +37%。麦肯锡的研究进一步强化了这一观点：高度适应和有韧性的员工，其创新能力要高出 3.8倍。因此，AI转型本身就是一个完美的、高风险的训练场。它所带来的挑战——模糊性、对道德判断的需求、对新思维方式的渴求——恰恰迫使我们建立起那种永久的适应能力，这种能力将在AI变得司空见惯之后，长久地确保我们的价值。在持续变革中重塑未来 AI时代的真正挑战不在于技术本身，而在于如何建立一个以人为本、由AI赋能、并能不断学习和适应的组织。领导力、员工自主性和适应性技能，将共同构成未来成功的基石。 AI正在重塑我们的工作，与其问“我们该如何使用AI？”，或许更重要的问题是：“我们希望成为一个怎样的组织，我们的员工作为人类又该如何成长？”

Agentic AI
2025年11月28日

12 3 》