AI代理 - HRTechChina.com - 向上的力量！

AI代理

Amazon发布AI招聘系统Amazon Connect Talent，招聘流程进入“智能体执行”阶段 HRTech概述：Amazon也对外发布了AI招聘产品Amazon Connect Talent，招聘流程正在被彻底重构。这一产品基于agentic AI，可自动完成语音面试、候选人评估和评分，并生成完整面试记录与分析报告。候选人可通过任意设备24小时参与面试，招聘效率大幅提升。Amazon强调其产品基于多年“招聘科学”，具备成熟的数据模型。有意思，基于多年对大型公司对小产品的观察，不会长久。 Amazon刚宣布推出其AI招聘产品Amazon Connect Talent，标志着“agentic AI”（智能体AI）开始进入企业招聘流程的核心执行层。该产品目前处于预览阶段（preview），但其所代表的技术路径已引发行业高度关注。 Amazon Connect Talent的核心能力在于通过AI智能体自动完成招聘流程中的关键环节，包括语音面试、候选人评估以及评分与报告生成。候选人可以通过任意设备，在全天候（24/7）的环境下完成面试流程；而招聘人员则可以直接查看由AI生成的面试记录、评分结果及结构化评估报告，从而将工作重心从“执行”转向“决策”。 Amazon表示，该系统基于其多年来积累的“招聘科学”（hiring science）构建，具备成熟的数据模型与评估逻辑。与传统招聘工具相比，Amazon Connect Talent并非单点功能升级，而是整合了从面试设计、执行到评估输出的完整流程能力，更接近一个“招聘流程操作系统”。行业分析人士认为，这一产品的推出具有明确的结构性意义。John Nurthen（Staffing Industry Analysts全球研究执行总监）指出，AI智能体正在逐步承担招聘流程中的多个离散任务，包括候选人筛选、沟通、评估与匹配。随着大型科技公司入局，这一类能力将迅速从“创新尝试”转向“企业标配”。从更宏观的角度来看，Amazon Connect Talent的发布反映出招聘模式的深层变化。过去，AI主要作为辅助工具嵌入现有流程，而现在，AI开始直接执行流程本身，人类招聘者转而承担监督与决策角色。这一转变意味着招聘流程正在从“人驱动”走向“系统驱动”。在落地层面，该产品预计将首先在高频、大规模招聘场景中获得应用，例如零售、物流及基层岗位招聘，这些领域对效率与规模高度敏感。而在高端岗位或复杂岗位招聘中，企业仍需在候选人体验、评估透明度及合规性等方面进行更为谨慎的权衡。整体来看，Amazon此次发布不仅是一项产品更新，更是对招聘行业运行逻辑的一次重构尝试。随着AI智能体逐步进入企业核心流程，招聘这一传统以人为主导的职能，正在转变为由系统驱动、以数据为基础的新型运作模式。

AI代理
2026年04月30日
AI代理

【深度解读】2026年4月全球人力资源上市公司TOP10榜单：估值回调之后，谁在重写HR Tech的权力结构 HRTech概述：2026年的一季度，全球HR上市公司迎来系统性估值重定价。不是简单下跌，而是逻辑改变：资本开始重新区分“刚需基础设施”和“周期性业务”。ADP、Paychex凭借薪酬与合规的稳定现金流成为防御资产；Recruit、BOSS直聘、SEEK则受招聘需求下滑影响明显承压。更关键的是，Workday、Paycom等HR SaaS公司，虽然仍在增长，却因AI商业化不确定性遭遇估值压缩。市场已经不再为“AI故事”买单，而是要求真实ROI。这一轮调整，意味着HR Tech进入“现金流、周期与AI兑现能力”三重定价时代。我们一起来看看HRTech详细的分析和解读！到2026年3月31日收盘，4月版本的全球人力资源上市公司TOP10榜单反映出的，不只是板块下跌，而是全球HR赛道内部的分化在迅速扩大：薪酬与刚需型HCM龙头仍然最有防御性，招聘平台和传统人服公司继续承压，而中间地带的HR SaaS公司虽然业务还在增长，却在估值层面遭遇更严厉的重定价。更重要的是，这种下跌并不只是“科技股一起跌”的结果，而是宏观风险偏好收缩、招聘需求走弱、利率预期抬高与AI叙事重新定价叠加后的行业性回撤。3月全球股市本身就处在高波动环境中：路透报道显示，标普500和纳指在一季度都录得近年最差表现之一，油价冲击、通胀担忧和就业数据转弱共同压制成长股估值。一、整体趋势：与上个月相比，这不是普通回调，而是“板块风险再定价” 如果把视角从单只股票拉高到整个HR上市公司板块，3月的核心特征很清楚：几乎所有子赛道都在承压，只是跌法不同。招聘平台和传统灵活用工公司最容易受宏观预期伤害，因为它们高度依赖企业招聘意愿、职位开放数量和临时用工需求；中大型HR SaaS公司则更多受到“增速还能不能撑起原有估值”的质疑；只有薪酬、合规、PEO这类“刚需型、现金流稳定型”公司，表现出更强的防御属性。路透3月31日报道显示，美国2月职位空缺减少35.8万个至688万，招聘活动降至六年低位，劳动力市场明显转弱；这对整个HR科技与人服板块而言，等于需求侧的地基开始松动。这也解释了为什么“对比上个月应该都在下跌”的判断基本成立。3月市场不是在奖励成长，而是在区分“谁是企业不可取消的支出，谁是可推迟的预算”。 payroll、税务、合规、雇佣管理仍是企业必须维持的基础设施，因此ADP、Paychex虽然也跌，但下跌逻辑更像估值收缩；招聘平台、灵活用工和传统派遣则面对更直接的业务周期压力，因此Recruit、BOSS直聘、SEEK、Randstad、Adecco的股价解释权更大程度回到了招聘广告、职位发布、派遣需求和宏观就业周期本身。二、第一梯队没有变，但“谁是真核心资产”已经更清楚了榜首仍然是ADP，而且这恰恰说明在波动市中，资本更愿意把钱放在“全球薪酬与雇佣基础设施”上。ADP在1月公布2026财年第二财季业绩时，上调了全年展望；公司基本面并没有出现结构性问题，反而在高利率、弱招聘环境下，凭借雇主端长期合同、庞大客户基数以及薪酬、税务、合规等高黏性服务，继续维持防御属性。与此同时，ADP还在强化自身数据资产的资本市场叙事，例如ADP National Employment Report和其更高频的就业脉冲数据，使其不只是“薪酬服务商”，也是美国私营就业市场的重要数据节点。这类公司在不确定环境里往往会被当成“避险型HR资产”。排在第二的Recruit仍然是全球HR产业里最复杂、也最容易被低估的公司之一。它不是单一招聘网站，而是由Indeed、Glassdoor、HR Technology和日本本土多元业务组成的综合体。2月9日，Recruit公布截至2025年12月31日的FY2025 Q3业绩，全年指引中收入为3.6647万亿日元，同比增长3.0%，营业利润5906亿日元，同比增长20.4%，归母净利润4809亿日元，同比增长17.7%。这组数据说明公司利润端并不差，但问题在于资本市场更关心HR Technology板块、尤其是Indeed所对应的职位发布景气度。换句话说，Recruit的问题不是“赚不到钱”，而是“全球招聘什么时候真正回暖”。这也是它3月市值仍高居全球第二、但情绪上明显弱于防御型龙头的根本原因。三、Workday跌得最显眼，但不是业务崩了，而是“高估值叙事被压缩” 如果说这份榜单里谁最能代表2026年一季度HR SaaS的尴尬，那就是Workday。公司2月24日发布FY2026 Q4业绩，同时继续强化“enterprise AI platform for managing people, money, and agents”的新定位；3月17日又正式推出Sana from Workday，强调其可以查找答案、执行操作、自动化工作流，并称自助代理已经具备300多项技能。产品叙事非常强，也明显在往agentic AI方向推进。问题在于，资本市场对Workday的要求已经不是“你有没有AI”，而是“AI能否足够快地转化为更高增速、更强利润率和更稳的续费逻辑”。在宏观风险偏好下降、软件估值整体回调时，Workday这类大型平台最容易受到挤压。它股价到3月31日收于129.92美元，市值约331亿美元，已经明显低于此前阶段性高点。所以，Workday的下跌更适合被理解为“高位平台股被重估”，而不是“基本面突然恶化”。从产业角度看，Workday反而是榜单里最值得继续盯住的公司之一，因为它是少数真正试图把HR、财务与AI agent统一到一个企业级系统框架里的玩家。但从二级市场角度看，只要全球软件板块还处于去泡沫、去高估值阶段，Workday就很难独善其身。四、Paychex比ADP更像“现金流机器”，也是这轮回调里最抗跌的一类资产 Paychex的市场地位常常被低估。它没有Workday那么强的话题性，也不像ADP那样具有全球级品牌外溢，但它在中小企业薪酬、PEO和HR管理上的稳定性极强。3月25日，Paychex公布2026财年第三财季业绩，收入同比增长20%至18.1亿美元，调整后EPS为1.71美元，均高于市场预期。路透还特别提到， paid leave、retirement plan和wage transparency等州级合规要求增加，正在推高企业对薪酬与HR外包服务的需求。同时，Paychex收购Paycor后也获得了更强的云软件和自动化能力。换句话说，Paychex处在一个很有意思的位置：它既受益于“合规复杂度上升”，也受益于“中小企业不愿自己搞HR系统”。这使它成为名单里典型的防御型优质资产。也正因为如此，Paychex虽然仍在跌，但它的下跌逻辑与Workday完全不同。前者更多是跟随市场整体风险偏好回撤，后者则带有更明显的软件估值压缩色彩。这种差异很重要，因为它揭示了2026年HR资本市场的核心判断：稳定现金流和高续费率，正在重新比“故事感”更值钱。五、中腰部HR SaaS：Paycom与Paylocity不是坏公司，而是增长不再足够性感 Paycom和Paylocity都属于优质HR软件公司，但在当前市场里，它们最难的是“业务增长还不错，却不足以支撑过去的估值体系”。Paycom在2月11日公布2025年第四季度及全年业绩，四季度收入5.443亿美元，高于市场预期；但路透同时指出，公司给出的2026年收入指引为21.8亿至22.0亿美元，低于分析师平均预期的22.3亿美元，股价因此承压。这也是为什么Paycom在榜单中的情绪标签适合写成“深度回调，增速预期放缓”：不是财报差，而是市场不再接受“只增长8%左右却还维持高估值”的逻辑。 Paylocity的情况稍微好一点。公司2月5日公布2026财年第二财季业绩，经常性及其他收入3.87亿美元，同比增长11.3%；总收入4.161亿美元，同比增长10.4%；同时继续回购股票，并上调全年收入指引。3月，Paylocity还在产品和市场排名上继续强化品牌，例如被G2和Sapient Insights等报告认可。问题在于，在整个板块都被压估值的阶段，10%上下的收入增速虽然健康，但也只能证明“公司运营不错”，还不足以让资本市场愿意给更高溢价。因此Paylocity的股价走势更像是“跟随板块下行”，而不是基本面独立走弱。六、招聘平台：Recruit、BOSS直聘、SEEK都还活着，但市场先看周期，不先看故事招聘平台的共同问题是：它们天然暴露在企业招聘预算和职位开放节奏上，所以在景气回落期，资本市场往往先压估值，再等基本面确认。BOSS直聘母公司Kanzhun在3月18日公布2025年第四季度及全年业绩，并同步宣布把回购授权上调至4亿美元、延长至2027年8月，同时还提出股东回报目标。这说明公司自身现金流和管理层信心并不差，甚至在主动稳定资本市场预期。可即便如此，BOSS直聘股价到3月31日也只有13.39美元，市值约60.7亿美元。原因很简单：中国招聘市场仍处于低强度修复期，企业HC没有全面恢复，投资者自然会把它当作周期资产来看。 SEEK则代表了亚太招聘平台的另一种情况。公司在3月并没有出现特别重大的财报冲击，但其自身发布的SEEK Employment Report、Advertised Salary Index与AI Gauge持续显示，澳洲和新西兰劳动力市场正在进入更复杂的再平衡阶段：岗位需求、薪资信号和AI影响都在变化。资本市场对SEEK的定价，本质上仍是“亚太招聘景气度”的映射。也就是说，SEEK不是没有长期价值，而是在当前位置，市场给它的不是成长溢价，而是宏观周期折价。七、传统人力资源服务商：Randstad和Adecco的问题不只是周期，而是模式层级被往下压 Randstad和Adecco的估值之所以长期承压，不能只用“招聘周期不好”来解释。更深层的原因是，传统派遣、外包与一般性招聘服务的商业模式，正在同时受到三重压力：一是企业用工需求放缓，二是平台化与自动化削弱中介价值，三是高利润环节被技能型服务、数字化解决方案和更垂直的专业服务分流。Randstad在2月披露Q4 2025业绩，3月27日股东大会通过财务报表和分红方案；同时公司在3月发布研究称，AI时代反而让 skilled trades 的招聘更紧张，说明其正在努力把自己定位到更高价值的劳动力供给问题上。但资本市场并未因此买账太多，因为传统人服公司的增长弹性和利润弹性仍受周期制约。 Adecco的处境与Randstad相似，但转型表达更鲜明。公司在2月发布Q4及全年2025业绩时强调：Adecco业务单元Q4增长4.9%，Akkodis持续改善，LHH在career transition和Ezra等业务上实现增长，同时现金转换率达到102%，经营现金流6.13亿欧元，自由现金流4.83亿欧元。这些数据说明Adecco并非没有运营质量，甚至在现金创造上表现不错。但市场仍然把它看作“传统模式在被降维打击”的代表，因为派遣和通用型人服业务很难再获得高估值，只有Akkodis、LHH、career transition、digital engineering这些更高附加值板块，才可能成为未来重估的支点。八、这份榜单真正说明了什么：HR资本市场已经不再按“是不是HR科技”来定价，而是按“现金流刚性、招聘周期暴露度、AI兑现速度”来定价把这十家公司放在一起看，2026年3月31日这张榜单传递出的最强信号，是HR产业的资本市场分类法正在变化。以前大家会笼统地说“HR Tech板块”“招聘板块”“人力资源服务板块”，但现在更有效的分类方法已经变成三条线：第一条看收入是不是刚需、是不是与薪酬和合规深度绑定；第二条看公司是否高度暴露于企业招聘意愿和职位发布周期；第三条看AI到底是在制造新增收入，还是暂时只制造估值想象。按这个逻辑，ADP和Paychex显然最稳，Recruit与BOSS直聘、SEEK则更典型地受招聘周期影响，Workday、Paycom、Paylocity则处于“业务增长存在，但估值需要重新证明”的中间带，而Randstad和Adecco仍在为传统模式寻找新的资本叙事。九、对4月的判断：板块不会立刻反转，但会先出现“结构性修复” 展望4月，我的判断是，这个板块不太会出现简单粗暴的全面反弹，更可能出现结构性分化修复。若宏观风险情绪缓和，首先得到资金修复的，大概率还是ADP、Paychex这类高确定性资产；如果招聘数据边际改善，Recruit、BOSS直聘、SEEK会更快产生弹性；至于Workday、Paycom、Paylocity，真正的反转触发器仍不是“AI故事更大”，而是下一轮财报中能否把AI叙事转成更高续费、更强利润率或更明确的商业化成果。换句话说，2026年的HR上市公司竞争，已经不只是产品竞争，而是“谁能在弱周期里证明自己值得更高估值”的竞争。

AI代理
2026年04月01日
AI代理

【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。

AI代理
2026年03月29日
AI代理

【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。

AI代理
2026年03月17日
AI代理

【旧金山】AI自动化平台 Gumloop获5000万美元B轮融资，加速打造“人人可构建AI代理”的企业基础设施 HRTech概述：AI 自动化创业公司 Gumloop 宣布完成 5000 万美元 B 轮融资，由硅谷知名投资机构 Benchmark 领投。公司成立于 2023 年，目标是让企业中的普通员工也能创建 AI 代理，从而自动化复杂工作流程。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。企业AI自动化赛道持续升温。总部位于旧金山的AI自动化平台 Gumloop 近日宣布完成 5000万美元B轮融资，由硅谷知名风险投资机构 Benchmark 领投，Nexus Venture Partners、First Round Capital、Y Combinator、BoxGroup、The Cannon Project 以及 Shopify Ventures 参与投资。此次融资将用于扩大产品能力并加速销售与工程团队建设，以应对企业客户快速增长的需求。该公司成立于 2023年，核心目标是让企业中的普通员工也能够创建和部署 AI 代理（AI agents），无需编写代码即可自动化复杂的工作流程，从而降低企业应用AI的门槛。让每个员工成为“AI自动化构建者” Gumloop 的产品定位是一个企业级AI自动化与代理平台。平台通过可视化工具和工作流系统，使非技术员工能够构建自动执行任务的AI代理。这些代理可以处理复杂的多步骤流程，例如数据处理、业务运营任务或跨系统协作流程。目前，该平台已在多家高速增长的科技公司内部使用，包括 Shopify、Ramp、Gusto、Samsara、Instacart 和 Opendoor 等企业。通过 Gumloop，企业员工可以构建自己的 AI agent，并在公司内部共享，从而形成自动化的网络效应，加速组织内部的AI落地。公司创始人兼CEO Max Brodeur-Urbas 表示，公司成立的初衷是让“理解任务本身”成为自动化的唯一门槛，而不是编程能力。通过AI代理，员工可以摆脱重复性工作，把精力集中在更具创造性的任务上。三大核心产品模块构成AI自动化平台根据公司官方披露，Gumloop 的平台主要由三大模块组成：第一是 Gumloop Agents，即企业员工可以在几分钟内创建的AI代理，这些代理可以连接企业应用，并在 Slack、Microsoft Teams 或电子邮件等工作工具中自动执行任务。第二是 Gumloop 平台本身，用于团队协作构建、共享和管理AI自动化流程，实现企业内部的自动化编排。第三是 Gumstack，这是为企业安全团队设计的治理平台，用于监控AI代理的数据调用和工具访问，并对来自 ChatGPT、Claude Code 或内部代理的调用进行审计与追踪。这一架构体现了公司试图打造 “企业AI自动化基础设施” 的战略，而不仅仅是一个简单的自动化工具。 Benchmark押注企业AI自动化的巨大市场本轮融资由 Benchmark 合伙人 Everett Randle 主导，这也是他从 Kleiner Perkins 加入 Benchmark 后的首笔投资。 Randle 认为，企业AI成功的关键在于让每一位员工都拥有AI能力，而不是将AI能力集中在少数工程师手中。他在调研中发现，一些企业在同时试用多个自动化工具后，员工最终选择了 Gumloop，并形成高频使用习惯。这种“员工驱动”的AI采用模式，被认为是企业AI落地的重要路径：当员工能够轻松构建自动化工具时，AI会在组织内部自发扩散。激烈竞争中的新一代AI自动化平台 Gumloop 所处的企业自动化与AI代理（AI Agents）赛道正在快速升温。在该领域，传统自动化平台如 Zapier 和 n8n 已经拥有成熟用户基础，而新一代AI代理工具如 Dust 也在迅速崛起。同时，大模型厂商也开始进入这一市场，例如 Anthropic 推出的 Claude Cowork 允许用户创建无需代码的自动化代理。与这些产品相比，Gumloop 的差异化在于其模型无关（model-agnostic）架构。企业可以根据任务需要灵活选择 OpenAI、Gemini 或 Anthropic 等不同AI模型，从而在性能和成本之间取得平衡。企业AI正在从“工具”走向“基础设施” 随着大模型能力的快速提升，企业AI的形态正在发生变化。过去，企业更多将AI视为单一应用或助手工具；而如今，越来越多企业开始将AI代理嵌入到业务流程中，形成持续运行的自动化系统。在这一趋势下，像 Gumloop 这样的 AI agent infrastructure（AI代理基础设施）平台，可能成为未来企业软件架构中的关键层。对于企业而言，如果每个员工都能构建并共享自己的AI代理，组织生产力结构将发生深刻变化——AI不再只是IT部门的技术项目，而是整个企业的生产力工具。

AI代理
2026年03月13日

AI代理

最新研究：AI效率越高，人却越来越忙，一场正在发生的知识工作规则重写 HRTech概述：AI原本被认为可以帮助员工减少工作量、提升效率，但一些企业内部观察研究却发现了相反的趋势。研究人员在一家科技公司进行了为期8个月的跟踪观察，发现AI让员工完成任务更快，但并没有减少工作时间，反而让员工承担了更多任务。这一趋势意味着，AI不仅在改变工作效率，也在重塑知识工作的规则。对于企业来说，真正的挑战并不是是否使用AI，而是如何在效率提升的同时，避免工作强度持续上升。人工智能正以前所未有的速度进入知识工作领域。从代码生成、文档撰写到数据分析与设计辅助，AI被广泛认为是下一轮生产力革命的核心驱动力。企业普遍期待，AI能够减少重复劳动，让员工更高效地完成工作，并最终释放时间用于更具创造性的任务。然而，一些企业内部观察与组织行为研究却揭示出一个值得警惕的趋势：AI并没有像预期那样减少工作量，反而在许多场景中加速了工作的节奏，并扩大了员工承担的任务范围。 AI带来的不是“少做”，而是“多做” 在一项针对科技企业的长期观察研究中，研究人员对约200名员工的实际工作方式进行了持续跟踪，并进行了40多次跨职能访谈。研究最初的目标是理解AI工具在真实工作环境中的效率提升效果，但最终结果却显示出一种完全不同的趋势。许多员工表示，AI确实让他们完成任务的速度明显提高。例如，原本需要数小时撰写的文档可以在AI辅助下迅速生成初稿，复杂的分析报告也可以通过提示词快速形成结构框架。然而，当任务完成得更快时，员工并没有因此减少工作时间，而是倾向于主动承担更多项目或更多任务。AI所节省的时间并没有转化为休息时间，而是被重新填充为新的工作内容。这种现象形成了一种典型的“效率填充效应”：技术提高效率之后，工作量往往随之增加，而不是减少。任务启动成本的降低扩大了工作范围 AI还显著降低了工作的启动门槛。过去，一些任务之所以没有被执行，是因为准备成本较高。例如整理内部报告、编写总结或进行初步分析，这些工作往往需要较长时间准备。但在AI工具的帮助下，员工只需输入简单提示词即可生成初步内容。这一变化带来的结果是，更多任务被启动和完成。表面上看，这是一种效率提升；但从组织运作角度来看，它实际上扩大了员工的工作范围，使单位时间内的任务数量明显增加。AI不仅让任务完成得更快，还让更多任务成为“值得做”的事情。团队竞争推动工作节奏不断加快 AI还改变了团队内部的行为逻辑。当团队中部分成员开始利用AI显著提高产出时，其他成员会自然产生比较压力。如果某位同事借助AI一天完成多个项目，其余成员很容易担心自己的效率被视为不足。即使管理层从未正式提高绩效要求，这种由同事之间的比较产生的“隐性竞争”也会逐渐改变团队节奏。随着时间推移，原本由技术带来的效率提升会转化为新的默认标准。团队整体工作速度随之提升，而这种变化往往是在没有明确管理决策的情况下发生的。研究人员将这种过程称为“工作量爬升”（Workload Creep）。最初，它表现为生产力提升；随后，它成为新的绩效基准；最终，它演变为组织内部的隐性期望。 AI模糊了工作与生活的时间边界 AI还在改变工作的时间结构。传统知识工作通常依赖完整的时间块，例如集中数小时撰写报告或完成分析任务。但AI让许多任务可以在碎片时间完成。员工可以在午餐时间生成文档初稿，在会议期间让AI整理笔记，或在晚间快速修改AI生成的内容。这种变化虽然提高了灵活性，但也使工作逐渐渗透到原本属于休息的时间段。很多员工开始在更多时间点与工作保持连接，从而模糊了工作与生活之间的边界。压力在组织层级之间出现明显分化研究还发现，AI带来的压力在组织层级之间分布并不均衡。一线执行层员工，例如工程师、产品经理、设计师和运营人员，承担了大部分由AI加速带来的任务扩张。他们需要更快地完成更多工作，同时持续保持高效率。相比之下，管理层和高管往往更关注整体生产率指标，因此对这种压力变化的感受较弱。这种结构性差异容易导致组织内部形成不同的认知：管理层看到的是效率提升，而执行层感受到的则是工作强度增加。技术提升效率，但制度决定结果从历史经验来看，类似的情况并不罕见。电子邮件、即时通讯工具和远程办公技术在过去几十年中都曾带来类似影响。通信效率的提升往往会加快工作节奏，并延长工作时间。 AI的特殊之处在于，它不仅提高沟通效率，还直接参与任务执行，因此对工作节奏的影响更加明显。如果企业只是把AI视为单纯的生产力工具，而没有建立相应的管理机制，那么效率提升很容易自动转化为更高的工作强度。企业需要重新设计AI时代的工作规则在AI时代，企业真正需要思考的问题并不是“是否使用AI”，而是“如何管理AI带来的生产力变化”。一些领先组织已经开始尝试新的管理方式，例如重新设计绩效评估标准、明确AI使用边界，并避免将短期效率提升直接转化为更高的任务指标。只有在合理制度框架下，AI带来的效率提升才可能真正释放员工的时间与创造力，而不是变成新的压力来源。 AI改变的不只是效率，而是整个工作结构从更宏观的视角看，AI正在重新定义知识工作的运行方式。当技术能够显著提高个人效率时，组织如何设定工作节奏、分配任务以及保护员工的可持续工作状态，将成为未来管理的重要课题。效率本身并不会自动带来自由。如果缺乏制度设计和管理规则，技术进步往往会被转化为更高的工作要求。AI带来的真正挑战，并不是技术本身，而是组织如何在效率与可持续工作之间找到新的平衡。 HRTech特别说明：AI并没有减少工作量，而是在很多情况下扩大了工作量（workload expansion）。不过需要先说明一点：这段文字在社交媒体上广泛传播，但目前并没有一个公开发表的 Berkeley正式学术论文完全对应这段描述的所有数据（例如“83% workload increase、200 employees、8 months embedded research”）。类似结论在多个研究中确实存在，但具体数字很可能是社交媒体的简化或二次传播。因此，理解其逻辑比纠结具体数字更重要。

AI代理
2026年03月09日
AI代理

【旧金山】AI劳动力管理平台 Reload 完成 227.5 万美元种子轮融资，发布共享记忆架构产品 Epic HRTech概述：旧金山的新创HR科技公司Reload 宣布完成 227.5 万美元种子轮融资，由 Anthemis 领投。公司推出首款产品 Epic，主打为AI代理提供共享架构记忆层。当前企业在使用 coding agents 时面临长期上下文缺失问题，Reload 通过定义产品需求、数据模型与系统结构，并持续维护决策记录，构建 AI 员工的管理系统。其目标是成为 AI workforce 的“System of Record”。 2026年2月19日，AI 劳动力管理平台 Reload 宣布完成 227.5 万美元种子轮融资。本轮由 Anthemis 领投，Zeal Capital Partners、Plug and Play、Cohen Circle、Blueprint 与 Axiom 参投。与此同时，公司正式发布首款AI产品 Epic，标志着其从平台构建阶段进入产品落地阶段。 Reload 由连续创业者 Newton Asare（CEO）与 Kiran Das（CTO）创立。这是两人在此前公司成功退出后的第二次创业合作。创始团队观察到，随着生成式AI与自动化工具快速演进，企业内部的 AI agents 正在从辅助工具转变为“数字员工”，在编码、调试、重构等复杂任务中承担越来越多的执行工作。但当前企业缺乏系统化的管理架构来协调这些AI代理的协作与治理。构建 AI 员工的管理基础设施 Reload 的核心定位是 AI Workforce Management Platform，即面向“AI员工”的管理系统。不同于直接构建新的模型或单一功能代理，Reload 的平台聚焦于企业级管理层面，提供统一接入、权限控制与任务可视化能力，使企业能够在跨团队、跨部门环境下集中管理不同来源的 AI agents。企业可以在 Reload 平台上接入内部开发或第三方构建的代理，为其分配角色与权限，并实时追踪其执行任务的过程与结果。平台通过集中化管理与记录机制，形成针对AI员工的“System of Record”，为企业提供可见性、协调能力与审计支持。这一设计本质上是为数字劳动力建立一套结构化的管理框架。行业痛点：AI 代理缺乏长期系统记忆当前企业在使用 AI coding agents 时普遍面临一个问题：代理通常仅围绕当前提示进行执行，缺乏对产品整体背景与历史决策的长期理解。随着项目演进或代理切换，系统容易失去上下文，甚至偏离原始设计目标。在多名工程师使用不同AI工具协作的情况下，项目层面的架构一致性与知识连续性往往难以维持。这种“短期记忆模式”成为AI规模化应用中的核心瓶颈。 Epic：共享架构记忆层的技术设计为解决上述问题，Reload 推出了 Epic。该产品建立在 Reload 平台之上，被定位为“架构级共享记忆层”。Epic 不替代现有 coding agents，而是为其提供统一的结构与长期上下文支持。在项目启动阶段，Epic 可自动生成并维护关键系统资产，包括产品需求文档、数据模型、API规范、技术栈决策、架构图与结构化任务拆解。这些基础资产成为后续所有AI代理执行工作的统一参照。在开发推进过程中，Epic 持续记录架构决策、代码变更路径与设计模式演进，形成结构化的长期记忆体系。当团队更换 coding agent，或多名工程师同时使用不同代理时，所有参与者仍基于同一共享知识源进行构建，避免信息碎片化。在技术实现层面，Epic 可作为扩展插件嵌入 AI 辅助代码编辑器，如 Cursor 与 Windsurf，直接运行于开发环境之中。这种嵌入式部署方式使其成为开发流程的一部分，而非独立的外部管理系统。竞争格局与差异化定位在AI基础设施领域，Reload 面临 LongChain 与 CrewAI 等竞争者。LongChain 侧重于AI代理部署与记忆管理，CrewAI 聚焦企业级代理编排。相比之下，Reload 更强调项目级架构定义与长期共享系统理解，其核心目标是为AI员工建立治理与管理层级，而非单纯提升单个代理的执行效率。公司认为，传统企业管理系统并未为“作为团队成员运行的AI代理”设计，而Reload 正在构建这一缺失的基础设施层。融资用途与未来发展本轮 227.5 万美元融资将主要用于团队扩张与产品能力提升，尤其是强化底层基础设施，以支持日益增长的AI代理数量与复杂度。随着企业内部AI代理规模不断扩大，如何实现结构化管理、权限控制与长期知识保持，将成为新的企业软件核心问题。 Reload 所构建的，并非单一功能产品，而是一套面向数字劳动力时代的管理操作系统。随着AI从辅助工具向协作主体演进，围绕“AI员工”的治理、协调与共享记忆体系，或将成为下一代企业软件的重要基础层。

AI代理
2026年02月21日
AI代理

【柏林】HRTech公司Kombo完成2500万美元A轮融资，构建统一API平台，押注全球人力数据互联新时代 HRTech概述：德国HRTech公司 Kombo 宣布完成 2500 万美元 A 轮融资，由 Volition Capital 领投，Acadian Ventures、468 Capital 和 Y Combinator 跟投，累计融资达 3000 万美元。Kombo 构建统一API平台，解决 HRIS、ATS、薪酬系统等核心人力数据的互操作性问题，目前已服务 300+ 全球客户。德国柏林HR科技基础设施公司Kombo近日宣布完成2500万美元A轮融资。本轮融资由Volition Capital领投，Acadian Ventures、468 Capital以及Y Combinator继续参与投资。至此，公司自2022年成立以来的累计融资总额达到3000万美元。这笔资金将用于加速产品能力扩展、提升企业级安全标准，并推动欧洲与美国市场的团队扩张。 Kombo并不是一家传统意义上的招聘系统或薪酬软件公司。其核心定位是“统一API基础设施平台”，专注解决HR Tech生态系统中长期存在的数据孤岛与系统互操作性难题。在当今企业普遍同时使用HRIS、ATS、Payroll、LMS等多种系统的背景下，不同软件之间的对接成本高、维护复杂、标准不统一，已成为行业发展的隐形瓶颈。 Kombo通过构建标准化、统一的API接口层，让HR科技公司无需分别对接数十甚至上百个不同系统，从而大幅缩短产品集成周期，降低维护成本。对于SaaS厂商而言，这意味着可以更专注于核心产品创新；对于企业客户而言，则意味着更流畅的数据流通、更高的数据准确性以及更好的用户体验。随着AI技术加速进入企业软件领域，数据互通的重要性进一步放大。AI模型、智能代理以及自动化流程都依赖结构化、实时且高质量的人力数据。Kombo的基础设施能力，实际上成为AI应用落地的重要底层支撑。公司CEO兼联合创始人Alex Kübel表示，未来人力生态系统的竞争，不仅是应用层功能的竞争，更是数据流通效率与可靠性的竞争。目前，Kombo已服务全球300多家企业客户，覆盖招聘科技、薪酬管理、员工体验等多个细分领域。随着企业软件市场日益全球化，跨区域系统对接需求也在增加，这为Kombo带来了更大的扩展空间。此次融资后，公司计划加强API能力的深度与广度，进一步提升安全合规水平，并扩大欧美市场布局。从行业视角来看，HRTech市场正在进入“基础设施化”阶段。过去十年，行业重点在于单点功能创新；未来十年，平台整合与生态协同将成为核心主题。Kombo所处的“数据连接层”虽然不直接面向终端HR用户，但却决定了整个生态系统的运转效率。正因如此，该赛道逐渐受到资本市场关注。在全球企业加速数字化转型的背景下，人力数据的标准化与互联互通已不再是技术选项，而是战略必需。Kombo的这轮融资，既是对其商业模式的认可，也反映出资本对HR基础设施长期价值的判断。

AI代理
2026年02月19日
AI代理

忘掉你所知的HR：重塑人力资源的4个惊人AI洞见 AI正在把HR推向一次真正的“长期重置”。信息洪流、工作污泥、AI代理的出现，让传统HR模式迅速失效。关键不在于用什么工具，而在于HR是否能重新设计工作流、明确AI边界，并用透明的数据治理赢得员工信任。未来的HR不再只是执行者，而是“体验工程师”，通过人机协同打造真正有吸引力的员工体验。AI不是替代HR，而是在考验HR是否准备好进化。你听说过“work slob”（工作污泥）吗？这是今年的年度新词。随着人工智能的普及，组织内部的提案和新倡议的数量达到了前所未有的峰值，正是这种信息的绝对“体量”催生了这个词。在这场信息洪流中，HR 领导者正处于变革的中心。然而，许多人感觉自己像个初学者，面对汹涌而来的变化不知所措。本文将拨开迷雾，揭示 HR 领导者在这个新时代中脱颖而出所需的最具冲击力、甚至有些反直觉的核心洞见。这些不仅仅是技能，更是重塑 HR 职能、驱动未来的新思维。洞见一：超越基础指令——精通为 HR 工作流设计的“提示工程” 当下 HR 所需的 AI 技能，远不止是下达“写一首抑扬格五音步的诗”这类基础指令。真正的核心技能是“为 HR 工作流编写提示（prompting for HR workflows）”。这意味着你需要掌握如何创建结构化的提示，用于生成合规的职位描述，或者设计能够优化 HR 服务中心流程、减轻行政负担的提示。这项技能之所以至关重要，是因为它关乎效率的本质性提升。它不是将 AI 仅仅作为一个外部工具来使用，而是将其深度融入 HR 的核心职能，重新设计工作流程，从而释放组织的真正潜力。然而，掌握这项技能的第一步，出人意料地与技术无关。在接触任何 AI 工具之前，你首先要做的是与团队坐下来，识别业务流程中的真正差距和痛点。如果你不带着清晰的目标去接触技术，你最终解决的只会是供应商想卖给你的那个问题。因此，真正的 AI 转型始于对业务需求的深刻洞察，而非技术本身。洞见二：AI 使用的“3C 法则”——何时应该放手，何时必须坚守为了在日常工作中清晰地决策何时使用 AI，一个实用的决策框架至关重要。通过整合不同专家的见解，我们构建了一个三维度的“3C”决策模型，它能清晰地界定 AI 的应用边界、赋能领域及投资回报路径，形成一个完整的战略框架。 • 何时绝对不能使用 AI：在处理涉及承诺 (Commitment)、危机 (Crisis) 和冲突 (Conflict) 的场景时，应避免使用 AI。这包括最终的招聘决策、薪酬设定、处理员工个人危机或调解内部冲突。在这些高度人性化的时刻，人的判断、同理心和亲身参与是任何技术都无法替代的。 • 何时应该拥抱 AI：在需要激发创造力 (Creativity)、促进协作 (Collaboration) 以及建立连接 (Connection) 的领域，AI 是一个强大的赋能工具。无论是用于头脑风暴、辅助团队协作，还是帮助员工建立更广泛的内部联系，AI 都能显著提升效率和成果。 • 如何利用 AI 实现投资回报（ROI）：真正的竞争优势并非来自标准化的“开箱即用”方案。要实现真正的投资回报，必须针对组织的具体背景 (Context)、独特的文化 (Culture) 和服务的客户 (Customers)，对 AI 工具进行深度专业化定制。洞见三：数据是新基石——从“数据素养”到“透明治理” “垃圾进，垃圾出 (garbage in, garbage out)”这句经典论断在 AI 时代显得尤为重要。HR 领导者必须深刻理解输入 AI 系统的数据质量和类型，因为这直接决定了输出结果的有效性和公正性。因此，数据治理变得至关重要。它不仅在于保护敏感的员工数据，更在于建立一种透明的沟通机制。HR 领导者必须有能力向员工清晰地解释 AI 是如何被用于做出关键决策的，例如薪酬计算或绩效评估。这关乎信任的建立和企业文化的健康发展。 “这真的是关于建立‘玻璃盒’，而不是‘黑匣子’……HR 领导者需要有能力……向员工解释 AI 是如何被用来管理劳动力的。” 当未来的 AI “代理”开始为我们自动协调人才与岗位时，我们对数据源的理解和掌控将变得更加攸关重要，直接决定了这些自动化决策是提升效率还是制造混乱。洞见四：人机协同的艺术——成为“体验工程师” 未来 HR 的核心技能可能不再是我们传统意义上所理解的任何一项，而是一个全新的身份：“体验工程 (experience engineering)”。这意味着 HR 专业人士的角色将从执行者转变为设计师。他们的核心任务是利用 AI 等先进工具，精心打造能够吸引、激励和留住顶尖人才的员工体验。这个新角色融合了品牌营销的吸引力、销售的推动力以及服务的关怀精神。因此，“体验工程”不仅是一项新技能，它更是一种根本性的身份重塑，预示着整个 HR 职业的演进终局。抓住最后的重置机会人工智能为 HR 带来的，绝不仅仅是一套新工具，而是一次深刻的、根本性的职能重塑。如果说新冠疫情是第一次“重置”，那么“AI 则是持久的重置 (AI is the lasting reset)”。它为 HR 提供了一个前所未有的机会，使其能够真正成为驱动组织未来的核心力量。我们的内心深处一直渴望帮助每个人在组织中找到自己的位置，并做出最大的贡献。当技术终于能让我们大规模地实现这一愿景时，我们准备好迎接这个未来了吗？

AI代理
2025年12月25日
AI代理

深度解读：AI正在成为你的新“同事”，从工具到队友，企业准备好了吗？(附录报告下载) 一、AI不再是工具，而是“团队的一员” 报告《AI Agents As Employees》（附下载），揭示了一个前所未有的趋势：AI正从“被动执行的工具”，转变为“主动参与的员工”。在企业的日常运作中，AI代理（AI Agents）已经开始承担明确的职责，它们可以理解目标、设定行动计划、跨系统执行任务，并与人类同事协作。这意味着，AI不再仅仅是后台算法或客服机器人，而是正在被企业正式“纳入组织结构图”。在某些创新公司中，AI代理甚至被赋予职位名称——如“AI市场分析员”“AI合规专员”“AI创意顾问”等。二、AI代理的崛起：企业自动化的新形态 AI代理（AI Agent）与传统AI最大的区别在于其“主动性”与“自主性”。它们可以不依赖人工指令，自行感知任务、拆解目标并执行决策。报告指出，一个成熟的AI代理具备四个特征：主动性（Proactivity）：能够自发识别并启动任务；目标导向（Goal-driven）：不再仅响应指令，而是围绕目标执行；持续学习（Adaptive Memory）：能记住历史任务与结果，不断优化自身行为；协作能力（Collaborative Integration）：能与人类或其他AI协同完成复杂任务。这类“智能员工”正在出现在多个行业中。例如： Unstoppable Domains 的AI客服代理已处理约三分之一的用户请求； Shopify 利用AI代理帮助新商家自动上架和优化产品； Banco do Brasil 用AI代理执行实时风险与合规监控； Synergetics.ai 建立AI代理市场，提供金融、法务、合规等可即插即用的AI员工。三、从自动化到协作：组织正在被重塑 AI代理的出现，不仅改变了工作效率，更重塑了组织关系。报告强调：真正的变革，不是AI接管人类，而是AI融入团队结构。企业的组织图正在发生革命性变化。传统的人力层级——经理、主管、执行者——正在被“人机混合团队（Human + AI Teams）”替代。这种新模式下： AI负责数据密集型、重复性、系统性任务；人类负责战略决策、创新思维、情绪沟通与伦理判断。但这种融合带来新的挑战：信任、透明度与心理安全。员工会担心“AI是否在取代我”，而管理者则困惑“AI输出的结论是否可信”。四、信任的重建：AI透明化成为企业竞争力报告认为，未来的核心竞争力不再是AI算法的先进程度，而是AI决策的透明性与可解释性。只有可解释、可追溯的AI，才能赢得员工和客户的信任。目前，包括 Salesforce、Microsoft、PwC 在内的企业，正在研发“Explainable AI（可解释AI）”与“AI Audit Trail（AI决策追踪）”机制，以确保AI的行为合规、可靠且可核查。63%的员工表示，“人工复核”机制是提升AI信任度的关键。报告建议企业建立： AI服务卡（AI Service Card）：记录AI的功能、数据源与决策范围；伦理审计机制（Ethical Audit）：确保AI行为符合公司价值观；透明反馈系统（Feedback Loop）：让员工能追溯AI行为背后的逻辑。五、领导力的转变：从“管理人”到“管理AI” 随着AI代理融入团队，管理者的职责也在变化。未来的领导者，不仅要懂得如何激励人，还要学会如何监督AI、纠偏AI、与AI协作。这意味着一种新型的“AI领导力”正在诞生。报告提出三大核心能力：技术理解力：掌握AI的基本原理与局限；伦理判断力：在冲突与风险中平衡效率与公平；系统思维：能同时统筹人类与AI的协作机制。同时，新的岗位也在兴起，如首席AI官（Chief AI Officer）、AI治理主管（AI Governance Lead）、AI伦理负责人（AI Ethics Officer）。六、效率的代价：IBM与麦当劳的警示报告中特别引用了两个案例，揭示AI“过度自动化”的风险： IBM案例：2023年，IBM采用AskHR系统后，裁掉了约8000名HR员工。但两年后，公司发现AI虽能处理94%的问题，却无法应对复杂的人类事务。最终，IBM重新招聘人类HR岗位，CEO Arvind Krishna 承认：“AI没有情感判断力，它能给答案，却无法安抚人心。” 麦当劳案例：2024年，麦当劳放弃AI自动点餐系统，因为AI频繁出错、误识别语音。高效率带来的，却是用户体验和信任的崩塌。这两个案例成为报告中的警示章节：The Limits of Automation（自动化的边界）。AI能提升效率，但当企业忽视“温度”与“人性”，自动化就会变成风险放大器。七、未来的衡量标准：ROI不止是省钱过去企业衡量AI的投资回报率（ROI）主要看成本节约与效率提升。但报告提出了全新的“四维ROI模型”：维度说明经济价值（Economic Value）成本节约、营收增长、时间效益运营绩效（Operational Performance）准确性、执行力、稳定性员工与客户体验（Human Impact）满意度、信任度、协作度伦理与社会价值（Ethical Value）品牌信任、社会责任、AI治理透明度企业未来的竞争，不再只是“谁用AI更多”，而是“谁用AI更负责任、更聪明、更人性化”。八、结语：AI的未来，不是取代，而是共生《AI Agents As Employees》的核心结论是： “未来的竞争优势，不属于最先采用AI的企业，而属于最懂得让AI与人类共生的企业。” AI代理正在成为企业的新成员，但它不是人类的替代品，而是人类智慧的放大器。真正的未来组织，将是一个 “Human + AI” 协作生态—人在其中创造意义，AI在其中驱动效率。而领导者的终极考验，不是如何驯服AI，而是如何在人与AI之间，重新定义“信任”的边界。想了解更多关于“AI代理如何重塑组织结构、信任机制与领导力”的研究，请下载完整报告：《AI Agents As Employees》——来自Unstoppable Domains COO Sandy Carter 的深度分析，揭示AI从工具到“队友”的全路径演化。（下载地址：https://www.hrtechchina.com/Survey/E729DF7E-1F90-FD11-9E24-688BA8ED8B1D ）

AI代理
2025年10月28日

12 》