AI采用 - HRTechChina.com - 向上的力量！

AI采用

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。

AI采用
2026年07月29日
AI采用

HR的影子AI行动指南：从隐蔽使用到负责任 AI 的组织能力建设 HRTech概述：影子AI （Shadow AI）正在成为企业的真实现状：员工早已在日常工作中使用 AI，但往往“不敢说、不敢公开”。这不是违规，而是组织真实需求的外露，是基层对效率的自主追求。影子 AI 暴露的是心理安全不足、工具体验落差，以及组织学习断裂。HR 的角色正在发生改变：不再只是制度执行者，而是 AI 文化的塑造者、心理安全的设计者、治理框架的共同构建者。四步框架——心理安全、显性化、白化机制、Responsible AI 建设——将帮助企业把“地下创新”转化为组织能力。谁能更早拥抱 Shadow AI，谁就能在下一轮 AI 浪潮中领先。一、当 AI 早已走进一线，却还停留在管理者PPT里在很多企业的管理层会议上，AI 依然是战略汇报中的一个章节，是技术团队路演中的一个亮点，是外部大会上反复出现的关键词；但在员工的真实日常工作中，AI 早已“悄悄上岗”。销售用 ChatGPT 改邮件、运营用生成式模型写文案、HR 自己也可能用 AI 写 JD、起绩效评语、梳理政策……只是，这一切往往都发生在“未报备、未批准、未纳管”的状态下。这就是所谓的 Shadow AI（影子 AI）：员工在未正式获批、未纳入官方工具体系的前提下，自行使用各类 AI 工具完成工作目标。现有研究与市场观察都在指向同一个事实：员工实际使用 AI 的比例，远高于企业管理层的认知。而且，越是高绩效、越接近业务一线的员工，越有动力去寻找更高效的工具，也越可能成为影子 AI 的重度用户。对 HR 管理者而言，Shadow AI 不仅是一个技术或安全问题，更是一个组织问题与文化问题。如果只是简单将其视为“违规操作”，采取封堵、禁用、隔离等手段，只会把本就隐蔽的使用推向更地下的角落，让企业既承担风险，又完全丧失学习机会。本指南的出发点，是从 HRTech 与组织文化的视角，帮助 HR 管理者把 Shadow AI 从“地下水”引向“有渠道的水利系统”，把分散、隐蔽的个体实验，转化为安全、可控、可持续的 Responsible AI（负责任 AI）能力。二、重新理解 Shadow AI：从“违规现象”到“欲望路径（Desire Path）” 如果从传统 IT 管理的视角，Shadow AI 与 Shadow IT 一样，是“未授权应用”，理应被列入风险清单。但如果我们转换视角，会看到另一层含义：Shadow AI 更像是校园里的“欲望小路（Desire Path）”——学校规划了标准道路，然而师生会按照自己的效率和习惯，踩出一条更加真实的路径；这条路径，往往比设计者想象的要合理得多。在企业中，Shadow AI 的出现，首先说明官方工具与流程无法完全满足一线需求。员工之所以绕过内部系统使用外部 AI 工具，往往不是为了规避规则，而是为了完成目标、节省时间，甚至是为了弥补现有系统的不足。其次，Shadow AI 折射出一种“不敢公开的创新”。许多员工其实已经在积累自己的提示词库、工作流模板和小型自动化流程，但出于对“被认为偷懒”“被质疑是否算自己的贡献”“被误读为岗位可被替代”的担心，他们选择不公开、不分享、不沉淀。换句话说，Shadow AI 是员工用脚投票之后留下的轨迹，是组织真实 AI 需求和真实效率突破的“热力地图”。如果企业只是从合规层面、技术控制层面去理解 Shadow AI，就会错过它作为“需求信号”和“创新线索”的价值。这也是 HR 需要主动介入的关键原因：如何将这种制度外的创新、隐蔽的效率实践，转化为可治理、可复制的组织能力。三、Shadow AI 暴露的三大管理缺口：心理安全、工具落差与学习断裂要把 Shadow AI 当成机会，首先要承认它是组织管理上的一面镜子。当前大量影子 AI 的存在，至少揭示了三类典型缺口。第一，AI 心理安全感缺失。员工不敢公开承认自己使用 AI，是因为在当前文化氛围下，“用 AI 完成工作”并未被正式定义为一种被鼓励的能力，反而可能被解读为“偷懒”“不够专业”，甚至被视为未来裁员时“可以被机器人替代”的证据。如果没有心理安全感，员工就不会主动说明“这里我用到了 AI”，更不会愿意把自己的 AI 工作流分享给组织，这直接阻断了企业学习的可能性。第二，官方工具与真实需求之间存在明显落差。很多企业已经在搭建内部大模型平台或 AI 助手，但常见问题包括响应缓慢、调用复杂、上下文受限、接入场景单一，甚至与员工日常使用的应用脱节。一线员工用外部 GPT 等工具可以在 30 秒完成的任务，内部工具可能需要数分钟甚至更长。一旦体验差距过大，Shadow AI 就几乎不可避免。第三，组织学习与治理机制断裂。当前不少企业对 AI 的管理仍停留在“政策下载”“使用禁令”“统一培训”的层面，缺少一个真正面向业务的、可持续的 AI 学习和治理循环：哪里出现了新的 AI 工作流，如何被发现、如何被评估、如何被白化（纳入官方）、如何被复制推广。结果是，员工的创造性实践被锁在个体层面，组织既看不到风险，也看不到机会。四、HR 在 Shadow AI 中的独特角色：文化定义者与行为架构师在 AI 治理的角色分工中，IT 负责技术护栏和安全架构，高管层负责战略方向与问责机制，而 HR 的核心职责在于“人”和“行为”。这意味着，HR 在 Shadow AI 问题上的角色，不是简单地转发 IT 的禁用公告，而是要通过文化、制度、激励与能力建设，把一个隐蔽、分散、个体化的现象，转化为公开的、可讨论的、可治理的集体实践。其一，HR 是 AI 心理安全感的主要设计者。心理安全感不是一句口号，而是涉及绩效评估逻辑、能力模型定义、晋升标准、沟通语境的一整套机制。HR 需要帮助管理层明确：使用 AI 是一种能力，不是作弊；公开分享 AI 使用经验，是一种贡献，而不是可疑行为。只有这样，员工才会相信“说真话是安全的”，AI 使用才能从影子状态走向阳光之下。其二，HR 是 AI 文化的塑造者。HR 可以引导企业从“工具导向”转向“文化导向”：与其问“我们有没有自己的大模型”，不如问“我们的员工能不能自然地把 AI 作为工作伙伴”。这种文化关乎是否鼓励尝试、是否允许试错、是否鼓励跨团队分享，以及是否把“AI 流畅性（AI Fluency）”写进人才画像与能力模型之中。其三，HR 是 AI 能力建设与治理框架的共同设计者。在岗位说明书、培训发展、人才盘点和组织发展项目中，HR 完全可以把“与 AI 协作的能力”“构建 AI 工作流的能力”“识别和审查 AI 输出风险的能力”作为新一代核心能力维度，并与 IT、安全、法务共同搭建 Responsible AI 的制度框架和教育体系。五、HR Shadow AI 行动框架：从察觉现象到建立负责任 AI 体系要从战略层面走向具体行动，HR 可以参考一个“四步式”行动框架：心理安全 → 显性化与分享 → 白化与护栏 → Responsible AI 体系化。第一步：建立 AI 心理安全感，明确“用 AI 是被鼓励的行为”HR 需要与高管层一起，向全公司发出清晰、统一的信息：在合理边界下使用 AI，是被鼓励的；在工作中说明自己使用了 AI，不会削弱对个人能力的认可；凡是能够证明 AI 使用为业务带来实质价值的案例，都可以成为正面的组织故事。这种信息不应停留在“口头安抚”，而要落实到绩效评估标准、KPI 设定、团队例会、内部沟通中，甚至体现在领导者自身的示范行为里。只有当员工真正相信“用 AI 和说明用 AI 都是安全的”，Shadow AI 才会从“要隐藏”的状态转向“可以讨论”的状态。第二步：建立 Shadow AI 显性化与分享机制，把个体经验变成组织资产当心理安全感初步建立后，HR 应主动设计可持续的分享机制。例如，设立跨部门 AI 使用经验分享会或内部“AI Demo Day”，开设专门的 Slack/飞书频道收集高效提示词与工作流，鼓励团队每季度提交一到两个“AI 提效案例”。同时，HR 可以配合设立激励机制，如“季度最佳 AI 工作流”“年度 AI 创新团队”等，以非物质荣誉与适度物质奖励相结合的方式，让员工知道：不仅可以公开，而且值得公开。在这一阶段，HR 的重点不在于立刻统一工具，而在于尽量全面地看见：哪些岗位、哪些业务场景、哪些流程已经自然地被 AI 改造；在哪些地方，Shadow AI 已经成为事实标准。这些信息会成为后续治理和产品化的坚实基础。第三步：与 IT 共建“白化机制”和技术护栏，从影子实践走向合规落地当大量 Shadow AI 使用场景被可视化之后，HR 应与 IT、安全、法务组成联合治理小组，对这些场景进行分级评估：哪些场景风险较低，可以通过简单规范直接纳入官方工具；哪些场景涉及敏感数据，需要通过技术手段（如脱敏、私有化部署、安全网关等）重构方案；哪些场景暂时不宜使用外部公共模型，需要专门设计替代路径。所谓“白化机制”，并不等同于“一刀切审批”，而是一个将影子实践纳入正式工具链与风控体系的过程。例如，将员工实践中最常用的提示词整理成组织级 Prompt Library，将高频工作流固化为一键调用的自动化模板，将临时性质的“复制粘贴+外部网站”操作替换为安全 API 或内部模型调用。HR 在此过程中的角色，是确保白化过程不压制真实需求，避免以管理的名义牺牲体验，从而促使员工再次转向影子路径。第四步：构建以 Responsible AI 为目标的治理体系，将 AI 融入人才与组织发展当显性化、白化和护栏搭建初步完成，组织就进入了 Responsible AI（负责任 AI）的建设阶段。此时，HR 需要协同其他关键职能，搭建一个长期可运行的治理体系，而不是一次性的专项项目。在制度层面，可以明确 AI 使用政策，包括可用场景、敏感数据边界、必须进行人工复核的情形、生成内容的署名与责任划分等；在能力层面，可以将 AI 相关能力写入岗位能力模型和晋升标准，将提示词能力、AI 判断能力、工作流设计能力、风险识别能力等，作为人才发展的新维度；在教育层面，可以设计分层培训体系：对所有员工提供基础 AI 素养课程，对管理者提供“AI 驱动团队”的领导力课程，对关键岗位提供场景化的深度训练。更进一步，HR 还可以推动将 AI 相关数据纳入组织诊断与人才盘点：例如，团队内部 AI 使用质量与频率是否与业务成效相关，哪些团队在 AI 采用上明显落后，哪些岗位的任务内容已经悄然改变，需要调整职位说明与绩效权重。这些工作会让 Responsible AI 不仅停留在“安全与合规”的层面，而真正延伸到“能力与竞争力”的层面。六、典型应用场景：从招聘到绩效，Shadow AI 如何转化为治理样板在具体实践中，HR 可以从几个典型场景入手，将 Shadow AI 转化为治理范例。在招聘领域，许多企业已经观察到候选人利用 AI 优化简历与面试回答，同样也有招聘团队使用 AI 来撰写 JD、筛选简历、生成面试问题。HR 可以先通过工作坊收集招聘团队真实使用 AI 的方式，识别其中哪些做法有助于提高效率与候选人体验，哪些做法可能带来偏见或不透明的风险。随后，通过明确政策与技术手段，构建一个既利用 AI 增效，又能保证公平与可解释性的招聘流程，并在内部公开这些标准，以减少阴影和猜忌。在绩效与评价场景中，部分管理者可能已经使用 AI 来草拟绩效评语或反馈。HR 不应简单禁止，而应明确：AI 可以作为辅助撰写工具，但不可以替代管理者的主观判断；最终的评语内容必须由管理者审核并承担责任。同时，HR 可以为管理者提供“如何借助 AI 写出更清晰、更具建设性的反馈”的培训，将 Shadow AI 使用引导到有益和规范的方向。在日常运营和知识管理中，员工可能已经在用 AI 整理会议纪要、编写操作手册、归纳流程和 FAQ。HR 完全可以将这些实践纳入知识管理体系：通过统一工具和流程，确保重要内容可以被沉淀、可被搜索、可被版本管理；同时，对不同类型内容设置清晰的访问与保密等级，避免知识资产流失或误用。七、从 Shadow AI 到 Responsible AI 的飞轮从 HR 的视角，Shadow AI 不是短期要消灭的现象，而是长期需要理解和引导的“地下创新能量”。一味压制，只会带来更隐蔽的使用与更高的不可控风险；积极引导，则可以形成一个健康的飞轮：员工自发实验 → 组织建立心理安全与分享机制 → 高价值实践被识别并白化 → 在治理框架下标准化与规模化 → 反馈到文化与能力体系 → 刺激下一轮更高质量的实践。在这一过程中，HR 的角色正在发生根本变化：不再只是制度的执行者，而是 AI 文化的设计者、AI 能力模型的定义者、跨职能治理框架的共同架构者。那些能够主动拥抱 Shadow AI、从中提炼出组织机会并搭建 Responsible AI 体系的 HR 团队，将为企业赢得的不只是效率，还有在下一轮技术周期中持续演进的能力。当我们不再只把 Shadow AI 看成“要被消灭的影子”，而是把它视为“正在书写中的真实 AI 采用路线图”，HR 才真正有机会站到 AI 治理的前台，成为组织转型的关键推动者，而不是被动跟随者。最后，HRTechChina在2024年就发起推动HR工作中实践负责任AI的倡议（简称RAIHR），我们呼吁所有的人力资源行业同仁一同参与，共同构建和推广RAIHR的理念，RAIHR框架包含六个关键方面：透明性、公平性、隐私性、安全性、道德性和持续性。我们倡议每一位HR专业人士在其企业内部积极主导RAIHR的实施，并鼓励HR科技产品的开发和使用都围绕这一框架展开，以实现真正的可持续发展！我们更相信RAIHR是所有参与者和倡导者的未来关键竞争优势。 Responsible AI in HR（RAIHR） Responsible AI in HR（RAIHR）是指在HR实践中的AI应用遵循高标准的道德和透明性原则，确保AI决策过程公开、可审查，并且对所有利益相关者公正无偏。这包括在招聘、员工发展、绩效管理等HR功能中，AI技术的使用既促进了工作效率，也增强了员工的工作体验和满意度。

AI采用
2025年12月07日
AI采用

2026人力资源领域的十大趋势：从 AI 采用到“代理型转型” HRTech概述：HRTechChina每年都会聚合整理全球各个专家、媒体发布的新趋势，供大家参考，2026年的趋势是什么？你怎么看，欢迎一起讨论交流！关注HRTechChina 大家都在谈 AI 与人力资源，但 2026 年的焦点不再只是“工具”，而是——自治系统、被激发的人，以及可衡量的动能。来自 Gartner、Mercer、麦肯锡和德勤的多份研究报告都指向同一个结论：我们正进入“代理型人力资源（Agentic HR）”时代——智能系统不再只是辅助决策，而是与我们并肩行动、共同执行。以下是未来即将到来的十大发展趋势，以及希望保持领先的领导者应如何应对。从“AI 采用”到“代理型运营模式” AI 助手已经是去年的话题。根据德勤预测，到 2028 年，三分之一的企业应用程序将支持“自驱动代理（self-driving agents）”，能够以极少的人类干预来感知、决策与行动。新的北极星指标将是 RoA（自主回报率，Return on Autonomy） —— 衡量人机协作在速度、信任与价值上的释放。 CHRO 从政策执行者转变为价值架构师 Gartner 2026 年调查显示，CHRO 不再优化流程，而是重新设计“工作如何创造价值”。AI 正在接管事务性任务，而 HR 的新使命，是构建一个让人类目标、数据与技术高度契合的生态系统。技能也许是新的操作系统，但“动机”才是能源 Mercer 称“技能智能（skills intelligence）”是新的组织操作系统。确实，岗位正在逐渐消融，取而代之的是基于技能的灵活团队。但技能只能说明“人能做什么”，而动机才揭示“人为什么去做”。下一个进化方向不只是技能智能，而是动机智能（Motivational Intelligence™）。当企业将工作与员工内在驱动力相匹配，不只是重组团队，而是点燃组织的持续动能。未来的人力资源，不是“基于技能”，而是“由动机驱动”。战略性劳动力规划终于走向成熟麦肯锡的 HR Monitor 显示，多数公司仍停留在“人数规划”阶段，而非“能力规划”。2026 年将成为分水岭——能否利用 AI 预测技能缺口、驱动因素与业务结果，将决定企业的竞争层级。人机信任将成为新的商业指标德勤《代理型企业（Agentic Enterprise）》报告指出：自主性若缺乏信任，终将失败。我们将看到“政策即代码（policy-as-code）”、AI 审计，以及“监护型代理（guardian agents）”等机制，用以监督其他代理。AI 治理与透明度，将决定其能否真正被采纳。经理效能被重新定义随着 AI 自动化行政工作，管理者将重新成为“教练”。Mercer 预测，这一转变将要求全新能力：同理心、数据素养，以及 AI 导师支持下的持续反馈机制。职业成长取代薪酬，成为留才关键麦肯锡与 Work Institute 的研究均显示：员工离职并非因为薪酬，而是因为“停滞”。2026 年，能够让职业发展可视化、个性化、持续化的企业，将赢得人才。员工体验 = 行为改变 Gartner 指出，HR 投资的回报不在于技术采用，而在于员工行为的改变。换句话说，关键不是工具，而是“动能”。平台整合与代理层叠多平台碎片化的时代即将结束。未来属于互联平台，以及能跨系统运行的 AI 层。多代理协同（multi-agent orchestration）将推动实时教练、洞察与执行，助力企业规模化运营。变革管理进化为“变革运营” 变革将不再是事件，而是一项长期能力。它是一种“持续运转的肌肉”，通过沟通、试验与信任构建而成。德勤发现，当前仅有 44% 的员工支持重大组织变革——这一比例将决定谁能突破、谁将停滞。结语：进入“代理型HR”的新时代 2026 不只是又一个“转型之年”，而是新纪元的开端： AI 不取代人类，而是放大人类潜能；领导者不再管理流程，而是设计生态系统；成长不再是季度指标，而是每日实践。对于那些在构建未来的 HR 者来说——现在正是从试点走向实践的时刻：让参与转化为能量，让数据变为决策，让动机驱动可衡量的绩效。这正是 Claro Mentor 的使命：帮助企业结合 AI 与人类动机，实现持续成长，而非条件成长。思考提问在这 10 大趋势中，哪一个将对你所在的组织产生最大的影响？作者：斯玛达尔·塔德莫尔 Claro-AI Mentor 首席执行官兼联合创始人

AI采用
2025年11月02日
AI采用

2025年全球员工体验五大主要趋势简而言之： Qualtrics的2025年员工体验趋势报告强调了现代职场中信任、技术和人才的相互关系，并列举了影响未来员工体验的五大主要趋势：你可以点击这里下载《员工体验趋势报告》， 1. 减少工作混乱报告指出，2025年最佳雇主将通过减少不必要的负担来提升员工生产力。虽然员工的适应力很强，但工作环境的复杂性不断增加。关键在于创建一个文化，帮助员工理解组织变革对他们工作的影响，并为其提供适应变化的支持。 2. 年轻员工乐观，但存在保留挑战 18至24岁的年轻员工是最乐观的群体，他们对未来充满信心，认为可以在组织内实现职业目标。但报告指出，虽然他们的参与度高，但组织很难留住这些年轻员工。对他们的职业发展和成长的投资是保留他们的关键。 3. 员工的入职和离职体验正在损害整体体验研究发现，入职和离职阶段的体验在全球范围内表现不佳。虽然入职体验有所提升，但候选人体验和离职体验仍存在较大问题，未能超出员工预期。组织需要特别关注这些关键时刻，才能改善品牌形象。 4. 短期收益的优先考虑削弱了长期信任报告指出，许多领导者专注于短期业绩而忽视了员工的长期信任。这种缺乏信任感会导致员工参与度下降、生产力降低。信任是员工体验的核心，领导者需要通过展现能力、诚信和对员工福利的关心来建立信任。 5. 员工对AI使用超出预期 45%的员工每天或每周使用AI工具，许多人主动找到并使用这些工具。然而，报告指出，尽管AI能显著提高生产力，但组织往往缺乏对员工进行AI工具的培训和指导。未来的重点应放在通过AI提高工作质量，而不仅仅是增加产出。这些趋势反映了未来职场中员工体验管理的关键挑战和机遇，尤其是在技术和信任关系的背景下。如今的员工希望重新投入工作。根据 Qualtrics 第六份年度《员工体验趋势报告》，经过多年混乱的工作场所变化，混合工作安排和跨不同平台跟踪多个项目，员工们渴望更简单、更高效的朝九晚五工作。该报告借鉴了来自全球 23 个国家/地区的 35,000 多名员工的见解。 2025 年的五大员工体验趋势是： 2025 年的最佳雇主将使工作变得不那么混乱：变化的步伐给员工带来压力，他们需要组织支持才能保持参与度并维持幸福感。年轻员工（令人惊讶地）乐观......就目前而言： 25 岁以下的员工参与度很高，对公司的成功以及自己的职业生涯持积极态度。员工体验因入职和离职而被破坏：员工将申请和面试过程评为员工旅程中最糟糕的部分，这会损害公司声誉。优先考虑短期利益会让你失去长期信任：虽然大多数员工相信高层领导的能力和正直，但只有 56% 的人认为他们会优先考虑员工福祉而不是短期利益。你的员工在人工智能方面超越了你：只有大约一半的员工表示他们接受过有关在工作中使用人工智能的培训和道德准则。 2025 年最佳雇主将让工作更轻松在工作场所快速变化的背景下，当雇主的文化和流程赋予员工权力并使其工作更轻松时，员工的敬业度会更高。持续改进的文化是员工福祉的最强预测因素，但它却是全球员工中评分最低的指标之一。近 40% 的员工表示，他们感到提高工作效率的压力。这种压力主要来自于努力跟上变化的步伐，以及整体经济环境和业务战略变化。当员工感到压力时，他们的参与度会降低，幸福感也会受到影响。生产力压力对员工结果的影响领导者可以通过帮助员工理解并适应变化来缓解这种压力——事实上，这是超出员工期望的最佳行动之一。 Qualtrics首席职场心理学家Benjamin Granger博士表示：“在过去几年中，我们发现，当员工为自己对客户的影响感到自豪，并在适应变化方面得到支持时，他们的投入度和福祉最高。人类在适应变化方面表现出色，只要他们能得到支持。如果组织希望履行员工与雇主之间的新心理契约，必须提供更多的组织支持和沟通，以应对增加的生产压力。” 年轻员工出乎意料地乐观 25岁以下的员工为工作带来了高度参与和乐观的能量。他们希望推动变化，对公司的未来以及个人职业生涯持有积极的展望。然而，年轻员工在长期留任意图上落后于年长一代，即使他们认为雇主超出了他们的期望。这可能与年轻人的灵活性有关，特别是在生活和职业变化方面。为了留住这一宝贵的年轻员工群体，领导者可以优先关注以下方面： 18-24岁员工的留任驱动因素：在公司能实现我的职业目标员工福利符合我的需求管理者行为与公司价值观一致相信公司的价值观与管理者进行有意义的职业发展讨论 Granger指出：“当领导者接受年轻员工懒惰、娇惯或不投入的刻板印象时，他们对组织造成了损害。摧毁年轻员工带来的乐观态度无助于生产力，而他们的乐观情绪是可以轻易培育的，从而激发创造力和创新。” 入职和离职破坏了员工体验新员工在入职的前六个月内没有长期留任的打算。超过一半的新员工（56%）计划在三年内离开公司，而有较长工龄的员工中只有34%有此打算。为什么？因为公司在员工入职前的求职体验就已经挫伤了他们的士气。事实上，候选人体验在员工旅程中的各个阶段中评分最低，包括入职、内部角色变更或申请晋升。在员工离开公司的那一刻，离职体验也同样不佳。虽然离职员工不再活跃于公司，但他们的最后印象可能会成为他们回顾整个员工体验的镜头。 Granger说：“公司往往忽视潜在和前员工对公司声誉的影响，忽视这些体验会让公司承担不必要的风险。那些投资于首次和最终印象的公司将在未来吸引到更多人才，甚至一些拥有更高技能和经验的回归员工。” 优先考虑短期收益正在削弱长期信任尽管超过三分之二的员工相信他们的高层领导既有能力又符合组织的价值观，但只有56%的员工相信领导会将员工的福祉置于短期收益之上。 Granger总结：“信任是将员工与组织紧密联系在一起的粘合剂，但在动荡和不确定的时期，赢得和保持信任变得更加困难。” 员工在AI方面已经领先员工在AI采用方面已经超越了他们的雇主，然而企业在AI支持方面滞后。近一半的员工表示，他们的公司没有提供AI相关的培训和启用支持，或者他们并不清楚公司是否有明确的AI指南、伦理或原则。与此同时，近三分之一的员工正在使用自己找到的AI工具，而不是公司提供的工具。这意味着这些工具很可能没有经过IT或安全团队的审核，可能没有为保护公司或客户数据的安全设置保障措施。近一半（45%）的员工表示，他们每天或每周都在使用AI，而那些定期使用AI的员工，对AI在工作中的潜力持更积极的态度。 Granger指出：“尽管公司未明确支持AI，但员工对使用AI的意愿和准备度正在迅速上升。这给员工、客户和公司带来了显著风险。许多员工已经在寻找机会通过AI增强工作能力，组织领导层最好主动提供经过批准的工具和明确的指导方针，才能在享受这些技术带来的好处的同时避免公司或客户面临风险。” 这份报告不仅揭示了全球员工在面对快速变化的工作环境中的实际感受，还为领导者提供了在未来如何更好地支持员工的行动方向。 HRTechChina每年都会聚合新的一年人力资源发展趋势，2025年的趋势是什么？我们一起来看看各家如何预测！2025年趋势专题地址是：http://hrnext.cn/8dK4a3 可以收藏保存，我们会不断更新全球各地的预测，与你分享，决不可错过!

AI采用
2024年10月18日