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 adoption
2025年12月07日
AI adoption
黄仁勋震怒背后：英伟达经理要求“减少 AI 使用”的矛盾与未来组织文化之争HRTech概述：英伟达 CEO 黄仁勋在全体员工大会上得知公司内部部分经理要求团队“减少使用 AI 工具”后，当场表达震怒。这一情绪并非情绪化反应，而是揭示了英伟达内部关于“AI 应该在多大程度上改变工作方式”的深层矛盾。作为全球最依赖 AI 红利的公司，英伟达本应在内部全面拥抱 AI。然而部分经理却要求降低 AI 使用比例，这背后反映出几大典型的组织阻力。
在英伟达（NVIDIA）最近的一次全员大会上，一段罕见的内部对话成为硅谷最引人关注的话题。据多位参会员工透露，当 CEO 黄仁勋得知公司内部竟然出现“部分经理要求团队减少使用 AI 工具”时，他当场表达了强烈不满，语气之直接和震动程度，都远超他以往的公开讲话风格。
他在台上反问道：“Some managers are telling their people to use less AI. Are you insane？”这句“你疯了吗？”不仅体现了他的震怒，也反映了这家引领全球 AI 浪潮的公司内部，正在经历一场深层次的组织文化冲突。
事实上，这次讲话不仅是一场情绪释放，而是一场明确的内部战略宣示。黄仁勋随即提出了英伟达未来必须执行的 AI 落地“四项内部要求”，这些要求将直接影响组织的工作方式、管理结构和文化方向。
他首先强调，AI 必须融入所有工作场景，成为默认工作方法，而不是实验性工具。英伟达内部全面采用自动化，包括工程、文档、市场、行政、运营等部门。他甚至使用了强硬字句：“I want to automate every task which can be automated with AI.”这意味着任何仍沿用“人工流程优先”的团队，都将被视为阻碍创新。
其次，他指出 AI 不完美不是拒绝使用的理由，而是英伟达员工参与改进的必要动力。、他要求团队在不成熟的情况下就开始尝试，并通过使用反馈推动工具完善。“Use it until it works”被视为一种责任，而不是压力。
第三，他将矛头明确指向管理层，强调管理者的角色不再是流程维护者，而是团队 AI 转型的推动者。如果经理阻碍或限制 AI，他认为这“本质上偏离了公司的方向”，也会影响管理绩效。
最后，他提出了英伟达未来的标准工作模式——“AI-first, Human-verified”。过去几十年的工作流程都是先由人工产出，再由技术辅助，但未来英伟达要求所有团队反转顺序：AI 生成初稿，人类进行验证与提升。
然而，一个问题随之而来：为什么连英伟达内部会出现“减少 AI 使用”的指令？原因并不神秘，而是所有科技公司在转型过程中都会遇到的组织现实。部分经理担心 AI 工具不够稳定或准确，可能影响产出质量；有些担忧团队技能差异导致结果不可控；更多的顾虑则来自安全与保密压力——英伟达的许多业务涉及敏感数据与技术细节，管理层会对全新的工具保持天然谨慎。
同时，大型公司长年形成的流程惯性也让团队更倾向于沿用熟悉的方式而不是快速变革。
然而，真正的矛盾并不在技术层面，而在组织文化层面。英伟达的增长速度极快，而内部的流程与文化能否匹配这种速度，将决定公司能否继续在 AI 时代保持领先。黄仁勋的震怒，是对这种文化滞后的直接反应。他需要的不仅仅是技术领先，更是一个敢于全面拥抱 AI 的组织。而限制 AI 使用的管理行为，在他看来，实质上是在削弱公司未来的竞争力。
英伟达的这场内部冲突，其象征意义已远超公司本身。它揭示了一个普遍真相：技术革命的难点，不在技术，而在组织。无论企业规模多大、技术多先进，只要涉及流程重构与权力结构变化，就一定会遇到中层阻力与文化惯性。黄仁勋的反击，展示了一个科技巨头在 AI 时代试图重塑自身的决心，也为整个行业提供了一个重要参照。
在自动化和 AI 渗透越来越深的时代，每一家企业都将面对类似的挑战：该如何推动员工真正使用 AI？如何处理中层对变革的焦虑？如何让组织结构适应全新的生产方式？更关键的是，当 AI 生成内容成为工作默认方式时，团队的能力模型、考核方式和协作方式又将如何重塑？
英伟达这场风波只是开端，却已经提出了一个足够深刻的问题：当最懂 AI 的公司都必须直面内部的犹豫与阻力时，其他组织又该如何迎接即将到来的自动化时代？
AI adoption
2025年11月27日
AI adoption
微软最新方法论：用 AI 重塑组织，迈向前沿企业（Frontier Firm）HRTech概述：微软发布全新《Becoming a Frontier Firm》框架，系统总结其 AI 转型经验，提出五大关键洞察：让知识工作可见化、明确风险边界、构建合适的 AI 工具组合、重塑角色与组织结构、建立持续实验文化。微软指出，AI 转型不是简单引入工具，而是对工作方式、流程与组织能力的全面重构。
在实践路径上，微软提供三条可复制模式：角色加速、流程重塑和 AI 原生孵化。从提升单个角色的效率，到重塑端到端流程，再到从零构建 AI 驱动的新型团队结构，为企业提供了不同层级的落地方案。AI 将成为组织竞争力的基础能力。迈向前沿企业，需要技术、流程与人的协同演进。微软的方法论，为企业提供了一个清晰可执行的转型路线图。
视频解读关注视频号：HRTech
微软万字报告揭秘：未来企业如何用AI重塑一切？这三大法则你必须知道
当前，企业界正普遍面临一个严峻的AI挑战：许多公司都在进行各种AI实验，但很少有公司能将这些零散的AI活动，转化为可衡量的、实实在在的业务影响。太多项目陷入了“试点炼狱”（pilot purgatory），最终只留下一堆“看起来很酷但无法扩展、无法落地、也无足轻重的演示”（shiny demos that don't scale, don't stick, and don't matter）。
为了应对这一挑战，微软提出了一个全新的组织模式——“前沿企业”（Frontier Firm）。这是一种由人领导、由智能体（Agent）运营的组织，它们像购买电力一样购买智能，并像滚雪球般让其价值复利增长（human-led, agent-operated organizations that buy intelligence like electricity... and compound it like interest）。这不仅是一个概念，更是企业驾驭AI浪潮的最终答案。
本文将从微软的深度报告中，为您提炼出最具冲击力和参考价值的三大核心法则，以及三种可落地的行动路径，帮助您理解如何将AI从“试点项目”真正转变为企业发展的核心引擎。
微软的分析揭示，“前沿企业”之所以能脱颖而出，并非依赖于其技术堆栈，而是源于其对三大基础运营法则的严格遵守。
法则一：让“看不见”的工作“看得见” (Make the Invisible Visible)
知识型工作（Knowledge work）长期以来都面临一个根本性难题：它难以被观察、衡量和改进。你无法像观察流水线一样，去观察一个人如何谈判合同，或起草一份产品发布策略，因为真正的行动发生在无形的思维和沟通之中。而一个简单却深刻的道理是：你无法改造你看不见的东西。
这正是AI转型的起点。微软劳动力转型企业副总裁Katy George指出：
“用AI进行重塑，起点并非技术，而是理解人们实际的工作方式。你无法改造你看不见的东西。” (Redesigning with AI doesn’t begin with technology. It begins with understanding how people actually work. You can’t transform what you can’t see.)
“前沿企业”解决这个问题的核心方法论，就是将工作“可见化”。通过采用“生命中的一天/一周”（day-in-the-life/week-in-the-life）研究、现场观察（Gemba walks）、用户画像地图（persona mapping）、流程挖掘（process mining）、价值流图（value stream mapping）和持续改善（Kaizen）等方法，企业可以清晰地描绘出工作流程的每一步，揭示隐藏的瓶颈、延迟和交接点，从而找到AI可以发挥最大作用的具体机会。
例如，金融运营平台Ramp通过追踪其财务流程中的每一个交接环节，发现许多微小的延迟在不知不觉中累积成了巨大的时间成本。在定位了这些问题后，他们部署了AI智能体来自动匹配收据和复核审批。最终，Ramp每月能处理500万张收据，节省了整整30,000个工时，并以创纪录的速度完成账目结算。
法则二：AI不是“外挂”，而是“基础设施” (AI as Core Infrastructure)
许多公司对待AI的态度，更像是一场“创新戏剧”（innovation theater）——将其作为公关稿和投资者电话会议上的展示品。相比之下，“前沿企业”则将AI视为与电力、网络同等重要的核心基础设施，并将其深度嵌入到核心业务流程之中。
这种思维上的根本转变，意味着企业思考的问题从“我们可以在哪里增加一些自动化？”转变为“我们如何围绕AI来重新设计工作？”。只有这样，企业才能真正开始利用AI实现复合式回报，加速业务周期，并发现全新的能力。
微软提出的实践方法是“设计合适的AI解决方案集”，即根据具体的业务需求，灵活地组合使用无代码、低代码和专业代码的工具，确保技术与业务目标精准匹配。
以LinkedIn为例，他们正在重塑整个产品开发流程，让AI成为日常工作密不可分的一部分。他们将一个名为“Mae”的内部AI智能体嵌入到开发工作流中，该智能体能自动修复超过三分之一的开发者构建问题。在这种模式下，AI不再是一个需要单独打开的“外挂”工具，而开发人员也能承担起从研究、设计到编码、测试的更广泛职责，最终结果是交付速度的大幅提升和一种由AI驱动业务表现的文化。
法则三：抵达“前沿”不是终点，而是一种实践 (The Frontier is a Practice)
AI转型没有终点线。“前沿企业”永远处于“公测版”（perpetual beta）状态，它们将每一个现有流程都视为一个等待验证的假设，并将每一次改进都视为下一次创新的燃料。
这一原则是如此基础，以至于它构成了微软分析的核心论点：
“前沿企业不会将AI简单地叠加在现有工作之上；它们从根基上重新思考工作的完成方式。” (Frontier Firms don't layer AI on top of existing work; they rethink how work gets done from the foundation up.)
这种“持续实验的文化”并非无序的、随意的尝试。它恰恰需要结构化的实验、可靠的衡量指标和严格的治理体系，以确保创新是负责任且风险可控的。团队需要系统地学习如何设计、运行和评估实验，将好奇心转化为指数级的价值。
例如，一家金融服务机构在转型过程中，首先由CEO设定了“利用AI改善客户服务”的明确目标。随后，团队绘制了核心服务流程的每一步，并重新定义了初级和高级员工的角色。这完美体现了“由人领导、由智能体运营”的原则：AI智能体处理前期的资料分析（“智能体运营”），从而将资深专家解放出来，专注于运用判断力、同理心和战略洞察力来领导客户沟通（“由人领导”）。整个过程通过培训和激励机制来推动，并以一种“展示你的工作”（show your work）的开放方式进行追踪，确保了清晰的步骤和明确的责任。
实战手册：微软给出的三种行动路径
在理解了上述三大法则之后，企业需要具体的行动路径来将理念付诸实践。微软在其自身的转型探索中，总结出了三种可供其他公司参考的落地方法。
路径一：加速个人角色 (Accelerate Personas)
方法解释： 这种方法专注于组织内的特定角色（如销售、公关、财务分析师），通过为他们配备定制化的Copilot和智能体，将优秀员工的AI使用技巧和工作流程规模化，从而整体提升该角色的绩效。其战略意义在于，它将AI的成功从一场“个人赛”转变为一场“团体赛”。
实例：微软公关部（Microsoft Communications） 他们通过为公关专业人士绘制“一天的工作”，发现了重复性高且耗时的任务。随后，团队开发了定制化的“公关Copilot”（Communications Copilot），它能够自动化处理撰写社交媒体帖子、创作故事初稿和生成FAQ等日常任务。同时，团队还在探索使用“研究员智能体”（Researcher agent）来自动生成媒体简报。这些举措让团队能将更多精力聚焦于更具战略性的核心工作，显著提升了效率和影响力。
路径二：重塑工作流程 (Reinvent Workflows)
方法解释： 这种方法着眼于整个端到端的业务流程（如财务预测、客户支持），利用AI来重新设计整个流程，以大幅减少时间消耗、资源浪费和人力投入。
实例：微软财务部（Microsoft Finance） 财务部领导层首先确定了六个对业务至关重要的核心工作流程。然后，他们将这种自上而下的战略优先级，与来自一线员工自下而上的创新想法相结合。通过公民开发者和专业IT团队的协作，他们在关键节点上构建并实施了AI解决方案。最终，公司实现了更快的财务预测、更短的合规处理时间，并达成了收入增长速度超过员工人数增长的优异成果。
路径三：培育AI原生孵化 (Cultivate AI-first Incubation)
方法解释： 这种方法最为彻底，它采用一种“零基重设”（zero-based redesign）的思路。它由一个专家团队从零开始，以AI为核心，彻底重新设计一种全新的工作方式、团队结构和业务流程。
实例：微软行业解决方案工程部（Microsoft Industry Solutions Engineering） 为了加速交付为客户定制的解决方案，该部门创建了名为“萤火虫小队”（firefly squads）的敏捷团队。这些由资深专家组成的小组拥有端到端的项目所有权，他们采用一种实验驱动的模式，利用模块化模式和AI生成的参考解决方案进行快速原型设计和代码复用，并借助GitHub Copilot智能体加速开发。这种AI原生的工作方式，最终为客户带来了成本的降低、满意度的提升，并显著缩短了特定项目的交付周期。
成为“前沿企业”的旅程，不是一次简单的技术升级，而是一场深刻的业务转型。通过坚守这三大法则——让工作可见以摆脱猜测，将AI作为核心基础设施以摆脱“创新戏剧”，以及拥抱永续的实验实践以摆脱停滞——企业才能最终挣脱“试点炼狱”的束缚，真正开启价值创造的征程。
AI变革的核心，不在于引进了多少工具，而在于我们是否敢于从根本上重新思考“工作”本身。
问题不在于AI是否会重塑你的公司——它已经在这样做了。真正的问题是，你将带领你的组织脱颖而出，还是让别人来定义未来的可能性？
附录：
《Becoming a Frontier Firm》
下载地址：https://www.hrtechchina.com/Resources/B3172FC0-35E3-6E17-CA66-EA98CD61E3E6.html
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 adoption
2025年11月02日
AI adoption
员工体验平台的演进：推动 AI 转型的关键引擎员工体验平台（EXP）正在成为企业 AI 转型的关键基础设施。EXP 不再只是HR工具，而是推动组织学习、透明沟通和员工赋能的核心平台。研究提出五大战略：以人为本、自下而上、持续学习、透明沟通和实时优化。案例包括 Microsoft 的 HR AI 转型、ASOS 的 AI 自动化、Clifford Chance 的法律文书 AI 起草。EXP 赋能组织实现敏捷变革和AI落地。
AI 正在快速改变职场——不仅是技术，更是组织文化与工作方式的深刻变革。
人工智能（AI）的广泛应用为生产力、效率和业务增长带来了前所未有的机遇。然而，AI 转型并不仅仅意味着“部署新技术”，它实际上深刻地重塑了员工体验，影响着组织文化、团队协作方式与工作流程。
在这一转型过程中，员工体验平台（Employee Experience Platform，简称 EXP） 正逐渐从传统的 HR 工具，演进为推动企业成功实施 AI 的关键引擎。EXP 不再只是一个用于请假或查政策的门户，而是集成沟通、学习、协作、数据与自动化的智能化平台，帮助组织推动 AI 采纳、提升员工准备度，并确保 AI 真正带来业务价值。
员工体验平台的演进
EXP 的初始功能主要是处理事务性流程，如请假申请、薪资查询等。但如今，随着 AI 技术的发展，EXP 已演变为智能化的交互中心，集成以下核心功能：
跨系统的员工沟通与协作
提供关于 AI 使用和员工情绪的实时洞察
支持个性化的学习与技能建设
自动化重复任务，让员工专注于更有价值的工作
同时，得益于 AI Agent 的融入，如今的 EXP 变得更易使用，员工可通过自然语言与系统交互，实现跨系统流程操作，无需再进入多个事务性系统。
因此，EXP 不再是“可有可无”的系统，而是 企业 AI 成功转型的关键基础设施。
企业 AI 转型案例
我们调研了三家具有代表性的公司，探讨他们在 AI 转型中如何借助 EXP 实现落地与成效：
1. ASOS（线上时尚零售）
部署 Microsoft Copilot 与 Microsoft Viva 赋能多业务部门
用 AI 驱动 HR 案例处理工具，提升服务效率
通过自助服务门户精简事务流程
用自定义 AI bot 自动完成可持续认证流程
成果：员工生产力提升、参与度增强、AI 无缝落地
2. Microsoft（打造 AI 驱动的 HR 部门）
通过 Viva 学习模块开展 AI 培训
自助 HR 工具增强员工支持体验
实时分析 AI 使用情况，持续优化策略
成果：HR 效率显著提升，数千名 HR 领导参与 AI 社群
3. Clifford Chance（国际律所）
用 AI 起草法律文件，为律师提供初稿
借助 AI 语言工具跨越法律语境差异
利用 AI 管理法律知识，快速找出相关案例
成果：文书效率提升、知识共享加速、决策更精准
AI 转型的敏捷性要求
与传统变革不同，AI 推广不是一次性事件，而是一个 持续试验、迭代和适应的过程。因此，企业需具备“变革敏捷性”（Change Agility），用灵活的机制推动员工学习和组织协同。
借助 EXP 实现 AI 成功的五大战略
我们总结出五个成功企业在 AI 转型过程中普遍遵循的策略，而 EXP 是支撑这些策略实施的核心平台：
1. 以人为本与目标导向（Focus on People and Purpose）
AI 的导入需与组织使命、价值观和员工需求保持一致。EXP 可确保所有 AI 工具围绕员工体验设计，提升参与度、工作效率和福祉。
📌 案例：Microsoft HR 借助 Viva Amplify 定制 AI 推广内容，让 HR 团队及时获取战略沟通信息，确保 AI 项目与业务目标保持一致。
2. 采用自下而上的迭代方法（Bottom-Up, Iterative Approach）
AI 转型不能靠高层指令推动，而应依赖一线员工的反馈与试验。EXP 通过实时反馈与学习机制，让员工在实际工作中试用、迭代与优化 AI 工具。
📌 案例：ASOS 借助 Viva 社区功能发起“Work Smarter”活动，员工可在平台上公开交流 AI 使用案例，形成知识共享文化。
3. 鼓励透明沟通与试验精神（Transparent Communication and Experimentation）
员工需要明确知道 AI 工具的使用场景、目的与风险，才能建立信任并积极参与。EXP 提供结构化、公开的试验机制，确保过程透明。
📌 案例：Clifford Chance 在 Microsoft Viva 中嵌入 AI 工作流程，员工可以实时测试 AI 辅助起草功能，同时了解其运行逻辑。
4. 推动持续学习与技能建设（Continuous Learning and Skill-Building）
员工必须掌握 AI 基本素养，才能有效融入 AI 工具。EXP 提供基于角色定制的学习路径，支持技能升级与长期成长。
📌 案例：Clifford Chance 借助 Viva Learning 培训员工 prompt 工程、AI 素养与数据分析技能，为 AI 工具的使用打下基础。
5. 实现实时度量与持续优化（Real-Time Measurement and Improvement）
与传统 IT 项目不同，AI 推广必须持续监测并快速调整策略。EXP 提供实时分析能力，帮助企业追踪员工情绪、生产力与 AI 使用情况。
📌 案例：Microsoft HR 借助 Viva Insights 实时追踪 AI 使用频率、员工负荷减轻情况与情绪变化，以便动态调整 AI 战略。
HR 在 AI 转型中的新角色
在 AI 重构工作的过程中，HR 部门不再只是支持者，而是：
主导员工技能升级与再培训
协助重塑岗位定义与工作流程
在 HR、IT 与业务之间架起 AI 战略桥梁
落实负责任 AI 政策，确保 AI 应用符合伦理与企业文化
HR 将在未来的 AI 时代中扮演 “战略引导者 + 管理变革催化者” 的核心角色。
行动建议与未来展望
企业若想在 AI 转型中取得成功，应当：
✅ 采用“变革敏捷”思维，持续学习、实时迭代
✅ 建立 AI 驱动的员工体验平台，支持流程与文化融合
✅ 打破 HR、IT、业务之间的壁垒，实现跨部门协同
✅ 实施实时度量机制，根据反馈不断优化 AI 战略
EXP 已成为企业迈入 AI 未来的基础设施。
AI 将持续重塑职场，但决定 AI 成败的关键并非技术本身，而是组织是否能让员工真正拥抱 AI、用好 AI。
EXP 不再只是一个 HR 工具，而是打造学习型组织、推动信任建设和灵活变革的“中枢神经系统”。企业若想在 AI 驱动的时代中保持竞争力，就必须把员工体验放在战略核心位置。
作者：Kathi Enderes | 全球研究与行业分析高级副总裁 | Josh Bersin Company
AI adoption
2025年07月20日
AI adoption
Josh Bersin谈为什么关于 AI 会毁掉工作和人类的恐慌被严重夸大HRTech 概述：Josh Bersin驳斥了关于AI将摧毁就业、削弱人类价值的广泛担忧。他指出，尽管AI发展迅猛，但多数企业目前仍处在AI转型的初期阶段，仅10%不到的公司真正实现了深度集成。以Galileo平台为例，Bersin强调，AI实际上正在释放员工的创造力，催生所谓的“超级员工”（Superworker），提升个人与组织的生产力，而非简单替代工作。
文章列举了多个行业和场景中的AI应用情况，包括Chipotle、H&M和中东地区的大型航空公司，均处于流程重构与工具探索阶段。Bersin认为，AI的使用反而创造了更多管理与优化工作的机会，从而使人类在工作中向更高层次的创造与决策迈进。他还指出AI目前仍缺乏情感、同理心、历史理解与人类的复杂动机系统，未来的企业创新仍依赖于人类独有的智慧与精神力量。
他呼吁业界抛弃AI恐慌，聚焦于学习如何善用AI这项工具。AI不会毁掉工作，而是会重塑工作，为未来几十年的职业发展提供新的路径。
详情阅读：
Josh Bersin说自己常被那些盛行的夸张文章和评论惊讶——说 AI 会毁掉就业市场、网络或我们的生活。尤瓦尔·赫拉利（Yuval Noah Harari）认为这是对人类的“存在性”变革。马克·贝尼奥夫（Mark Benioff）宣称，Salesforce 30–50% 的运营现在由 AI 完成。媒体如 The Verge（Nilay Patel）担心所有谷歌的网页流量将消失。
虽然没有人能预测未来，但我每个月都与数百家公司对话，每周与至少 5 家软件厂商会面，所以对现状有较清晰了解。正如我在《超级员工的崛起》中所述，上述很多恐惧其实都没有根据。相反，我坚信 AI 工具和平台将激发个人创造力、业务增长与创新，并由此创造许多岗位、提高工资、改善我们的职场与企业运营。
第一，所谓白领工作将被全面淘汰，目前还没发生
确实，招聘有些疲软，但主要原因是 IT 预算上涨 62%，CEO 正推动业务领导“采用” AI。这种推动效应减缓了招聘速度，几乎所有公司都在思考如何通过自动化重组岗位与职责。
我每天与高级 HR 领导交流，得到的反馈一致：CEO 与 CFO 已下达命令，“别招人了，赶快上 AI”。因此，招聘预算被冻结。
这种推动虽有道理，但很多东西尚未落地，因为像 MS Copilot、SAP Joule、ChatGPT 这样的现成工具，还不够贴合业务流程。目前尚不明确哪些岗位将被改变、哪些常规工作可以被淘汰，也不知道该买或做什么 AI 产品。
以我的 AI 转型四阶段模型为例，我估计当前有 60% 的企业处于阶段 1，30% 处于阶段 2，仅有不到 10% 达到阶段 3（在各业务职能中差异较大）。例如 Chipotle 在招聘中应用 Paradox 到第 3 阶段，H&M 应用 Maki People 也如此，我们自己的 HR Academy 已通过 Galileo Learn 达到阶段 3。
但总体来看，销售自动化、潜在客户生成（我现在每天都会收到许多“Agent”发来的垃圾邮件）、合同管理、营销（我们的 HubSpot 系统并不像想象中智能）、采购、应收账款等领域，AI 还没成熟。这正在到来，但还远远不到成熟阶段。
我希望在贝尼奥夫下次财报电话会上，他能具体说明到底节省了多少钱，并列出那“50% 岗位”。我怀疑他会这样做。根据 LinkedIn 数据，Salesforce 的自然营收增长约 8%，员工人数增长 4%，看起来只是略微提高了效率，不像贝尼奥夫所言那样夸张。
所以，这些承诺确实在未来几年内会兑现，但当前企业级落地仍有 1–2 年的开发周期。
例如上周，我在中东与一家大型航空公司会面，他们的 HR 团队刚开始做流程再造。虽然愿景逐渐明朗，但他们意识到所需产品目前尚未到位。他们正在做设计，并寻找合适的 AI 解决方案。
这就是为什么我认为大部分企业的 AI 转型将主要依赖内部构建，并联动供应商。我们已无法再用“买 Workday 然后启动”的方式实现自动化——AI agent 将高度可配置，公司必须清晰知道自己需要什么。
它会来……但现在还根本没到那一步。
第二，每一个 AI Agent 都创造了大量新工作
例如我们 Galileo 的 Agent 已有超过 4,000 人启用，它们发现自己有更多“新工作”需要做（如数据查找、流程清理等），因为那些重复、枯燥的工作被 AI 接管了。这就是“超级员工”效应。
就像买电吹风：叶子不会消失，你也不会扔掉扫帚。它只是让你吹叶子的速度快了 10 倍，但接下来你还得收拾、打包、放上路边回收。现在回收公司获得了更多叶子，你还可以修剪灌木（另一个机器人岗位），电吹风公司也赚更多钱。
换句话说，自动化一个任务，会推动我们从事更高价值的事情；越来越多时间会被用于管理这些工具（学习 prompt、找到高质量数据、不断迭代、培训、确保安全）。
本周我看到一个新的 AI 工具，它做 FP&A（财务、预算、计划与管理），每家公司都需要这种工具。旧系统人工处理简直是噩梦。这个新系统将其财务、CRM、HRMS 数据合在一起，自动发现利润缺口、进度滞后和预算超支。原来这要我和 CFO 手动处理几个小时。
这种超级员工效应正在进行中：美国目前失业率仍很低（4.2%），正如我在上一篇关于初级岗位的文章里说明的，工作市场虽有波动，但白领工作将在几十年内继续存在。我们只处在转型期。
我猜想当初互联网兴起（1998 年左右），人们预测“书本”会消失、零售门店会消失。但现实恰恰相反：作家和零售者进化为使用和借助网络。27 年后，我们建立了 Substack、混合电子商务、移动点餐等商业模式，推动图书出版反而繁荣。
写书依然值得，但很多作者更愿透过 Substack 建立受众，而不是被亚马逊“绑架”。超现实吧？这就是“超级员工”效应。一旦你意识到你会看到它无处不在。
这种关于我们工作、职业、生活的“创造性重塑”只会加速。我告诉客户：你们都是开发者！只要用英语（或本语）学习如何“编程与自动化”你的工作、生活与企业。
第三，AI 并不像 AI 工程师认为的那般“智能”
虽说大家痴迷于 AI 超智能和通用人工智能（GAI），但人类基因组比 AI 的高级数学复杂 1,000 倍。我们的基因组是数百万年进化的产物，因此人类擅长“感知、创造、情感与不可预测性”。
70 万亿种蛋白质组成为我们 DNA，每个细胞类型不同。这些 DNA 编码了千万年的学习、进化、环境与经验，有些科学家认为它近乎无限。拜托 Nvidia，不要拿它跟人比。
人类的这些“人类技能”：感知力、同理心、创造力、雄心、激情、毅力、创新力，在 AI 中都找不到。但 AI 是个非常强大的分析引擎，肯定会从经验中学习。
比如 Meta 刚宣布“超级智能实验室”，说到底是为了卖广告（也许还想做“恋爱机器人”）。它的业务由广告驱动，我懒得相信它会彻底改变我们的行业。除了让广告更精准（比如“焦虑中年女性”的广告），我没看到它能改变商业。
另一方面，我对“物理 AI”非常感兴趣——涉及物理、光、动量等方面，比如自动车辆、类人机器人和军用用途。我在中东看到了 Boston Dynamics 的一组爬行机器人网络，用于监测与保障石化厂的安全——非常让人毛骨悚然。
今天我在健身时跟教练聊起那些可以清理 100 磅杠铃的机器人。早年我在炼厂工作时，有一年硫化物泄漏杀死了一名操作工，那次惨剧绝对值得投资数百万来部署机器人监测系统。我猜现在很多化工厂、核电厂都在用这种机器人。我曾在核电站实习时，电厂工作人员总说“别靠那个阀门太近，因为那里有辐射”，但你看不见、感觉不到东西！
所以 AI 有成千上万惊人的用途，但这并不意味着自动驾驶汽车或炼厂机器人可以“感知”或“理解”道路、工厂或天气中的微妙差异。当然随着时间编码这些信号，但人类适应能力更强，我们将始终“超越”这些机器。
第四，是人类创造了新思想、新业务与新工业
再强调：是人类想出新的商业模式、创新、产品与服务，将价值带给世界。如果 AI 这么“聪明”，它为何不会自己成立公司？🙂
每一个突破性产品、科学发现、企业或创意，都是来自人的智慧。我们从出生起就是“学习动物”，具备生存、本能、恐惧、学习、ego、同理心、耐心、宽恕与胜利等复杂能力，正是这些特质造就了 Apple、Microsoft、Nike、Disney 等公司。每一个伟大的企业背后都有一个（或几个人）的主意，他们填补了市场空白。
AI 时代，我们终将迎来一套自动化 agent。买一个机器人，开启它，用它完成日常工作听上去挺诱人（我们用了几天就自动化了编辑与转录流程）。但推动我们的业务转向“智能 HR 与人才体系”的想法，是人类的主意，是我脑海中孕育的概念，是由我们的管理团队与合作伙伴策划打造的。
在压力之下，人类智慧大放异彩：看看乌克兰军队的创造力；看看我们如何迅速应对疫情；看看慢性病或某些残疾患者如何学会应对。这种人类智慧中蕴含神秘，我们拥有历史智能、道德标准。正如英国首席拉比 Jonathan Sacks 在他的经典著作中所言。这就是我所谓的“人类精神之不灭力量”。
每当我在客户面前讲述此类故事时，我感受到人类的创造力如何被激发。AI 并没有这种历史智能或时间因果关系。就如我与 Galileo 合作伙伴 Sana 的 CTO 探讨，他也认可 AI 不具备对历史及因果变化的真正理解。我会进一步与科学家们交流，但仍相信人类在学习与适应上远远领先于任何数据系统。
底线：我们的工作与生活是安全的
最后的结论是，也是我想传达的核心：AI 是工具。我们可以构建它，也可以教它做我们想要的事。如果我们不加控制，它或许会伤害我们（正如割草机或电锯），但是否使用取决于我们这群高级智慧人类。学习它、理解它、驾驭它，用它改善我们的工作、企业与生活——那就没错了。
生活会继续，经济仍由情感驱动，商业仍由人类的灵感、激情、毅力与努力推动。
AI adoption
AI adoption
AI adoption
AI adoption
AI adoption
AI adoption
AI adoption
AI adoption
AI adoption
AI adoption
扫一扫 加微信
hrtechchina
