-
AI
【美国】AI原生第三方健康保险管理平台Nara Health获得1400万美元预种子轮与种子轮融资，旨在通过AI重塑健康保险行业
HRTech概述：美国AI原生第三方健康保险管理平台Nara Health宣布完成 1400 万美元预种子轮与种子轮融资。当前美国企业员工医保普遍存在成本高昂、理赔流程繁琐、员工就医体验差、保险利用率低等痛点。Nara Health 依托 AI 技术整合福利管理、理赔、医疗协调与会员支持全流程，通过创新健康计划设计，帮助企业大幅削减员工医疗福利开支，同时显著提升员工就医与保险服务体验，其实践也为 HRTech 员工健康福利赛道带来新的变革思路。
Nara Health 是一家从零开始重构健康保险的 AI 原生第三方管理平台，公司宣布完成由 Khosla Ventures 领投、Long Journey Ventures 和 Superior Studios 参与，并有其他投资者和天使投资人跟投的预种子轮和种子轮融资，总融资额达 1400 万美元。
行业痛点：美国企业员工医保体系成本高、体验差、利用率低
每年有 1.7 亿美国人通过工作获得医疗保险，但其中大多数人难以真正利用这些保险。去年，家庭平均保费为 27,000 美元，导致近半数有保险的美国人因无力承担费用而完全放弃就医。尽管雇主每年为每位员工在健康福利上花费数万美元，但美国的医疗体验依然缓慢、令人困惑且被动，依赖于人工流程和分散的软件系统 —— 这些系统用于审核文书、处理理赔，当患者致电咨询保险范围时，却只能让他们在电话中苦等。
核心解法：AI 原生平台重构医保模式，降本提质双向赋能
Nara Health 正通过部署人工智能来重塑健康保险的未来，打造历史上从未实现过的个性化健康计划，让人们以最优价格、零摩擦地获得合适的医疗服务。替代性健康计划设计，如与医疗服务提供商直接签约、现金支付、参考定价以及直接初级保健，不仅能将雇主在医疗保健方面的支出降低 15% 或更多，还能为员工提供更清晰的定价和更便捷的就医途径。对雇主而言，这意味着以更低的成本获得更优质的福利，简化行政流程，并提高成本可预测性和现金流管理效率。
创始团队视角：打通保险与医疗壁垒，破解行业核心症结
“我从各个角度观察过医疗保健行业，从设计医院和医疗服务模式，到为医院系统和保险公司开发人工智能产品，再到从我妻子作为住院医生的视角。我一再目睹的是，我们的医疗服务一直受到保险覆盖范围的限制 —— 这种情况绝不应该发生，”Nara Health 联合创始人兼首席执行官Sidhartha Sinha表示。“Nara Health 的诞生正是为了同步解决保险覆盖与医疗服务的问题。通过将福利管理、理赔处理、医疗协调及会员支持整合到一个智能平台中，Nara Health 不仅帮助雇主降低医疗成本，还让员工能够更便捷地获取并使用其福利。”
落地成果：数据验证降本增效，极致优化员工医保体验
Nara Health 的平台拥有超过 25,000 名参保人，迄今为止该公司已处理了超过 6 亿美元的理赔。在雇主方面，与雇主上一年度的医疗计划相比，Nara Health 已帮助雇主医疗计划将成本降低了 50% 以上。与一般的健康保险管理体验不同，Nara Health 会员的来电平均 5 秒内即可接通，且预授权审批可在当天完成，而行业标准通常需要 3 至 5 天。
客户实践：企业落地验证，福利成本大幅下降、员工体验升级
“我们希望找到一家充满干劲、技术领先的第三方管理机构（TPA）合作伙伴，既能应对新挑战，又能扎实做好基础工作，”Advanced Medical Pricing Solutions 首席执行官Matt Brow表示。“这正是我们在 Nara Health 身上看到的特质。在我们的定额资助计划续保费率上涨 27% 之后，我们果断转向了自保模式。实施八个月以来，我们的福利成本同比下降了 55%，同时会员体验也得到了提升。Nara Health 的医疗协调服务是帮助我们的会员更快获得恰当医疗服务的关键。”
技术壁垒：实时数据整合，全链路打通员工医保服务旅程
Nara Health 堪称每项健康计划的 “空中交通管制系统”。通过将创新的计划设计与当日理赔裁决、现金支付以及基于人工智能的会员体验等技术相结合，Nara 正在从根本上改变人们获取和支付医疗服务的方式。尽管大多数第三方管理机构仅能获取反映 60 多天前情况的理赔数据，但 Nara Health 的主动式护理协调平台能够以高速和大规模整合近实时及历史信号，包括医疗理赔、处方信息、电子病历，以及会员通过电话、短信和电子邮件进行的互动。由于 Nara Health 全面掌控从计划设计到医疗导航的整个会员旅程，从健康问题出现的那一刻起，直至医疗服务安排并完成，整个体验始终保持连贯一致。
资本视角：临床 + 技术双重能力，构筑行业差异化核心优势
“雇主健康计划数十年来一直在吸收成本上涨的压力，却缺乏真正有效的机制来遏制其背后的定价机制，”Khosla Ventures 创始合伙人兼董事总经理萨米尔・考尔（Samir Kaul）表示。“西德（Sid）和他的团队既具备临床专业能力，能精准识别资金浪费的环节，又拥有深厚的技术功底，能够真正重构决定资金流向的系统。这种结合实属罕见 —— 大多数团队往往只具备其中之一，而 Nara Health 却兼具两者。”
关于 Nara Health
Nara Health 是一家以人工智能为核心的第三方管理机构（TPA），致力于重塑健康保险的未来。公司通过将福利管理、理赔处理、医疗协调及会员支持整合到一个智能平台中，帮助雇主降低医疗保健成本，并为员工提供更简便的福利获取和使用方式。Nara Health 由西达尔塔・辛哈（Sidhartha Sinha）创立，获得了科斯拉风投（Khosla Ventures）、Long Journey Ventures、Superior Studios 及其他投资者和天使投资人的支持。
HRTech视角
从HRTech行业发展趋势来看，Nara Health的融资与落地实践，标志着企业员工健康福利管理正式迈入AI智能化、全链路数字化、成本可控化的全新阶段。传统企业医保TPA模式普遍存在系统分散、流程人工化、数据滞后、成本高企、员工服务体验差等痛点，长期困扰企业HR福利管理工作。而Nara Health以AI技术为核心底座，打破了福利管理、理赔审批、医疗服务、会员支持的模块壁垒，依托实时数据整合能力重构员工医保服务全旅程，既解决了企业端福利成本居高不下、管理低效的核心难题，大幅优化企业人力福利预算与运营效率，又从员工端改善了福利感知与就医体验，真正实现企业福利投入价值最大化。这一模式也为HRTech行业的员工健康福利赛道提供了全新范式，证明智能化技术不再是简单的流程工具升级，而是能够重构企业福利体系、平衡企业成本与员工体验的核心驱动力，未来，AI深度赋能的精细化、数字化员工健康管理，将成为企业人力资源数字化转型的重要刚需赛道。
-
AI
超越招聘：以技能底座重构企业劳动力规划
HRTech概述：传统以岗位为中心的人力规划模式，已难以适配技术与业务的双重加速迭代。文章指出，企业人才管理的深层症结并非人才供给不足，而是技能可见度的缺失 —— 组织对岗位的了解远超对员工真实能力资产的掌握。由此，人才管理需要从 "为未来岗位招聘" 转向 "打造面向未来的人才队伍"，依托统一的技能底座，打通能力盘点、人才发展、内部人才市场与 HR 职能协同。本文结合当下趋势，系统阐述这一范式转移的内在逻辑、落地路径与组织价值。
一、劳动力规划的旧范式：正在失效的岗位中心主义
多年来，劳动力规划长期停留在相对静态、以岗位为中心的操作模式：识别岗位需求、依据 JD 招聘匹配人才、岗位失效后再做人员替换。这套逻辑暗含两个前提假设：岗位是相对稳定的基本单元，且能力可以稳定映射到岗位之上。然而，两个前提正在同时瓦解。
技术迭代周期持续压缩，岗位职责的演变速度已远超岗位说明书的更新频率。过去被视为专业壁垒的能力 —— 数据分析、流程自动化、AI 工具应用 —— 正快速走向普惠化，岗位边界愈发模糊。在这种环境下，企业过往的常规解法是持续向外招聘补齐新兴能力缺口。但这一路径存在双重失效：外部专业人才引进成本居高不下，且外包只能解决单点能力补充，无法回答更深层的组织命题 —— 企业能否持续盘活内部人才存量，动态调整现有员工的能力定位。
这正是行业共识发生转向的底层原因：人才管理的重心，正从 "为未来岗位招聘" 升级为 "打造面向未来的人才队伍"。二者存在本质差异：招聘只能扩充人头规模，而组织的应变能力，必须依靠体系化的人才能力建设来沉淀。
二、核心痛点：技能可见度缺失，而非人才供给不足
当前最大的认知误区，是把劳动力瓶颈归咎于人才供给。真实症结恰恰相反 —— 问题不在于缺乏人才，而在于技能可见度不足。这也是劳动力就绪度（workforce readiness）长期难以落地的根本障碍。
企业往往对组织架构、岗位编制、汇报关系了然于心，却看不清员工真实的能力资产。传统组织架构图仅服务于 HR 厘清层级与编制，无法呈现能力的动态分布：谁的数据分析能力在持续成长？谁已掌握 AI 工具落地能力？谁具备可迁移的潜在领导力？又有哪些员工经过定向培养，能承接新业务角色？技能信息的黑箱化，直接催生了人才错配。
由此产生一个代价高昂的隐性循环：当业务提出新能力需求时，由于缺乏现有技能库与业务能力需求之间的匹配机制，企业往往直接启动外部招聘 —— 即便组织内部早已具备对应能力储备，也会因技能不可见而重复对外寻才。这是典型的 "组织的健忘症"：资产在场，却无人识得。
三、新一代人才管理范式：技能供给与业务需求的结构性对齐
破解上述困局，需要一套截然不同的提问方式。新一代人才管理范式的核心，是系统回答三个问题：我们当下拥有哪些技能？未来业务需要哪些技能？二者之间的能力缺口在哪里？
这三问构成的正是组织技能供需之间的结构性错配分析。它把劳动力规划从 "经验判断" 推向 "数据驱动"，也把人才决策的颗粒度从 "岗位" 下沉到 "技能" 这一更细、更动态、更可操作的单元。技能由此成为贯穿招聘、学习、绩效、职业发展的统一语言。
四、从单点培训项目，转向业务对齐的能力建设
基于技能的人才发展，早已不能局限于传统课程目录。学习平台只能告诉员工 "可以学什么"，却无法回答 "业务需要你掌握什么"" 这项能力对业务与职业机会意味着什么 "。人才发展的真正杠杆，在于与业务转型方向的深度绑定。
以 AI 落地为例：企业在客户流程中引入 AI，仅安排工具通识培训远远不够。客服人员需要掌握 AI 辅助下的全新作业流程；管理者要学会解读 AI 产出的绩效指标；运营管理层则需具备流程重构与 AI 治理能力。对应的学习资源必须围绕业务场景打包设计，而非简单堆叠 "AI 培训课程"。
这意味着组织需要建立三层清晰视图：转型所需能力的拆解、现有技能基线的盘点、高潜力培养对象的识别，并据此设计工作场景融合的学习路径。唯有如此，人才发展投入才能从 "有课程" 走向 "有价值"。
五、内部人才流动：从人才管理副产品到组织战略杠杆
面向未来的人才队伍，不止于员工持续学习，更关键在于技能能够在组织内部实现流动复用。新兴岗位所需能力，往往与现有员工已掌握的技能高度关联：运营专员可迁移流程与分析能力至数据岗位；市场人员的用户洞察可复用至产品战略；技术专家的知识储备可适配 AI 治理等新兴岗位。
一旦忽略这种技能关联性识别，组织就会持续 "舍近求远"，在外部寻找本就藏于内部的优秀人才。这既是效率损失，更是组织资产的流失。
因此，基于技能的劳动力规划，正与内部人才市场（internal talent marketplace）深度耦合。它的目标并非精准预判员工未来的职业终点，而是把潜在的成长路径显性化、可触达。这一转变同样重塑员工体验：人才发展不再是被动接受按需培训，而是主动掌握能够打开新机会的核心能力 —— 这正是雇主价值主张（EVP）与留存策略的关键一环。
六、落地路径：从业务场景出发的四步方法
构建面向未来的人才队伍，应当从真实业务场景切入，而非依赖泛化的未来技能清单。可循的四步路径如下。
第一步，识别战略变革点。HR 与业务负责人共同识别将重塑工作方式的关键变化：新技术落地、客户模式迭代、自动化改造、市场扩张、监管政策调整等。
第二步，将变革转化为能力。把业务变革拆解为具体的组织能力要求，明确 "能力变化" 而非 "岗位变化"。
第三步，建立技能基线。通过技能评估、管理者反馈、项目履历、资格认证，并叠加日趋成熟的技能智能（Skills Intelligence）工具完成盘点。需要强调的是，不必追求构建 100% 完美的员工能力数据库，核心目标是实现足够的技能透明度，足以支撑劳动力战略决策。
第四步，分类制定缺口补齐策略。明确哪些能力内部培养、哪些优先外部招聘、哪些依托外部协作。必须破除一个教条：技能再培训并非万能方案。对高度专业、紧急稀缺的能力，外部引入反而更具效率优势。
七、HR 职能的重构：从孤立模块到技能底座的联动体系
这一变革对 HR 职能提出了全新期望。劳动力规划、学习发展、招聘、绩效、职业发展不再是彼此孤立的模块，而是通过统一的技能框架形成联动体系。
面向未来的劳动力战略，本质是四层匹配的闭环：业务目标匹配所需能力、能力需求匹配现有员工技能、人才发展方案匹配能力缺口、组织人才部署匹配业务落地节奏，最终构建弹性的人才管理体系。
由此，HR 的思考视角发生根本转换 —— 从 "这个岗位需要多少编制"，转向 "我们需要哪些核心技能？这些技能当前分布在哪些员工身上？如何高效填补能力缺口？" 这背后，是 HR 从行政事务执行者向战略能力运营者（talent capability operator）的角色跃迁。
八、结语：人才优势的本质是组织自适应能力
未来的人才竞争，不属于能够预判所有新岗位与新技术的企业，而属于具备组织自适应能力的企业。能够动态感知能力需求变化、摸清内部人才资产、定向培养关键能力、将人才部署到价值最高场景的组织，才能在持续波动的商业环境中占据主动。
打造面向未来的人才队伍，不是让员工去适配一套固定的远期蓝图，而是让组织随时保有迎接下一轮变革的能力储备。
结合当下 HRTech 趋势的能力建设落点
在当下 HRTech 演进浪潮中，技能智能、内部人才市场、生成式 AI 正在成为落地基于技能劳动力规划的核心基础设施。技术不再只是 HR 的自动化工具，而是打通技能盘点、能力缺口分析、个性化学习推荐与内部人才匹配的数据底座，正在打破传统岗位体系带来的信息孤岛。
值得关注的三条技术主线：其一，AI 驱动的技能图谱自动构建，让技能盘点的颗粒度与更新频率大幅提升；其二，内部人才市场的智能匹配，将技能关联性从人工判断推向算法推荐；其三，以技能为中心的个性化学习路径，将人才发展与业务需求实时对齐。
从静态编制规划走向动态能力运营，是人力资源数字化转型的核心主线。企业借助 HRTech 工具实现技能资产可视化，才能真正释放内部人才潜力，把劳动力就绪度从理念转化为持续驱动业务转型的组织能力。
技术理念的落地离不开真实行业实践的碰撞。如果希望围绕 HR 科技获取一手落地案例、开展同行深度交流、搭建专业人脉连接，关注 9 月 17 日深圳 HR 科技年度论坛・What's Next。本次活动面向企业 HR、HR 科技机构从业者，以线下论坛的形式集中研讨人才管理现存痛点、企业落地实践经验以及行业下一步发展趋势。欢迎报名参与 9 月 17 日深圳 HR 科技年度论坛，与众多企业 HR、行业专家及生态伙伴面对面交流。
-
AI
【澳大利亚】劳动管理平台Tanda获得一笔战略增长投资，以推动全球劳动力管理创新
HRTech概述：Thoma Bravo 对面向轮班制员工的劳动力管理平台 Tanda 完成一笔战略增长投资，交易条款未予披露。这家成立 14 年、此前完全自筹资金的公司，首次引入外部投资者，资金将用于产品创新、AI 发展规划及新市场拓展。Tanda 服务全球酒店、零售、快餐、医疗保健等一线行业约 8,000 家企业，联合创始人将继续作为主要股东领导公司。
全球最大的专注于软件领域的投资公司 Thoma Bravo 宣布对 Tanda 进行一笔战略增长投资。Tanda 是一家面向轮班制员工的领先劳动力管理、薪资和人力资源平台。此次投资将支持 Tanda 持续进行产品创新，包括其人工智能发展规划及向新市场的拓展。Tanda 的联合创始人将继续作为主要股东并领导公司，Jake Phillpot 将继续担任首席执行官。交易条款未予披露。
服务 8000 家轮班制企业，单一代码库整合全流程
Tanda 是面向轮班制雇主的劳动力管理领域市场领导者，为全球酒店、零售、快餐、医疗保健及其他一线行业的约 8,000 家企业提供服务。其集成式劳动力管理平台将员工招聘、入职、排班、考勤、总工资计算和薪资发放整合到单一代码库中。这一原生构建的产品套件，使雇主能够在复杂且监管严格的市场中管理合规性，并确保员工获得准确薪酬。Tanda 的平台赢得数千家组织的信赖，为全球一些要求最严苛的一线企业的日常运营提供支持。
CEO：14 年自筹资金，首次引入外部投资者
"引入投资者对 Tanda 来说是一个非常重要的决定，"Tanda 联合创始人兼首席执行官杰克・菲利普特（Jake Phillpot）表示。"自 14 年前成立以来，我们一直是一家自筹资金、没有外部资本支持的公司。这个最初源于我们大学时期作为室友时的一个想法，如今已发展成为一家全球性企业，而我们是在不走捷径的情况下将其打造起来的。通过不懈努力，我们拥有了市场领先的产品、不断增长的市场份额以及巨大的发展空间。我们认为，现在正是引入首位投资者的合适时机。"
CEO：创始团队不变，目标成为全球领导者
"Thoma Bravo 作为我们的财务合作伙伴，是理所当然的选择，" 菲利普特继续说道。"他们对软件有着非凡的理解，数十年来一直致力于帮助像我们这样的公司实现规模扩张，并且与我们对 Tanda 未来发展的愿景不谋而合。通过与全球首屈一指的软件投资机构合作，我们致力于成为该领域的全球领导者。最重要的是，Tanda 最宝贵的特质不会改变 —— 创始团队仍将每天到岗工作，我们仍将执着于如何为客户打造更优质的产品。"
投资人：打造 AI 原生的劳动力管理解决方案
"准确管理和计算员工薪酬是所有雇主的根本义务，但这仍然是一个普遍存在的挑战，特别是对于拥有轮班制员工的企业而言，"Thoma Bravo 合伙人卡尔・普雷斯（Carl Press）表示。"雇主们对那些无法满足其复杂需求、并使他们面临运营和法律风险的零散旧系统感到沮丧。杰克及其联合创始人发现了这一问题，并从零开始打造了 Tanda，在每一项产品决策中都将客户及其员工置于核心位置。通过这种方式，他们为成为轮班制经济中最具权威的 AI 原生劳动力管理解决方案奠定了基础。我们非常激动能帮助他们开启加速增长与创新的新篇章。"
投资人：市场领导＋客户忠诚＋产品为先
"Tanda 具备我们投资所看重的所有要素：市场领导地位、高度忠诚的客户群，以及一支拥有深厚行业专业知识、以产品为先的创始团队，"Thoma Bravo 合伙人亚当・基纳尔斯基（Adam Kinalski）表示。"杰克及其联合创始人打造了一家难得一见的企业，既实现了产品与市场的高度契合，又具备卓越的运营执行力。我们很高兴能与他们携手，共同致力于将 Tanda 打造为面向轮班制雇主的劳动力管理和薪资软件领域的全球标准。"
交易顾问
Barrenjoey Advisory Pty Ltd 担任 Tanda 的财务顾问，SBA Law 担任法律顾问。Piper Sandler & Co. 担任 Thoma Bravo 的独家财务顾问，Kirkland & Ellis LLP 和 Allens 担任法律顾问。
关于 Thoma Bravo
Thoma Bravo 是全球最大的专注于软件领域的投资公司，截至 2026 年 6 月 30 日，其管理资产规模约为 1,700 亿美元。其私募股权和私募信贷平台体现了专注的投资策略，依托严谨的执行力、深厚的行业专业知识以及领导层的稳定性。在过去 20 多年里，Thoma Bravo 已收购或投资了约 600 家软件和科技公司，总企业价值超 3,250 亿美元（包括控股和非控股投资，以及后续收购）。
关于 Tanda
Tanda 成立于 2012 年，总部位于澳大利亚布里斯班，在国际上以 [Workforce.com](https://Workforce.com) 为名运营，是一家面向拥有轮班制和计时制员工的企业的一体化薪资、人力资源及劳动力管理系统。Tanda 的平台将排班、考勤、集体协议解读、合规管理、薪资核算和人力资源入职等功能整合到一个系统中，帮助酒店、零售、医疗保健及其他一线行业的雇主高效安排班次并准确支付员工薪资。该公司为澳大利亚、北美、英国和东南亚的数千家客户提供服务。
HRTech视角
Thoma Bravo 出手 Tanda，释放的信号清晰：一线轮班制劳动力管理正从 "排班考勤工具" 升级为 AI 原生的战略级赛道。与白领 HR 软件不同，这个市场以复杂排班、集体协议解读、薪酬合规和数千家高黏性企业客户为壁垒，过去长期依赖零散旧系统 —— 集成平台与 AI 正是缺口所在。当全球最大的软件投资机构押注 "轮班制经济中最具权威的 AI 原生劳动力管理解决方案"，也印证了行业共识：AI 正从 HR 的辅助工具，变成一线劳动力运营的基础设施。
而 Tanda 从 14 年自筹资金到获得顶级软件资本加持，也提醒所有 HR 科技机构一个朴素道理：被目标客户 "准确看见" 是规模化增长的起点 —— 产品再强，也需要进入企业 HR 的视野与选择清单。希望让更多企业 HR 准确了解你的产品与服务能力？HR 科技机构可免费入驻 HR 科技云图，通过机构资料提交完善行业展示、连接目标用户，并进入相关内容、图谱、活动或合作场景。提交机构资料，申请加入 HR 科技云图：https://www.mapofhrtech.com/Register/join/
-
AI
从"救火"到"预判"：AI驱动下，HR正从被动响应走向前瞻规划
HRTech概述：当 HR 长期扮演 "消防队" 角色、只在问题爆发后才被动补位，组织正为这种滞后付出越来越高的代价。本文拆解预测性劳动力规划这一新范式：如何将劳动力数据、AI 与业务预测结合，提前预判技能缺口；AI 在需求建模、流失预警、技能缺口分析中的三重应用；以及数据治理、试点先行等落地路径与常见误区。核心结论一句话：面向未来的人才规划，算的不是人头账，而是技能账。
人力资源部门长期以来一直被视为公司的 “消防队”。当一名经理辞职、关键团队突然闲置，或是需求激增导致需要招聘新员工时，人力资源部门便会负责处理岗位配置、预算安排、合规问题，并解决由此暴露出的任何人才难题。
这就是 “被动式人力资源管理” 的写照：只有在问题显现后，才会做出关于劳动力队伍的决策。然而，随着经济的不确定性、技术的飞速发展、技能需求的不断变化以及员工期望的转变，等待技能缺口出现所带来的成本正在迅速攀升。基于职位空缺进行的人员编制规划和招聘并非真正的劳动力规划；作为对职位空缺的反应而进行的人员编制规划和招聘，也并非真正的劳动力规划。
还有另一种方法：预测性劳动力规划。通过整合劳动力信息、人工智能和业务预测，组织能够预判未来所需的技能，而非被动应对当前缺乏的技能。现有人力资源将转变为一种可分析、可预见的资产，可以加以磨练、提升，并与企业的长期目标紧密结合。
突破被动应对的陷阱
受限于被动的人力资源管理与其所依据的数据密切相关。历史流动率、招聘周期、离职面谈以及年度人员编制预算，这些数据仅反映组织中已经发生的情况。它们虽能提供一些背景信息，但对未来预测的参考价值有限。
预测性人力规划不仅基于历史数据和信号，还基于预测性数据。影响市场的条件、员工情绪、业务增长预测、技能趋势、劳动力供应情况以及其他领先指标均可纳入规划流程。组织不再仅仅关注短期岗位填补或即将到来的预算，而是能够展望未来几年的人员需求。
这改变了人力资源部门处理人才问题的方式。在人才短缺开始影响业务时，人力资源部门才会采取预防性措施。而预测性规划旨在在人才短缺发生之前就发现其迹象。重点也从 “招聘周期” 和 “每名雇员招聘成本” 转向了 “人才价值”、“技能持久性”、“高素质劳动力” 和 “业务就绪度”。
如果缺乏前瞻性，企业可能会陷入代价高昂的困境。可能突然出现技术人才短缺，导致无法按时完成项目或推动公司发展；随后会出现招聘潮，最终不得不进行重组。通过预测性规划，招聘、培养和留任将转变为持续的预测活动，从而缓解这种波动。
AI 如何提升预测性劳动力规划与人力资源决策
AI 正助力加速这一转型，因为它能够从海量数据中识别出人工难以追踪的趋势。但 AI 对人力资源的重要性不仅限于自动化行政任务。它还能帮助组织洞察因业务环境变化而产生的未来劳动力需求。
AI 的应用方式多种多样，其中最主要的一种是多维度劳动力需求建模。虽然参考部门负责人的预估是一种方法，但机器学习模型会综合考虑产品和销售管道、预期收入、扩张计划、劳动力市场、经济指标以及季节性或监管变化等因素，而非仅依赖部门负责人对明年人员编制需求的预估。整合这些信号的能力，有助于更准确地预测何时、何地以及哪些技能将最为紧缺。
人工智能还可用于辅助流失风险分析。传统的人力资源流程通常在员工决定离职后才启动。预测模型能够识别出预示员工流失风险较高的模式，例如：薪酬水平从高于、低于或与市场预期持平的状态发生转变的时间点；最近晋升群体中缺乏晋升机会；组织人事变动；员工职业发展；以及对工作场所的投入度变化等。如果使用得当，这些信号不能作为判断员工何时离职的决定性因素。它们只是能提前提醒人力资源部门，可能需要采取其他支持、发展或留任措施。
一个关键转变是从人员编制规划转向技能缺口分析。职位名称并不能准确反映员工的技能水平。人工智能不仅能够评估公司内部可能出现技能缺口的位置，还能将当前的技能组合与未来的业务需求进行匹配。例如，一家计划在两年内涉足分布式账本技术（DLT）领域的金融服务公司，可以利用基于技能的模型来确定公司需要掌握哪些技能，才能朝着正确的方向迈进。随后，领导层可以选择在组织内部培养这些技能、招聘具备相关技能的人才，或者寻求外部帮助来获取这些技能。
前瞻性规划的经济效益
预测性劳动力规划的优势远不止于提升人力资源效率。在招聘流程的早期阶段就对人才需求有更深入的洞察，可以最大限度地减少对临时用工方案和招聘机构的临时依赖。六个月或十二个月的规划周期，能让组织在人才短缺出现之前，有更多时间培养内部人才并建立候选人储备渠道。
预测性规划还能保障企业正常运转。对于计算机软件开发、医疗保健和高科技制造等行业的岗位，关键职位的空缺可能会导致项目停滞、限制生产能力，或对收入产生负面影响。识别可能出现短缺的关键需求，能使组织提前培养接班人、从内部提拔或外部招聘，从而防止该特定职位成为业绩瓶颈。
它还有潜力优化资本配置。对于新市场开拓、新产品、新技术或扩张项目，高管们希望了解组织是否具备交付能力。劳动力预测将人才需求置于更广泛的财务和战略规划讨论中，而非将其视为下游的人力资源问题。
组织常犯的错误
预测性人力规划的核心不在于技术，而在于人。切勿将其误认为又一款软件应用。
即使购买了配备人工智能技术的人力资本管理（HCM）平台，并将其与分散或过时的数据关联起来，组织仍会发现其预测结果有误。
任何预测性规划的有效性，取决于其所依据的数据和业务背景。人力资源数据应与财务及 ERP 解决方案、销售周期、产品时间表和运营流程相衔接。否则，即使是先进的模型，也很可能针对错误的未来进行优化。例如，某个产品团队可能决定停用一种编程语言，而未能掌握这一信息的劳动力模型，却可能建议组织投资于未来需求将逐渐减少的该语言。
在高度不稳定的环境中，预测模型在可预测性方面存在固有局限。对于处于发展初期和 / 或正经历重大结构性或监管变革的新兴公司或行业，可能缺乏足够数量的稳定历史模式来用于可靠的预测。如果环境变化的速度超过了模型的适应能力，更复杂的算法反而可能导致虚假的自信。然而，持续的验证和人工判断仍然至关重要。
将预测性人力规划转化为战略
数据治理是实施预测性人力规划的起点，而非技术本身。组织若要依赖可靠的预测，必须拥有准确且一致的员工数据、技能详情、组织架构图以及人力信息，这些数据需经过良好治理且易于获取。
下一步是从岗位角色转向技能。组织不应仅以职位名称为依据，而应根据当前或未来所需的技能来调整计划，并考虑如何通过内部流动或发展来弥合技能差距。
最后但同样重要的是，企业不应仓促进行全公司范围的全面转型。有控制的试点项目可以提供一条更加清晰的路线图。对于历史上劳动力需求难以预测的业务部门（例如，专门的销售或工程团队），可以在接下来的两个季度内，在传统的被动流程之外并行运行预测模型。通过对比预测结果与实际情况，人力资源从业者和公司领导者能够发现需要改进的地方，学习如何做到精准预测，进而充满信心地扩大应用范围。
要真正从预测性劳动力规划中获益，关键在于转变思维方式。人力资源部门不应等到人员流失、技能短缺或产能问题成为实际难题时才采取行动。当劳动力数据、商业智能、人工智能驱动的预测以及人类经验相结合时，企业就能更早地预见能力缺口，并在这些缺口对绩效产生负面影响之前及时采取行动。
因此，面向未来的人才规划不仅仅在于预测企业未来需要多少人。其核心在于了解哪些技能在何时会变得重要，以及组织如何在市场需求出现之前就培养这些技能。
HRTech 视角总结
从 "消防队" 到 "预言家"，HR的角色正被 AI 重新定义。2026 年人力资源科技的主线，正从流程自动化走向预测与决策智能：当智能代理可以接管事务性工作，HR的增量价值恰恰落在 "前瞻" 上 —— 把劳动力数据、业务预测与技能智能结合，在缺口出现前完成布局。而这一切的前提，是建立在对 AI 变化的系统性理解之上：预测模型的准确度，取决于组织能否持续获取高质量的信号与趋势判断。想用更完整的数据理解 AI 变化，而不是只看零散新闻？AI HR 转型双报告，面向 HRD、HR 数字化负责人、AI 项目负责人，通过双报告下载提炼关键数据、市场变化与决策线索，可用于行业判断、管理层汇报和年度规划，为预测性人才决策提供扎实的数据底座。免费下载 AI HR 转型双报告
-
AI
AI 进入 “证据时代”｜2026 年 9 月 HRTech 月度观察报告免费下载：从 Product Demo 到 Income Statement
欢迎下载HRTech最新推出的 2026 年 9 月月度行业观察报告《AI 进入 “证据时代”：从 Product Demo 到 Income Statement》。报告依托全球 HR 上市公司 TOP10、中国大陆 HR 上市公司 TOP10 与 2026 年 8 月全球 HR 科技投融资数据，帮 HR 看清 AI 商业化现实、供应商风险、劳动力架构变化，以及当下该怎么调整采购选型标准。PDF 里带有全部数据图表，还有企业治理参考问题、90 天行动方案、采购检查表，拿到手就能用于内部研讨、2027 预算梳理和供应商评估。
报告下载地址：
https://www.hrtechchina.com/Survey/63B1F4AA-C78C-1748-95D8-28C9F9A6CF30
一、海内外 HR 资本市场核心数据
全球 HR 上市企业行情
全球 HR 上市公司 TOP10 单月总市值涨幅 20%，合计达 4113.8 亿美元；Recruit Holdings、ADP、Workday、Paychex 头部四家合计占 TOP10 总市值约 89%，行业头部集中度进一步提升。 头部企业市值与变动：
Recruit Holdings：1612 亿美元，+39.1%
ADP：1126 亿美元，+6.2%
Workday：478 亿美元，+20.7%
Paychex：447 亿美元，+7.5%
其余上榜企业包含 Paycom、Randstad、Paylocity、BOSS 直聘、Adecco Group、Robert Half。其中 Workday AI 产品贡献超过 25% 新增 ACV，成为重要增长变量。
国内 HR 上市市场表现
中国大陆 HR 上市公司 TOP10 总市值 808.6 亿元，表面呈现修复态势；剔除 BOSS 直聘之后，其余九家企业合计市值下降 3.1%，市场增长高度集中。BOSS 直聘单月市值增长 48.1 亿元，占 TOP10 总市值约 68%，AI 商业化已经进入招聘全流程。
2026 年 8 月全球 HRTech 投融资概况
当月一共披露 16 起融资事件，融资总额超 1.4 亿美元，早期项目占比 37.5%；最大单笔融资为人才信任验证平台 Yardstik，获得 3000 万美元融资。资本主线从传统 HR 工具，转向 AI + 新型劳动力、一线员工管理、行业操作系统方向。
二、企业 HR 必须关注五大现实变化
报告提炼五大直接影响 2027 预算制定、供应商评估、流程设计、数据治理、HR 团队能力建设的现实议题，配套企业治理问题、责任主体参考，可直接用于 HR 团队内部讨论：
AI 进入财务验证期采购逻辑需要从 “有没有 AI” 转向 “AI 创造了什么结果”。开展 PoC 项目，必须提前定义基线、目标指标与退出条件，不能仅以产品演示作为验收标准。
AI 扩展到劳动力本身企业将面对 Human + Contractor + Agent + Robot 的混合劳动力架构。AI 不再只是工作流工具，Agent、机器人开始直接承接工作任务，劳动力规划需要把新型劳动力纳入统一管理框架。
Core HR 底座价值上升AI 应用越深入，越依赖可信的员工主数据、权限体系、系统接口、合规与审计机制。核心人事与 Payroll 系统是 AI Agent 稳定运行的前提，底层数据混乱只会放大 AI 带来的错误风险。
供应商可持续能力（Vendor Viability）进入采购标准核心系统采购重点考察持续经营、数据迁移、服务 SLA 以及退出机制；创新 AI 应用遵循小范围试点、清晰退出路径原则，不能使用同一套风险标准对待两类项目。
从 AI 项目管理升级到 AI Workforce Operating ModelAI Agent 属于持续运行的工作载体，并非一次性采购项目。企业需要明确流程归属、AI 任务边界、人工接管条件、衡量指标与追责机制，搭建可持续运行的人机协同运营模型。
三、这份报告适配人群
报告聚焦系统采购、AI 试点与供应商选型真实决策场景，并非泛行业资讯汇编，适合以下岗位从业者阅读参考：
CHRO、HRD 人力资源负责人；HRBP 业务人力资源伙伴；HR 数字化、HRIS 人事系统负责人；招聘与员工服务负责人；正在推进 AI 项目、开展供应商选型的专项团队。
四、免费获取完整报告
AI真正改变HR行业的时刻，可能不是Agent被发布的那一天，而是Agent第一次稳定进入企业预算、收入、利润和劳动生产率的那一天。
2026年8月，我们看到这一变化开始发生。
对于HR科技供应商，这意味着竞争进入新的阶段；对于企业HR，则意味着“要不要使用AI”的讨论正在结束，“如何让AI真正工作，并对结果负责”的阶段已经开始。—— HRTech
27 页完整版 PDF 包含全部数据图表、五大变化完整解读、治理问题对照表、90 天行动计划与 AI 时代 HR 科技供应商采购检查表。前往报告页面填写基础信息，即可免费下载完整报告，将行业趋势转化为企业可落地执行方案。
https://www.hrtechchina.com/Survey/63B1F4AA-C78C-1748-95D8-28C9F9A6CF30
数据说明：全球榜单采用HRTech统一美元市值口径，以2026年8月31日收盘附近数据为参考；中国榜单以2026年9月1日收盘市值为参考。非美元上市公司的美元市值同时受到本币股价、汇率和股本变化影响；投融资金额按照公开披露数据统计。
如有问题咨询
联系人：科科
微信：hrtechina
邮件联系：hi@hrtechchina.com
更多活动推荐，AI时代助力HR获取更多行动方案及落地实践，链接更多同行HR
线下高端论坛，对标标杆实战解法
9月17日 深圳2026人力资源科技年度论坛，聚焦AI赋能HR数字化、组织人才创新等核心议题，拆解岗位重构、初级人才重塑、AI时代人才识别的实战打法，链接大湾区及全国优质HR行业资源，获取可直接落地的转型经验。
报名链接：http://hrnext.cn/Gxy3C
10 月 22 日上海・2026 HRTechXPO® 超级盛典
聚焦生成式 AI 规模化落地人才全生命周期，深度探讨人机协同人才战略、算法决策风险管控、HR 软技能与组织文化塑造，汇聚头部企业 CHRO，分享 AI 时代守住人本价值的实战方案，前瞻 2027 人力资源管理变革方向。
行业标杆评选，沉淀优秀实践案例2026 HRTech创新奖（INNO Awards）火热申报中，专项发掘AI重构人力流程、优化人才体系、提升组织效能的优质落地案例。企业可主动申报，沉淀自身转型成果、对标行业顶尖实践，提升企业人力资源品牌影响力。
提名链接：http://hrnext.cn/Usmwh3
HR AI Forward・AI 能力成熟度评测
不再只衡量 AI 工具使用率，从个人‑团队‑组织三层维度评估企业 AI 转型真实水平，帮助企业区分「单纯降本裁员」和「真正工作重构」，评估 AI 替代速度与人才再吸收能力的差距，输出岗位重设计、内部转岗、技能升级行动建议。
想要紧跟AI人力变革趋势，一站式获取趋势洞察、能力诊断、实战方案与行业资源？
👉 所有测评报名、论坛参会、奖项申报、白皮书领取，可直接对接官方咨询通道：
企业端咨询：小科微信 ：hrtech-china邮件地址：ex@hrtechchina.com 机构合作咨询：奈斯微信：HRTechNice邮件地址：nice@hrtechchina.com
-
AI
【美国】医疗保健企业Hopscotch Primary Care获得5300万美元D轮融资，技术驱动模式破解美国农村初级医疗困境
HRTech概述：Hopscotch Primary Care（以下简称 “Hopscotch”）是一家致力于为农村社区患者提供服务的、基于技术的初级保健模式企业，公司已在 D 轮融资中筹集了 5300 万美元。公司成立于 2021 年，目前为美国东南部超过 15,000 名患者提供服务，其中患者主要集中在北卡罗来纳州西部的农村地区。专业的护理团队依托一套创新的技术解决方案 —— 该方案旨在强化人际联系而非取代人际联系 —— 提供当日就诊服务及超越诊所围墙的支持。
Hopscotch Primary Care（以下简称“Hopscotch”）是一家致力于为农村社区患者提供服务的、基于技术的初级保健模式企业，公司已在D轮融资中筹集了5300万美元。
Hopscotch 将利用这笔新资金深化该地区的医疗服务覆盖，拓展新的农村市场，并继续扩大其技术驱动的运营规模。本轮融资的领投方包括 8VC 和 Townhall Ventures，现有投资者 aMoon Fund、花旗影响力基金（Citi Impact Fund）、Alumni Ventures 和 K2 HealthVentures 也参与了本轮融资。新加入的投资者包括自闭症影响力基金（AIF）、凯鹏华盈（Kleiner Perkins）董事长约翰・多尔（John Doerr）、Heritage Provider Network 创始人理查德・默金（Richard Merkin）博士以及莱昂・莱文基金会（Leon Levine Foundation）。
行业现状：农村医疗供给不足，技术迎来变革窗口
全美各地的农村医疗保健正面临危机：医生纷纷退休，医院陆续关闭，医疗服务缺口日益扩大。但我们看到了难得的变革契机：历史性的联邦投资、各州的深度参与，以及人工智能和数字健康领域的快速进步，正为该行业注入新的动力。Hopscotch 的创立正是为了把握这一契机，它将直接提供医疗服务与能放大治疗效果的技术相结合，为全美各地的小城镇和农村社区带来简单、愉悦且互联的医疗服务。这包括当天就诊、全天候联系患者医疗团队以及主动外联服务 —— 所有这些都由技术支持，从而减轻行政负担，使医疗服务提供者能够专注于提供优质的医疗服务。公司的业绩印证了其商业模式的有效性：净推荐值（NPS）达 89，患者留存率持续保持在 90% 以上，且通过医疗费用管理，患者在前两年的医疗费用比率（MLR）改善幅度超过 25 个百分点。凭借卓越的运营能力，这一业绩已在北卡罗来纳州西部转化为盈利性运营。
CEO 观点：依托技术赋能临床团队，拓展农村医疗版图
“在 Hopscotch，我们相信，获得世界一流的初级保健服务是患者和社区更健康的基础。我们向农村社区招募敬业的临床医生，并借助先进技术赋能他们，在其他公司未涉足的地区提供医疗服务，” 首席执行官蒂姆・格罗尼格（Tim Gronniger）表示。“这笔新融资正值 Hopscotch 以及整个农村医疗保健行业发展的转折点。我们正在加速向更多小镇拓展业务，同时改善诊疗效果、提升患者满意度，并为我们所服务的社区构建可持续的未来，” 格罗尼格先生补充道。
投资方点评：AI 放大人力价值，守护医疗服务人际内核
“人工智能的最佳用途是放大人类的潜能。Hopscotch 为临床医生提供了工具，使他们能够凭借更深刻的洞察力照顾更多患者，同时保持作为初级保健核心的信赖关系。这正是能够改变美国农村医疗保健现状、从根本上改善人们生活的技术，” 凯鹏华盈（Kleiner Perkins）董事长约翰・多尔（John Doerr）表示。
CMO 解读：以患者为中心，维系服务中的人际联结
“医疗保健不应仅在出现问题时才出现。在 Hopscotch，我们与患者建立持久的关系：了解他们、保持联系，并帮助他们长期保持健康，而不仅仅是在他们生病时做出反应。这种模式之所以行之有效，是因为它以患者为中心，而非以就诊为中心，这正是让我们在发展过程中不失核心人际关系的关键，” 首席医疗官阿迪蒂・马利克（Aditi Mallick）博士表示。
关于 Hopscotch Primary Care
Hopscotch Primary Care 是一家依托技术的基础医疗公司，致力于为农村社区的患者提供简单、愉悦且互联的医疗服务。Hopscotch 成立于 2021 年，通过遍布美国东南部农村社区的 12 个诊疗点，为超过 15,000 名患者提供服务。专业的护理团队依托一套创新的技术解决方案 —— 该方案旨在强化人际联系而非取代人际联系 —— 提供当日就诊服务及超越诊所围墙的支持。公司的使命是通过便捷、主动且以价值为导向的医疗服务，改变农村社区居民的生活。
HRTech 行业观察
从人力资源科技视角来看，Hopscotch 的商业模式也折射出医疗行业人力管理的重要趋势：AI 与数字化工具的定位并非替代从业者，而是承担繁杂行政工作，解放临床人员精力，让人才回归核心服务。对于医疗这类强人际属性行业而言，技术赋能人才、降低岗位负担，才是实现团队留存、业务规模化扩张的关键逻辑，这一思路也同样值得各垂直行业的人力数字化实践参考。想要了解更多垂直行业人力数字化真实实践案例，与行业同行共同探讨 AI 时代人力科技的现实问题与发展方向？希望围绕 HR 科技获得更真实的案例、同行交流与专业连接？9 月 17 日深圳 HR 科技年度论坛・What's Next ，面向企业 HR、HR 科技机构，通过线下论坛报名集中讨论当前问题、实践经验与下一步趋势。报名参加 9 月 17 日深圳 HR 科技年度论坛，并与相关企业 HR、专家及行业伙伴建立连接。了解更多 / 立即参与：https://www.hrtechchina.com/Public/html/917.html
更多HRTech活动安排：https://www.hrtechchina.com/Public/html/event/eventlist.html
-
AI
向内构建智慧企业：人力资源科技如何激活组织核心竞争力?
经营视角转变：人才成为企业核心分析变量
长久以来，企业构建经营智能的重心，大多放在财务、运营以及客户相关的数据之上。依靠这套分析体系，管理者可以看清业务营收，优化供应链运转，提升客户服务体验，却常常忽略企业最宝贵的资产 —— 人。伴随生成式人工智能、人才预测分析、组织数字仿真等技术加速应用，企业的管理思路正在发生改变：员工的能力、协作模式与创造的隐性经验，才是支撑企业长远发展的关键信息来源。人力资源相关技术也已经超越考勤、算薪、招聘这类基础事务范畴，逐步成为渗透组织各个环节的底层能力，从企业内部推动智慧组织的建设。
决策逻辑迭代：从事后复盘转向前置预判
传统数字化更多是把线下流程搬到线上，依靠周期报表完成事后复盘。而新一代智慧组织，核心在于持续迭代学习，把人才维度的数据纳入高层决策参考。如今市场竞争不再单纯依靠产品与技术拉开差距，团队整体能力、内部协同效率、组织创新活力，才是对手难以复制的壁垒。人才分析正在获得和财务分析、客户分析同等的战略地位。管理者思考问题的角度也随之转变，不再只考虑如何简化人事工作，而是探究人才储备、团队协作会对业务增长产生怎样的影响。整合招聘、学习发展、绩效、跨团队协作等多维度信息之后，企业能够更早识别业务潜在瓶颈，挖掘内部创新机会，让组织决策从被动补救转向提前布局。
挖掘隐性资产：激活员工沉淀的组织经验
员工在项目攻坚、跨部门沟通、对接业务过程中沉淀下来的经验，是常规报表很难捕捉的一手信息，也是企业巨大的无形财富。过去企业主要依靠年度绩效考核、阶段性调研获取员工信息，不仅时效性差，看到的也只是碎片化的现状，很难掌握组织真实的运行状态。借助人工智能与多维度数据分析手段，组织可以实现对内部行为的动态观测：梳理团队协作关系，识别高价值核心人才，找出沟通阻碍；结合任务负荷、知识共享、学习进度，及时发现团队倦怠隐患；跳出岗位头衔的局限，发掘员工身上未被利用的迁移能力，盘活内部人力资源，减少对外招聘的压力。个体零散的工作经验，经过技术沉淀转化为可复用的组织能力，帮助管理者看见组织真实的样貌。
AI 深度落地：重塑人力资源核心工作模式
人工智能正在推动人力资源工作完成模式升级，行业已经度过零散工具试用的阶段，走向智能化能力的深度落地。预测式人才分析不再只输出历史统计报表，通过模型持续运算，预判人才流失风险、技能缺口以及团队产能变化，让人事工作从问题发生之后再处理，变成提前做好人才储备与组织调整。围绕能力优先的用人理念，搭建企业动态人才能力视图，既可以为新项目、管理岗位匹配合适人选，也能预判未来业务所需要的能力方向，为员工规划成长路径。依托知识关联技术，打通员工、项目、部门之间的信息，直观呈现组织内部知识流转情况，助力跨部门创新。自然语言技术改变传统一年一度的员工调研模式，从日常反馈内容当中感知团队情绪，及时发现管理层面的问题。结合业务扩张、人员流动等现实情况开展人才推演，针对业务转型、组织重组等重大事件给出人才规划参考。同时根据业务目标和个体现状，生成个性化学习提升方案，补齐整个组织的能力短板。
底层技术底座：多技术协同支撑组织智能化
上述能力的落地，需要整套技术体系相互配合。生成式 AI可以承接制度答疑、简历梳理、基础绩整理等大效量重复性事务，让人力资源从业者把精力投向更具战略价值的组织工作；自然语言技术挖掘各类非结构化文本，客观反映组织氛围与管理短板；知识沉淀工具快速定位企业内部的专业人才；组织仿真模型可以预先模拟架构调整、人员变动带来的各类影响，降低组织变革的试错成本；统一数据中台则打通人事、财务、业务之间的信息隔阂，给管理层提供完整的组织视角。
全周期渗透：技术贯穿人才管理全业务场景
技术带来的改变，并不局限于人力资源部门，而是贯穿人才从入职到发展的全生命周期，渗透到企业经营的方方面面。人才获取阶段，更加看重能力匹配，弱化简历标签带来的局限，提升人岗契合度；人才规划上，依托实时的组织信息灵活调配人力，适配业务起伏与转型节奏；借助流失风险识别和个性化成长支持，留住核心骨干；持续的学习体系帮助团队跟上业务迭代；用更加客观的方式评估管理者，完善后备人才梯队；在组织重组、数字化转型过程中，持续跟踪团队的适应情况，保障变革平稳推进。
业务实际收益：构筑组织长期竞争护城河
拥抱人力资源科技，能够给企业带来多重长期价值。人才视角的数据补足业务判断的盲区，推动管理告别纯粹经验主义；重复性事务被技术承接，让团队聚焦创新与战略工作；充分感知员工的诉求，降低核心人员流失带来的招聘、培训损耗；对组织人才家底做到心中有数，提升企业应对外部市场变化的敏捷应变能力；促进知识在内部流动，激发内生创新，构建难以被模仿的组织竞争力。
现实落地阻碍：待化解多重实践难题
当然在实践当中，企业依旧绕不开现实挑战。涉及大量员工敏感信息，如何平衡数据分析价值和个人隐私，建立合理的数据使用规则，是绕不开的课题；算法本身可能存在的AI 偏见，需要建立人工复核与定期校验机制，避免在任用、评估环节产生不公；不少企业遗留多套相互独立的旧系统，打通不同来源的数据存在系统集成门槛；部分员工会对技术介入人事管理心存顾虑，企业需要做好宣导，明确技术仅作辅助，最终决策权归属于人。
行业未来展望：走向能力驱动的柔性组织
展望接下来的几年，人力资源领域的技术应用还会持续演进。大量标准化人事事务会实现自主自动化处理，系统可以主动识别组织和员工的需求并给出应对建议；多源数据的深度联动，将辅助输出完整的人才策略；组织数字孪生仿真会得到更加广泛的应用，成为调整组织架构前的常用手段；人机协同会成为管理常态，技术负责信息处理，人承担共情沟通与战略决策；以能力为核心的柔性人才组织会越来越多，打破固化岗位的束缚，激活内部人才市场；人力资源相关能力也会进一步和企业整体经营体系融合，不再作为一套孤立系统存在。
管理重心向内回归，投资人的价值
人力资源科技的演进，本质上是企业管理视角向内回归。过去企业习惯依靠外部业务指标评判发展好坏，现在越来越多企业意识到，组织真正的竞争力根植于内部的人。人工智能浪潮之下，人力资源相关技术早已不是单纯处理人事流程的工具，而是串联人才、业务与战略的重要纽带。未来具备韧性与创新力的组织，必然能够做好人机协同，打通各类经营信息，依靠组织人才能力驱动业务增长。对企业而言，布局人力资源科技，本质上就是投资组织最重要的战略资产 —— 人，以此打造一套可以持续适应市场变化的现代化组织模式。
想持续掌握综合领域的重要变化、活动与专业资源？HRTech 近期活动、评选、报告与测评一览面向全部用户，通过聚合页面集中提供相关内容和参与入口，帮助用户减少信息筛选成本，并及时发现值得关注的趋势与机会。查看近期可报名、可下载和可参与的 HRTech 资源。了解更多 / 立即参与：https://www.hrtechchina.com/Public/html/event/eventlist.html
-
AI
【英国】数字风险筛查公司Safehire.ai获得50万英镑融资，重塑招聘风控体系
HRTech概述：数字风险筛查公司Safehire.ai致力于帮助企业做出更安全、更明智的招聘和准入决策，继2025年4月完成105万英镑种子轮融资后，公司又从一位私人投资者处获得了50万英镑的后续投资，使累计融资总额达到155万英镑。Safehire.ai 提供数字风险筛查服务，助力企业做出高信任度的招聘、安全保障及员工资质核查决策。
数字风险筛查公司Safehire.ai致力于帮助企业做出更安全、更明智的招聘和准入决策，继2025年4月完成105万英镑种子轮融资后，公司又从一位私人投资者处获得了50万英镑的后续投资，使累计融资总额达到155万英镑。
行业痛点：传统背景核查存在显著数字风险盲区
在招聘和员工诚信管理方面，数字风险信号的可见性差距日益扩大。传统核查手段并不总能揭示可能对安全保障、员工风险、内部人员风险或其他高信任度准入决策产生实质性影响的相关数字风险、行为风险或在线活动。这些核查可能包括DBS（或同等资质）和BPSS背景调查、信用核查，以及就业推荐信和工作经历核查。在围绕个人的数字风险面变得日益复杂、分散且难以评估的当下，背景调查往往由未经专业培训的人力资源人员进行，而由专业审查人员采用传统方式进行的调查，每次可能花费1,500英镑。
创始团队：军工背景加持，深耕数字风险管理场景
Safehire.ai 由西蒙·霍尔登（Simon Holden）和肖恩·卢姆利（Sean Lumley）共同创立。西蒙·霍尔登曾任学校财务主管，也是网络安全领域的创始人，他亲眼目睹了教育界面临的数字风险可见性缺口；肖恩·卢姆利则是一位连续科技创业者，也是人类风险管理和行为网络安全平台 CybSafe 的联合创始人。两人最初作为英国陆军军官相识，这一共同背景帮助塑造了公司以情报为导向的数字风险筛查方法。
产品优势：高效低成本，补齐传统招聘核查短板
Safehire.ai 的方法论借鉴了军事情报分析流程，将基于这些方法训练的大型语言模型能力，与经过军事情报培训的分析师进行的人工核查相结合。
Safehire.ai的数字风险筛查（DRS）平台首先在表面网络、深网和暗网中搜索开源数据，随后将人工智能增强的上下文信息应用于原始数据，最后整合人工分析师的核查结果，从而生成基于证据的数字情报，并将其打包成通俗易懂的背景风险报告。DRS 使组织每天能够进行超过 10,000 次搜索，而单个人工分析师每天仅能完成 15 次搜索，且成本仅为人工的一小部分。一家大型多学院信托机构报告称，使用 Safehire.ai DRS 核查为其人力资源团队成员平均节省了每位候选人 1 小时的时间，不仅加快了招聘速度，还提供了其他渠道无法获得的保障水平。
企业规划：突破场景局限，拓展市场化规模化布局
Safehire.ai 首席执行官西蒙·霍尔登（Simon Holden）表示：“Safehire 挑战了‘传统核查就足够’这一观念。通过深入挖掘表象之下，我们帮助组织识别隐藏风险、加强安全保障，并更有信心地做出高信任度的决策。此次投资将使我们能够将数字风险筛查业务扩展到教育领域之外，支持更大规模的企业应用场景，发展我们的内部风险管理能力，并为进军其他司法管辖区做好准备。”
关于 Safehire.ai
Safehire.ai 提供数字风险筛查服务，助力企业做出高信任度的招聘、安全保障及员工资质核查决策。其平台帮助组织从表面网络、深网及暗网等来源识别相关的数字风险信号，所有筛查结果在生成报告前均由人工分析师进行审核。Safehire.ai 支持那些需要对人员相关数字风险进行恰当且具有可辩护性的可视化分析的组织，同时该服务是对法定核查、监管筛查、背景参考或人工判断的补充——而非替代。
HRTech视角
从HRTech行业视角来看，Safehire.ai精准解决了传统员工背景核查效率低、成本高、数字风险排查缺失的行业痛点。依托军工情报分析体系，结合AI筛查与人工复核的双重模式，其DRS平台可高效挖掘全网隐性用工风险，大幅减轻HR核查压力、提升招聘风控效率。同时产品定位于传统合规核查的补充工具，不替代官方核验流程，兼顾安全性与合规性，适配各类企业用工风控场景。
本轮融资助力企业突破教育行业局限，向大型企业及海外市场拓展，也凸显了HRTech行业的发展新方向。以往HR数字化多聚焦流程效率优化，人员安全风控的数字化长期存在短板。Safehire.ai的落地与规模化发展，推动用工风控从传统人工粗放核验，转向智能化、精细化的数字化风控模式，补齐了HR安全管理短板，开拓了用工风险筛查的全新细分赛道。
对于众多深耕HR科技与人力资源服务的机构而言，想要精准触达企业HR、展现自身产品核心竞争力，专业的行业展示渠道至关重要。希望让更多企业 HR 准确了解你的产品与服务能力？HR科技机构免费入驻面向HR科技及人力资源服务机构，通过机构资料提交帮助机构完善行业展示、连接目标用户，并进入相关内容、图谱、活动或合作场景。提交机构资料，申请加入 HR 科技云图。了解更多 / 立即参与：https://www.mapofhrtech.com/Register/join/
-
AI
解读：AI不会淘汰所有 SaaS，而是重新定义HR Tech的价值
HRTech核心指南：AI 会不会让 HR SaaS 没价值了？Harvard Business Review 最新文章给出了一个很有意思的观点：AI 不会淘汰所有 SaaS，而是重新定义它们的价值。未来真正值钱的，不是 AI 功能，而是 Operational Intelligence（运营智能）——也就是基于真实业务数据持续提升组织判断能力。对于 HR Tech、HR Leader 和投资人来说，这可能是未来几年最值得关注的趋势之一。推荐一读。
解读 Harvard Business Review：AI's Impact on SaaS Will Be Uneven
过去一年，几乎所有 HR Tech 厂商都在发布 AI 功能。从 AI 招聘助手、AI 面试官，到 AI HRBP、AI Agent，整个 SaaS 行业似乎都在进入一个新的竞争阶段。
不少企业也开始提出一个问题：当 AI 能够编写代码、自动完成流程、快速生成应用之后，SaaS 还有价值吗？
Harvard Business Review 最新发表的文章《AI's Impact on SaaS Will Be Uneven. Here's What Leaders Need to Know》中，Harvard Business School 教授 Christopher Stanton 给出了一个值得整个 SaaS 行业思考的答案：
AI 并不会让所有 SaaS 都失去价值，它真正改变的是不同 SaaS 的价值结构。
对于 HR Tech 企业、投资人以及企业 HR 来说，这一观点值得深入理解。
AI 不会平均冲击所有 HR SaaS
很多人认为，大模型出现之后，大量软件最终都会被 AI Agent 所替代。
Christopher Stanton 并不认同这种观点。
他认为，AI 的影响并不是平均发生的，而是取决于两个关键因素：
第一，软件主要解决的是规则明确、流程固定的任务（Deterministic Tasks），还是需要预测、判断和决策支持的任务（Predictive Tasks）。
第二，软件依赖的是企业自己的内部数据（Internal Company Data），还是大量跨客户、跨行业积累形成的共享数据（Pooled Data）。
这两个维度共同决定了一款 SaaS 产品未来的竞争力。
流程自动化软件，将最先受到 AI 冲击
如果一个 SaaS 产品主要负责流程执行，例如审批、通知、数据录入、报表生成、信息查询等标准化工作，那么 AI 将大幅降低这些产品的技术门槛。
随着 AI Agent、低代码开发平台以及自然语言工作流不断成熟，这类软件越来越容易被企业内部快速搭建，或者直接整合进现有平台。
这并不意味着流程管理没有价值，而是意味着流程本身将越来越难形成长期竞争壁垒。
未来企业购买软件，不再只是为了把纸质流程搬到线上，而是希望软件能够帮助组织做出更好的决策。
真正的竞争壁垒来自 Operational Intelligence
文章提出了一个非常重要的概念——Operational Intelligence（运营智能）。
这里的 Operational Intelligence，并不是简单的数据分析，也不仅仅是 AI 模型，而是企业通过大量真实业务运行过程中积累的数据、经验和场景，不断提升判断能力的一套智能体系。
作者认为，这类产品未来将成为 SaaS 中最具竞争力的一类。
原因在于，大模型能够学习公开知识，却无法天然拥有企业多年运营过程中形成的大量真实案例、边缘场景和业务经验。
这些数据和经验，正是企业决策过程中最有价值的部分。
未来的软件，价值将来自“判断”而不是“功能”
过去，大多数 HR 软件强调的是功能覆盖。
招聘系统能够管理职位和简历。
学习系统能够管理课程。
绩效系统能够完成考核流程。
这些能力未来仍然重要，但已经不足以形成明显差异。
真正具有竞争力的软件，需要能够帮助企业回答更复杂的问题。
例如：
哪些候选人在未来更有可能取得成功？
哪些员工存在较高离职风险？
哪些技能将在未来两年成为组织能力短板？
哪些岗位更适合内部流动而不是外部招聘？
这类能力并不是增加几个 AI 按钮就能够实现，而是依赖长期积累的数据、算法以及真实业务经验。
企业采购 SaaS 的标准正在发生变化
Christopher Stanton 提醒企业，在 AI 时代评估 SaaS，不应再只关注产品功能，而应该重新思考几个问题：
这款产品真正创造的是流程价值，还是决策价值？
它依赖的是企业自己的数据，还是拥有跨客户、跨行业积累形成的数据优势？
这些数据是否经过真实业务场景持续验证？
AI 是否只是增加了交互方式，还是能够持续提升企业的判断质量？
这些问题，将比是否拥有 AI Chat、AI Copilot 或 AI Agent 更重要。
对于 HR Tech 行业意味着什么？
对于 HR Tech 企业来说，未来竞争的重点可能不再是谁拥有更多 AI 功能，而是谁拥有更深的数据积累和行业理解。
能够持续沉淀招聘、组织、绩效、薪酬、技能、员工体验等真实运营数据，并将这些数据转化为企业可以直接应用的管理洞察，才更有可能建立长期竞争优势。
未来，HR Tech 的价值也将逐渐从"流程数字化"转向"运营智能"。
软件不仅需要告诉企业发生了什么，更需要帮助企业理解为什么发生，以及下一步应该采取什么行动。
HRTech 观点
AI 正在降低软件开发的门槛，却没有降低企业管理的复杂度。
未来，真正难以复制的，不会是某一个 AI 功能，而是长期积累形成的数据资产、业务经验和管理判断能力。
对于 HR Tech 行业而言，这篇文章释放出的一个重要信号是：AI 时代真正值得投资的，不一定是功能最多的软件，而是能够持续输出 Operational Intelligence（运营智能）的产品。
未来企业采购 HR Tech，也许最应该问的不再是：
"这个产品有没有 AI？"
而是：
"如果去掉 AI，它是否仍然拥有别人无法复制的运营智能？"
你觉得呢，欢迎讨论！
-
AI
微软裁员约4,800人：AI时代的组织重构正在发生
Microsoft于2026年7月6日通过公司官方博客发布内部沟通，由EVP和CPO Amy Coleman向员工说明最新一轮组织调整。Microsoft本次将裁减约4,800个岗位，占全球员工总数约2.1%。公司表示，这一决定是为了将人员、投资和组织精力进一步集中到最重要的业务优先级和增长机会中，以应对快速变化的技术环境、客户需求和商业模式。
裁员重点集中在Commercial Business与XBOX
根据Microsoft官方备忘录，本轮调整主要发生在Microsoft Commercial Business和XBOX组织。Commercial Business的变化与公司近期宣布的Frontier Company相关，Microsoft正在重塑面向企业客户的工作方式，将工程专家更深入地嵌入客户场景，帮助客户加快技术部署。这意味着企业销售和客户交付模式正在从传统销售驱动，进一步转向更贴近客户实际部署和价值落地的模式。
XBOX方面，Microsoft表示正在进行重组，以支持业务长期成功。公司还将让四家gaming studios转到new management下运营，目标是保留相关intellectual property和ongoing projects。官方备忘录没有披露这四家工作室的具体名称，也未说明各地区和各职能的具体裁员分布。
Microsoft强调：岗位不是被AI直接替代
此次沟通中最值得HR关注的是Microsoft对AI影响的表述。Amy Coleman明确表示，本次被取消的岗位“not being replaced by AI”，即并不是被AI直接替代。但她同时指出，AI正在改变工作完成方式，部分日常任务已经可以被自动化，因此员工需要持续学习、建立新技能，并随着工作方式演变不断适应。
这一区分非常重要。它说明大型科技公司的组织调整，不能简单理解为“AI抢走工作”。更准确地说，AI正在改变企业如何服务客户、如何配置资源、如何设计岗位、如何组织团队，以及如何判断哪些业务和能力最值得继续投入。岗位变化往往不是来自单点技术替代，而是来自整个经营模式和组织结构的重构。
内部转岗、自愿退休与技能升级成为缓冲机制
Microsoft也强调，公司一直在寻找减少岗位取消的替代方案。过去一年，Microsoft已将超过4,000名员工重新安置到新岗位，其中本月又有500人完成内部转岗。此外，超过30%的eligible employees参与了近期的voluntary retirement program。公司表示，未来还会继续探索类似方式，以尽可能降低直接裁员的必要性。
从HR管理角度看，这反映出大型企业在组织转型中的新工具组合：一方面通过业务聚焦和组织调整提升效率，另一方面通过内部转岗、reskilling、自愿退休和员工支持机制降低转型冲击。对于受影响员工，Microsoft称将提供财务支持和相关资源，帮助他们进入下一阶段。
AI转型正在变成组织转型
Microsoft这次调整释放出的信号并不局限于一家科技公司。随着AI成为企业基础能力，组织管理的重点正在发生变化。企业不只是购买AI工具、建设AI平台或培训员工使用AI，更需要重新思考岗位结构、管理层级、客户交付模式和人才流动机制。
尤其在Commercial Business中，Microsoft将engineering experts更紧密地嵌入客户现场，说明未来B2B科技企业的商业组织可能会更强调技术交付能力、行业场景理解和客户价值实现，而不是单纯依赖传统销售流程。对HR而言，这意味着招聘画像、绩效评价、能力模型和组织设计都需要随之调整。
HRTech观察：裁员背后是资源重新配置
这次Microsoft裁员并不是一个简单的成本削减事件，而是AI时代大型企业进行资源重新配置、组织重组和业务聚焦的典型案例。公司一边强调岗位并非被AI直接替代，一边承认AI正在改变工作方式，这种表述更接近未来几年企业转型的真实状态：AI不一定直接替代某个岗位，但会推动企业重新定义哪些工作重要、哪些能力稀缺、哪些组织结构需要被压缩或重建。
对HR领导者而言，真正需要关注的不是“AI是否会裁掉员工”这个单一问题，而是如何提前建立动态 workforce planning 能力，如何让reskilling与业务优先级绑定，如何提升内部流动效率，以及如何在组织调整中保持透明沟通和员工支持。Microsoft的案例提醒企业：AI转型最终一定会进入组织层面，而HR必须成为这场转型的核心参与者。
扫一扫 加微信
hrtechchina
