-
capital share
HR部门不会消失，但一批HR岗位会先被压缩：Anthropic的2030推演，正在重写HR岗位价值
HRTech核心解读：Anthropic一套面向 2030 年的 AI 经济情景模型显示：最极端情形下，GDP 比无 AI 路径高 32.4%，但认知型岗位工资下降、失业率升至 17.9%。这份研究真正值得 HR 看的是：未来不该只讨论“哪些岗位会消失”，而要开始按任务重构工作、技能和内部流动。很值得转给团队一起看，HRTech拆解到HR岗位哪些会消失，哪些更有前途！
如果 AI 真的能够完成一半甚至更多的知识工作，企业里的 HR 部门会变成什么样？
The Anthropic Institute 最新发布的《Economic Scenarios for Transformative AI》没有专门讨论 HR，但它提供了一套非常适合重新审视 HR 职业的框架：未来真正被 AI 改变的基本单位，并不是一个完整的“岗位”，而是岗位里面的一项项任务。
Anthropic 用一句非常重要的话概括了这一逻辑：The economy is made out of tasks.
在它设定的 Substantial Scenario 中，到 2030 年，AI 已经具备完成一半知识工作的能力，而且其中大部分可以自主完成，只是企业并不会马上把 AI 应用到所有这些工作上；在更激进的 Extreme Scenario 中，AI 在绝大多数知识工作任务上的生产率超过人类，几乎都可以自主完成，同时几乎不再产生新的知识型人类任务。
如果把这个框架放进今天的企业 HR 部门，一个越来越清晰的趋势就出现了：HR 并不会作为一个职业整体消失，但 HR 部门内部不同岗位的价值会发生非常剧烈的重新排序。
一些今天大量存在的事务型 HR 岗位，很可能被明显压缩；一些岗位不会消失，但工作内容会被重新定义；还有一批目前看起来并不是 HR 部门人数最多的岗位，未来反而可能越来越重要。
这或许才是 Anthropic 这份报告对 HR 从业者最现实的启示。
一、Anthropic真正提醒我们的，不是“多少岗位消失”，而是“多少任务不再需要人做”
Anthropic 为 2026—2030 年美国经济设计了 Modest、Substantial 和 Extreme 三种情景。它特别强调，这些是用于理解不同技术发展路径的 scenarios，而不是对未来的确定预测，也没有给任何一种情景赋予发生概率。
但三种情景之间的差异非常值得企业管理者关注。
在 Modest Scenario 中，到 2030 年，美国 GDP 比没有 AI 的路径高 1.6%；在 Substantial Scenario 中高 8.3%；在 Extreme Scenario 中则高出 32.4%。
问题在于，经济增长并不意味着所有知识工作者都会同步受益。
在更激进的情景中，越来越多的经济增长流向资本，而不是劳动。在 Extreme Scenario 下，劳动收入占 GDP 的比例下降到 45.2%，资本收入占比则提高到 54.8%。同时，知识型工作受到大规模自动化冲击，整体失业也可能显著上升。
这背后真正发生的，并不是某一天企业突然宣布“这个职业不存在了”，而是一个岗位内部越来越多的任务逐渐被 AI 接管。
当被接管的任务积累到一定比例之后，企业才开始问第二个问题：这个岗位还需要这么多人吗？
这对于 HR 自身同样成立。
二、第一批被压缩的，很可能不是HR这个职能，而是“事务型HR”
先看今天最常见的 HR Assistant、HR Coordinator、HR Administrator。
这些岗位承担了大量企业不可缺少、但高度流程化的工作，包括新员工入职资料、员工信息维护、证明文件、面试安排、会议协调、政策通知、假期查询、员工 FAQ、离职流程、基础数据整理以及各种 HR 系统操作。
问题在于，如果按照 Anthropic 的 task-based framework 去拆解，这些任务中的很大一部分都具备几个共同特点：规则明确、重复频率高、数字化程度高、主要依赖文本和信息处理，而且异常情况相对有限。
这正好是 AI Agent、HRIS 和 workflow automation 最容易进入的区域。
所以未来更可能发生的事情，不是企业宣布“取消 HR Operations”，而是原来 5 个人承担的事务型工作逐渐变成 1—2 个人管理系统、处理异常，再由 AI 和自动化流程完成大量标准工作。
这会首先冲击 HR Assistant、HR Coordinator、HR Administrator，以及 HR Shared Services 中大量 Tier 1 类型的岗位。
这些岗位不会一夜之间消失，但企业为每 100 名、500 名或者 1,000 名员工配置多少事务型 HR，可能会明显下降。
这其实就是 Anthropic 模型所描述的 automation 真正进入企业之后的典型路径：岗位并不是突然消失，而是岗位内部能够交给 AI 的任务越来越多，最终改变 headcount economics。
三、招聘可能成为HR内部最早经历大规模岗位重构的职能之一
如果把 Recruiter 拆开来看，一个招聘岗位实际上包含十几种甚至几十种任务：写 JD、寻找候选人、搜索数据库、筛选简历、发送 outreach、安排面试、回答候选人问题、整理 interview notes、生成候选人 summary、跟踪流程、制作 offer，以及与 Hiring Manager 沟通和判断候选人。
这些任务的 AI 曝露程度完全不同。
其中，JD 撰写、candidate sourcing、简历初筛、候选人匹配、outreach 文案、Scheduling、基础 screening 和 candidate FAQ，都属于 AI 很容易参与甚至自动完成的任务。
因此最先承压的，很可能是 Recruiting Coordinator、Talent Sourcer、Volume Recruiter，以及主要依靠简历筛选和流程推进产生价值的初级 Recruiter。
但这并不意味着 Recruiter 会消失。
相反，Recruiter 可能会出现非常明显的两极分化。
过去，一个 Recruiter 的价值可以体现为“我能找到很多候选人”“我一天能处理多少份简历”“我管理多少个 requisitions”。未来这些能力的稀缺性会迅速下降，因为 AI 搜索和处理候选人的能力越来越强。
真正升值的会是另外一部分能力：理解业务到底需要什么人、挑战 Hiring Manager 不合理的要求、判断候选人的潜力与组织适配性、影响高端人才、理解人才市场，以及把人才数据转化成管理层决策。
因此未来真正有价值的 Recruiter，会越来越像 Talent Advisor，而不是“招聘流程操作员”。
这恰恰符合 Anthropic 的模型逻辑：AI 首先接管的是 task，而不是整个 occupation。最终剩下的人类任务往往更加复杂，也更加依赖 judgment、relationship 和 accountability。
四、HRBP不会消失，但“流程型HRBP”会越来越危险
HRBP 可能是未来几年 HR 内部分化最剧烈的岗位之一。
今天很多企业虽然设有 HRBP，但 HRBP 实际承担的工作仍然包括大量流程推进：解释 HR policy、推动 Performance Review、跟踪 headcount、协调 recruitment、传递总部政策、组织 talent review、处理基础员工问题。
如果一个 HRBP 的主要价值是“知道公司流程怎么走”，那么 AI 对这个岗位的冲击会越来越大。
因为员工未来并不需要为了了解 PTO、Benefits、Promotion Policy 或 Performance Process 找 HRBP。AI 可以连接企业内部 HR policy、HRIS 和 knowledge base，在几秒钟之内回答大量标准问题。
真正不会轻易被替代的 HRBP，是另一种 HRBP。
当一个 BU Head 问：“AI 进入之后，这个部门未来到底需要多少人？”“我们是不是有太多管理层级？”“销售团队为什么一直招不到合适的人？”“哪些岗位未来三年应该减少，哪些技能应该提前建设？”“这个组织应该怎么重新设计？”这些问题已经不再是流程问题，而是 Business + Organization + Talent Decision。
这种 HRBP 的价值反而会提高。
所以未来 HRBP 很可能分成非常清楚的两类：流程型 HRBP 被压缩，战略型 HRBP 升值。
HRBP 真正的门槛也会随之改变。懂劳动政策、懂招聘流程、懂绩效流程依然重要，但已经不够。未来优秀 HRBP 必须拥有更强的 Business Acumen、Data Literacy、Organization Design、Workforce Planning 和 AI Literacy。
换句话说，HRBP 不会因为 AI 消失，但 AI 会迫使 HRBP 回到这个岗位原本应该承担的战略角色。
五、Payroll和Benefits不会简单消失，但“操作价值”会迅速下降
Payroll 和 Benefits 是另外两个容易被简单判断为“会被自动化”的 HR 领域。
如果只看工资计算、数据录入、eligibility check、enrollment、员工 FAQ 和 plan comparison，AI 和自动化确实可以承担越来越多工作。
但 Payroll 真正困难的部分从来不是按下“发工资”按钮，而是 multi-state taxation、classification、compliance、audit、异常情况、系统整合以及不断变化的劳动法规。
Benefits 也是一样。
员工“我的 deductible 是多少”“什么时候 open enrollment”“这家医院是不是 in-network”这些信息查询型任务，未来越来越没有必要依靠 Benefits Administrator 人工回答。但医疗成本控制、Plan Design、Broker Management、Vendor Negotiation、ACA/ERISA Compliance、Employee Communication 和 Benefits Strategy 的专业价值并不会因此消失。
所以这两个岗位真正发生的是 value migration：从 administration 向 expertise 迁移。
未来企业可能需要更少的人“操作福利”，却更需要能够回答“公司一年花几百万美元福利预算，怎样设计才能真正控制成本并提高员工价值”的人。
这也是为什么 AI 对 HR 的影响不能简单理解成“自动化=岗位消失”。同一个岗位内部，一部分任务贬值，另外一部分任务反而可能因为复杂度提高而更加昂贵。
六、L&D也会经历一次非常彻底的价值重构
企业培训领域同样会出现明显分化。
课程资料整理、PPT 制作、培训通知、基础 e-learning 内容、考试题目、培训总结等工作，AI 已经可以非常高效地完成。这意味着大量以“制作培训内容”为主要工作内容的 L&D 岗位，未来价值会下降。
但企业真正需要的并不是更多课程，而是员工能否形成未来需要的能力。
特别是在 Anthropic 所描述的知识工作快速变化情景下，真正困难的问题不是“给员工上一门 AI 课”，而是：哪些工作正在发生变化？哪些技能正在贬值？哪些新能力正在升值？一个员工如何从正在减少的工作转移到新的工作？
这使得 L&D 的价值中心会从 Content Production 转向 Capability Building。
真正升值的 L&D，不是最会做课程的人，而是能够完成 skills gap analysis、设计 reskilling architecture、推动 manager capability，并帮助组织实现 workforce transition 的人。
而且 Anthropic 自己在 2026 年关于 worker retraining 的研究也提醒，面对显著劳动力市场变化，“培训”并不是万能答案。职业转换存在明显摩擦，员工即使愿意学习，也不代表可以迅速进入完全不同的职业。
这对企业 HR 的含义非常直接：未来真正需要建立的，不只是 Learning Platform，而是 Skill Graph + Internal Mobility + Workforce Planning。
七、真正升值的第一类HR：Workforce Planning与Organization Design
如果说哪些 HR 岗位最可能因为 AI 而升值，我认为 Workforce Planning 和 Organization Development 会排在非常靠前的位置。
原因并不复杂。
过去的 Workforce Planning 很多时候只是根据业务增长率计算明年需要增加多少 headcount。但进入 AI 时代以后，问题变成了：如果 AI 可以完成一个岗位 30%、50% 甚至 70% 的任务，我们到底还需要多少人？
这已经不是传统 headcount planning，而是 Work Design。
比如一个 Customer Service 团队原来有 500 人，AI Agent 可以完成 60% 的标准咨询之后，剩余员工应该是多少？留下的人应该处理什么问题？Manager span 应该怎么变化？职位等级怎么设计？剩下的工作应该重新组合成什么岗位？
再比如一个 100 人的软件团队，如果 Coding Agent 显著提高工程师生产率，公司究竟应该减少 Junior Engineer，还是保持人数并提高研发速度？如果 Junior Position 大量减少，未来 Senior Engineer 从哪里培养？
这类问题没有哪个 AI 软件可以直接替 CEO 做决定。
它需要 Workforce Planning、Finance、Business Leader 和 HR 一起重新设计组织。
所以从 Anthropic 的 task-based framework 往企业内部继续推演，未来 HR 非常核心的一项能力将是：
Task → Skill → Job → Organization → Headcount
谁能够把这条链条建立起来，谁就开始真正参与 AI 时代的组织设计。
八、真正升值的第二类HR：People Analytics会从“做报表”变成“做决策”
People Analytics 也会出现明显两极分化。
今天大量 People Analyst 的工作仍然是导数据、做 Excel、制作 Dashboard、统计 turnover、headcount、time-to-hire，再生成月报。
这些工作本身高度适合 AI。
未来 CEO 并不需要一个 Analyst 花两天告诉他“今年离职率是 14.2%”。AI 几秒钟就能给出这个结果。
真正有价值的问题是：为什么离职率上升？哪些团队异常？哪些员工存在风险？这个问题到底和 manager、pay、workload 还是 career opportunity 有关系？如果调整组织结构，会产生什么后果？
因此基础 reporting 的价值会下降，而 Workforce Intelligence、Predictive Analytics 和 Decision Science 会升值。
未来好的 People Analytics 团队不是 HR 的“数据部门”，而是组织决策部门。
九、真正升值的第三类HR：Total Rewards可能比今天更重要
Anthropic 这份报告中，有一个经常被忽略、但对 HR 极其重要的结果：AI 可以让社会整体变得更富裕，但经济增长并不会自动平均流向劳动者。
在 Extreme Scenario 中，资本收入占 GDP 的比例升至 54.8%，劳动收入占比下降到 45.2%。Anthropic 因此直接提出一个核心问题：如果 AI 创造了巨大的生产率收益，如何确保这些收益能够被更广泛地分享？
这个宏观问题进入企业之后，其实就是 Total Rewards 问题。
假设一个原来 100 人的部门，通过 AI 变成 70 人，同时产出提高 30%。企业获得了更高 Productivity、更低 Labor Cost 和更高 Margin。
那么剩下的 70 名员工获得什么？
如果他们承担了更复杂的工作，需要管理 AI Agent，需要承担更大的责任，却仍然按照原来的岗位价值支付工资，那么组织内部会形成新的收益分配矛盾。
因此 AI 时代可能会出现新的 skills premium、AI productivity incentive、profit sharing、equity compensation，以及完全不同的 Job Architecture。
未来 Total Rewards 面对的问题不只是“市场上这个岗位多少钱”，而是：当 Human + AI 共同创造价值之后，人应该拿多少？
这会让 Compensation、Job Architecture 和 Total Rewards 重新进入企业 AI 战略的核心位置。
十、Employee Relations、Labor Relations和复杂人才判断，反而可能更加重要
还有一类岗位，AI 可以提供帮助，但很难承担最终责任。
比如 Employee Relations。
AI 可以整理调查材料，可以帮助搜索政策，可以分析文件，可以生成 interview questions，但涉及 harassment、discrimination、termination、performance disputes、workplace conflict 等问题时，真正困难的从来不是“找到信息”，而是理解 context、判断风险、处理人与人的关系，并承担决策责任。
Labor Relations 更是如此。
谈判、工会关系、集体协议、员工情绪和劳资冲突，本质上属于高度情境化的人际和组织问题。
同样，Executive Assessment、Succession Planning、Leadership Development 也不是简单的信息处理任务。
AI 可以告诉企业一个人有哪些数据表现，但“这个人是不是下一任 CEO”“两个候选人谁更适合带领正在转型的业务”，依然属于复杂 judgment。
所以未来企业真正稀缺的 HR 能力，很可能从 Execution 转向 Judgment、Orchestration 和 Accountability。
十一、AI最终可能让HR部门变得更小，但也更专业
如果把这些变化放在一起，未来企业 HR 的组织形态其实已经可以看到一些轮廓。
过去很多公司的 HR 部门是一个“金字塔”：下面有大量 Coordinator、Administrator、Recruiter、Shared Services 和执行人员，中间是 Manager、HRBP，上面是少数 HR Director 和 CHRO。
AI 会逐渐压缩这个金字塔的底部。
未来更可能出现的是：更少的事务型 HR，一套更强的 HR Technology 和 AI infrastructure，再加上一批专业程度更高的 HRBP、Organization Development、Workforce Planning、People Analytics、Total Rewards、Employee Relations 和 Change Management 人才。
也就是说：
HR 部门可能变小，但 HR 的专业门槛会变高。
这与 Anthropic 当前看到的劳动力市场早期信号也并不矛盾。Anthropic 2026 年对 AI labor-market impacts 的研究发现，AI 实际使用距离理论上能够完成的工作仍然有明显差距，目前尚未观察到高 AI 暴露职业出现系统性失业增长，但已经看到一个值得继续观察的信号：高暴露职业中，年轻劳动者的招聘可能正在放缓。
这意味着真正的变化很可能不是“明天大量 HR 被裁掉”，而是未来几年企业开始逐渐减少 entry-level、transactional 和 coordination-heavy 的岗位。
而这恰恰可能带来另一个长期问题：如果初级岗位减少，未来高级 HR 从哪里成长出来？
这是所有知识工作行业都将面对的问题。
十二、对今天的HR从业者来说，真正危险的不是不会用AI
很多人现在把 AI 时代 HR 的个人竞争力理解为“会不会使用 ChatGPT”“会不会写 Prompt”。
这可能严重低估了真正的变化。
AI 工具使用很快会成为类似 Excel、Email 一样的基础能力，本身不会形成长期职业壁垒。
真正决定一个 HR 是否升值的，是 AI 把他的基础任务拿走以后，他还剩下什么。
如果一个 HR 的核心价值是：“告诉我流程，我负责执行。”那么风险最高。
如果一个 HR 的价值是：“出现复杂情况，我可以判断应该怎么处理。”那么相对安全。
而未来真正稀缺的 HR，应该能够进一步回答：“业务准备发生变化，我可以告诉公司应该如何重新设计组织、岗位、技能、人才和 AI 的组合。”
这三种 HR，对应的实际上就是三个不同层级：
Process Executor → Professional Judgment → Organization Architect。
未来几年，越来越多 HR 的职业迁移，很可能就在这三个层级之间发生。
HRTech观察：AI不会先消灭HR，而是先重新给HR定价
Anthropic 这份报告最大的价值，不是告诉我们 2030 年会有多少人失业，而是让我们重新理解工作的基本结构。
一个岗位从来不是一个不可分割的单位，而是一组任务。
当 AI 开始拿走其中一部分任务之后，岗位剩余部分的价值就会发生变化；当越来越多任务可以被自动化之后，岗位数量才开始改变；当整个公司的岗位结构发生改变之后，组织设计、人才结构和薪酬体系也必须随之改变。
因此，对 HR 来说，真正的问题从来不是：
“AI 会不会取代 HR？”
而应该是：
“AI 拿走我的一半工作之后，剩下的一半工作值多少钱？”
对于 HR Assistant、HR Coordinator、HR Administrator、Recruiting Coordinator、Talent Sourcer、基础 Reporting Analyst 和大量 Shared Services 岗位，这个问题已经越来越现实。
对于 HRBP、Recruiter、L&D、Payroll、Benefits 和 HR Generalist 来说，未来则是一场非常明显的重新分化：事务处理能力正在贬值，专业判断和业务咨询能力正在升值。
而对于 Workforce Planning、Organization Development、People Analytics、HR Technology、Total Rewards、Employee Relations、Change Management 和真正战略型的 HRBP 来说，AI 反而可能创造一个比过去更大的舞台。
因为当 AI 开始重新定义工作的时候，企业最终一定需要有人重新设计工作。
这可能就是未来 HR 最重要的角色变化：
从管理“人和岗位”，走向设计“Human + AI 的工作系统”。
HRTech认为，未来真正优秀的 HR，不一定是最会使用 AI 的 HR，而是最懂得如何重新划分 人做什么、AI 做什么，以及组织应该因此如何改变 的 HR。
Anthropic 的研究并没有宣布 HR 的终点，但它已经给出了一个非常清楚的方向：AI 不会简单地消灭 HR，它会先重新给每一种 HR 工作定价。
capital share
2026年09月10日
扫一扫 加微信
hrtechchina
