【突发】Google招聘“翻车”？最懂AI的团队DeepMind竟让候选人绕过自家招聘系统HRTech核心摘要：一个很值得 HR 注意的信号：Google DeepMind 最懂 AI 风险的一支团队，正在让部分求职者通过额外表单，把简历直接送到真人手里。内部文件担心，现有申请流程存在一定概率让 CV 被错误筛掉或过晚到达团队。不过 Google 官方否认系统会错误过滤候选人，称额外表单主要是绕过招聘人员的检查。更有意思的是，Google 同时正在向企业 HR 推广 Gemini，用 AI 评估简历、生成职位信息和预测招聘需求。这件事真正提出的问题不是“AI还能不能用于招聘”，而是：自动化之后，HR有没有机制发现那些被算法错过的人？AI招聘下一阶段的关键词，很可能不是自动化，而是保留人的判断、确保过程可追溯，并尽可能减少优秀人才被系统漏掉（ Human-in-the-loop + Auditability + False Negative Management）。你觉得呢？
Google 最懂AI的团队 DeepMind 最近一则招聘新闻，引发了人力资源科技行业的关注。原因并不是 Google 正式承认“AI 招聘系统会误杀简历”，而是 Google DeepMind 旗下一个负责通用人工智能安全与对齐研究的团队，在实际招聘中主动增加了一条额外申请通道，希望确保候选人的简历能够直接被团队成员看到。
据 Bloomberg 获取并查看的一份内部文件，Google DeepMind 的 AGI Safety and Alignment Team 在招聘部分岗位时，建议候选人在完成正常职位申请之外，再填写一份额外表单。团队在文件中表示，现有申请系统存在“不容忽视的概率”，可能导致候选人的简历被错误筛掉，或者花费太长时间才能到达真正负责招聘的团队。
填写额外表单之后，申请材料可以直接进入团队成员的视野，从而增加真人看到候选人资料的机会。
Google官方否认“系统会错误淘汰候选人”
这件事情最重要的事实边界必须首先讲清楚。Google DeepMind 发言人并没有承认公司的招聘系统会错误淘汰候选人。Google 对外解释称，这支团队设计额外申请表格，主要目的是绕过招聘人员的前置审核，让候选人的简历能够直接进入业务团队，而不是为了纠正某个已经被证实存在问题的 AI 筛选系统。
Google 同时强调，这种额外通道并不意味着候选人可以绕过正常的招聘评估流程，更不存在获得职位的“捷径”。
因此，目前能够准确确认的是：Google DeepMind 的一个招聘团队认为现有申请流程存在简历被错误筛掉或延迟到达团队的风险，并主动增加了人工查看通道；但 Google 官方并不认同“公司系统会错误过滤候选人”这一说法。
此外，目前没有公开证据说明究竟是哪一套内部招聘系统参与了筛选，也没有证据证明这一系统就是 Gemini，更没有披露所谓“误筛概率”到底是多少。
所以，这件事情不应该被简单包装成“Google AI 招聘翻车”，但它确实暴露出了一个越来越重要的招聘科技问题。
AI招聘真正的风险，可能不是效率低，而是漏掉合适的人
过去十多年，招聘科技最主要的价值指标几乎都围绕效率展开，例如缩短招聘周期、降低招聘成本、提高招聘人员处理简历的能力，以及帮助企业从大规模候选人中更快找到匹配对象。
生成式 AI 和智能匹配技术的加入，又进一步推动了这一趋势。
AI 可以帮助企业读取更多简历、更快完成初步排序、识别技能关键词，也可以帮助招聘人员生成职位描述、候选人沟通内容和面试总结。
这些效率提升都是真实存在的。
但招聘毕竟不是单纯的信息处理问题，它最终仍然是人才判断问题。
假设一家企业收到一万份申请，系统可以在很短时间内筛选出五百人，这当然提高了招聘效率。但如果真正最适合岗位的二十个人中，有几个人在第一轮就被系统排除，而且业务负责人永远没有机会看到他们，那么企业是否还能认为这套系统是成功的？
这就是未来 AI 招聘中一个越来越值得重视的问题：系统漏掉了多少原本值得进入下一阶段的候选人。
过去企业大量关注“筛选效率”，未来可能需要增加一个完全不同的视角：人才漏筛率。
也就是说，企业不仅应该问“AI帮我们处理了多少简历”，还应该问：“AI有没有把真正值得关注的人提前排除掉？”
对于已经开始在招聘、人才管理、绩效管理等场景中使用 AI 的企业，仅仅统计“员工是否使用AI”已经无法代表真正的成熟度。HRTech 正在通过 HR AI Forward，从个人能力、团队工作流和组织层面进一步评估 AI 是否真正进入工作过程，并产生可衡量的业务结果。
更值得关注的是，Google自己正在向HR推广AI招聘能力
这起事件之所以具有代表性，还有一个非常有意思的背景。
Google Workspace 目前正在公开向人力资源团队推广 Gemini 在 HR 工作中的应用。Google 官方页面明确介绍，Gemini 可以帮助 HR 创建职位信息、辅助评估简历、处理招聘沟通，并预测未来招聘需求。
这并不意味着 Google DeepMind 的团队“不信任 Gemini”，目前没有证据能够支持这样的结论。
但它确实呈现出一个非常典型的企业 AI 场景：一方面，Google 正在积极推动 AI 进入人力资源和招聘流程；另一方面，Google DeepMind 自己的一支专业团队却在实际招聘过程中增加了额外的人工查看机制，以确保关键候选人不会因为正常流程而无法及时进入团队视野。
这背后的问题已经不再是“到底应该用AI还是人工”。
更准确的问题是：哪些工作可以交给AI，哪些关键节点必须保留人工判断。
这也是未来人力资源科技产品设计中越来越重要的一条原则。
人工参与并不意味着AI倒退
过去企业谈自动化时，很容易形成一个简单判断：人工操作越少，自动化程度越高，系统就越先进。
但在招聘这样的高影响决策场景中，这种逻辑并不完全成立。
招聘不仅关系到企业能否找到合适的人，也直接影响候选人的职业机会。如果筛选机制无法解释、无法审查，企业不仅可能错过人才，还可能面对公平性、偏差、合规以及候选人体验方面的问题。
因此，更成熟的 AI 招聘系统至少应该能够回答几个问题：为什么一个候选人被优先推荐？为什么另一个人没有进入下一轮？招聘经理是否仍然可以查看没有被系统推荐的简历？系统能否持续评估自己是否经常漏掉高质量候选人？不同候选人群体之间的筛选结果是否存在异常差异？
这并不是要让招聘重新回到完全依靠人工逐份阅读简历的时代。
真正成熟的人机协作应该是：AI 负责处理规模、发现模式和提高效率，人负责关键判断、异常复核和最终责任。
AI正在同时改变招聘的两端
Google DeepMind 的内部表格还有一个容易被忽略的细节。
团队同时提醒申请人，提交的内容最终会由真人阅读，而团队成员已经开始厌倦大量高度相似、明显由大语言模型生成的申请答案。
这说明 AI 正在同时改变招聘流程的两个方向。
一边是求职者越来越多地使用 ChatGPT、Gemini 等工具优化简历、求职信和申请问题；另一边是企业为了处理越来越大的申请量，又开始使用更多 AI 来帮助完成筛选和排序。
最终可能形成一个循环：候选人使用 AI 提高申请效率，企业收到更多申请；企业使用 AI 进行筛选，候选人又开始研究如何提高自己被系统识别的概率；企业继续升级筛选机制，求职者继续优化自己的申请策略。
如果这种趋势持续下去，招聘科技真正要解决的问题就不再只是“自动化程度够不够高”，而是“整个招聘过程是否可控”。
谁拥有最终决策权？在哪些情况下必须人工复核？系统错误如何被发现？筛选质量如何持续评估？候选人是否知道 AI 在招聘中发挥了多大作用？
这些已经不仅是技术团队的问题，也正在成为招聘负责人和人力资源管理者必须面对的问题。
HRTech 目前持续关注的重点，也正在从“企业有没有使用AI”转向“AI究竟如何改变HR工作”。通过 HR AI Forward，可以进一步观察 AI 是否只是增加了一个新工具，还是已经真正改变了岗位、任务、团队协作方式和组织运行机制。
HRTech观察：AI招聘正在从“提高效率”进入“提高决策质量”阶段
如果把招聘 AI 的发展分成两个阶段，第一阶段的关键词是效率。
谁能够更快读取简历、更快匹配候选人、更快生成招聘内容，谁就能够为招聘团队节省更多时间。
但第二阶段的竞争，很可能会转向决策质量。
未来企业不会只问：“这个系统帮我节省了多少招聘时间？”
还会问：“这个系统推荐的人到底准不准？”“它为什么没有推荐另一个人？”“它是否经常漏掉优秀候选人？”“我是否有办法发现系统犯错？”
这意味着 AI 招聘的衡量标准也需要发生变化。
过去，企业关注的是 AI 使用率，也就是有多少招聘人员开始使用 AI；下一阶段，需要关注 AI 是否真正改善了招聘结果；再往后，则是如何建立完整的 AI 管理机制，确保企业知道 AI 在什么时候做对了，也知道它在什么时候可能做错。
Google DeepMind 这次招聘事件并不能证明 AI 不适合招聘。它反而说明，当 AI 开始真正进入招聘核心流程之后，企业正在进入一个更加成熟的阶段。
真正优秀的AI招聘系统，不应该只是帮助企业更快地淘汰候选人，而应该帮助企业更准确地发现人才，并能够判断自己有没有漏掉真正值得关注的人。
这可能才是 AI 招聘下一阶段真正的竞争焦点。
从Google DeepMind的招聘争议，到AI正在重构招聘、人才管理和HR工作方式，真正值得中国HR思考的已经不只是“要不要用AI”，而是如何把AI真正带入工作流程，同时保留人的判断、责任和价值。
2026年下半年，HRTech也将继续把这些全球最新趋势带到中国HR的线下交流现场：
9月17日，2026人力资源科技年度论坛·深圳将围绕AI、数字化、人才与组织创新展开讨论，详情及报名：
https://www.hrtechchina.com/Public/html/917.html
10月22日，2026 HRTechXPO®超级盛典：未来人力资源科技论坛·上海将聚焦AI与未来人力资源科技，连接上海及长三角地区HR决策者，详情及报名：https://www.hrtechchina.com/Public/html/event/1022sh.html；
11月19日，2026 HRTechXPO®超级盛典：未来人力资源科技论坛·北京将继续围绕AI、HR科技创新与未来工作展开深度交流，连接北京及华北地区HR管理者，详情及报名：https://www.hrtechchina.com/Public/html/event/1119bj.html
如果你正在思考AI如何真正进入招聘、人才管理和组织工作流，欢迎来到深圳、上海或北京，与更多企业HR和行业同行一起讨论下一阶段的人力资源科技。
更多HRTech活动安排：https://www.hrtechchina.com/Public/html/event/eventlist.html
HRTech编辑备注： 截至2026年8月14日，公开报道没有披露 Google DeepMind 所指申请系统的正式名称、具体算法、实际误筛比例或受影响候选人人数，也没有证据证明该系统就是 Gemini。因此，本文没有将该事件表述为“Google承认AI误杀候选人”，而是严格采用“团队内部表达担忧、Google官方否认系统错误过滤”的事实框架。
来源： Bloomberg 记者 Julia Love 的相关报道，经 Los Angeles Times 于2026年8月11日刊载；Staffing Industry Analysts 于2026年8月13日跟进报道；HR Executive 于2026年8月14日从招聘科技角度进行报道；Google Workspace 官方 AI for HR 页面用于核实 Google 当前向人力资源团队推广 Gemini 在招聘、简历评估和招聘需求预测等场景中的应用。
ChatGPT
2026年08月15日
ChatGPT
【财报】Upwork发布2026年二季度财报，营收 1.917 亿美元，同比下降约 2%：AI正在重写自由职业市场HRTech概述：全球自由职业平台 Upwork 发布2026年第二季度财报。公司GSV为9.664亿美元，同比下降3.6%，营收1.917亿美元，同比下降2%，活跃客户也下降4%。但一个更重要的变化正在发生：低复杂度工作正在持续转向自动化，而高价值AI人才、更复杂项目和新的工作类别正在增长。
AI正在拆掉知识工作的初级职业阶梯，而新的Human + AI职业阶梯还没有完全建起来。Upwork已经开始把自己从传统自由职业平台重新定义为连接企业、Human Experts和AI Agents的工作市场，并通过ChatGPT、Claude和MCP进入AI工作流。
未来企业管理的不只是员工和外包人员，还可能包括大量AI Agent。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
Upwork 2026 年第二季度财报看起来并不“增长”：GSV 为 9.664 亿美元，同比下降 3.6%；营收 1.917 亿美元，同比下降约 2%；活跃客户降至 76.3 万，同比下降 4%。但如果把这些数字与 AI 业务、单客户价值和利润率放在一起看，呈现出的并不是一家传统自由职业平台简单进入衰退，而是一个更值得 HR 行业关注的信号——低复杂度工作正在被 AI 自动化，而平台正在主动把增长重心转移到高价值 AI 工作、复杂项目、SMB 深度服务和 Enterprise Workforce Management。
从 HRTech 的视角看，这份财报真正值得研究的，也不是 Upwork 本季度少了多少客户，而是它正在试图回答一个所有 HR 科技公司未来都会面对的问题：当企业里的“劳动力”开始同时包括 Employee、Contractor 和 AI Agent，人才平台究竟应该管理“人”，还是管理“工作”？
收入仍在下降，但Upwork已经从“追求更多客户”转向“经营更高价值客户”
Q2 2026，Upwork Marketplace Revenue 为 1.669 亿美元，同比下降 2%；Enterprise Revenue 为 2,480 万美元，同比增长 2%。GAAP Net Income 为 2,540 万美元，同比下降 22%，但 Adjusted EBITDA 却达到 6,410 万美元，同比增长 12%，Investor Presentation 披露的 Adjusted EBITDA Margin 达到约 33.4%。与此同时，Take Rate 提升至 19.8%，同比增加 40 个基点。
真正关键的是另一项指标：GSV per Active Client 达到创纪录的 5,230 美元，同比增长约 5%，并已经连续八个季度环比增长。 与此同时，Active Clients 同比下降 4%。
这组数据实际上揭示了 Upwork 当前非常明确的经营方向：客户数量可以下降，但留下来的客户必须产生更多、更复杂、更高价值的交易。
过去的自由职业平台依赖的是“大量客户 × 大量任务 × 平台抽佣”；新的 Upwork 更希望形成“大客户/高价值 SMB × 持续工作需求 × 更高客单价 × 更多服务收入”的模式。
这也是为什么收入仍然承压，但 Adjusted EBITDA 和 Take Rate 却能够继续改善。Upwork 已经不再单纯追求 Marketplace 的交易规模，而是在主动优化其业务结构。
AI没有把旧工作等量转换成新工作，它首先正在消灭一部分低复杂度任务
CEO Hayden Brown 在此次财报中给出了一句非常重要的判断：
“While lower-complexity work continues to shift toward automation…”
也就是说，低复杂度工作正在持续转向自动化。
这是本季度最值得 HR 与人才行业重视的一句话。
如果 AI 只是帮助 Freelancer 提高效率，那么理论上 Upwork 总体 GSV 不一定应该下降。但现实是，Q2 GSV 下降 3.6%、Active Clients 下降 4%。这意味着部分原来需要支付给自由职业者的任务，并没有转化成新的人工需求，而是被 AI 直接完成了。
但另一方面，新需求正在出现。Q2 2026，Upwork 平台 AI-related work GSV 同比增长超过 22%；其中 AI Strategy & Consulting GSV 增长超过 50%。Investor Presentation 显示，AI-related work 按 Q2 GSV 年化计算已经达到约 3.3 亿美元。
这形成了一个非常典型的 AI 劳动力市场分层：
基础写作、简单设计、翻译、标准化数据处理和低复杂度数字任务越来越容易自动化，而 AI Strategy、Consulting、Workflow Design、Agent Implementation 和更复杂的业务项目开始产生新的需求。
因此，未来人才市场真正需要讨论的可能已经不是简单的“AI会不会取代工作”，而是：
哪些任务会消失，哪些任务会升级，哪些任务会由 Human + AI共同完成。
Business Plus正在证明：Upwork真正想争夺的是企业级SMB预算
Upwork 第二条增长曲线来自 Business Plus。
Q2 Business Plus GSV 环比增长 24%、同比增长 174%；Business Plus Active Clients 环比增长 16%、同比增长 219%。更值得注意的是，38%的 Business Plus 活跃客户第一次在 Upwork 发生消费，就是通过 Business Plus 完成。 Investor Presentation 同时披露，其 Q2 Business Plus Revenue 同比达到约 2.5 倍。
这说明 Business Plus 并不仅仅是在把原来的 Freelancer Marketplace 用户升级成付费会员，而是在帮助 Upwork 获取一种新的客户群体：有持续项目、有复杂需求、有管理需求，同时又没有完整 Enterprise Procurement Infrastructure 的中型及成长型企业。
这类客户的价值远高于一次性的 Freelancer Hiring。
Upwork实际上正在尝试从：
“帮你找一个自由职业者”
升级为：
“帮你持续获得、组织和管理外部专业能力”。
这也是 HR Tech 产品增长中非常值得参考的一条路径：不要只提供单点工具，而是围绕客户不断增加的复杂度，从 Entry Product 向 Workflow、Management、Benchmark 和 Enterprise Solution逐层升级。
Enterprise与Lifted：Upwork正在逼近真正的Contingent Workforce Management
第三条增长主线是 Enterprise。
Upwork 旗下 Lifted 已在 6 月底将第一批企业客户迁移到新的平台，并扩大 Go-to-Market 团队，包括招聘新的 Head of Sales。与此同时，Enterprise Solutions 中的 EOR offering GSV 同比增长29%。该业务在 2025 年通过 Lifted 收购 Ascen 后得到进一步加强。
这意味着 Upwork 的边界正在继续扩大。
从最初的 Freelancer Marketplace，到 Contractor Management，再到 EOR、Managed Services、Enterprise Workforce Solutions，它越来越接近一套完整的 Contingent Workforce Infrastructure。
未来企业可能不再分别购买“自由职业平台”“EOR”“Contractor Management”“AI Agent”，而是希望在一个统一的 Work Layer 中配置：
Employee、Contractor、Freelancer、EOR Worker，以及 AI Agent。
一旦这个方向成立，Upwork真正竞争的就不再只是 Fiverr 或其他 Freelancer Marketplace，而会逐渐进入更广泛的 Workforce Management 市场。
ChatGPT、Claude和MCP背后的野心：让AI成为新的“劳动力采购入口”
Upwork另一个非常值得观察的战略，是它正在主动进入 AI Agent 的工作流程。
继 2026 年 4 月推出 Upwork app for ChatGPT 后，公司又推出 Upwork Claude Connector，并发布 Model Context Protocol（MCP）server。通过 MCP，客户与 Freelancer 可以让 AI Agent 在已有工具和工作流中寻找人才、发现工作机会，并帮助管理 Upwork 上的工作。Investor Presentation 明确提到 Claude、ChatGPT、Cursor 以及其他 MCP-compatible products。
这里真正重要的并不是又多了一个 ChatGPT 插件。
传统人才平台的入口是“人搜索人”：
企业产生需求 → HR或业务部门进入人才平台 → 搜索人才 → 发布项目。
Agent时代可能变成：
企业告诉 AI Agent 一个业务目标 → Agent拆解任务 → 判断哪些任务AI能够完成 → 哪些任务需要Human Expert → 自动调用 Upwork寻找相应专业人才。
这样一来，Upwork就可能从一个“用户访问的网站”，逐渐变成一个被 AI Agent调用的劳动力网络。
这也是 Upwork 为什么开始强调自己的定位不是 Freelancer Marketplace，而是：
“The human and AI-powered work marketplace.”
真正的新变量，是AI Agent开始成为一种独立的劳动力供给
Investor Presentation 第10页给出的结构非常清晰：
Clients、Human Experts、AI Agents，三者围绕 Upwork 平台形成新的工作关系。
更进一步，公司在 Presentation 中提出，Upwork希望为 SMB 提供 “AI diffusion layer”，通过人才和 human-supervised agents 帮助中小企业跨越从“拥有AI能力”到“真正采用AI”的鸿沟。公司同时披露，其 human-supervised agent product 已于 2026 年 8 月推出，但原文未披露独立正式产品名称。
这个变化对 HR Tech 的意义可能比单纯的 AI Recruiting 更大。
过去企业劳动力结构主要是：
Employee + Contractor。
现在正在出现第三种资源：
AI Agent。
未来 HR 和企业管理者必须开始回答新的问题：什么任务应该由员工完成？什么任务可以直接交给 Agent？哪些工作必须 Human-in-the-loop？一个 AI Agent 的成本应该如何核算？Human + Agent组合之后，生产率究竟提升多少？增加的 Token、模型、软件和治理成本是否值得？
这些问题最终都会落到一个核心概念：
AI Workforce Management。
$1.3万亿美元市场故事很大，但Upwork短期仍处于转型“Gap”
Upwork Investor Presentation 给出了三个长期增长支柱：Transforming human + AI work、Accelerating SMB growth，以及 Unlocking Enterprise expansion。公司引用委托第三方完成的市场研究，预计到2028年相关机会约为 1.3万亿美元，其中 SMB contingent digital knowledge work 为 5,300 亿美元、Enterprise 为 6,500 亿美元、Agentic AI 为 1,200 亿美元。需要强调的是，这属于市场机会估算，并非 Upwork 已经实现的收入。
短期数据仍然说明转型并没有完成。
Q3 2026 Revenue Guidance 为 1.76亿至1.84亿美元；全年 Revenue Guidance 为 7.30亿至7.50亿美元。与此同时，Q2 Operating Cash Flow 从去年同期的 7,250 万美元降至 4,690 万美元，Free Cash Flow 从 6,560 万美元下降到 3,590 万美元。
因此，目前最准确的描述并不是“Upwork已经完成AI转型”，而是：
传统低价值任务下降，新型AI高价值工作正在快速增长，但新的需求规模暂时仍未完全覆盖旧市场的收缩。
这正是 AI 时代大量知识工作平台未来几年都可能经历的“增长缺口”。
HRTech观察：未来企业真正缺少的可能不是更多AI工具，而是一套AI Workforce衡量体系
从 Upwork 这份财报继续往前推一步，HRTech认为，一个新的企业管理问题正在形成。
今天多数企业仍然通过“有多少员工使用 ChatGPT”“采购了多少 Copilot席位”来衡量AI采用。但当 AI 真正进入工作流程后，这些指标很快会失去意义。
企业真正需要知道的是：
一项工作原来需要多少 Human Hours，现在需要多少；Human与Agent分别完成了什么；单位任务成本是否下降；AI增加了多少模型和Token成本；质量、速度和风险是否改善；以及哪些岗位正在从“执行工作”转向“监督、设计和管理Agent”。
因此，HRTech接下来关注的重点也正在从单纯的 AI Readiness，进一步走向 AI Workforce ROI、AI Workforce Benchmark和Human + AI工作结构分析。HRAI Forward所衡量的“AI是否已经成为可复用、可迁移、可衡量的HR工作能力”，本质上也是这条路径的起点：先知道组织和HR当前处于什么位置，再进一步判断AI投入究竟有没有真正改变工作方式和产出。
Upwork此次财报给出的启示非常明确：
未来最有价值的 HR Tech 公司，未必只是帮助企业“招聘更多人”或“部署更多AI”，而是能够帮助企业回答——
什么工作应该由谁完成，以及Human + AI组合之后，企业是否真的创造了更多价值。
这可能才是 AI Workforce 时代真正的新基础设施。
【伦敦】AI员工赋能初创公司Atheni获得35万英镑种子轮融资，打造企业AI能力内化新范式HRTech概述：总部位于伦敦的 AI 员工赋能初创公司Atheni宣布成功完成35 万英镑种子轮融资，本轮融资由知名天使投资人 Alex Chesterman OBE 参与投资，同时获得英国创新署（Innovate UK）官方资助，资金将用于核心产品迭代与市场拓展，助力企业破解 AI 工具落地 “浅尝辄止” 的行业痛点。Atheni 核心产品Atheni Accelerator以 “工作流嵌入 + 角色定制化” 为核心，将 AI 指导深度融入员工日常操作场景。平台聚焦 ChatGPT、Claude、Copilot 等主流 AI 工具，为不同岗位员工提供个性化提示词、场景化操作指引及实时反馈支持，从 “教员工用 AI” 升级为 “让员工善用 AI”，推动 AI 从基础工具应用向决策辅助、思维升级的深层价值跨越。
总部位于伦敦的 AI 员工赋能初创公司Atheni宣布成功完成35 万英镑种子轮融资，本轮融资由知名天使投资人 Alex Chesterman OBE 参与投资，同时获得英国创新署（Innovate UK）官方资助，资金将用于核心产品迭代与市场拓展，助力企业破解 AI 工具落地 “浅尝辄止” 的行业痛点。
深耕 AI 能力内化，重构企业 AI 应用逻辑
区别于传统 AI 培训 “一次性灌输、知识留存低” 的短板，Atheni 核心产品Atheni Accelerator以 “工作流嵌入 + 角色定制化” 为核心，将 AI 指导深度融入员工日常操作场景。平台聚焦 ChatGPT、Claude、Copilot 等主流 AI 工具，为不同岗位员工提供个性化提示词、场景化操作指引及实时反馈支持，从 “教员工用 AI” 升级为 “让员工善用 AI”，推动 AI 从基础工具应用向决策辅助、思维升级的深层价值跨越。
两年客户验证成效显著，高留存印证市场刚需
Atheni 由 Mackenzie Howe 与 Louise Ballard 联合创立，正式融资前已通过两年密集客户实践打磨产品方法论，构建起高适配、高转化的 AI 赋能体系。目前平台已覆盖教育、制造、金融服务、私募股权等多元行业，数据显示，客户接入平台 90 天内用户参与率超 90%，显著高于行业平均水平，充分验证产品的普适性与实用性，也凸显企业对 “可落地、高回报”AI 赋能方案的迫切需求。
聚焦 “培养优秀用户”，直击 AI 落地核心痛点
“当前多数 AI 初创公司专注打造更强大的工具，而 Atheni 专注培养更优秀的 AI 用户。” 联合创始人 Mackenzie Howe 表示，企业 AI 应用的核心瓶颈不在于工具可及性，而在于员工能否真正用 AI 创造增量价值—— 实现更清晰的决策、更高效的协作与更具突破性的创新。Atheni 通过量化 AI 应用成效、明确价值转化路径，精准解决行业痛点：企业难以衡量 AI 投入回报率（ROI），助力组织实现 AI 投资的可量化、可追溯、可优化。
资本加码加速扩张，抢占 AI 赋能黄金赛道
随着生成式 AI 技术快速普及，企业 AI 应用进入 “深水区”，但多数员工仍停留在 AI 基础任务使用阶段，AI 生产力潜力未充分释放。Atheni 的差异化定位 ——“工具嵌入 + 能力培养 + 价值量化”，精准契合市场需求，在快速扩张的企业 AI 赋能赛道中占据先发优势。
本轮融资后，Atheni 将加速推进 Atheni Accelerator 平台迭代，深化与现有客户的合作落地，同时完善商业体系，为后续更大规模融资蓄力。伴随企业数字化转型加速，聚焦 “AI 能力内化” 的 Atheni，有望持续释放价值，助力全球企业真正释放 AI 生产力，构建人机协同新生态。
ChatGPT
2026年05月29日
ChatGPT
【警惕】AI招聘的隐形风险：从 Mercor 数据泄露到 HR“自建系统”失控边界HRTech概述：在AI快速进入招聘与人力资源管理核心流程的当下，一个被行业系统性忽视的问题正在逐渐显现：HR不仅在使用AI工具，也在无意中成为企业数据风险与合规风险的直接承担者。近期AI招聘公司 Mercor 遭遇网络攻击的事件，与 Ben Eubanks 对“vibe coding”现象的警示，实际上共同指向同一个更深层的趋势——AI正在打破HR系统原有的边界，而组织尚未建立与之匹配的治理能力。
Mercor事件：AI招聘架构的系统性脆弱性
从表面看，Mercor事件是一次典型的数据安全事故，其攻击路径被认为与开源项目 LiteLLM 的漏洞相关。但如果从架构层面分析，这并非孤立事件，而是AI招聘系统普遍面临的结构性问题。首先，AI招聘平台天然依赖大量外部组件，包括模型接口、中间层工具和API调用，这使得系统不再是传统意义上的“封闭HR系统”，而是一个高度开放的技术网络。一旦某个环节（例如开源组件）出现漏洞，风险就会沿着调用链迅速扩散，形成供应链级别的安全事件。
其次，AI招聘系统的数据集中度显著提高。相比传统ATS仅存储简历信息，AI平台往往整合视频面试数据、评估标签、行为分析结果等更高价值的数据资产。这类数据不仅敏感程度更高，而且结构更复杂，一旦泄露，其影响远超传统数据泄露事件。第三，AI系统本身扩大了攻击面。每一个模型调用、每一次数据传输、每一个API接口，都是潜在的攻击入口。这意味着，AI并不是简单叠加在HR系统之上，而是从根本上改变了系统的风险结构。
HR自建AI工具：效率背后的合规与安全盲区
与Mercor事件几乎同步发生的，是HR领域快速兴起的“自建工具”趋势。在 ChatGPT、Claude 等生成式AI工具的推动下，越来越多HR开始尝试通过简单脚本或自动化流程优化工作。例如，将候选人简历从ATS导出，上传至AI模型进行评分，再将结果回写系统。这类流程在操作层面看似高效，但在法律与合规层面却存在明显风险。
最直接的问题是数据传输与第三方使用。当候选人数据被上传至外部AI平台时，数据是否获得授权、是否跨境传输、是否被用于模型训练，往往并不透明。在GDPR以及美国部分州的数据保护法规框架下，这种未经明确授权的数据使用，很可能已经构成违规。其次，AI参与招聘决策还涉及自动化决策与潜在歧视问题。如果AI模型参与候选人筛选或排序，企业需要具备解释其决策逻辑的能力，而“vibe coding”生成的工具通常缺乏可审计性，这在法律争议中将成为重大风险点。
更关键的是，很多HR忽略了一个根本差异：原型工具与企业级系统之间存在本质鸿沟。一个可以快速运行的脚本，并不等同于一个可以长期稳定、安全、合规运行的生产系统。企业级系统必须具备安全性、稳定性、权限控制、审计能力等一整套机制，而这些恰恰是“自建工具”最容易缺失的部分。
从工具使用者到风险承担者：HR角色的结构性变化
这两类现象叠加后，实际上揭示了HR职能的一个重要转变。过去，HR主要是流程与人员管理的执行者，而在AI时代，HR开始不可避免地承担数据治理与AI使用风险的责任。招聘流程中每一次数据调用、每一次工具接入、每一次自动化决策，都在扩展HR的责任边界。
问题在于，大多数HR团队并未为这种转变做好准备。缺乏对数据流的理解、不熟悉API调用逻辑、不了解第三方工具的合规边界，使得HR在拥有更多技术能力的同时，也暴露在更高的风险之中。这种“能力未匹配责任”的状态，使AI在HR场景中的应用呈现出一种典型的失衡：工具能力迅速提升，但治理能力严重滞后。
行业拐点：效率导向正在让位于治理能力
当前HRTech行业普遍强调AI带来的效率提升，但Mercor事件以及围绕“自建工具”的争议，正在推动行业进入一个新的阶段。未来的竞争不再仅仅取决于谁用AI更多，而在于谁能够建立清晰的数据边界与治理体系。企业需要回答的不只是“能否用AI提升效率”，而是“在什么范围内使用AI是安全且合规的”。
这意味着，HRTech产品与HR团队本身，都需要从“工具导向”转向“治理导向”。包括建立数据使用规范、明确AI参与决策的边界、区分个人效率工具与企业生产系统，以及引入必要的审计与安全机制。这些能力将成为下一阶段HR数字化转型的核心竞争力。
从风险暴露到能力建设：RAIHR正在成为行业共识
如果说 Mercor 事件揭示的是“风险已经发生”，那么当前HR领域更需要面对的问题是：我们是否具备管理这些风险的能力。
早在2024年，HRTechChina 就已经开始持续呼吁行业正视这一变化，并正式发起了“RAIHR（Responsible AI in HR）”倡议，尝试为HR在AI时代建立一套清晰的能力框架与实践边界。该倡议的核心，并不是讨论“是否使用AI”，而是回答一个更关键的问题：在使用AI的过程中，HR应该承担什么责任，以及如何建立可控、可审计、可合规的使用机制。
从实践角度看，RAIHR关注的并不是工具本身，而是三个更底层的问题：数据如何使用、决策如何产生、系统如何被管理。这恰好对应当前HR在AI应用中最容易忽视、但风险最高的三个领域。换句话说，RAIHR试图解决的，是从“工具使用能力”到“风险治理能力”的跃迁。
结合当前行业的发展阶段，可以看到一个越来越清晰的分水岭正在形成：一部分HR仍停留在“如何更高效使用AI工具”，而另一部分HR，已经开始思考“如何在不产生风险的前提下使用AI”。前者决定效率，后者决定边界与长期价值。
在这一背景下，RAIHR不再只是一个概念，而更像是一种必要的行业基础设施。随着监管趋严、企业数据风险不断上升，以及AI在招聘与管理中的深度嵌入，是否具备RAIHR能力，将逐渐成为HR专业度的重要标志之一。
对于企业而言，这意味着需要建立明确的AI使用规范与审计机制；对于HR个人而言，这意味着必须理解数据流、决策逻辑与系统边界；对于HRTech行业而言，这意味着产品与服务必须从“功能导向”走向“合规与治理导向”。
AI不会放慢进入HR的速度，但风险正在同步放大。真正的问题，不是是否使用AI，而是是否在有边界的情况下使用AI。
在这个阶段，再次呼吁行业正视这一变化：从今天开始，把“Responsible AI in HR”作为一个必须建立的基础能力，而不是一个可以延后讨论的话题。
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
ChatGPT
扫一扫 加微信
hrtechchina
