Claude - HRTechChina.com - 向上的力量！

Claude

【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。

Claude
2026年05月29日
Claude

【重磅】AI带来的不是效率革命，而是“工作结构重写”——Anthropic 8.1万用户数据的真正信号 HRTech核心解读：报告揭示 AI 对工作的真实经济影响：AI 最大的价值并不只是提速，而是扩展能力边界，让人能完成过去做不了的任务。报告还发现一个悖论：提速越明显的人，往往也越担心自己的岗位未来。这意味着企业接下来的重点，不只是部署 AI，而是重构岗位、培养早期人才、重新设计价值分配。对 HR 来说，真正的挑战已经从“要不要用 AI”，转向“如何用 AI 重写工作”。更多心请关注HRTech，为你带来全球最新HR科技趋势。如果只用一句话总结这份来自 Anthropic 的研究，那就是：AI 的核心影响不在于“提升效率”，而在于“重写工作的经济逻辑”。报告基于约 8.1 万名 Claude 用户的反馈，揭示出一个清晰趋势——越是深度使用 AI 的人，越能感受到效率提升，同时也越容易产生岗位焦虑。这不是矛盾，而是同一变化的两面。一、AI焦虑的本质：岗位正在被重构，而不是简单被替代报告显示，大约五分之一的受访者明确表达了对岗位被 AI 替代的担忧，而且这种担忧与岗位的“AI暴露度”呈显著正相关：暴露度每提高 10 个百分点，岗位威胁感上升 1.3 个百分点。这说明员工的焦虑并不是情绪驱动，而是对工作内容变化的真实反馈。更值得注意的是，早期职业人群的焦虑显著高于资深员工，这背后反映的不是代际差异，而是结构性冲击——AI最先影响的，正是那些以“学习”和“执行”为核心的初级岗位。这些岗位在传统组织中承担着“训练通道”的功能，是人才成长的起点。但当AI可以直接完成大量基础任务时，这一通道被压缩甚至跳过。企业依然需要高级人才，但不再需要同样数量的“培养路径上的人”。这才是焦虑的真正来源。二、效率提升只是表象，真正变化是能力边界被打开报告中一个关键发现是，48%的用户认为AI带来的最大收益是“scope expansion”，也就是能力范围的扩展，而不是简单提速。这一点非常关键，因为它意味着AI首先改变的不是“效率”，而是“能力结构”。在实际工作中，这表现为非技术人员可以完成开发任务、个体可以完成过去需要团队才能完成的项目、低技能岗位也可以跨界进入更复杂的领域。这种变化本质上是能力的去门槛化，也意味着岗位边界正在被重新定义。企业不再仅仅根据岗位划分任务，而是开始围绕“人+AI可以完成什么”来重构工作。三、效率悖论：越高效的人，反而越不安全报告还揭示了一个极具现实意义的现象：那些感受到最大效率提升的人，往往也最担心自己的岗位未来。这种“效率悖论”背后的逻辑很直接——当一项工作原本需要两小时，现在只需要三十分钟时，组织自然会重新评估是否还需要同样的人力配置。也就是说，效率提升并不会自动转化为职业安全，反而可能加速岗位压缩。对企业而言，这是成本优化；对员工而言，则是不确定性增加。这种结构性张力，将成为未来几年职场的常态。四、收益分配正在变化，但尚未完成重构从数据来看，大多数受访者认为AI带来的收益首先体现在个人层面，例如节省时间、提升能力、拓展工作范围。但报告同时指出，约10%的用户已经感受到企业或客户在要求他们完成更多工作。这意味着，AI带来的效率红利正在逐步从个体转向组织。需要注意的是，这份数据主要来自个人用户，如果放到企业环境中，收益分配的结构可能更加偏向组织。长期来看，AI很可能推动形成新的均衡：更少的人力、更高的能力要求，以及更高的人均产出。五、对HR的真正挑战：不是部署AI，而是重做人力模型从HR视角来看，这份报告的意义远不止“AI可以提升效率”。真正的挑战在于，传统的人力资源模型正在失效。首先是人才结构的变化，初级岗位减少，中高级岗位要求提高；其次是职业路径的断裂，传统线性成长路径不再适用；最后是岗位定义的模糊，当AI可以跨职能执行任务时，岗位边界本身需要被重新设计。未来HR需要关注的，不再是“人岗匹配”，而是“能力组合与AI协同”。这意味着招聘、培训、绩效和组织设计都需要同步调整，否则AI只会放大组织的不适配。六、结论：AI改变的不是工作数量，而是工作定义综合来看，这份报告最重要的启示在于，AI不会简单地“取代工作”，但会快速淘汰“旧的工作定义”。工作的单位正在从岗位转向能力组合，从固定职责转向动态任务。这种变化不会一次性完成，而是以效率提升、岗位调整、人才流动的形式逐步展开。对于企业而言，关键在于是否主动重构组织与岗位；对于个人而言，关键在于是否及时调整能力结构；而对于HR而言，关键在于能否提前识别这些变化，并将其转化为系统性的组织能力。这场变化已经开始，问题不在于是否发生，而在于谁更早看清它的方向。

Claude
2026年04月23日
Claude

【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。

Claude
2026年04月09日
Claude

【重磅解读】当8万人开始依赖AI：工作正在被重新定义，而不是被加速 HRTech概要：基于8万+真实用户访谈，它揭示了一个非常关键的趋势：AI的角色正在发生结构性变化。很多人还在讨论AI是否能提高效率，但真实情况是——用户已经在用AI做更深层的事情，比如学习、决策甚至情绪支持。这意味着AI正在进入“认知层”和“心理层”。更值得关注的是一个核心发现：AI的收益和风险是绑定出现的。效率提升往往伴随着判断能力下降，学习增强可能导致认知依赖，而情绪支持则更容易形成心理依赖。而且这些问题不是提前设计出来的，而是在实际使用中逐渐出现的。这对企业提出了一个新的问题：AI不是简单的工具，而是一种“能力交换机制”。更多全球最新HR科技趋势，请关注 HRTech 刚刚，Anthropic发布了《What 81,000 People Want from AI》研究。这份报告表面上是一次关于AI使用场景的大规模调研，实则更接近一份“人类行为结构变化”的底层观察。研究基于超过80,000份高质量访谈数据，覆盖159个国家、70种语言，在短时间内构建了一个极具代表性的样本体系。与传统问卷不同，这是一组通过AI访谈获得的开放语义数据，其核心价值不在统计分布，而在于揭示一个更深层的问题：当人们真正开始依赖AI时，他们到底在“交换什么”。如果仅从使用场景来看，这份报告并不新颖。软件开发、写作辅助、学习支持等仍然是最主流的应用领域。但当这些使用行为被放入“需求—体验—担忧”的结构中进行分析时，一个更具解释力的模式开始浮现：AI并没有简单地提升效率，而是在重塑人类完成工作的方式本身。 AI使用的真实逻辑：从效率工具到能力外包系统过去两年，企业引入AI的主要叙事是“效率提升”。这一逻辑在早期阶段成立，但Anthropic的研究表明，这只是表层现象。用户在访谈中呈现出的需求，实际上分布在三个递进层级：首先是效率，即自动化重复性任务；其次是认知，即辅助学习、理解复杂问题以及参与决策；第三则是情绪层面，包括缓解压力、提供陪伴以及处理关系问题。尤其值得关注的是，访谈中大量用户主动提及 grief、mental health、relationship 等内容，这类表达在传统用户研究中极为罕见，却在AI访谈中成为高频信号。这一变化的本质在于，AI已经从“完成任务的工具”，演变为“参与认知与情绪结构的系统”。当用户将AI用于思考、判断甚至情绪处理时，其角色已经不再是外部辅助，而是逐步嵌入到人类能力结构之中。这也是为什么单纯以“生产力工具”来理解AI，会低估其长期影响。最关键的发现：价值与代价是同一件事的两面这份研究最有穿透力的结论，不在于用户如何使用AI，而在于他们如何同时理解AI的好处与风险。数据表明，提到AI带来收益的用户，显著更可能同时提到其潜在问题，这种“正负共现”在多个维度上都呈现出稳定结构。效率提升往往伴随着对“虚假效率”的警惕，即用户担心自己在更快完成任务的同时，可能降低了判断质量；学习能力的增强，则对应对“认知退化”的担忧；而情绪支持，则与依赖性之间呈现出最强关联，其共现概率达到基准水平的三倍以上。更值得注意的是，这种风险意识并不是在使用前形成的，而是在使用过程中逐步出现。研究中区分了“经验性表达”和“预期性表达”，结果显示，基于真实使用体验的收益—风险关联显著强于基于假设的判断（φ≈0.20 vs φ≈0.07）。这意味着，AI的影响并不是一个可以完全通过设计或培训提前控制的变量，而是一个在持续使用中不断显现的系统性后果。换句话说，AI并不是一个“先理解再使用”的工具，而是一个“先使用再理解其代价”的系统。 AI的真正变化：从工具层进入“行为结构层” 如果将这份研究放入更广泛的产业背景中，可以发现它与当前AI技术演进路径形成了高度一致的映射。在NVIDIA GTC 2026大会上，Jensen Huang提出未来企业将同时拥有Human Workforce和Digital Workforce，而Workday、UKG等企业正在推动的Agentic AI，则进一步将AI从“响应指令”转向“主动执行任务”。 Anthropic的研究从用户行为侧验证了这一趋势。过去，工作的基本结构是“人使用工具完成任务”，工具只是延伸人类能力的外部手段。而现在，AI正在逐步参与任务的拆解、路径选择以及执行过程，在部分场景中甚至可以独立完成完整工作闭环，人类的角色转变为监督与校正。这种变化并不只是效率提升，而是将AI引入到“工作结构本身”。当AI开始参与决策路径时，工作的定义已经发生改变。它不再是“人做什么”，而是“人和系统如何共同完成结果”。对HR的深层影响：从“人力管理”走向“人机协同管理” 对于HR而言，这一变化的意义远远超出工具引入或技能培训层面。真正的挑战在于，企业正在从单一的人类劳动力体系，转向“人类与数字系统共同构成的劳动力结构”。这将直接冲击现有的人力资源管理逻辑。首先，岗位定义将发生根本变化。传统岗位基于个人能力设计，而在AI参与的环境中，岗位需要围绕“人机组合能力”进行重构，即一个人能够通过AI系统实现的整体产出。其次，绩效评估将变得更加复杂。当产出部分来自AI能力时，如何区分个体贡献与系统贡献，将成为新的管理难题。更重要的是，风险管理将从边缘问题变为核心能力，因为AI的每一项能力提升，都伴随着潜在的依赖、偏差与合规风险。在这一背景下，HR的角色也将发生转变，从“管理人”转向“设计与管理人机协同系统”。一个被低估的本质：AI是一种能力交换机制综合这份研究的所有发现，可以抽象出一个更具解释力的结论：AI并不是一个单向提升生产力的工具，而是一种“能力交换机制”。用户通过AI获得更高效率、更强认知支持以及更低情绪成本，但同时也在交换掉部分独立判断能力、学习路径以及心理边界。这种交换并不是线性的，也不是完全可控的，而是在持续使用中逐步累积。正因如此，未来企业真正需要建立的，不是单一的AI应用能力，而是一套能够管理这种交换关系的体系，包括使用边界、风险识别以及行为引导。结语：HR需要重新理解“工作”本身 Anthropic的这份研究，并没有直接回答企业“如何使用AI”的问题，但它提供了一个更基础的视角：AI正在改变的，不是工具，而是“人类如何完成工作”的基本结构。当工作从“人完成任务”转变为“人和系统共同产生结果”，HR所面对的对象、能力模型以及管理边界，都需要被重新定义。对于中国HR科技行业而言，这不仅是一个技术趋势，更是一次关于“工作本质”的再认识。谁能够率先理解这一变化，并将其转化为组织能力，谁就有可能在下一阶段的人才竞争中占据主动。

Claude
2026年03月19日
Claude

Anthropic报告炸场：AI时代第一批“失业高风险人群”出现——22-25岁年轻人、女性白领、知识工作者 Anthropic发布最新研究《Labor Market Impacts》（点击下载报告），通过分析Claude人工智能在真实工作中的使用数据，并映射到美国劳工部O*NET职业任务数据库，首次从“任务层面”揭示AI对劳动力市场的真实影响。研究显示，AI并不会立刻消灭大量岗位，但正在悄然改变岗位结构和职业机会分布。最先受到冲击的可能不是传统蓝领，而是三类看似稳定的人群：刚进入职场的22-25岁年轻人、在行政与运营等知识型岗位占比较高的女性白领，以及大量从事分析、内容与技术工作的知识工作者。当AI逐渐接管标准化认知任务时，企业的招聘标准、组织规模与人才成长路径都将被重新定义。Anthropic这份报告告诉我们：水位已经在变化了，变化首先发生在入口处，首先影响的是年轻人，首先体现在招聘减速而非裁员加速。这三个"首先"，就是HR领导人现在需要行动的三个方向。过去一年里，关于人工智能是否会引发大规模失业的讨论几乎每天都在发生，但真正基于真实AI使用数据的研究却并不多。Anthropic最新发布的研究《Labor Market Impacts》（点击下载报告）提供了一个不同的观察视角。研究团队没有再做抽象预测，而是直接分析Claude人工智能在真实工作中的使用记录，并将这些任务映射到美国劳工部的O*NET职业数据库，从而判断AI究竟在替代哪些工作任务、又在改变哪些职业结构。研究结论并没有像很多人担心的那样宣告“就业崩塌”，但却揭示出一个更值得警惕的趋势：AI冲击劳动力市场的第一波风险人群画像已经开始显现。这批最早受到冲击的人，并不是传统想象中的蓝领，而是三个看似稳定的群体：22-25岁的年轻职场新人、以知识型岗位为主的白领女性，以及大量从事知识工作的专业人才。对企业HR和组织管理者而言，这个信号比“AI会不会取代所有人”更值得关注，因为它意味着未来劳动力市场的变化可能首先发生在职场入口、职业结构和组织效率层面。 AI首先改变的不是岗位，而是岗位里的任务结构 Anthropic研究最重要的贡献之一，是把AI影响从“岗位层面”拆解到“任务层面”。在现实企业中，一个岗位通常包含多个不同类型的任务，例如信息整理、报告撰写、数据分析、沟通协调和决策判断等。研究发现，当前AI并不会一次性替代整个职位，而是优先接管那些高度结构化、可文本化、可规则化的认知任务，例如内容初稿生成、数据总结、资料整理、文档改写和信息检索。从宏观角度看，这种变化似乎并不会立刻减少岗位数量，但它会逐渐改变岗位内部的价值结构。当AI能够完成越来越多基础任务时，企业对人类员工的期待也会随之改变：组织更需要具备判断能力、复杂问题解决能力和跨部门协调能力的人，而不是仅仅能够完成标准化执行任务的人。这种变化看似温和，却正在悄悄改变整个职场的价值体系。第一批风险人群：22-25岁的年轻人在Anthropic的研究中，一个值得注意的现象是，高AI暴露职业中的入门级岗位招聘正在出现放缓迹象。这并不意味着企业已经停止招聘年轻人，而是意味着很多过去由新人承担的基础任务，例如资料收集、研究整理、报告初稿、数据分析等，已经可以由AI工具完成。在传统职业路径中，年轻人进入职场往往依赖这些低风险、低复杂度的基础工作积累经验。但当这些任务被AI接管后，企业对新人岗位的需求自然会减少。对于很多组织来说，让一名经验丰富的员工借助AI完成这些任务，往往比培养新人更高效。这意味着未来几年，一个重要变化可能出现：年轻人进入职场的门槛将明显提高。企业可能减少大量基础岗位，而更倾向招聘能够直接创造价值的员工。对于刚进入职场的22-25岁年轻人来说，这种变化可能是AI时代最早显现的就业冲击。第二类风险人群：女性白领 Anthropic研究还指出，高AI暴露职业中女性比例相对更高。这并不是因为AI专门针对某一性别，而是因为很多女性比例较高的职业，如行政支持、市场营销、内容编辑、人力资源运营等，本身就包含大量文本处理、资料整理和流程协调等任务。这些工作正是当前大型语言模型最擅长的领域。AI可以在几秒钟内完成报告草稿、邮件回复、数据总结和会议纪要等任务，而这些工作在许多企业中长期由行政、运营或HR团队承担。因此，在AI渗透的早期阶段，女性占比较高的知识型岗位可能更容易受到影响。对企业HR而言，这种变化带来的挑战不仅是岗位调整，还涉及职业发展路径与组织公平。如果企业减少大量支持型岗位，却没有提供新的成长路径，那么组织内部的职业结构和人才培养体系都将受到冲击。第三类风险人群：知识工作者过去几十年中，人们普遍认为知识型职业是最安全的职业类型，因为这些岗位依赖思考、分析和创造力。然而Anthropic研究却揭示了一个反直觉的事实：AI使用最密集的领域恰恰是知识工作，例如软件开发、数据分析、市场研究和管理咨询。原因其实并不复杂。当前AI最擅长处理的是文本、代码和信息，这正是知识工作的核心材料。例如，程序员可以使用AI生成代码框架，分析师可以利用AI整理数据和报告，营销人员可以借助AI生成文案和市场洞察。AI并不会完全取代这些职业，但它显著提高了生产效率。当一个高能力员工借助AI可以完成过去三个人的工作时，企业自然会重新思考团队规模。长期来看，这种效率提升可能导致知识型岗位数量增长速度放缓，甚至在某些领域出现减少。 AI冲击的真正核心：组织效率革命 Anthropic研究反复强调，当前AI对就业的影响仍然处于早期阶段，但它正在改变企业组织效率。AI可以让一个小团队完成过去大团队才能完成的工作，这意味着未来企业的组织结构可能发生深刻变化。过去，一个部门可能需要二十个人完成复杂项目；未来，借助AI工具，五到八个人的团队就可能完成同样任务。这种变化不会立刻带来裁员浪潮，但会逐渐改变企业招聘策略。组织会更加谨慎地增加员工数量，而更愿意通过技术提升现有团队效率。对于HR领导者来说，这意味着管理逻辑需要从“岗位数量管理”转向“任务与能力管理”。企业必须重新思考岗位设计、人才培养和绩效评估，因为AI正在改变工作的基本单位。 AI时代的人才竞争规则正在改变 Anthropic的研究并没有宣称AI会迅速摧毁就业市场，但它清楚地展示了一种正在形成的趋势：AI正在改变哪些人更容易获得机会。未来职场的竞争将不再只是学历或经验的竞争，而是人与AI协作能力的竞争。能够有效利用AI工具的人，将在效率和产出上远远领先于不会使用AI的人。与此同时，那些依赖标准化任务的岗位将逐渐减少，而需要判断力、创造力和复杂沟通能力的岗位将变得更加重要。对HR而言，这意味着企业的人才标准必须升级。招聘时需要关注的不只是专业技能，还包括员工是否具备利用AI提升工作效率的能力。培训体系也需要调整，让员工学会在AI环境中工作，而不是把AI当成简单工具。真正需要警惕的不是AI，而是组织准备不足 Anthropic研究最值得深思的地方，并不是它描绘了某种灾难性的就业未来，而是它提醒企业：AI对工作的影响已经开始，但大多数组织还没有真正准备好。很多企业仍然停留在试用AI工具的阶段，而没有系统性地思考岗位设计、流程优化和组织治理。如果企业继续用过去的管理方式应对AI时代，那么效率提升带来的红利可能无法释放，反而会造成新的组织混乱。对HR领导者来说，现在最重要的问题不再是“AI会不会取代员工”，而是“企业如何重新设计人与AI的分工”。只有在组织层面重新定义岗位结构、人才培养和管理机制，企业才能真正利用AI带来的生产率革命。 Anthropic的研究揭示了一个正在形成的现实：AI不会突然毁掉就业市场，但它正在慢慢改变谁更容易获得机会。当年轻人、女性白领和知识工作者成为第一批高风险群体时，企业和HR必须开始思考新的职场规则，因为AI时代的劳动力市场已经悄然启动转型。

Claude
2026年03月07日

Claude

【榜单】深度解读3月全球人力资源上市公司市值TOP10榜单——AI与利率双重影响下HR科技估值重构 HRTech概述：过去的2月全球HR上市公司TOP10市值普遍回调，ADP、Recruit、Workday等头部企业单月蒸发百亿美元级市值，中型HR SaaS跌幅更明显。本轮调整并非行业基本面恶化，而是利率预期、财报指引与AI Agent叙事叠加下的估值重构。资本市场开始从“增长优先”转向“确定性与数据控制权优先”。薪酬与合规基础设施型企业抗压能力更强，流程型工具SaaS波动更大。AI并未终结SaaS，但正在重塑价值分配逻辑。更多解读，请关注HRTech 一、榜单结论先看懂：过去的2月不是“行业坏了”，而是“估值体系变了”从2月1日到2月27日，全球人力资源上市公司TOP10市值几乎全线回调，且回调集中发生在“高估值、长久期（long-duration）的企业软件资产”上。换句话说，这更像一次资本市场对HR科技与SaaS资产的“系统性再定价”，而不是HR行业基本面在短期内发生了同等幅度的恶化。二、2月TOP10市值变化全景：头部蒸发最显著，中段波动更剧烈2月的核心特征是：头部公司市值“绝对值回撤巨大”，中段公司“比例回撤更敏感”。头部四家（绝对值回撤最显著）：ADP：996亿美元 → 863亿美元（-133亿美元）Recruit：818亿美元 → 687亿美元（-131亿美元）Workday：461亿美元 → 352亿美元（-109亿美元）Paychex：370亿美元 → 336亿美元（-34亿美元）中段与尾部（比例回撤更明显、排序出现变化）：BOSS直聘：89亿美元 → 77亿美元Paycom：75亿美元 → 68亿美元Paylocity：73亿美元 → 57亿美元Randstad：60亿美元 → 55亿美元The Adecco Group：49亿美元 → 40亿美元SEEK：52亿美元 → 39亿美元（与Adecco在榜单尾部出现名次对调）这组数据传递出一个非常明确的信号：2月市场并没有“推翻HR龙头格局”，但在估值层面显著降低了对HR SaaS与平台类资产的定价上限。三、为什么会发生：三条主线叠加，触发HR SaaS估值压缩 1）宏观与利率预期：折现率上升，先杀“长久期软件”订阅制SaaS与平台公司估值高度依赖“未来现金流折现”。当市场对利率路径、风险溢价的判断转向更谨慎时，最先被重新定价的往往不是周期股，而是“需要用更长时间兑现增长”的软件股。这解释了为什么Workday、Paylocity、Paycom等波动会更显著。 2）财报季与指引：不是“数据差”，而是“达标不够”，指引更关键2月是财报密集期。以Workday为例，公司披露财季业绩后，市场对其订阅收入与销售节奏的担忧上升，股价与估值随之承压。官方披露显示其当季总收入与订阅收入仍保持增长，但市场更敏感地交易“未来几个季度的增速与大单节奏”。更直观的是，路透社将Workday的下跌与“疲软销售预期”及“AI时代竞争担忧”直接关联，并指出其股价跌至多年低位，反映投资者对其在AI冲击下的增长确定性重新评估。 3）AI Agent叙事冲击：市场担心“价值从SaaS界面层转移到Agent执行层”你提到的“Claude垂直Agent”带来的冲击，本质上不是“立刻替代SaaS收入”，而是资本市场开始重新思考：如果未来企业通过Agent完成任务，而不是通过SaaS界面完成点击式流程，那么SaaS的“Seat定价、模块溢价、界面粘性”是否会被削弱？这类担忧在2月被显著放大。TechCrunch报道Anthropic推动企业级agents项目、以插件形态切入日常工作场景，强化了“Agent进入企业流程”的想象空间。与此同时，市场对“软件股被AI恐惧情绪抛售”的描述在媒体端也出现集中表达（例如“traders dump software stocks as AI fears erupt”）。四、结构性分化：谁更抗跌，谁更容易被“Agent情绪”影响 1）更抗跌的底层能力：薪酬与合规基础设施ADP、Paychex这类公司之所以仍稳居第一梯队，原因在于它们更接近“企业运营基础设施”：薪酬、税务、合规、雇佣关系管理等具备强监管与强数据壁垒属性。即使Agent兴起，它们更可能成为“被调用的底层系统”，而不是最先被替代的产品界面。ADP自身在财报中也强调业绩与指引的稳定性（例如对FY2026增长的更新与长期韧性表达），强化了市场对其抗周期属性的共识。 2）波动更大的中型HR SaaS：最容易被“估值与叙事”双杀Paylocity、Paycom等中型HR SaaS的典型风险点在于：业务不弱，但在市场风险偏好下降时，估值更依赖“增长叙事 + 定价权”。当投资者担心Agent压缩Seat、压缩模块溢价时，这类公司更容易出现比例回撤。 3）招聘平台：会被AI影响，但不是同一种影响BOSS直聘与SEEK这类平台被卖出，更多与两类预期相关：一是招聘市场景气度与企业招聘预算；二是AI在筛选、匹配上的效率提升会不会改变平台议价权。但要强调：招聘平台受影响往往更“周期 + 情绪”，而非短期内商业模式被替代。五、把2月放进更大的图景：这不是“AI杀死SaaS”，而是“AI迫使SaaS重新定价”2月的下跌可以理解为一次“估值体系切换”的集中演示：过去市场更愿意用ARR增长给估值溢价；现在市场更关注：增长是否可持续、AI是否会改变价值链、企业软件是否会从“工具交互”变成“Agent执行”。路透社对Workday的报道已经把这种担忧具象化为“AI disruption fears”。因此，2月更像“市场先把不确定性价格打进去”，而不是对HR行业的终极否定。六、对企业HR与投资者的启示：未来一年看三件事 1）谁掌握主数据与合规引擎，谁就更像“底层操作系统”AI Agent要在企业里落地，最终必须调用真实系统、真实数据、真实合规规则。底层系统的价值不会消失，但其“界面价值”可能被重估。 2）谁能把Agent嵌进产品与工作流，谁就能守住定价权下一阶段不是“有没有AI功能”，而是能否形成可计费、可规模化、可审计的Agent工作流能力。 3）增长不再等于高估值：利润质量与现金流会重新成为硬指标当市场进入“硬指标时代”，订阅收入结构、续费、净留存、自由现金流将比“故事”更重要。七、2月是一个信号，不是终点2月TOP10市值回调的本质，是全球资本市场在AI与宏观不确定性交织下，对“企业软件资产的估值上限”做了一次集体校准。榜单格局并未被颠覆，但各细分赛道的资本耐心正在被重新分配。对于HR科技行业而言，真正的分水岭不是“是否会用AI”，而是“能否用AI重构产品价值并守住定价权”。你这么看？欢迎交流。

Claude
2026年03月02日
Claude

【美国】高等教育AI平台BoodleBox获得500万美元种子轮融资，加速推动高等教育领域AI协作高等教育领域领先的协作式人工智能平台BoodleBox宣布完成500万美元种子轮融资，本轮融资由Dogwood Ventures与Osage Venture Partners联合领投。其他投资方包括JFFVentures、ECMC集团、Hivers and Strivers、Service Provider Capital、犹他谷大学狼獾基金及City Light Capital。 BoodleBox通过专为多用户负责任协作设计的统一安全界面，为学生、教师及教育机构提供GPT-5.1、Claude、Gemini、Perplexity、LLAMA等多款高端AI模型的集成访问服务。该平台专有的令牌减少技术可将AI运营成本及环境影响降低高达96%，同时保持企业级安全性和FERPA合规性。自2024年第四季度推出以来，BoodleBox已被1200多所高等教育机构和100多个工作团队的教育工作者、学生及专业人士采用。已有80余所院校选用BoodleBox的AI基础设施，使逾7万名教职员工和学生获得公平的AI使用权限。 “此次投资标志着我们使命的重要里程碑——让负责任的AI技术成为所有学习者触手可及、经济实惠且影响深远的工具，”BoodleBox首席执行官兼创始人黄芳表示。“通过实现学生、教师与多种AI模型间的无缝协作，我们不仅助力教育机构培养适应AI驱动型劳动力市场的学习者，更确保这些技能与资产能伴随他们走向毕业后的职业生涯。” 公司的解决方案正填补关键技能缺口。当前66%的雇主要求具备AI能力，但仅24%的低收入学生能接触AI工具。通过提供经济实惠、安全可靠且公平开放的人工智能访问渠道，BoodleBox确保每位学生——无论背景如何——都能掌握定义未来职业发展的核心技术能力。 “BoodleBox在填补高等教育人工智能技能缺口方面具有独特优势，”Dogwood Ventures创始管理合伙人亚伦·赫斯特表示，" “公司专注于经济性、安全性及教育影响力，正在构建高校大规模开展负责任人工智能教学所需的基础设施。” 投资者信心源于BoodleBox的快速发展势头与独特产品优势。该平台不仅整合了顶尖人工智能模型，还提供定制化机器人构建、跨团队人工智能协作、人工智能辅导以及独特的数据可移植性，使毕业生能够将人工智能辅助成果带入职业生涯。 JFFVentures管理合伙人萨巴里·拉贾表示：“作为致力于推动公平就业解决方案的投资方，我们认为BoodleBox是确保所有学生——而非仅限精英群体——掌握人工智能技能的关键工具。” 通过降低成本门槛、扩大使用范围并实现数据可移植性，BoodleBox契合了我们赋能弱势学习者的使命——让他们掌握在人工智能变革的经济中蓬勃发展的技能与机遇。" "我们很高兴与BoodleBox合作！作为学生，我们深知生成式人工智能将定义我们这一代人的技术。我们一直在寻找不仅是工具，更是一个安全可靠、协作共享且寓教于乐的平台，帮助学生获取所需AI技能，同时定价符合学校预算——BoodleBox正是这样的存在。这次合作意义非凡，因为我们投资的产品正是我们作为学生所需所求。我们自豪地支持其使命——让未来工程师、医生、政治家及各领域专业人士更便捷地获取高等教育与人工智能技能。" 借助新增资金，BoodleBox计划拓展高等教育领域布局，增强平台功能，并推动人工智能协作在企业培训、公共机构及专业领域等新兴板块的应用价值。 BoodleBox还将把主要总部迁至科罗拉多州科罗拉多斯普林斯市，借此享受该州商业友好环境、获取新兴科技人才并降低运营成本，同时保持为全美教育机构及劳动力组织提供服务的实力。关于BoodleBox BoodleBox是高等教育领域领先的协作平台，助力终身学习与人工智能实践。通过BoodleBox，师生可高效备课、开展负责任的人工智能教学与学习、并有效评估作业。该平台采用符合《家庭教育权利和隐私法》(FERPA)的安全界面，以经济实惠的方式提供多款顶尖人工智能模型、定制机器人构建与作业工具、人工智能辅导服务，以及独特的数据可移植功能——使学习者毕业后仍能保留其学习成果。

Claude
2025年12月11日