-
Future of Work
Workday的重塑：从系统记录平台到智能体平台，你看好这个转型吗？
HRTech概述：Josh Bersin最新分析指出，Workday正从“system of record”转向“agent platform”，试图将其在数据、权限、流程与合规方面的积累，升级为AI时代的企业运行基础设施。这一判断意味着，未来HR系统不再只是记录工具，而将成为AI执行工作流的核心支撑层。但从市场反馈来看，确定性仍优先于想象力。Paychex在部分阶段市值已超过Workday，反映出资本更看重稳定现金流与合规执行能力，而非尚未兑现的AI叙事。对HRTech行业而言，一个清晰趋势正在形成：AI将重构“入口层”，系统将下沉为“执行与规则层”，而真正的竞争，将围绕谁能掌控工作流、数据语义与合规能力展开。更多关注HRTech，了解全球HR科技资讯。
以下是Josh Bersin的文章
Workday是财务和人力资源企业应用领域的先驱，但在人工智能时代，它一直在努力转型。本周，该公司以引人注目且整合的方式发布了清晰的未来战略，该战略充分利用了其近30亿美元的收购成果（HiredScore、Evisort、Paradox、Sana）、新的管理团队以及Workday在智能代理领域的重新定位。
我看好这些举措，所以我想详细解释一下。
Aneel Bhusri的重塑战略
2008年，Workday首次上市时，该公司率先推出了一种专为云端设计、独具创新性的平台。这是一项突破。
当时，企业普遍采用本地部署的客户端/服务器系统，唯一的替代方案是SaaS，即由其他公司托管的解决方案。这些老旧系统往往过时、难以集成，且缺乏扩展性和灵活性。
Workday 引入了一种新的架构：面向对象的数据库、集成的安全和业务规则引擎以及新颖的用户界面，这令各行各业的公司都感到兴奋。
公司发展迅猛，始终秉持“一体化”的理念——打造一个能够满足所有人力资源和财务需求的单一系统，采用统一架构，面向未来。公司营收增长迅速，成功吸引了超过30%的《财富》世界2000强企业客户，目前拥有超过11500家客户和超过7500万终端用户。
在这些年的发展历程中，公司始终秉持以员工为先的企业文化，吸引了众多人力资源主管、IT团队和投资者。联合创始人阿尼尔·布斯里(Aneel Bhusri)一直担任首席执行官一职，直至2024年将首席执行官的职位移交给卡尔·埃申巴赫(Carl Eschenbach)。
正如阿尼尔在峰会上解释的那样，过去两年里，他感觉Workday失去了创业文化，人工智能战略也不明确。因此，他重返公司担任CEO，重组了高管团队，领导公司进行重塑。下面我将详细解释。
新的Workday职位
让我们先从主要问题入手：在人工智能代理技术日新月异、易于构建的今天，Workday 的角色是什么？“记录系统”在未来将发挥怎样的价值或作用？
以下是我们所看到的他们的高层次回答。
Workday正在将系统记录平台转变为一个智能体平台。
如果我们能够释放公司内部的数据、安全性和业务规则，就可以设计和构建可扩展、安全且快速的代理。Workday 作为值得信赖的记录系统，提供公司规则、策略、安全模型和合规性，使代理能够大规模运行。这些“基础架构”目前已存在于 Workday 中，在 Workday 之外重新构建它们成本高昂、耗时且风险巨大。
Workday重塑计划的五大支柱
让我们来仔细分析一下这项战略的五大支柱。
第一：AI是企业软件的补充，而不是替代。
正如Workday所强调，仅靠推理能力无法完成发薪、财务结账、员工入职或职责分离。这些需要确定性的规则、审批链和二十年来构建的数据模型。Workday将概率推理与确定性执行结合，从而实现企业级AI。那些建立在提取数据之上的独立智能体平台，本质上是不完整的。
第二：Workday的“运行轨道”是企业AI的核心。
Workday的配置和业务流程框架编码了每个客户的独特政策、审批流程、合规规则和组织结构。从某种意义上说，这些规则本身就是企业。
在Workday之外运行的智能体并不了解这些规则，可能产生看似合理但违反合规的结果。而Workday通过现有配置来执行智能体操作，使其默认符合规则。
第三：治理与智能体管理可以产品化。
Workday认为，智能体管理将成为未来基础设施的核心组成部分。智能体像员工一样，是一等主体，拥有身份、技能、权限范围以及审计记录。
Agent System of Record（目前已有1200多家客户注册并观察智能体）、新的基于标准的访问与权限管理系统，以及统一的智能体入口，共同构成这一体系。这些能力被定位为企业级“信任基础设施”，用于管理智能体的扩张。
第四：通过Sana实现统一且解放的体验。
Sana成为Workday的新默认入口，所有客户均可使用（Sana for Workday），并可升级为Sana Enterprise，扩展至Salesforce、Slack、Teams和SharePoint。Sana正在与Microsoft Copilot等入口型AI竞争。
Workday的观点是，Sana将成为员工最后需要学习的企业应用。同时，它也是智能体开发平台和学习界面。
第五：新的商业模式与结果对齐，而非席位。
过去Workday按用户席位收费，价格高但使用率低。现在转向“席位+使用量”的混合模式，通过Flex Credits计量使用量。这将收入与客户结果（业务增长、生产力等）绑定。同时外部API也将按调用收费，补充此前未计入的收入。
Workday认为Sana是员工需要学习的最后一个企业应用软件（Joel Hellermark称之为软件界的达芬奇）。它同时也是代理开发工作室和学习平台。
（我想指出的是，Sana 的动态学习平台远比大多数公司意识到的要强大得多。人工智能原生学习不仅仅是培训，它还能全面赋能员工，从而显著提升生产力并促进员工技能提升。）
Workday 对“从零开始构建”的回应
现在我们都体验过 Claude Code、Codex、Cursor 或其他工具，很容易想象从零开始“重建”HCM 系统。
原则上，客户可以将 Workday 数据提取到数据湖中，使用工具将大型语言模型连接到数据湖，并尝试在 Workday 之外重建相同的代理功能。Workday
的回应是：这种方法会产生一个影子 ERP，构建成本高达数百万美元，缺少统一的对象图、配置系统和合规机制，而且自身也十分脆弱。由此产生的代理本质上就是不受规则约束的——它们在不执行规则的情况下最大化任务完成度。这会带来风险，并最终需要依赖现有的安全和工作流工具。
（我对此有一些不同意见，因为使用微软、谷歌或 ServiceNow 的工具很容易构建多进程代理，这些代理可能使用 Workday 进行身份验证，但也可能依赖 OKTA 或 Azure Identity 进行身份验证。因此，为了便于实施，一些应用程序会保留在 Workday 中，但其他应用程序可能会部署在其他地方。如果 Workday 意识到这一点，并且不对 API 收取过高的费用，那就一切都好。）
Workday 对多智能体未来的解决方案
客户将运行多个AI平台：Microsoft Copilot、Anthropologie Claude、Gemini Enterprise、Salesforce Agentforce以及内部定制代理。Workday对此表示赞同。
外部代理通过代理网关接入，使用 MCP 和 A2A 等开放标准。他们可以将任务委托给 Workday 代理以继承 Workday 的默认流程，也可以直接调用 Workday API（现在按调用次数计费）。无论哪种方式，当代理需要与人员、资金或受监管的工作流程交互时，逻辑推理部分将交由 Workday 处理。
（再次强调，如果 Workday 基于 Sana 的全新 Agent Developer 真如演示那样令人兴奋，那么很多应用开发者都会使用它。过去，构建 Workday Extend 应用相当棘手，因此，开发过程越简单易用，对 Workday 就越有利。）
我们能否让 Workday 更具动态性？动态重配置。
反对云系统的一大理由是其产品发布周期缓慢，导致客户往往需要等待数年才能获得新功能。目前，Workday 每年仅更新两次系统，产品路线图的推进缓慢且高度关联。
两项重大变革旨在解决这个问题。
首先，您现在可以利用全新的用户体验和 Sana 扩展 Workday 的功能。在代理记录系统中注册代理，即可轻松构建新应用，无需等待。此外，Workday 还与数百家合作伙伴携手，共同构建代理合作伙伴网络，为行业特定代理和咨询代理提供服务。
其次，更重要的是，Workday 推出了“部署代理”，这是一个动态的系统测试、配置和咨询式部署系统，可帮助客户更快地部署变更。
这是一项巨大的改进。企业不仅可以在一周甚至更短的时间内配置和部署 Workday，而且客户也不再需要聘请昂贵的系统集成商来使其正常运行。此外，Workday 现在将更加持续地推出新版本。
这大幅降低了实施和拥有成本，并使 Workday 能够更频繁地发布产品、功能和系统更新。这对客户来说是一项重大胜利，但对 Workday 系统集成合作伙伴来说却是一次巨大的冲击。（埃森哲报告称，他们在短短一周内就重组了 80 万名员工。）
我对这个故事的分析
我们派出了三位高级分析师参加峰会，并旁听了产品演示，还就整个产品战略进行了深入讨论。以下是我对这一切意义的总结。
1. 创始人回归，带来全新活力
就像苹果公司的史蒂夫·乔布斯和星巴克的霍华德·舒尔茨一样，有时一家开拓型公司也会迷失方向。阿尼尔作为一位对技术和Workday市场有着深刻理解的领导者，拥有定义“下一个篇章”的活力和热情。
创始人不仅引进了新的领导者，他还围绕产品领域建立了“总经理”模式，而不是将人工智能战略分散到各个领域。
现在，Workday 为 Agent Factory 和 AI API 分别设立了专人负责，管理团队每月还会召开一次跨职能 AI 工作组会议。此外，在产品与技术总裁Gerrit Kazmaier的带领下，公司仅用一个下午就将 50 个代理项目精简至 15 个。“创业文化回归了。”
（值得注意的是，微软最近出于几乎相同的原因，将其 Copilot 工程战略集中化。）
2. Workday 可以引领人力资源和财务部门实现自主运作的潮流。
与其继续专注于 Workday 现有的数百个小型代理，该公司现在将目光投向了面向未来的大型转型代理。
通过收购人工智能（招聘、智能代理和学习）领域的两大市场领导者 Paradox 和 Sana，Workday 拥有了一支在智能代理应用方面经验丰富的管理团队。Workday 不仅能够展示符合智能代理未来发展趋势的应用，还能充分利用其现有基础设施。这使公司有机会主动向企业展示未来的发展方向——构建和推动智能代理，从而重新定义企业的工作方式。
（我们的经验表明，将现有工作流程或任务“智能化”带来的收益有限。真正的巨大回报来自于构建我们所谓的“第三阶段智能体”，它可以自动化整个工作流程，并消除流程中的任务和步骤。Sana 和 Paradox 就是这种未来趋势的体现。）
3. Sana 和 Paradox 改变了Workday：新的领导层
Workday正在利用新的领导者来实现这一目标。
向产品和技术总裁 Gerrit Kazmaier 汇报工作的是 Workday 最新人工智能超级明星的两位新领导人：Adam Godson 和 Joel Hellermark。
Paradox 的首席执行官 Adam Godson 现在领导 Workday 的整个人才招聘平台，包括从 HiredScore 收购的 ATS 和人才情报系统。这是一个竞争异常激烈的热门市场，总支出超过 2000 亿美元。
Sana 的首席执行官（Joel Hellermark）现在领导着 Workday 的整个学习平台（和 AI 层），包括 Workday 的老产品 Workday Learning，这是一个总支出超过 4000 亿美元的市场。
这些具有创业精神的领导者现在成为General Managers，因此他们不仅负责产品战略，也同时负责收入和客户支持。这创造出一组高度负责的产品负责人，与此前那个交付速度非常缓慢的“integrated product group”形成鲜明对比。产品愿景、产品速度和竞争力都会呈指数级提升。
还要记住，现在talent acquisition、mobility、corporate learning和enablement，正是HR领域中AI发展最先进的几个领域。因此，我预计这两家公司中的开创性创新，将会直接影响Workday其他部分未来发生的许多agentic redesigns。
（请注意这些新兴人工智能市场的动态变化：SAP 刚刚以 18 亿美元收购了 SmartRecruiters，知识工具供应商 Glean 的估值高达 72 亿美元。Workday 与这些解决方案直接竞争，因此从某种意义上说，Paradox + Sana 在外部市场上的价值可能达到 100 亿美元。）
4. Workday可以尝试定义企业AI基础设施
我的第四个观察是，Workday有机会定义企业AI架构应该如何演进。这是一个混乱的话题，而且似乎让我见到的每一家公司都感到困惑。
我们必须提出的问题非常复杂：我们到底要构建多少个agents？我们要设计什么样的Superagents和Subagents？是否应该有一些agents负责“action”，而另一些agents负责“observation and benchmarking”？是否应该存在主从关系，让某些agents必须向其他agents请求许可？我们又该如何划分不同agents所拥有的信息与权限？
如果我们把agents看作“superpowered people”（我知道这是一个有些别扭的说法），那么我们就会遇到一些情绪和组织问题：agents会不会踩到其他agents的脚？某个人私下构建的小型“叛逆agents”，是否会复制、重叠甚至冲突于IT部门构建的更正式的企业级agents？
这是一团乱麻。
不过，Workday正在思考这个问题，而且他们看到了这个问题。在旧世界中，mainframe掌控一切。后来，“system of record”设定规则。
今天，我们有很多层：智能LLM、语义与规则层、agent code layer，也就是编排、工具和工作流层，以及runtime/trust layer，也就是安全、合规和护栏层。
Workday可以定义这一切应该如何运作。虽然这里有很多竞争厂商，包括Microsoft、Anthropic、OpenAI、ServiceNow和Google，但在ERP/HCM世界里，我挑战Workday去承担领导角色。而这也引出了一个问题：谁是Workday的“forward deployed engineering team”？
5. Workday理解context和semantic layer的挑战
“每个人都在忽视糟糕context这个巨大而无聊的问题。”——Joel Hellermark
这句话听在我耳朵里简直是音乐。
关于AI，有一个重要经验是每个人都应该学习的：context创造价值；如果我们不能信任内容，我们就不能信任agent。
Gerrit解释说，Workday在准确性方面最大的提升，并不是来自更大的模型，而是来自对knowledge graphs和context engineering的投入。我们在自己的产品Galileo中也看到了同样的情况。
因此，Workday正在推动Data Cloud演进，使其包含的不只是数据，而是你作为一家企业所建立起来的真实客户语义。这包括skills models、cost centers、career paths、certification workflows，以及数百种其他没有存储在HCM或财务数据库中的内容。
Workday团队理解这一点，说明Workday正在像一家AI公司一样思考，而不是像一个只想在工作流中构建agents的交易型软件供应商那样思考。
结论
这次活动，以及Workday一系列新领导者的出现，标志着一个转折点。
公司已经准备好重塑自身、开创新解决方案，并专注于帮助客户和合作伙伴参与到business agent revolution之中。
随着新的产品领导者、新的AI基础设施，以及帮助客户近乎实时地测试和重组其Workday系统的重点，我认为Workday确实正处在重塑的边缘。
对于金融分析师而言，我预计像Sana、Paradox以及Enterprise AI management tools这样的产品，几乎会立即展现出新的收入增长。过去五年，我们与Paradox和Sana都有非常密切的合作，它们各自都有客户和实施案例，证明其能够为Workday客户带来巨大价值。
我想祝贺Aneel、Gerrit以及整个Workday团队迎来这一重要转折点。随着未来更多公告发布，我们也会继续向大家更新相关信息。
Future of Work
2026年04月28日
-
Future of Work
【风险】研究发现AI更喜欢AI写的简历：算法招聘在模型对齐时代，正在重写HR的决策逻辑
HRTech概述：AI招聘正在出现一个被严重低估的新风险。一项来自马里兰大学、新加坡国立大学和俄亥俄州立大学的研究发现，大语言模型在筛选简历时，会系统性偏向“自己生成的内容”，偏差比例高达67%–82%。更现实的是，如果候选人使用与企业相同的AI模型优化简历，被录用的概率最高可提升60%。这意味着招聘逻辑正在发生变化，从“谁更优秀”转向“谁更匹配模型”。这种AI对AI的偏差，不仅挑战招聘公平性，也可能带来新的合规风险。未来HR需要关注的不只是AI是否好用，而是AI是否公平。在过去十年中，HR 技术的核心问题一直围绕“如何减少人为偏见”，但研究提出了一个更具颠覆性的结论：即便完全消除了人类偏见，AI系统本身也会产生新的结构性偏见，而且这种偏见正在快速进入招聘流程的核心。 HRTech一句话总结就是：AI招聘的最大风险，不是歧视人，而是AI偏爱“自己人”。
这篇题为 AI Self-preferencing in Algorithmic Hiring: Empirical Evidence and Insights 的论文，通过大规模实证实验揭示了一个此前几乎未被商业世界认真对待的风险：当候选人与企业同时使用AI工具时，AI不仅参与决策，还会系统性偏向“与自己相似的内容”。这意味着，招聘系统正在从“评估人才”，转向“匹配模型”。
从“人类偏见”到“AI偏见”：范式已经发生变化
长期以来，HR Tech 的公平性讨论集中在人类层面，例如性别、种族、教育背景等维度的歧视问题。然而，这项研究明确指出，随着大模型（LLMs）同时进入供给侧（候选人）和需求侧（企业），一种新的偏见正在形成：AI对自身生成内容的系统性偏好，即所谓的“self-preference bias”。
研究发现，在控制简历质量的前提下，LLM 在筛选简历时对“由同一模型生成的内容”的偏好比例高达 67% 至 82%。换句话说，即使两份简历质量完全相同，只要其中一份是由筛选模型生成，它被选中的概率就显著更高。这种偏差并非偶然，而是跨多个商业模型与开源模型普遍存在。
这标志着一个关键转变：招聘中的偏见，不再只是“人类如何判断人类”，而是“AI如何判断自己”。
招聘逻辑正在被重写：从能力竞争到模型对齐
如果进一步放大到完整招聘流程，研究的影响更加直接且深远。在模拟的24个职业招聘流程中，使用与筛选系统相同模型的候选人，被列入 shortlist 的概率提高了 23% 至 60%。这种差异并非来自能力，而是来自“生成路径”。
这意味着招聘竞争的底层逻辑正在发生变化。过去，候选人的核心竞争力在于经验、能力与表达；而现在，一个隐性的变量开始介入：候选人是否“对齐”了企业所使用的AI系统。
在这一逻辑下，招聘过程逐渐演变为一种“模型生态竞争”。不同AI模型形成不同语言风格、表达结构和信息组织方式，而筛选系统天然更容易识别并偏好“与自己一致”的模式。这种现象在销售、会计等高度结构化表达的岗位中尤为明显。
从HR的视角来看，这已经不再是筛选效率问题，而是评估机制被扭曲的问题。
AI招聘系统的“隐性风险”：合规与公平性的双重挑战
这项研究最值得警惕的地方在于，它揭示的是一种“不可见的系统性偏差”。与传统歧视不同，这种偏差不基于敏感属性，因此更难被发现、审计和监管。
但在现实监管环境中，这并不意味着风险更低。相反，在美国等市场，算法招聘已经进入严格监管阶段，例如纽约市的 Automated Employment Decision Tool（AEDT）法规，要求企业对招聘算法进行偏差审计。如果AI系统在不知情的情况下偏向特定候选人群体（例如更常使用某类AI工具的人群），企业仍可能面临合规风险。
更重要的是，这种偏差会在组织内部造成“隐性不公平”：优秀候选人可能被系统性过滤，而非因为能力不足，而是因为“表达方式不符合模型偏好”。
从工具使用到系统设计：HR的角色正在上移
这项研究的真正启示，并不在于“是否使用AI”，而在于“如何设计AI驱动的招聘系统”。
在传统HR Tech中，企业更多关注工具选型与流程自动化，但在AI时代，HR必须开始承担“系统架构设计者”的角色。这包括：
首先，避免单一模型主导决策。单模型筛选会放大自我偏好偏差，多模型交叉验证或ensemble机制将成为更合理的设计路径。
其次，引入AI bias mitigation机制。研究表明，通过简单干预（例如降低模型对自身风格的识别能力），可以将偏差减少超过50%。这意味着问题是“可治理的”，但前提是企业意识到它的存在。
再次，建立“AI中立”的评估标准。标准化简历结构、弱化语言风格差异、强化结构化信息提取，可能成为未来招聘系统的重要方向。
HR Tech的下一个竞争维度：不是更智能，而是更公平
从产业视角来看，这篇论文实际上在重新定义HR Tech的竞争逻辑。过去，招聘系统的核心指标是效率与匹配度；但未来，一个新的核心指标正在浮现：公平性（fairness）与可解释性（explainability）。
这也将催生新的产品机会，包括：
一类是“AI招聘审计工具”，用于检测与量化模型偏差；一类是“多模型招聘平台”，通过模型组合降低单一偏差；另一类则是“AI-neutral内容生成工具”，帮助候选人避免被模型生态锁定。
AI招聘的真正问题，不是效率，而是“判断权”
这篇研究的深层意义，在于它揭示了一个被忽视的问题：当AI不仅参与执行，还参与判断时，它就成为了“权力结构的一部分”。
而一旦判断权被模型所主导，那么谁训练模型、谁定义风格、谁控制数据，就在间接决定“谁更容易被雇佣”。
因此，未来HR Tech最重要的问题，不再是“AI能不能用”，而是：
谁在设计AI，以及它在偏向谁。
负责任的AI：HR在下一阶段的核心能力
当AI开始参与招聘判断，甚至影响候选人结果时，“是否使用AI”已经不再是关键问题，“如何负责任地使用AI”才是HR必须正面回答的核心命题。所谓负责任的AI（Responsible AI in HR），不只是技术层面的优化，而是涉及治理、流程、数据与能力的系统性设计。
首先，企业需要建立清晰的AI治理机制，明确AI在招聘流程中的角色边界与责任归属，避免将关键决策完全外包给模型。其次，在流程层面，应引入多模型验证或人工复核机制，降低单一模型带来的系统性偏差风险。同时，数据与评估标准也需要更加结构化与中立化，减少语言风格与表达形式对结果的干扰。
更重要的是，HR团队本身需要具备“AI判断能力”，能够理解模型的局限性、识别潜在偏差，并主动设计干预机制。这意味着HR正在从“工具使用者”转变为“系统设计者”和“风险管理者”。
在AI深度嵌入人力资源管理的时代，真正具备竞争力的组织，不仅是使用AI最早的，而是能够在效率、公平与合规之间建立平衡的。负责任的AI，不只是合规要求，更将成为企业人才战略的长期护城河。
Future of Work
2026年04月27日
-
Future of Work
微软首次推出员工“退休买断计划”：从裁员到重构，AI时代的人才与组织正在被重新定义｜HRTech解读
HRTech概述：微软刚刚推出其历史上首次员工自愿买断计划，覆盖美国约7%的员工，总人数约8750人。该计划采用“年龄加工龄等于70”的规则，主要面向资深员工群体，作为传统裁员的替代方案。与此同时，微软也在同步优化薪酬体系与HR部门的架构，减少复杂激励机制，强化绩效导向。这标志着企业正从规模扩张转向效率驱动，通过更精简的团队实现更高的产出。
在全球科技行业裁员潮持续的背景下，Microsoft 于2026年4月宣布了一项不同以往的人力资源举措：首次推出“退休买断计划”（Retirement Buyout），试图以更柔性的方式调整组织结构。——听起来是不是有点熟悉，买断工龄？
根据公开信息，此次计划面向美国员工中Senior Director及以下层级人群，适用条件为“年龄+在职年限≥70”（Rule of 70）。预计约7%的美国员工符合条件，涉及人数约8750人。符合条件的员工将在5月7日收到通知，并有30天时间决定是否接受该买断方案。
在内部备忘录中，微软首席人力官（Chief People Officer）Amy Coleman 明确表示，这一计划的目标是为员工提供“自主选择下一步职业路径的机会”，并强调公司将提供“慷慨支持”。这一表述刻意区别于传统裁员方式，也与过去一年微软已实施的约15000人裁员形成对比。
然而，尽管形式上更为温和，外界普遍认为，这一举措的本质仍然是组织收缩与结构调整的一部分。
一、发生了什么：从裁员到“选择性退出”
如果从表层来看，这是一项典型的“提前退休激励计划”。但结合过去一年科技行业的裁员趋势，可以更清晰地理解其定位：
2026年以来，科技行业裁员规模已超过80000人，其中Oracle 占比接近三分之一；Meta 也预计将进行约16000人的裁员计划。
在这样的环境下，微软选择不再单纯依赖裁员，而是通过“买断”这一机制，让员工主动退出，从而实现以下目标：
第一，降低裁员带来的舆论与品牌风险第二，减少法律与合规压力（尤其在美国劳工环境下）第三，控制组织调整节奏，而非一次性冲击
这种方式，本质上是一种“可控的人才流出机制”，也是HR工具箱中的一种升级版本。
二、但真正的变化，不只是“少人”，而是“换结构”
如果只把这次事件理解为成本控制，是不够的。
更关键的信息在于，这一买断计划是与一系列组织与薪酬调整同步推出的，包括：
取消股票奖励与现金奖金的强绑定关系
将绩效评估等级从9档简化为5档
提升管理层在激励分配上的灵活性
这些变化共同指向一个核心趋势：企业正在重构“人如何被评价、激励与配置”。
换句话说，微软正在同时调整三件事：1）人才结构（谁留下、谁退出）2）激励机制（如何奖励高绩效）3）组织效率（如何用更少的人完成更多工作）
这已经不是传统意义上的“裁员周期”，而是一次系统性的组织再设计。
三、AI正在成为这场变化的底层驱动力
尽管微软并未在公告中直接将买断计划与AI挂钩，但从行业背景来看，两者之间的关联非常清晰。
当前，科技公司正大规模将资源投入AI领域，同时通过自动化与智能化提升效率。这意味着：
一部分岗位将被AI替代或重构
组织对“高密度人才”的需求上升
企业更倾向于保留能够与AI协同工作的员工
正如行业分析所指出的，这一波裁员与调整“已经超越传统周期性波动，而是对企业运作方式的彻底重塑”。
从这个角度看，微软的买断计划不仅是一次人力资源策略调整，更是AI时代组织模型变化的一个缩影。
四、对我们HR与HR科技从业者的启示
这一案例，对中国市场具有非常现实的参考意义。
首先，组织调整方式正在发生变化。未来企业不会仅依赖“裁员”这一单一手段，而是会结合买断、内部转岗、绩效优化等多种方式，实现更精细化的人才流动。
其次，HR的角色正在升级。从执行招聘与裁员，转向参与组织设计与能力结构重构。HR需要回答的问题不再是“要不要裁员”，而是“什么样的组织结构适合AI时代”。
第三，HR科技的机会正在出现。随着组织复杂度提升，对数据驱动的人才决策、绩效评估、技能识别等工具需求将显著增加。这也是HR SaaS与AI产品的重要发展方向。
五、最后微软释放了一个清晰信号
微软这次没有简单裁员，而是通过“退休买断+薪酬改革+绩效重构”的组合拳，重新设计组织的“人力侧”。
这背后的核心逻辑非常明确：
不是减少员工，而是重构人与工作的关系。
对于HR而言，这意味着一个关键转变已经开始——未来的竞争，不再只是“谁有更多人”，而是“谁用更少的人，做更复杂的事”。
这，才是AI时代真正的组织能力。
Future of Work
2026年04月25日
-
Future of Work
你用过AI，但不等于你具备了AI能力—从AI工具热潮到能力标准，HR AI Forward框架正在重塑HR的AI能力定义
HRTech概述：最新的HRAI能力成熟度框架，首次从“工作方式”而非“工具使用”定义HR的AI能力。该框架将能力划分为4个等级、12个阶段，从传统人工执行，到AI工具使用，再到能力构建与系统驱动，形成完整路径。当前多数HR并非不会用AI，而是停留在零散使用阶段，尚未形成稳定、可复用的工作方法。其中，L1到L2被定义为最关键跃迁，意味着AI从辅助工具转变为核心工作能力。该模型不评估AI知识或工具数量，而关注实际工作中的方法、结构与习惯。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
在过去一年，AI在HR领域的渗透速度远超预期。从招聘到员工沟通，从数据分析到政策生成，几乎所有HR职能都在被AI重构。但一个值得警惕的现象也在同步出现：行业对“AI能力”的理解，仍然停留在工具层。
讨论集中在ChatGPT、Claude、自动化工具、prompt技巧，甚至是哪一款产品更好用。但这些讨论背后隐含着一个关键误区——把“工具使用”当作“能力本身”。HR AI Forward提出的Maturity Framework，正是在这一背景下出现，其核心意义不在于提供新的工具清单，而在于重新定义：在AI时代，HR的能力究竟是什么。
能力的误判：为什么“会用AI”并不等于具备AI能力
当前HR行业的一个普遍现象是，大量从业者已经接触并使用过AI工具，甚至在多个场景中形成了初步应用。但从能力视角来看，这种状态更接近“工具熟悉”，而非“能力构建”。
HR AI Forward框架的核心判断在于：能力不是是否使用AI，而是AI是否已经进入你的工作方式。
这一判断切分出多个关键差异。偶尔使用与稳定使用不同；单一任务应用与跨场景迁移不同；效率优化与工作结构重构更是本质差异。很多HR停留在“效率提升”的阶段，但尚未进入“结构变化”的层面，这正是能力未真正形成的标志。
更重要的是，该框架刻意排除了对AI知识、prompt技巧以及工具数量的评估。这一设计具有方法论上的克制：这些因素虽然相关，但都不构成能力本身。能力的核心，在于是否形成稳定的方法、可迁移的逻辑以及持续复用的工作机制。
四层结构：HR与AI关系的演进路径
HR AI Forward将AI能力划分为四个层级，这不仅是能力划分，更是人与AI关系的演进模型。
L0（Traditional HR）代表AI尚未进入工作体系，工作依赖经验与人工执行。该阶段的关键不是能力不足，而是尚未完成“起步”。
L1（AI-Enabled HR）是当前大多数HR所处的阶段。AI已经被使用，并在多个任务中带来效率提升。但其本质仍然是“工具叠加”，工作的结构并未发生改变。AI在这里是辅助，而非基础。
L2（AI-Ready HR）则标志着能力的真正形成。在这一阶段，AI成为默认工作方式的一部分。HR开始构建可复用的方法体系，并能够在不同场景中迁移这些能力。工作输出的质量与深度，也因AI的结构性嵌入而显著提升。
L3（AI-Native HR）进一步将能力推向系统层。HR不再只是使用AI，而是设计AI工作流程，构建自动化体系，甚至推动组织层面的AI转型。
这一结构的本质，是从“执行者”到“系统设计者”的能力跃迁。
12阶段设计：从粗粒度分类到精细化诊断
相比仅使用四个Level划分，该框架进一步引入12个Stage，这一设计使其从“描述模型”升级为“诊断工具”。
在现实中，一个刚进入L2的HR，与一个已经能够在多个业务场景中稳定应用AI的HR，能力差距极大。如果仅以Level划分，两者将被归为同一类，导致评估与指导失效。
通过Stage的引入，框架能够精确定位个体在每一层级中的具体位置，从而提供更具针对性的成长路径。这种设计使模型不仅具备解释力，也具备实际应用价值。
真正的能力分水岭：L1到L2的跃迁为何如此困难
在整个框架中，最具洞察力的部分，是对L1到L2跃迁的强调。
从L0到L1，本质是“开始使用”，这一过程依赖工具普及与个人尝试，门槛较低。而从L1到L2，则是“重构工作方式”，这一过程涉及习惯改变、方法沉淀与结构重建，其难度远高于前者。
更关键的是，L1阶段具有明显的“伪完成感”。AI带来的效率提升，会让使用者误以为已经具备能力，但这种能力缺乏迁移性与复用性，无法形成持续优势。
L2的意义，在于让能力具备“复利效应”：方法可以复用，能力可以迁移，输出可以持续提升。这种能力一旦建立，将成为长期竞争优势。
框架的行业价值：建立AI时代的HR能力标准
HR AI Forward框架的真正价值，在于其“标准化能力语言”的建立。
当前行业处于一个典型的过渡期：AI已经广泛进入HR工作，但能力标准尚未形成。个体无法判断自身水平，组织无法识别真实能力，市场也缺乏统一的衡量尺度。
该框架通过清晰的分层与结构，为行业提供了三项基础能力：一是个体层面的自我定位；二是组织层面的能力识别；三是市场层面的能力表达与认证。
这意味着，HR能力正在从“隐性经验”转向“显性结构”，从“无法衡量”走向“可验证与可比较”。
从框架到评估：能力如何被量化与验证
在能力标准建立之后，真正的挑战在于如何将其落地。
HR AI Forward通过Assessment，将框架转化为可执行工具。通过26个问题，在10–15分钟内评估个体所处的Level与Stage，并输出差距分析与成长路径。
这一机制的意义在于，将抽象的能力模型转化为可测量结果，使能力从概念走向现实。尤其在AI能力这一新兴领域，个体往往难以准确判断自身水平，标准化评估提供了必要的客观参照。
结语：HR能力正在进入“结构化时代”
HR AI Forward Maturity Framework所揭示的，并不仅是一个能力模型，而是一种能力定义方式的转变。
过去，HR能力更多依赖经验积累与知识掌握；而在AI时代，能力的核心正在转向“是否能够用AI重构工作方式”。
未来HR之间的差距，将不再取决于是否接触过AI，而在于：是否已经将AI转化为稳定的工作机制，以及是否具备用AI构建系统的能力。
从这一意义上看，该框架不仅描述了当下的能力状态，也指向了HR职业发展的下一阶段路径。
Future of Work
2026年04月11日
-
Future of Work
【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。
Future of Work
2026年04月09日
-
Future of Work
【重磅】HCM时代正在结束：Workday正重构AI驱动的工作执行系统，微软重构HR架构，HRTech进入AI执行时代
HRTech核心概述：这篇文章强烈推荐HR科技公司的CEO、企业HR负责人收藏研究，把握未来趋势！
过去二十年，企业通过 HCM 系统来“管理人”和“记录工作”；而接下来十年，系统本身将开始参与并完成工作。这不是一次简单的 AI 升级，而是一场关于“工作如何被执行”的范式转移。当系统不再只是承载流程与数据，而是具备理解上下文、遵循规则并推动任务完成的能力时，企业运行的基本逻辑正在发生改变。HCM 时代所代表的“以记录为中心的系统范式”，正在走向终点。
而Workday刚刚发布新一代Agentic AI，标志着企业软件进入“执行时代”。不同于传统AI只提供建议，这一代AI Agent可以理解企业数据、遵循流程规则，并直接完成HR与财务任务。Workday提出“New Work Day”概念，人类负责决策，AI负责执行，形成全新的协作模式。同时，其引入按结果付费的flex credits模式，也意味着SaaS商业模式正在发生变化。HCM时代正在结束！更多全球HR科技趋势，请关注 HRTech
Workday 这最新一轮产品发布的意义，不在于又增加了多少 AI 功能，而在于它正在重新定义企业系统的角色。按照官方表述，Workday 这次推出的是“hundreds of new AI capabilities and agents”，并且将这些能力直接嵌入平台，用于 HR、Finance、IT 和 Legal 等关键职能，目标是让企业从“AI-assisted tasks”走向“truly agentic work”。这说明 Workday 想做的，已经不再只是传统意义上的 HCM 软件，而是一个能够理解上下文、遵循企业规则并推动任务执行的平台。与此同时，微软在 Amy Coleman 领导下对 HR 组织架构的调整，也释放出相似信号：组织侧正在为“人类 + AI”共同工作的未来重构自身。这不是两个孤立事件，而是系统与组织同时转向新工作方式的开始。
Workday 当前到底在做什么：从 AI 辅助走向 Agentic Work
从 Workday 官方文章来看，这次发布的核心非常明确：Workday 正在把 AI 从“功能层”推进到“工作层”。文章开宗明义写到，未来企业不会再只受限于人本身能做什么，而将由 people 和 AI agents 共同驱动；同时，Workday 正在向客户推出“hundreds of new AI capabilities and agents built directly into the platform”，并强调这些能力不仅改变工作如何完成，也改变工作的体验。这里的关键，不只是 AI 更强，而是 AI 被定义为平台内的“agentic teammates”，能够结合 trusted HR、finance、business data，连同 operational context 和 enterprise guardrails，把工作“做对”。
Workday 在这篇文章中给出的结构，其实已经勾勒出一个新的平台框架。
第一层是 Sana from Workday。官方说明，Sana from Workday 已在全球范围内正式可用，其中包括 Sana for Workday、Sana Self-Service Agent，以及 Sana Enterprise。Sana for Workday 被定义为新的 AI interface；Sana Self-Service Agent 负责自动化大量 HR 和 finance 的任务、问题与工作流；Sana Enterprise 则把这种能力扩展到 Workday 之外，去 orchestrate hundreds of enterprise systems and business applications。换句话说，Workday 不再满足于做自己系统内部的对话入口，而是在尝试成为跨系统的统一 conversational interface。
第二层是面向职能域的 agentic teammates。官方列出的 HR 侧能力包括 Payroll Agent、Total Rewards Agent（Early Access）、Talent Management Agent（Early Access）以及 Sana Self-Service Agent。Payroll Agent 的定位是横跨 payroll process 编排工作流、识别缺失数据与配置、管理 minimum wage updates，并提供 conversational insights。Total Rewards Agent 用于将 job profiles 与 market data 进行 benchmark，帮助 HR leaders 对 roles、skills 和 structures 做更准确的匹配。Talent Management Agent 则可基于 real-time contribution signals，为 managers 起草 evidence-based reviews。除了这些 agent，Workday 还增加了 Fraudulent Application Detection、Organizational Design & Scenario Modeling、Demand Forecasting 以及 Workday Peakon AI Topics 等 HR 能力。也就是说，这一轮变化已经不只是“问答式AI”，而是覆盖招聘、入职、绩效、薪酬、员工反馈与组织设计等多个核心流程。
第三层是将 agentic AI 扩展到 Finance、IT、Legal 和数据基础设施。Finance 侧新增 Financial Audit Agent、Planning Agent、Revenue Contract Agent（Early Access），并引入 Reimagined Expense Management 与 AI-Powered Reconciliation；其中 AI-Powered Reconciliation 被官方表述为可将 preparation and reconciliation 自动化“up to 70%”。IT 侧新增 Adoption Agent、BP Optimize Agent 和 Deployment Agent，同时扩展了 Workday Developer Copilot 与 AI Widgets。Legal 侧则继续推进 Workday Contract Intelligence Agent 和 Contract Negotiation Agent，并新增 full-document review and redlining capability。与此同时，Workday 还在强化 Workday Data Cloud、Live Data Query、Workday Data Connect 与 Workday Data Lake，明确强调要在 preserving Workday as the system of record 的同时，让外部平台获得 governed、real-time SQL access，且基于 zero-copy approach 避免数据重复。
如果把这些变化放在一起看，就能更准确理解 “Agentic AI” 与 “New Work Day” 的含义。它和此前常见的 Copilot、Assistant、Automation 的差别在于：Copilot 更偏向建议与生成，Assistant 更偏向问答与支持，Automation 多数基于预设规则；而 Workday 这次强调的是 reasoning、operational context、enterprise guardrails 与 orchestration。也就是说，系统不只是回应你的请求，而是在企业权限、流程与数据边界内，参与到多步骤任务的完成过程。Workday 自己在文中也明确写出，这些能力会让客户从 “AI-assisted tasks” 走向 “truly agentic work”，结果是 fewer clicks、fewer handoffs，以及更多时间投入更重要的工作。
Workday 为什么现在必须这么做：四层逻辑正在合流
如果只把这次动作理解为“AI 很热，所以 Workday 也要发 AI”，判断会过浅。更准确的说法是，Workday 是在商业、产品、技术与行业四层力量同时推动下，不得不向前走。
先看商业逻辑。过去企业采购 HCM 或 ERP，更关注的是流程标准化、数据统一、报表能力和合规性；而今天，客户越来越关心系统到底能否真正减少人工、提升产出、降低共享服务成本，并缩短业务完成路径。Workday 在文章里刻意强调，让 HR、Finance、IT、Legal teams “trade mundane, repetitive tasks for the work that really matters”，并多次使用 fewer clicks、fewer handoffs、automates routine work、agent-driven workflows 等表达。这反映出企业客户衡量软件价值的方式正在改变：不再只看有没有这个模块，而开始看这个系统能不能把工作做完。
再看产品逻辑。传统 HCM 的产品结构，建立在相对清晰的模块边界之上：招聘是招聘、绩效是绩效、薪酬是薪酬、员工服务是员工服务。但这次 Workday 的产品叙事，已经明显不是按模块展开，而是按工作流和执行任务展开。比如 Sana Self-Service Agent 并不局限于某个模块，而是横跨 Workday 与其他 knowledge sources 回答问题；Sana Enterprise 更进一步，直接跨 hundreds of enterprise applications 做 orchestration。Payroll Agent、Planning Agent、Contract Negotiation Agent 这些命名本身，也表明产品单元从“模块”变成了“执行主体”。这背后反映出一个变化：企业软件的核心设计对象，正在从功能模块转向任务流与工作结果。
技术逻辑则更直接。过去的自动化，多数依赖规则引擎、流程脚本和固定触发条件；它可以让流程更快，但很难处理跨系统、跨上下文、带判断色彩的复杂任务。而 Workday 这次反复强调 AI reasoning、trusted data、operational context 和 enterprise guardrails，说明它试图把大模型的推理能力与企业级 deterministic systems and controls 结合起来。这一步很关键，因为企业并不缺一个会聊天的模型，企业缺的是一个能够在权限边界、流程规则和真实数据约束下可靠执行的系统。Workday 的思路，本质上是把大模型从“生成层”引入到“执行层”。
行业逻辑则是更深的一层。无论是 HR Shared Services、Finance operations，还是 IT administration、contract review，这些职能过去十几年都在被不断标准化、流程化、中心化。今天它们共同面临的问题是：复杂性不断增加，但企业无法无限增加人手。于是，企业需要的已不再只是“更好的记录系统”，而是“更强的工作执行平台”。Workday 文章中把 HR、Finance、IT、Legal 一并纳入这一轮 agentic AI 叙事，本身就说明它看到的不是单一 HR 场景，而是整个企业后台与中台职能的共同转型。这也意味着，HR Tech 厂商如果仍然把自己理解为“某个模块的软件提供商”，很可能已经落后于客户需求的转变。
Workday 这一步的核心逻辑：它真正争夺的是 work execution platform 的位置
把前面的事实和逻辑合起来看，我的判断是：Workday 这次并不只是扩展 HCM，而是在从 HCM platform 走向 work execution platform。这个判断不是基于夸张想象，而是基于它在文章里已经做出的几项明确信号。
第一，Workday 依然强调 preserving the integrity of Workday as the system of record，但同时又通过 Sana、Data Cloud、Live Data Query、Data Connect 和 Data Lake，把系统能力向外扩展。也就是说，它并没有放弃 system of record 的位置，反而是在此基础上向 system of action 延伸。
第二，Sana Enterprise 被定义为可以 orchestrate agents across hundreds of enterprise systems and business applications。这已经不是单一 HCM 的叙事，而是 agent orchestration layer 的叙事。谁能成为这个层，就有机会从“一个系统”升级为“多个系统之上的工作入口和执行协调者”。
第三，Workday 这次把 HR、Finance、IT、Legal 放在同一波发布中，不是偶然。它在试图证明：agentic AI 不是某个部门的小功能，而是贯穿 enterprise operations 的统一方法。这意味着，未来讨论 Workday 时，不能再只把它看成“人力资源管理系统厂商”。更准确的理解是，它正在试图占据企业后台工作执行平台的位置。
至于 Flex Credits、outcome-based pricing、AI agent as labor 这类变化，这篇官方文章并未展开详细说明，因此若做进一步讨论，必须明确属于趋势判断，不应伪装成本文事实。原文未说明 Flex Credits 的具体机制，也未直接使用 outcome-based pricing 或 AI agent as labor 这些表述。但从 Workday 将 agent 明确包装为能持续执行任务的“teammates”，并把价值叙事从“软件功能”转向“把工作做对、做快、做完”，可以预见的是，未来企业软件的商业模式很可能会向结果与执行量倾斜，而不再仅以 seat 或 module 为中心。这种变化一旦发生，影响就不会局限于 HR，而会同时波及 Finance、IT、Legal 等系统预算与采购逻辑。这里需要强调：这是基于现有动作的行业推演，并非该篇原文直接陈述。
从 Workday 的现实变化出发，未来 HR 科技产品会怎么演进
如果以 Workday 这次已经发生的变化为起点，未来 HR 科技产品的演化方向会越来越清晰。
首先，HCM 的核心数据结构会逐步从 job-based 走向 task-based。今天的大多数 HCM 依然围绕职位、组织层级、岗位说明、审批路径来设计；但当系统开始能够处理具体任务时，企业管理的对象会越来越多地变成“谁来完成什么任务，以什么规则完成”。这并不意味着 job 会立刻消失，而是意味着 task、workflow、signal、context 会在产品结构中越来越重要。Workday 这次已经把 Payroll、Talent Management、Total Rewards、Planning、Contract Review 这些工作，重新组织为 agentic teammates 的执行单元，这正是一个前兆。
其次，Employee Experience、People Analytics、Knowledge、Workflow、Service Delivery 会加速融合。过去这些是分开的市场：一个做员工体验，一个做员工服务，一个做知识库，一个做分析，一个做流程。但从 Sana Self-Service Agent 和 Workday Peakon AI Topics 这类能力可以看到，未来体验不再只是界面体验，分析也不再只是报表分析，知识也不再只是静态知识库。系统会把员工提问、知识检索、反馈主题、流程执行和个性化答案整合成一个连续过程。员工感知到的，不再是“我在用几个系统”，而是“我在一个界面里把问题解决了”。
第三，AI Agent 对 HR Shared Services 和 HR Operations 的影响会最先落地。因为这些职能天然拥有高频、重复、规则明确、跨系统协同的特征。Workday 自己在文中提到 recruiting、onboarding、performance、payroll 等流程都正在走向 agent-driven workflows，这意味着 HR 运营工作会先被重写：一线问答、资料查找、状态更新、规则校验、数据补全、绩效材料草拟等任务，会越来越多地由 agent 完成。这里的结果不一定是简单裁员，更可能是团队结构重组：人类 HR 从执行大量标准动作，转向处理异常、提供判断、做组织设计与策略支持。
Talent Acquisition、Learning、Performance 也会随之变化。招聘环节中，Fraudulent Application Detection 已经说明 AI 将成为甄别 bot 或可疑申请的重要能力；Talent Management Agent 则表明绩效反馈的起草与初步整合正在自动化。至于 Learning，本文原文未展开详细说明，因此不能据此断言 Workday 已发布对应 agent；原文未说明。但可以预见的是，若招聘、绩效、组织设计、员工反馈已经进入 agentic 逻辑，那么学习与技能发展迟早也会被纳入同一条“从 signal 到 action”的链条。这一点属于趋势判断。
未来产品竞争的核心，也会从“功能多不多”转向“是否能完成工作、是否能编排人和 AI 的协作”。因为当所有厂商都能接入模型、都能做聊天界面时，真正的壁垒就不在生成能力，而在于上下文、数据质量、企业规则、跨系统编排能力和执行可靠性。Workday 这次最值得行业重视的地方，不是它用了多先进的模型表述，而是它明确把 trusted data、controls、guardrails、deterministic systems 作为 agent 成立的基础。未来 HCM 的界面会更对话化、动作更自动化、数据模型更强调实时信号与任务上下文，价值衡量方式也更偏向“系统帮企业减少了多少人工步骤、缩短了多少周期、完成了多少可审计任务”。这些变化目前还在展开过程中，但方向已经很明确。
为什么微软最新的 HR 组织架构调整是关键呼应
如果只看 Workday，很容易把这件事理解为系统厂商的主动升级；但把微软的 HR 组织调整放进来，逻辑就更完整了。因为它说明，企业组织一侧也在同步变化。
你提供的微软新架构中，最值得重视的不是某个具体部门名称，而是这些名称组合起来所反映出的设计思路。Engineering HR 这个设置，本身就不是传统 HR 语言。它说明 HR 不再只是制度管理和业务支持部门，而正在把流程、系统、工程化能力视为 HR 核心能力的一部分。换句话说，组织已经在假设：未来 HR 要管理的，不只是人和政策，还包括系统配置、流程逻辑和自动执行能力。
Employee Experience 与 People Analytics 的整合也同样重要。过去很多公司把体验与分析拆开，体验偏沟通与设计，分析偏数据与洞察。但当 AI 和 agent 进入 HR 体系后，体验和分析必须合一。因为未来员工体验不只由界面和政策决定，也由系统是否能基于数据及时响应、理解问题并推动动作决定。微软把 People Analytics 并入 Employee Experience，恰恰说明组织侧已经意识到：数据不再只是用来看，而是用来驱动体验与行动。
Workforce Acceleration 则是另一个强信号。传统 HR 语境更常见的是 Workforce Planning、Workforce Management、Talent Management，而“Acceleration”这个词意味着关注点已经从“管理既有劳动力”转向“提升整体工作速度与能力”。在 AI 进入工作流的背景下，这个命名很有意味。它暗示组织正在思考的，不只是人怎么被管理，而是整体 workforce——包括未来可能由系统和 agent 承接的一部分工作——如何被加速和放大。
把微软这套组织调整与 Workday 的产品方向放在一起看，就能看到非常清晰的行业信号：系统方已经在从 HCM 转向 work execution，组织方也在从传统 HR team 转向更工程化、更数据化、更面向未来协作模式的结构。两边同时变化，就意味着 HR 科技行业不能再停留在旧范式里。未来 HR 能力模型会明显分化：一部分 HR 会更像 architect，负责设计流程、规则、人机协作与组织结构；另一部分偏执行型、事务型岗位则会被 agent 和自动化持续压缩。这里同样要强调，关于微软此举未来影响的部分属于分析判断；微软具体内部意图，若未在正式材料中说明，则不宜做超出证据的断言。
未来 HR 的核心，不再只是管理人，而是设计“人 + AI 如何共同完成工作”的组织与系统
Workday 这次动作最重要的意义，不在于发布了多少 agent，而在于它正在把 HR 系统从“记录人”推向“执行工作”。它没有放弃 system of record 的根基，反而是在 trusted data、controls 和 enterprise guardrails 之上，向 system of action 迈进。与此同时，微软的 HR 架构调整说明，企业组织本身也已经开始为这种新系统逻辑做准备：HR 要更工程化、更数据化，也更面向任务流和生产力提升。
这背后的真正变化是，未来 HR 的核心职责将不再只是管理人、制定政策或维护流程，而是设计一个新的工作系统：在这个系统里，人类负责判断、创造、关系与复杂决策，AI 负责越来越多的执行、整合、提醒、检索、草拟与编排。谁能先把“人 + AI 如何共同完成工作”这件事设计清楚，谁就更可能在下一阶段的 HR 科技和组织竞争中占据主动。
对 HR 科技行业而言，最危险的不是 AI 来得太快，而是仍用旧 HCM 的想法去理解新一代系统。因为当组织方已经开始变化、系统方也已经开始变化时，行业再把自己理解为“卖模块、卖功能、卖记录系统”，就已经慢了一拍。Workday 这一步真正提出的问题不是“要不要加 AI”，而是“未来的企业系统，到底是记录工作，还是完成工作”。这才是接下来几年 HR 科技行业最值得严肃面对的分水岭。
Workday 正在把 HR 系统从“记录人”推向“执行工作”，微软则在把 HR 组织从“支持职能”转向“生产力设计者”。两者共同指向的，是一个全新的企业运行逻辑：工作不再完全由人完成，而是由“人 + AI”共同构成的混合劳动力系统来执行。在这个框架下，HR 的核心不再只是管理人，而是设计任务如何被拆解、如何在不同主体之间分配、以及如何在系统中被可靠地执行。对于 HRTech 行业而言，这已经不是是否拥抱 AI 的问题，而是是否能够完成从“记录系统”向“执行系统”的跃迁。
HCM 的旧边界正在失效，新的竞争，将围绕“谁能真正让工作被完成”展开。
Future of Work
2026年03月29日
-
Future of Work
深度解读：微软为何突然重构HR？AI时代组织运营模式的一次前置升级
HRTech核心解读：微软近日披露的一轮HR组织调整，表面上看是一次高层分工与汇报关系的重排，实质上却是AI时代下人力资源运营模式的一次系统升级。Amy Coleman上任Chief People Officer满一年之际，微软正在把HR从传统的支持系统，重构为更贴近业务节奏、更能驱动组织适应与资源重配的能力系统。对于所有HR同仁来说，这次调整的意义，远不止于微软自身。
微软HR架构大调整：从“稳定运营”走向“敏捷适应”的转型
如果只把微软这次变化理解为一次人事调整，很容易忽略它真正的分量。Amy Coleman在内部备忘录中写得非常直接：技术、工作方式与组织结构都在演变，而变化速度已经超过现有 运营模式和决策节奏原本所能承载的范围。她进一步指出，微软不再只是被要求“为稳定而扩张”，而是需要“为适应性而扩张”，并帮助企业建立新的节奏。
这句话几乎可以视为整轮重构的总开关。它说明微软看到的问题并不是某个单点 HR 流程不够好，而是原有 HR 体系建立在相对稳定、可预期、线性扩张的增长逻辑之上；而进入 AI 时代之后，业务优先级、产品节奏、组织接口与人才需求正在快速重排，原来的 HR 架构已经难以匹配这种变化。
这一背景与微软整体组织演进是同步的。根据原始材料，微软在 AI 时代正重新调整其产品与高管格局，包括整合 Copilot AI 工具团队，安排 Mustafa Suleyman 聚焦于 2025 年 11 月成立的 AI superintelligence 团队，同时也在 Rajesh Jha 退休之后推进 Office、Teams、Windows 等业务的管理交接。换句话说，HR 的变化不是孤立动作，而是微软整体组织为 AI 时代重新校准 运营模式的一部分。
从这个意义上说，这次 HR 重构并不是传统意义上的“HR优化”，而是微软在 AI 时代重新定义 HR 角色的一次系统性动作：HR不再只是承接业务提出的人才、流程与政策需求，而是要更深地参与组织如何响应变化、如何重配资源、如何让人和AI共同工作这些更根本的问题。
微软新的HR架构，到底是怎样一套系统
从 Amy Coleman 的内部备忘录来看，微软此次重构最重要的不是“换了谁”，而是“按什么逻辑重新组织HR”。在她之下，新的People组织被分成几个更清晰的能力模块，每个模块都更直接地对应业务结果，而不是传统意义上的职能分工。
首先是 Engineering HR。微软将所有工程 HR 团队整合到 Mel Simpson 领导之下，由她担任 CVP, Engineering HR。备忘录中特别提到，她当前已与 Copilot、Microsoft 365、Windows、Devices、MAI 和 OCTO 等团队紧密合作；在新的结构下，她与团队将面向所有工程领导者展开协同。 这意味着微软明确把工程人才支持作为独立且关键的业务接口，而不是再分散在多个 HR 线条中处理。
其次是 Employee Experience，由 Nathalie D'Hers 担任 CVP, Employee Experience。此次最值得关注的变化之一，就是由 Kanwal Safdar 领导的 People Analytics 团队将并入 Employee Experience 组织，向 Nathalie D'Hers 汇报。Amy Coleman 对此的解释非常明确：如果微软要提供 AI-first 的产品与体验，就必须更有意识地把“体验如何被设计”与“洞察如何被生成和应用”连接起来。她还提到，相关领导团队将在未来一个月内进一步定义，如何在保留 People Analytics 团队既有合作优势的同时，把分析资源更贴近业务。
第三个模块是 Total Rewards，由 Mike Cyran 担任 CVP, Total Rewards，直接向 Amy Coleman 汇报。Fred Thiele 已被晋升为 CVP, Global Benefits and Mobility，Mark Breer 负责 Executive Compensation、Global Equity Programs 以及 MAVS TR，两人都向 Mike Cyran 汇报。Amy Coleman 在 备忘录 中强调，薪酬与福利是员工体验与业务结果的共同核心，在工作方式持续变化的情况下，企业如何奖励与投资员工，比以往任何时候都更加重要。她还特别提到 Mike Cyran 在全球 pay equity、高绩效文化与差异化薪酬体系上的经验。 这说明微软并没有把 rewards 看作成本控制工具，而是明确视为支持高绩效与业务优先级的重要杠杆。
第四个模块是 Global Talent Acquisition。微软在 备忘录 中表示，人才战略就是竞争战略，而能否赢得未来，取决于是否能在竞争高度激烈、节奏不断加快的市场里招到最优秀的人才。因此，公司正在进入任命 dedicated Global Talent Acquisition leader 的最后阶段，该负责人将直接向 Amy Coleman 汇报。在这一负责人到位之前，Kristen Roby Dimlow 继续领导 GTA。 这里最值得注意的是 Amy Coleman 对“single owner”的强调：招聘必须由一个单一负责人全权带领，才能真正帮助业务扩张、提速并做出正确判断。
第五个模块是 People & Culture。微软将 HR4HR 与 Culture & Inclusion 合并，成立新的 People & Culture 团队，由 Leslie Lawson Sims 担任 VP, People & Culture。Diana Navas-Rosette 作为 GM, Culture & Inclusion，向 Leslie Lawson Sims 汇报。Amy Coleman 对这个新组织的定义很关键：它既是 People 团队如何运作的“引擎”，也把关键的 inclusion 工作织入到日常运作之中。 从原文可以看出，微软并没有否定 inclusion 的重要性，而是改变了它的组织位置——从相对独立的倡议型单元，转向与 People 运营和企业文化更深融合的日常机制。
第六个模块是 Global Talent Development。微软将 Talent Management、Leader Development、Manager Capability 与 Aspire 放在同一体系之下，由回归微软的 Wyatt Cutler 担任 VP, Talent Development。Leah Colson 与 Rawan Shalhoub 分别从 Talent Management 和 Manager Excellence & Development 向 Wyatt Cutler 汇报。Amy Coleman 对这一重组的描述是：把这些能力放在一起，可以加速微软最持久的业务优势之一——人的能力。 这说明微软在发展模块上的目标，已不仅是提供培训与发展项目，而是更系统地建设管理者、领导者与团队的能力。
第七个模块则是这次重构中最具前瞻意味的部分：Workforce Acceleration。微软新设这一 dedicated team，由 Justin Thenutai 担任 VP, Workforce Acceleration，Karen Kocher 领导的 Learning & Skilling 团队向其汇报。Amy Coleman 在 备忘录 中将 skilling、redeployment、workforce planning 以及 emerging human-agent collaboration 放在同一段中，并明确指出，这是一组相互连接的能力，能够帮助微软以不同方式思考人才与组织再造，并加速整个 workforce。 这一段几乎揭示了微软对未来 HR 战场的判断：AI时代的核心问题，已经不只是“如何招聘更多人”，而是“如何提升技能、重新配置人才、规划 workforce，并设计人和 agent 的协作方式”。
此外，Amy Coleman 还在备忘录 中回顾了几位关键领导者的离开与退休，包括 Lindsay-Rae McIntyre 将于 3 月 31 日离职，去担任外部公司的 Chief People Officer；Kristen Roby Dimlow、Chuck Edward 与 Dawn Klinghoffer 将在本财年末退休。 这些变化说明，这次重构并非简单增量叠加，而是与领导层交接、新旧模式更替同步发生。
从这张组织图中，读懂微软真正要改变什么
如果把这次结构变化放在传统 HR 语境下，很容易得到一个表层结论：微软是在做组织整合、职责收拢、汇报关系重排。但从你前面提供的截图解读与原文一起看，微软要改的其实是 HR 运营模式本身。
首先，它反映出 HR 正从“稳定型支持系统”转向“适应型组织系统”。过去很多大型企业的 HR 架构，是为了支撑规模化与一致性建立起来的，强调标准流程、明确分工、稳定运行。而微软在备忘录 中明确提出，现有 运营模式 和 decision rhythms 已经无法适应变化的速度。 这意味着问题不在于 HR 做得不够努力，而在于原有模式更适合稳定时期，不适合 AI 时代的持续重组。
其次，People Analytics 被并入 Employee Experience，说明数据分析在微软内部不再只是“看板”和“报告”的生产机制，而是被要求嵌入员工体验与业务决策闭环。原文中 Amy Coleman 强调，要把 how we design experiences 与 how we generate and apply insights 更有意识地连接起来。 这几乎可以被理解为微软对 People Analytics 角色的重新定义：分析的终点不是产生洞察，而是推动更快、更贴近业务的行动。
再次，Engineering HR 的统一收拢，说明微软正在把 HR 更深地嵌入核心产品和工程优先级之中。Copilot、Microsoft 365、Windows、Devices、MAI、OCTO 这些团队并不是普通业务单元，而是微软当前与未来产品竞争力的核心组成。 当这些工程团队在 AI 时代加速迭代时，HR若仍然分散、滞后或被动响应，必然跟不上业务节奏。Engineering HR 被集中到一个更清晰的结构之下，本质上是让 HR 支持能力与工程组织的速度重新对齐。
最值得 HR 同行认真思考的，是 Workforce Acceleration 的成立。Amy Coleman 并没有把这一模块仅仅定义为 learning 或 workforce planning，而是把 skilling、redeployment、workforce planning 与 human-agent collaboration 统一起来。 这意味着微软已经把未来 workforce 的核心问题看作一个系统问题：员工的技能如何更新、内部人才如何重配、岗位结构如何规划、人和 AI agent 如何协同，这些不能再被拆开处理。对于 HR 而言，这是一种相当清晰的信号：未来的关键不只是“招到谁”，而是“现有 workforce 如何被重新组织和加速”。
People & Culture 的变化同样值得重视。Lindsay-Rae McIntyre 作为 Chief Diversity Officer 离开后，微软并没有在原文中宣布一个同样独立的替代职位，而是由 Leslie Lawson Sims 领导新的 People & Culture 团队，并将 Culture & Inclusion 纳入其中，Diana Navas-Rosette 向其汇报。 这不是简单削弱 inclusion，而是组织哲学的变化：文化与包容不再主要以独立倡议的形式被推动，而是被要求更深地织入 People 团队的日常运作、领导行为与组织机制之中。
Amy Coleman的一周年感悟，其实是这次改革的管理哲学
如果只把 Amy Coleman 的一周年文字看作一封感性短文，会错过它最有价值的部分。她在那段感悟里写道，如果一项工作不能加速业务、不能帮助团队做出最好的工作，就应该停下来问一句，为什么还要做。接下来她提到的三句话——“Clarity beats complexity”“Build with, not just for”“Unlearning matters just as much as learning”——并不是抽象价值观，而更像是这次重构的 operating philosophy。
“Clarity beats complexity” 对应的，首先就是结构与流程的简化。在微软的重构中，我们看到的是更清晰的能力模块、更直接的负责人、更明确的汇报关系，以及对 single owner 的强调。尤其在 Global Talent Acquisition 中，Amy Coleman 明确写到，这项工作需要一个 fully dedicated 的负责人。 这背后对应的就是一个很朴素但很重要的管理判断：复杂会降低速度，而在 AI 时代，速度不再只是执行效率问题，而是组织竞争力本身。
“Build with, not just for” 则解释了为什么 HR 必须更深嵌入业务与员工场景。Engineering HR 的集中、Employee Experience 与 People Analytics 的结合、对 employee 作为 customer 的强调，都是在告诉我们，微软不再满足于 HR 设计一套制度“交付给业务”或“交付给员工”，而是要在业务真实运转的场景中与之共同构建解决方案。原文中 Amy Coleman 也强调，微软需要构建那些反映领导者和员工“今天如何工作”，并能预判“明天需要什么”的体验。 这本质上就是共创逻辑，而不是传统支持逻辑。
“Unlearning matters just as much as learning” 则是最容易被低估的一句。很多企业在谈转型时，都强调学习新能力，但真正阻碍变化的，往往不是没有新知识，而是放不下旧模式。微软这次重构中最鲜明的一点，正是它在主动拆解一部分旧的 HR 组织惯性：People Analytics 不再独立运行，Culture & Inclusion 不再维持原有结构，Workforce Acceleration 作为新模块被明确放到前台。这说明微软并不是简单叠加新项目，而是在主动让出空间，用新的能力模块替换旧有组织路径。
从这个角度看，Amy Coleman 的周年感悟其实不是对过去一年的情绪总结，而是对这次变革提供的认知框架。她写的是简单的语言，但背后对应的是一套很明确的组织观：HR要更清晰、更贴近业务、更敢于放下旧的路径依赖。
这次微软改革，对所有HR同仁意味着什么
对 HR 同行而言，微软这次调整最重要的价值，不在于照搬它的组织图，而在于它揭示了几个已经越来越清晰的趋势。
第一，AI 时代 HR 的核心竞争力，正在从流程管理转向组织适配能力。过去 HR 的成熟度，往往体现在制度健全、流程清晰、合规稳健；但在变化速度不断加快的今天，更关键的问题是，HR能否帮助组织更快感知变化、更快决策、更快调配资源。Amy Coleman 在原文中的判断已经很直白：过去的运营模式 与 decision rhythms 不再适用。 这意味着“稳定”不再足以定义优秀 HR，适应性才是。
第二，HR 的价值正在从支持业务转向加速业务。Amy Coleman 的那句标准已经非常清楚：如果一项工作不能 accelerating the business，就要反问自己为什么做。对很多 HR 团队来说，这其实是一个很严格的要求。它意味着 HR 不再只以满意度、覆盖率、执行率来证明价值，而要更直接地回答：是否让业务更快、更准、更具组织能力。
第三，People Analytics 的终点不是报表，而是决策。微软将其并入 Employee Experience，并强调 insight-to-action 的连接，就是在告诉我们，分析能力如果不能嵌入业务与体验，就仍然停留在支持层。 未来更重要的，不是 HR 是否有 analytics 团队，而是 analytics 是否真正改变决策质量和速度。
第四，Talent Development 的目标不再只是课程覆盖率或培训项目完成率，而是组织能力建设。微软把 Talent Management、Leader Development、Manager Capability、Aspire 放在同一结构下，就是在强调发展不应再以项目为中心，而要以能力为中心，以组织需要什么能力、管理者需要什么能力、如何建立可持续的人才梯队为中心。
第五，Workforce Planning 与 Human-Agent Collaboration 很可能会成为未来 HR 最关键的新战场。微软把 human-agent collaboration 明确写进 Workforce Acceleration 的定义里，这一点极具标志性。 它意味着领先科技公司已经不再把 AI 只看作提升效率的工具，而开始把“人如何与 agent 协作”视为 workforce 设计的一部分。对 HR 来说，这将直接影响岗位设计、技能模型、组织边界与人才再配置逻辑。
最终，微软这次调整传递出的最重要信号是：领先科技公司正在把 HR 从“人事支持功能”升级为“组织资源调度与能力重构系统”。这不是概念上的夸张，而是组织图、汇报关系与能力模块共同指向的方向。微软不是第一个谈 AI 对 HR 影响的大公司，但它这次给出的，已经不是观点，而是一套更接近实际 运营模式的答案。
给HR同仁的核心启示
对所有 HR 同行来说，微软这次改革真正值得借鉴的，不是具体岗位名称，也不是是否设立一个叫 Workforce Acceleration 的部门，而是背后的三个判断：第一，HR必须以业务速度为参照系，而不是只以流程完整性为参照系；第二，HR必须把数据、体验、人才发展与 workforce 重配放到同一个更大的组织适配框架中去理解；第三，HR未来的角色，不再只是维护秩序，而是帮助组织在持续变化中完成资源重组、能力升级与人机协同设计。
如果说过去优秀的 HR 是把支持系统做得更稳，那么未来更关键的 HR 能力，可能是把组织系统调得更快。微软这次重构之所以值得所有 HR 同行认真研究，就在于它展示了一种越来越清晰的趋势：在 AI 时代，HR 不再只是围绕“人”运转，而是开始围绕“组织如何持续适应变化”来重建自己。
Future of Work
2026年03月27日
-
Future of Work
【独家】当AI成为“数字员工”：英伟达的全球AI大会GTC2026给我们HR的10个重要启示
HR可能没注意今天开幕的英伟达全球AI大会GTC，但这场大会正在重新定义工作的现在！
HRTech概述：今天上午（美西时间3月16日上午）全球最受关注的人工智能大会之一——NVIDIA GTC（GPU Technology Conference）在硅谷举行。这场大会被很多科技媒体视为“AI产业的年度风向标”，因为全球大量AI技术路线、算力基础设施以及未来产业趋势，往往会在这里首次集中发布。
NVIDIA创始人兼CEO Jensen Huang（黄仁勋）在主题演讲中提出了一个重要判断：未来的数据中心将变成“AI工厂”，企业不仅拥有Human Workforce（人类员工），还会拥有Digital Workforce（数字劳动力）。随着AI agents开始承担越来越多运营任务，这一变化将直接影响企业组织结构、岗位设计以及人才需求。
对HR来说，这场技术大会其实释放了一个非常重要的信号：未来企业管理的对象，可能不仅是员工，还包括AI系统。
基于GTC 2026释放的技术趋势，可以从HR与未来工作的角度看到十个值得关注的变化。
NVIDIA GTC（GPU Technology Conference）大会由 Jensen Huang（黄仁勋）在主题演讲中揭幕，现场发布了多项新的 AI 基础设施技术，包括下一代 AI 平台 Vera Rubin、AI 推理系统 Dynamo 以及面向机器人和自动驾驶的 Physical AI 体系。整场演讲的核心逻辑非常清晰：AI 正在从“模型工具”阶段进入“生产基础设施”阶段。黄仁勋反复强调一个关键概念——AI Factory（AI 工厂）。在他的定义中，未来的数据中心将不再只是存储和计算的设施，而是持续生产“智能（intelligence）”的工厂。这些工厂通过训练模型、运行推理以及调度 AI agents，源源不断地产生智能 token，而企业则会像使用电力一样使用 AI。
黄仁勋提出了一个核心判断：未来的数据中心将不再只是计算设施，而会演变为“AI工厂”（AI Factory）。这些AI工厂将持续训练模型、运行推理并调度AI agents，从而源源不断地产生“智能（intelligence）”。在这样的体系中，企业将像使用电力一样使用AI能力。
在这一叙事之下，另一个概念被频繁提及：Digital Workforce（数字劳动力）。这一变化意味着，AI不再只是一个软件工具，而正在成为新的生产要素。对于HR和企业管理者而言，这一变化可能比任何一代技术更深刻，因为它触及的是企业组织结构与劳动力形态本身。
在这样的背景下，GTC 2026释放的信号，不仅关乎芯片和算力，更关乎未来企业如何组织工作、如何招聘人才以及如何管理生产力。基于大会释放的技术趋势，从HR与未来工作的视角，可以看到十个值得关注的变化方向。
一、企业将同时拥有Human Workforce与Digital Workforce
过去企业只有人类员工，而未来企业将同时管理两类劳动力：人类员工与AI agents。AI将承担大量重复性任务，例如客服响应、数据整理、财务核对和流程审批。HR在未来组织管理中的职责，也将逐渐扩展到数字员工的配置与治理，例如AI agent的权限、责任边界以及人机协作机制。
二、组织设计将从“岗位结构”转向“任务结构”
AI的影响并不一定是直接替代岗位，而是重新划分岗位中的任务结构。许多岗位将被拆分为三类任务：可以完全自动化的任务、需要AI辅助完成的任务，以及必须由人类完成的任务。未来的岗位设计和职位说明书，将更加关注任务组合，而不是传统岗位边界。
三、招聘标准将更强调AI协作能力
随着AI agents成为日常工作的一部分，企业将更加需要能够与AI高效协作的人才。这类能力包括理解AI的工作方式、能够设计AI工作流程、以及能够判断AI输出质量。招聘评估标准也将逐渐从工作经验转向学习能力与AI协作能力。
四、组织规模可能变小但产出更高
AI agents能够承担大量运营工作，使企业在保持甚至扩大业务规模的同时减少对传统岗位的依赖。未来可能出现更多“高产小团队”，即团队规模更小，但借助AI系统能够完成更复杂的业务。
五、绩效管理将出现“人机协同效率”指标
传统绩效体系通常只衡量个人产出，但在AI时代，员工是否能够利用AI提升效率将成为重要指标。例如员工是否能够通过AI缩短决策周期、优化流程或者提高分析质量。绩效评价体系也将逐渐转向“人机协同效率”。
六、HR专业能力需要技术理解能力
HR不需要成为工程师，但需要理解AI技术的基本逻辑与风险。例如算法偏见、数据隐私、自动化决策透明度等问题，都可能直接影响员工权益与组织治理。因此HR未来的角色将更加接近组织治理者。
七、员工技能更新周期将显著缩短
AI技术发展速度极快，这意味着许多技能的生命周期正在缩短。企业需要更加持续化的学习体系，而不是周期性的培训。HR的重点将从课程管理转向技能生态建设，包括持续学习平台、技能评估体系以及内部人才流动机制。
八、劳动力市场将出现新的职业角色
随着AI agents和自动化流程的普及，一些新的职业角色将逐渐出现，例如AI workflow designer、AI operations manager、AI governance specialist等。这些岗位将负责设计AI工作流程、优化AI使用效率以及确保AI使用符合组织政策。
九、企业文化需要重新定义人与技术的关系
当AI成为日常工作的组成部分，企业文化也需要重新定义人与技术之间的关系。组织需要明确AI是替代员工还是增强员工能力，以及企业如何在效率提升与员工发展之间保持平衡。
十、HR将成为AI治理体系的重要参与者
随着AI逐渐参与决策流程，企业必须建立AI治理机制。HR将与IT、法务以及风险管理部门共同参与这一体系的建设，包括制定AI使用政策、员工培训、数据使用规范以及AI决策透明度机制。
总体来看，GTC 2026所展示的并不仅是一场技术发布会，更像是一场关于未来生产体系的预演。当AI从工具升级为“数字劳动力”，企业组织结构、人才需求以及HR的职责边界都将随之改变。
未来HR需要管理的对象，或许不再只是员工，而是一个由人类与智能系统共同构成的组织。
Future of Work
2026年03月17日
-
Future of Work
最新研究：AI效率越高，人却越来越忙，一场正在发生的知识工作规则重写
HRTech概述：AI原本被认为可以帮助员工减少工作量、提升效率，但一些企业内部观察研究却发现了相反的趋势。研究人员在一家科技公司进行了为期8个月的跟踪观察，发现AI让员工完成任务更快，但并没有减少工作时间，反而让员工承担了更多任务。这一趋势意味着，AI不仅在改变工作效率，也在重塑知识工作的规则。对于企业来说，真正的挑战并不是是否使用AI，而是如何在效率提升的同时，避免工作强度持续上升。
人工智能正以前所未有的速度进入知识工作领域。从代码生成、文档撰写到数据分析与设计辅助，AI被广泛认为是下一轮生产力革命的核心驱动力。企业普遍期待，AI能够减少重复劳动，让员工更高效地完成工作，并最终释放时间用于更具创造性的任务。然而，一些企业内部观察与组织行为研究却揭示出一个值得警惕的趋势：AI并没有像预期那样减少工作量，反而在许多场景中加速了工作的节奏，并扩大了员工承担的任务范围。
AI带来的不是“少做”，而是“多做”
在一项针对科技企业的长期观察研究中，研究人员对约200名员工的实际工作方式进行了持续跟踪，并进行了40多次跨职能访谈。研究最初的目标是理解AI工具在真实工作环境中的效率提升效果，但最终结果却显示出一种完全不同的趋势。
许多员工表示，AI确实让他们完成任务的速度明显提高。例如，原本需要数小时撰写的文档可以在AI辅助下迅速生成初稿，复杂的分析报告也可以通过提示词快速形成结构框架。然而，当任务完成得更快时，员工并没有因此减少工作时间，而是倾向于主动承担更多项目或更多任务。AI所节省的时间并没有转化为休息时间，而是被重新填充为新的工作内容。
这种现象形成了一种典型的“效率填充效应”：技术提高效率之后，工作量往往随之增加，而不是减少。
任务启动成本的降低扩大了工作范围
AI还显著降低了工作的启动门槛。过去，一些任务之所以没有被执行，是因为准备成本较高。例如整理内部报告、编写总结或进行初步分析，这些工作往往需要较长时间准备。但在AI工具的帮助下，员工只需输入简单提示词即可生成初步内容。
这一变化带来的结果是，更多任务被启动和完成。表面上看，这是一种效率提升；但从组织运作角度来看，它实际上扩大了员工的工作范围，使单位时间内的任务数量明显增加。AI不仅让任务完成得更快，还让更多任务成为“值得做”的事情。
团队竞争推动工作节奏不断加快
AI还改变了团队内部的行为逻辑。当团队中部分成员开始利用AI显著提高产出时，其他成员会自然产生比较压力。如果某位同事借助AI一天完成多个项目，其余成员很容易担心自己的效率被视为不足。
即使管理层从未正式提高绩效要求，这种由同事之间的比较产生的“隐性竞争”也会逐渐改变团队节奏。随着时间推移，原本由技术带来的效率提升会转化为新的默认标准。团队整体工作速度随之提升，而这种变化往往是在没有明确管理决策的情况下发生的。
研究人员将这种过程称为“工作量爬升”（Workload Creep）。最初，它表现为生产力提升；随后，它成为新的绩效基准；最终，它演变为组织内部的隐性期望。
AI模糊了工作与生活的时间边界
AI还在改变工作的时间结构。传统知识工作通常依赖完整的时间块，例如集中数小时撰写报告或完成分析任务。但AI让许多任务可以在碎片时间完成。员工可以在午餐时间生成文档初稿，在会议期间让AI整理笔记，或在晚间快速修改AI生成的内容。
这种变化虽然提高了灵活性，但也使工作逐渐渗透到原本属于休息的时间段。很多员工开始在更多时间点与工作保持连接，从而模糊了工作与生活之间的边界。
压力在组织层级之间出现明显分化
研究还发现，AI带来的压力在组织层级之间分布并不均衡。一线执行层员工，例如工程师、产品经理、设计师和运营人员，承担了大部分由AI加速带来的任务扩张。他们需要更快地完成更多工作，同时持续保持高效率。
相比之下，管理层和高管往往更关注整体生产率指标，因此对这种压力变化的感受较弱。这种结构性差异容易导致组织内部形成不同的认知：管理层看到的是效率提升，而执行层感受到的则是工作强度增加。
技术提升效率，但制度决定结果
从历史经验来看，类似的情况并不罕见。电子邮件、即时通讯工具和远程办公技术在过去几十年中都曾带来类似影响。通信效率的提升往往会加快工作节奏，并延长工作时间。
AI的特殊之处在于，它不仅提高沟通效率，还直接参与任务执行，因此对工作节奏的影响更加明显。如果企业只是把AI视为单纯的生产力工具，而没有建立相应的管理机制，那么效率提升很容易自动转化为更高的工作强度。
企业需要重新设计AI时代的工作规则
在AI时代，企业真正需要思考的问题并不是“是否使用AI”，而是“如何管理AI带来的生产力变化”。一些领先组织已经开始尝试新的管理方式，例如重新设计绩效评估标准、明确AI使用边界，并避免将短期效率提升直接转化为更高的任务指标。
只有在合理制度框架下，AI带来的效率提升才可能真正释放员工的时间与创造力，而不是变成新的压力来源。
AI改变的不只是效率，而是整个工作结构
从更宏观的视角看，AI正在重新定义知识工作的运行方式。当技术能够显著提高个人效率时，组织如何设定工作节奏、分配任务以及保护员工的可持续工作状态，将成为未来管理的重要课题。
效率本身并不会自动带来自由。如果缺乏制度设计和管理规则，技术进步往往会被转化为更高的工作要求。AI带来的真正挑战，并不是技术本身，而是组织如何在效率与可持续工作之间找到新的平衡。
HRTech特别说明：AI并没有减少工作量，而是在很多情况下扩大了工作量（workload expansion）。不过需要先说明一点：这段文字在社交媒体上广泛传播，但目前并没有一个公开发表的 Berkeley正式学术论文完全对应这段描述的所有数据（例如“83% workload increase、200 employees、8 months embedded research”）。类似结论在多个研究中确实存在，但具体数字很可能是社交媒体的简化或二次传播。因此，理解其逻辑比纠结具体数字更重要。
Future of Work
2026年03月09日
-
Future of Work
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。
Future of Work
2026年03月07日
扫一扫 加微信
hrtechchina
