generative AI
调查显示：中国职场AI使用率领先全球，为何员工敬业度却处于低位？
《职场人 2026》揭示：AI已经进入中国员工的日常工作，但企业尚未完成从“工具普及”到“组织生产力”的转化。
生成式人工智能进入职场不到四年，已经从少数技术人员使用的专业工具，快速演变为覆盖写作、分析、编程、翻译、搜索、会议总结和决策辅助的通用工作工具。
在这一轮全球职场AI浪潮中，中国员工并没有落后。ADP研究院发布的《职场人 2026》显示，中国职场的生成式AI使用率已经明显高于全球平均水平，员工对AI工具的接触范围甚至接近全面覆盖。但与此同时，中国员工的敬业度却处于全球较低水平。
这一组看似矛盾的数据，揭示了中国企业AI转型中一个越来越重要的问题：员工开始使用AI，并不代表组织已经获得AI带来的生产力。
中国员工使用AI的比例已进入全球前列
《职场人 2026》基于ADP研究院2025年全球劳动力调研。该调研于2025年7月21日至8月4日进行，覆盖全球36个市场，收集了超过39,000名成年员工的反馈。
报告询问员工使用ChatGPT、Midjourney、Copilot等生成式AI工具的频率。全球范围内，20%的员工表示几乎每天使用AI，30%的员工每周使用多次。也就是说，全球约一半员工已经成为生成式AI的高频使用者。
中国市场的AI使用率高于这一全球平均水平。
数据显示，中国有26%的员工几乎每天使用生成式AI，高于全球20%的平均水平；只有2%的中国员工表示尚未尝试过AI，远低于全球15%的比例。中国与印度并列成为“从未使用AI”比例最低的市场之一。
从全球市场排名来看，中国员工日常使用AI的比例进入前十，仅低于印度、尼日利亚、越南、埃及、巴西、阿联酋、印度尼西亚、沙特阿拉伯和泰国。
中国26%的每日使用率，也明显高于新加坡的23%、英国的20%、美国的19%、中国台湾的18%、澳大利亚的16%、德国的14%、韩国的12%和日本的8%。
这说明，中国职场当前面临的主要问题，已经不再是员工是否接触AI，而是如何把个人层面的AI使用，转化为企业层面的稳定能力。
AI使用越频繁，员工敬业度越高、压力越低
从全球数据来看，AI高频使用与员工敬业度、团队归属感和工作压力之间呈现出明显关联。
在几乎每天使用AI的员工中，30%属于高度敬业员工；而在从不使用AI的员工中，高度敬业员工的比例只有14%。作为对比，2025年全球高度敬业员工的整体比例为19%。
压力方面也呈现出类似趋势。每天使用AI的员工中，只有11%处于“超负荷工作”状态，而从不使用AI的员工中，这一比例达到23%。
AI使用频率越高，员工也越倾向于认为自己已经融入团队，并认为自己身处一个优秀的团队。
这表明，AI在许多工作场景中正在成为员工的“协作伙伴”。它可以帮助员工更快地处理信息、减少部分重复劳动、降低完成复杂任务的门槛，并增强员工对自身能力和团队协作的信心。
但报告同时发现，AI并没有像企业普遍期待的那样，立即转化为员工能够感知到的生产力提升。
AI使用越多，员工反而越容易认为自己效率不够高
报告中最值得关注的发现，是AI使用与生产力感知之间的矛盾。
在几乎每天使用AI的员工中，16%认为自己近期的工作效率没有达到应有水平；而在从不使用AI的员工中，这一比例只有5%。
也就是说，AI高频使用者虽然敬业度更高、压力更低、团队归属感更强，却更容易认为自己的生产力没有达到预期。
这并不一定意味着AI降低了员工的实际生产力。
一种可能的情况是，AI提升了员工的产出速度，但同时也提高了组织对员工的工作要求。当原来需要一天完成的任务可以在几个小时内完成时，节省出来的时间并没有真正归还给员工，而是被新的任务、更多会议和更高的绩效目标迅速填满。
另一种情况是，企业只是把AI叠加在原有工作流程上，却没有重新设计岗位、任务和管理机制。员工仍然需要完成原来的审批、汇报、沟通和协作流程，同时还要承担AI生成内容的核验、修正和质量控制工作。
AI可以快速生成内容，但并不能自动消除组织中的重复汇报、低效审批、模糊决策和跨部门沟通成本。
因此，员工可能生产了更多内容，却没有明显感觉自己完成了更多有价值的工作。
中国职场呈现“AI高使用、敬业度低”的反差
相比全球市场，中国职场的反差更加明显。
中国有26%的员工几乎每天使用AI，高于全球平均水平；但中国高度敬业员工的比例只有11%，低于全球19%的平均水平，也低于亚太地区15%的平均水平。
2024年，中国高度敬业员工的比例为14%；2025年进一步下降3个百分点至11%，成为报告调查市场中员工敬业度最低的市场。
需要说明的是，这两组数据并不能证明AI导致了中国员工敬业度下降。报告没有披露中国市场AI使用频率与员工敬业度之间的交叉数据，因此不能直接建立因果关系。
但这至少说明，AI工具的快速普及，并没有自动解决中国企业长期存在的员工体验和组织管理问题。
报告指出，部分中国企业在疫情后收紧预算、冻结薪资增长、削减福利，同时没有充分认可高绩效员工的贡献。年轻员工越来越重视工作意义、灵活性和发展空间，但不少企业仍然延续资历导向型的管理方式。
在这样的环境中，AI可能更多成为员工个人应对工作负荷的“自救工具”，而不是企业系统性改善工作方式的基础设施。
员工利用AI撰写文案、整理信息、制作方案、分析数据和处理邮件，但其薪酬、职业发展、管理支持、绩效认可和工作意义并未同步改善。
AI让员工做得更快，却未必让员工工作得更好。
中国企业需要从“推广AI工具”转向“重新设计工作”
过去两年，很多企业的AI项目主要围绕工具采购、账号开通、培训课程和使用率展开。企业会统计有多少员工参加了培训、多少人开通了Copilot账号，以及每天产生了多少次AI调用。
这些指标能够说明AI工具是否被使用，却无法证明AI是否创造了价值。
中国企业下一阶段需要关注的，不应只是“有多少员工在用AI”，而应进一步回答四个问题：
第一，AI到底替代或增强了哪些具体任务？
第二，使用AI之后，工作周期、错误率、返工率和决策速度是否真正改善？
第三，AI节省的时间是否转化为更高价值的工作，还是被新的工作量迅速填满？
第四，员工是否因为AI获得了更好的职业发展机会，而不是变得更加焦虑和不确定？
企业需要建立岗位和任务层面的AI应用图谱，将工作区分为可以自动化的任务、可以由AI增强的任务、需要人类专业判断的任务，以及必须由人承担责任的任务。
与此同时，企业还需要重新设计团队协作方式、审批机制、质量标准、数据权限和绩效指标。只有当流程、岗位和管理方式一起发生变化，AI才可能从个人效率工具，转化为真正的组织生产力。
AI时代真正的竞争力，不是使用率，而是价值转化率
《职场人 2026》的数据说明，中国员工接受和使用AI的速度已经非常快。
中国职场并不缺少AI工具，也不缺少愿意尝试AI的员工。真正缺少的是把分散的个人使用，沉淀为组织工作方法的机制。
未来企业之间的差距，不会简单取决于谁购买了更多AI产品，也不会取决于谁拥有更高的AI账号激活率。
真正拉开差距的，将是哪些企业能够率先完成三个转变：
从个人使用AI，转向团队协同使用AI；从旧流程叠加AI，转向围绕AI重新设计工作；从追踪使用次数，转向衡量实际业务结果。
中国已经基本完成了职场AI应用的第一阶段——工具普及。
接下来更重要的，是进入第二阶段——工作重构。
下载《职场人 2026》，了解全球职场正在发生的变化
除了人工智能的职场应用，《职场人 2026》还深入分析了全球员工的职业不安全感、五代同堂的职场结构、无偿加班、员工压力、职业发展和全球员工敬业度。
报告覆盖全球36个市场、超过39,000名员工，为HR负责人、企业管理者、人才发展团队及组织研究人员提供了一份理解2026年全球职场变化的重要数据参考。
点击下载《职场人 2026：全球劳动力观点》中文版：
http://hrnext.cn/xALS93
AI正在改变员工完成工作的方式，但决定企业能否真正获得AI价值的，仍然是组织设计、管理方式和对人的长期投入。
generative AI
generative AI
【限时免费下载】36 国 39000 + 员工调研｜《职场人 2026》白皮书，HR 做人才规划必备数据参考
【限时免费下载】36 国 39000 + 员工调研｜《职场人 2026》白皮书，HR 做人才规划必备数据参考
做 HR、人力负责人、HRD 的我们，每年都要面对几大无解难题：
团队流失率居高不下，哪怕调整薪酬福利，员工依旧普遍焦虑；
70 后至 00 后五代员工同场办公，一套管理制度无法适配所有人；
企业落地 AI 数字化工具，投入成本上涨，员工实际产出却没有提升；
管理层常态化无偿加班，核心骨干悄悄更新简历，人力隐性成本持续走高。
ADP 研究院 2026 年度重磅调研《职场人 2026》，面向全球 36 个市场、超 39000 名职场人分层取样，用一手真实员工心态数据，拆解 2026 全球劳动力核心变化，为企业人力管理、年度人才盘点、员工关系建设提供权威对标依据。
下载链接：http://hrnext.cn/xALS93
您也可以扫描文中图片二维码，即可免费下载完整版（限时免费），获取 36 国细分数据、行业对比、落地管理建议。
一、报告 5 大核心调研结论数据来源：ADP 研究院 2026 全球劳动力调研《职场人 2026》白皮书1. 职业安全感危机：全球仅 22% 员工笃定自身岗位稳定数据显示，没有任何一个区域过半员工拥有职业安全感，市场分化差距明显：尼日利亚 38% 员工认为工作安稳，日本仅 5%，中国为 20%。
工种层级差距显著：知识型员工安全感 30%，技能型员工 18%，事务型重复性岗位仅 16%。
高职业安全感员工具备多重优势：敬业度高出 6 倍、无离职意愿概率翻倍、职场负面压力低 2.5 倍。
HR 落地实操
组织变动、架构调整提前全员透明同步，减少员工负面猜测；
针对基层、事务岗员工增设常态化技能培训、轮岗发展机会；
管理者一对一同步员工个人成长路径，清晰传递晋升预期。
2. 五代同堂新职场：代际诉求割裂，分层管理才是最优解
当下职场首次实现青少年到曾祖辈五代员工共存，不同年龄段员工诉求差异巨大：
18-26 岁年轻员工：对 AI 工具、职业晋升更乐观，本科毕业生 32% 自认具备晋升技能，同期无学历员工仅 24%；
55 岁以上资深员工：易自我怀疑技能、财务焦虑更强，但消极职场压力更少、整体离职意愿最低。
白皮书核心解决方案：搭建跨代师徒机制，年轻人输出数字化能力，资深员工传承行业经验与管理软技能，双向激活团队活力。
3. 无偿加班暗藏巨大人力损耗，层级越高问题越突出
全球 62% 员工每周无偿加班 5 小时以内，26% 每周 6-15 小时，12% 每周无偿工作 16 小时及以上。
职级差异清晰：20% 高管每周无偿加班超 16 小时，普通员工仅 9%。
调研悖论：长期超长无偿加班的员工敬业度看似更高，但普遍自评工作效率低下、压力过载、主动求职跳槽意愿更强。
HR 落地实操
规范工时管理，明确岗位工作边界；建立加班补偿、调休机制；合理拆分工作负荷，避免任务集中挤压私人时间。
4. AI 全面渗透职场，但预期生产力提升并未落地
全球半数员工每周多次使用生成式 AI，1/5 员工几乎每日使用；区域使用差距悬殊：印度 41% 员工每日使用 AI，日本 43% 从未尝试，中国 26% 员工每日使用 AI 工具。
高频 AI 使用者优势：工作压力更低、团队归属感更强、敬业度显著提升；
现存痛点：高频使用 AI 的员工，更容易认为自身生产力未达到预期，岗位焦虑同步加剧。
HR 落地实操
配套全员 AI 技能培训，明确 AI 辅助工作边界；同步开展员工心理疏导，缓解技术替代岗位的恐慌情绪。
5. 全球员工敬业度偏低，仅 19% 职场人高度敬业
2025 年全球高度敬业员工占比仅 19%，区域分化明显：巴西 29% 全球第一，本次调研 36 个市场中中国员工高度敬业占比 11%，处于亚太低位。
提升敬业度核心抓手（数据佐证）：感知企业愿意投入自身成长的员工，53% 处于高度敬业状态；无任何培训支持的员工，该比例仅 12%。
企业可通过人才发展投入、建立管理层信任、塑造岗位价值感、降低职场负面压力四大维度，提升团队整体敬业度。
二、这份白皮书，HR 适配全年度人力工作场景
年度人力规划 & 人才盘点：对标全球、亚太、中国细分员工数据，精准诊断团队流失、倦怠核心根源；
员工关系 & 员工关怀方案：针对职业焦虑、无效加班、代际矛盾设计标准化沟通、福利机制；
企业数字化（AI 落地）配套方案：预判员工技术恐慌，搭建内部数字化培训体系；
人才梯队建设：区分年轻员工、资深员工，搭建分层晋升、跨代师徒管理体系；
出海企业人力参考：36 个国家/市场员工心态、薪酬预期完整数据，支撑跨国团队制度搭建。
本文所有数据均来自 ADP 官方全球劳动力调研，完整原始数据表可通扫描图片二维码或点击文章底部“阅读原文”获取。
立即下载【职场人 2026】，获取 36 国细分数据、行业对比、落地管理建议。
下载链接：http://hrnext.cn/xALS93
您也可以扫描文中图片二维码或者点击文章底部“阅读原文”，即可免费下载完整版。
如有问题咨询
联系人：科科
微信：hrtechina
邮件联系：hi@hrtechchina.com
generative AI
generative AI
HR的影子AI行动指南： 从隐蔽使用到负责任 AI 的组织能力建设
HRTech概述：影子AI （Shadow AI） 正在成为企业的真实现状：员工早已在日常工作中使用 AI，但往往“不敢说、不敢公开”。这不是违规，而是组织真实需求的外露，是基层对效率的自主追求。影子 AI 暴露的是心理安全不足、工具体验落差，以及组织学习断裂。HR 的角色正在发生改变：不再只是制度执行者，而是 AI 文化的塑造者、心理安全的设计者、治理框架的共同构建者。四步框架——心理安全、显性化、白化机制、Responsible AI 建设——将帮助企业把“地下创新”转化为组织能力。谁能更早拥抱 Shadow AI，谁就能在下一轮 AI 浪潮中领先。
一、当 AI 早已走进一线，却还停留在管理者PPT里
在很多企业的管理层会议上，AI 依然是战略汇报中的一个章节，是技术团队路演中的一个亮点，是外部大会上反复出现的关键词；但在员工的真实日常工作中，AI 早已“悄悄上岗”。销售用 ChatGPT 改邮件、运营用生成式模型写文案、HR 自己也可能用 AI 写 JD、起绩效评语、梳理政策……只是，这一切往往都发生在“未报备、未批准、未纳管”的状态下。这就是所谓的 Shadow AI（影子 AI）：员工在未正式获批、未纳入官方工具体系的前提下，自行使用各类 AI 工具完成工作目标。现有研究与市场观察都在指向同一个事实：员工实际使用 AI 的比例，远高于企业管理层的认知。而且，越是高绩效、越接近业务一线的员工，越有动力去寻找更高效的工具，也越可能成为影子 AI 的重度用户。对 HR 管理者而言，Shadow AI 不仅是一个技术或安全问题，更是一个组织问题与文化问题。如果只是简单将其视为“违规操作”，采取封堵、禁用、隔离等手段，只会把本就隐蔽的使用推向更地下的角落，让企业既承担风险，又完全丧失学习机会。本指南的出发点，是从 HRTech 与组织文化的视角，帮助 HR 管理者把 Shadow AI 从“地下水”引向“有渠道的水利系统”，把分散、隐蔽的个体实验，转化为安全、可控、可持续的 Responsible AI（负责任 AI）能力。
二、重新理解 Shadow AI：从“违规现象”到“欲望路径（Desire Path）”
如果从传统 IT 管理的视角，Shadow AI 与 Shadow IT 一样，是“未授权应用”，理应被列入风险清单。但如果我们转换视角，会看到另一层含义：Shadow AI 更像是校园里的“欲望小路（Desire Path）”——学校规划了标准道路，然而师生会按照自己的效率和习惯，踩出一条更加真实的路径；这条路径，往往比设计者想象的要合理得多。在企业中，Shadow AI 的出现，首先说明官方工具与流程无法完全满足一线需求。员工之所以绕过内部系统使用外部 AI 工具，往往不是为了规避规则，而是为了完成目标、节省时间，甚至是为了弥补现有系统的不足。其次，Shadow AI 折射出一种“不敢公开的创新”。许多员工其实已经在积累自己的提示词库、工作流模板和小型自动化流程，但出于对“被认为偷懒”“被质疑是否算自己的贡献”“被误读为岗位可被替代”的担心，他们选择不公开、不分享、不沉淀。换句话说，Shadow AI 是员工用脚投票之后留下的轨迹，是组织真实 AI 需求和真实效率突破的“热力地图”。如果企业只是从合规层面、技术控制层面去理解 Shadow AI，就会错过它作为“需求信号”和“创新线索”的价值。这也是 HR 需要主动介入的关键原因：如何将这种制度外的创新、隐蔽的效率实践，转化为可治理、可复制的组织能力。
三、Shadow AI 暴露的三大管理缺口：心理安全、工具落差与学习断裂
要把 Shadow AI 当成机会，首先要承认它是组织管理上的一面镜子。当前大量影子 AI 的存在，至少揭示了三类典型缺口。第一，AI 心理安全感缺失。员工不敢公开承认自己使用 AI，是因为在当前文化氛围下，“用 AI 完成工作”并未被正式定义为一种被鼓励的能力，反而可能被解读为“偷懒”“不够专业”，甚至被视为未来裁员时“可以被机器人替代”的证据。如果没有心理安全感，员工就不会主动说明“这里我用到了 AI”，更不会愿意把自己的 AI 工作流分享给组织，这直接阻断了企业学习的可能性。第二，官方工具与真实需求之间存在明显落差。很多企业已经在搭建内部大模型平台或 AI 助手，但常见问题包括响应缓慢、调用复杂、上下文受限、接入场景单一，甚至与员工日常使用的应用脱节。一线员工用外部 GPT 等工具可以在 30 秒完成的任务，内部工具可能需要数分钟甚至更长。一旦体验差距过大，Shadow AI 就几乎不可避免。第三，组织学习与治理机制断裂。当前不少企业对 AI 的管理仍停留在“政策下载”“使用禁令”“统一培训”的层面，缺少一个真正面向业务的、可持续的 AI 学习和治理循环：哪里出现了新的 AI 工作流，如何被发现、如何被评估、如何被白化（纳入官方）、如何被复制推广。结果是，员工的创造性实践被锁在个体层面，组织既看不到风险，也看不到机会。
四、HR 在 Shadow AI 中的独特角色：文化定义者与行为架构师
在 AI 治理的角色分工中，IT 负责技术护栏和安全架构，高管层负责战略方向与问责机制，而 HR 的核心职责在于“人”和“行为”。这意味着，HR 在 Shadow AI 问题上的角色，不是简单地转发 IT 的禁用公告，而是要通过文化、制度、激励与能力建设，把一个隐蔽、分散、个体化的现象，转化为公开的、可讨论的、可治理的集体实践。其一，HR 是 AI 心理安全感的主要设计者。心理安全感不是一句口号，而是涉及绩效评估逻辑、能力模型定义、晋升标准、沟通语境的一整套机制。HR 需要帮助管理层明确：使用 AI 是一种能力，不是作弊；公开分享 AI 使用经验，是一种贡献，而不是可疑行为。只有这样，员工才会相信“说真话是安全的”，AI 使用才能从影子状态走向阳光之下。其二，HR 是 AI 文化的塑造者。HR 可以引导企业从“工具导向”转向“文化导向”：与其问“我们有没有自己的大模型”，不如问“我们的员工能不能自然地把 AI 作为工作伙伴”。这种文化关乎是否鼓励尝试、是否允许试错、是否鼓励跨团队分享，以及是否把“AI 流畅性（AI Fluency）”写进人才画像与能力模型之中。其三，HR 是 AI 能力建设与治理框架的共同设计者。在岗位说明书、培训发展、人才盘点和组织发展项目中，HR 完全可以把“与 AI 协作的能力”“构建 AI 工作流的能力”“识别和审查 AI 输出风险的能力”作为新一代核心能力维度，并与 IT、安全、法务共同搭建 Responsible AI 的制度框架和教育体系。
五、HR Shadow AI 行动框架：从察觉现象到建立负责任 AI 体系
要从战略层面走向具体行动，HR 可以参考一个“四步式”行动框架：心理安全 → 显性化与分享 → 白化与护栏 → Responsible AI 体系化。
第一步：建立 AI 心理安全感，明确“用 AI 是被鼓励的行为”HR 需要与高管层一起，向全公司发出清晰、统一的信息：在合理边界下使用 AI，是被鼓励的；在工作中说明自己使用了 AI，不会削弱对个人能力的认可；凡是能够证明 AI 使用为业务带来实质价值的案例，都可以成为正面的组织故事。这种信息不应停留在“口头安抚”，而要落实到绩效评估标准、KPI 设定、团队例会、内部沟通中，甚至体现在领导者自身的示范行为里。只有当员工真正相信“用 AI 和说明用 AI 都是安全的”，Shadow AI 才会从“要隐藏”的状态转向“可以讨论”的状态。
第二步：建立 Shadow AI 显性化与分享机制，把个体经验变成组织资产当心理安全感初步建立后，HR 应主动设计可持续的分享机制。例如，设立跨部门 AI 使用经验分享会或内部“AI Demo Day”，开设专门的 Slack/飞书频道收集高效提示词与工作流，鼓励团队每季度提交一到两个“AI 提效案例”。同时，HR 可以配合设立激励机制，如“季度最佳 AI 工作流”“年度 AI 创新团队”等，以非物质荣誉与适度物质奖励相结合的方式，让员工知道：不仅可以公开，而且值得公开。在这一阶段，HR 的重点不在于立刻统一工具，而在于尽量全面地看见：哪些岗位、哪些业务场景、哪些流程已经自然地被 AI 改造；在哪些地方，Shadow AI 已经成为事实标准。这些信息会成为后续治理和产品化的坚实基础。
第三步：与 IT 共建“白化机制”和技术护栏，从影子实践走向合规落地当大量 Shadow AI 使用场景被可视化之后，HR 应与 IT、安全、法务组成联合治理小组，对这些场景进行分级评估：哪些场景风险较低，可以通过简单规范直接纳入官方工具；哪些场景涉及敏感数据，需要通过技术手段（如脱敏、私有化部署、安全网关等）重构方案；哪些场景暂时不宜使用外部公共模型，需要专门设计替代路径。所谓“白化机制”，并不等同于“一刀切审批”，而是一个将影子实践纳入正式工具链与风控体系的过程。例如，将员工实践中最常用的提示词整理成组织级 Prompt Library，将高频工作流固化为一键调用的自动化模板，将临时性质的“复制粘贴+外部网站”操作替换为安全 API 或内部模型调用。HR 在此过程中的角色，是确保白化过程不压制真实需求，避免以管理的名义牺牲体验，从而促使员工再次转向影子路径。
第四步：构建以 Responsible AI 为目标的治理体系，将 AI 融入人才与组织发展
当显性化、白化和护栏搭建初步完成，组织就进入了 Responsible AI（负责任 AI）的建设阶段。此时，HR 需要协同其他关键职能，搭建一个长期可运行的治理体系，而不是一次性的专项项目。在制度层面，可以明确 AI 使用政策，包括可用场景、敏感数据边界、必须进行人工复核的情形、生成内容的署名与责任划分等；在能力层面，可以将 AI 相关能力写入岗位能力模型和晋升标准，将提示词能力、AI 判断能力、工作流设计能力、风险识别能力等，作为人才发展的新维度；在教育层面，可以设计分层培训体系：对所有员工提供基础 AI 素养课程，对管理者提供“AI 驱动团队”的领导力课程，对关键岗位提供场景化的深度训练。更进一步，HR 还可以推动将 AI 相关数据纳入组织诊断与人才盘点：例如，团队内部 AI 使用质量与频率是否与业务成效相关，哪些团队在 AI 采用上明显落后，哪些岗位的任务内容已经悄然改变，需要调整职位说明与绩效权重。这些工作会让 Responsible AI 不仅停留在“安全与合规”的层面，而真正延伸到“能力与竞争力”的层面。
六、典型应用场景：从招聘到绩效，Shadow AI 如何转化为治理样板
在具体实践中，HR 可以从几个典型场景入手，将 Shadow AI 转化为治理范例。在招聘领域，许多企业已经观察到候选人利用 AI 优化简历与面试回答，同样也有招聘团队使用 AI 来撰写 JD、筛选简历、生成面试问题。HR 可以先通过工作坊收集招聘团队真实使用 AI 的方式，识别其中哪些做法有助于提高效率与候选人体验，哪些做法可能带来偏见或不透明的风险。随后，通过明确政策与技术手段，构建一个既利用 AI 增效，又能保证公平与可解释性的招聘流程，并在内部公开这些标准，以减少阴影和猜忌。在绩效与评价场景中，部分管理者可能已经使用 AI 来草拟绩效评语或反馈。HR 不应简单禁止，而应明确：AI 可以作为辅助撰写工具，但不可以替代管理者的主观判断；最终的评语内容必须由管理者审核并承担责任。同时，HR 可以为管理者提供“如何借助 AI 写出更清晰、更具建设性的反馈”的培训，将 Shadow AI 使用引导到有益和规范的方向。在日常运营和知识管理中，员工可能已经在用 AI 整理会议纪要、编写操作手册、归纳流程和 FAQ。HR 完全可以将这些实践纳入知识管理体系：通过统一工具和流程，确保重要内容可以被沉淀、可被搜索、可被版本管理；同时，对不同类型内容设置清晰的访问与保密等级，避免知识资产流失或误用。
七、从 Shadow AI 到 Responsible AI 的飞轮
从 HR 的视角，Shadow AI 不是短期要消灭的现象，而是长期需要理解和引导的“地下创新能量”。一味压制，只会带来更隐蔽的使用与更高的不可控风险；积极引导，则可以形成一个健康的飞轮：员工自发实验 → 组织建立心理安全与分享机制 → 高价值实践被识别并白化 → 在治理框架下标准化与规模化 → 反馈到文化与能力体系 → 刺激下一轮更高质量的实践。在这一过程中，HR 的角色正在发生根本变化：不再只是制度的执行者，而是 AI 文化的设计者、AI 能力模型的定义者、跨职能治理框架的共同架构者。那些能够主动拥抱 Shadow AI、从中提炼出组织机会并搭建 Responsible AI 体系的 HR 团队，将为企业赢得的不只是效率，还有在下一轮技术周期中持续演进的能力。当我们不再只把 Shadow AI 看成“要被消灭的影子”，而是把它视为“正在书写中的真实 AI 采用路线图”，HR 才真正有机会站到 AI 治理的前台，成为组织转型的关键推动者，而不是被动跟随者。
最后，HRTechChina在2024年就发起推动HR工作中实践负责任AI的倡议（简称RAIHR）， 我们呼吁所有的人力资源行业同仁一同参与，共同构建和推广RAIHR的理念，RAIHR框架包含六个关键方面：透明性、公平性、隐私性、安全性、道德性和持续性。我们倡议每一位HR专业人士在其企业内部积极主导RAIHR的实施，并鼓励HR科技产品的开发和使用都围绕这一框架展开，以实现真正的可持续发展！我们更相信RAIHR是所有参与者和倡导者的未来关键竞争优势。
Responsible AI in HR（RAIHR）
Responsible AI in HR（RAIHR）是指在HR实践中的AI应用遵循高标准的道德和透明性原则，确保AI决策过程公开、可审查，并且对所有利益相关者公正无偏。
这包括在招聘、员工发展、绩效管理等HR功能中，AI技术的使用既促进了工作效率，也增强了员工的工作体验和满意度。
generative AI
generative AI
【英美】Unmind完成3500万美元新一轮融资，打造AI驱动的一体化职场心理健康平台
HRTech概述：英国与美国双总部的企业心理健康平台 Unmind 宣布获得 3500 万美元新一轮融资，由加拿大电信巨头 TELUS 的投资部门 TELUS Global Ventures 领投，现有投资方 Project A、Felix Capital 与 Sapphire Ventures 跟投。该笔资金将用于加速其在美国市场的拓展，并进一步优化其集成平台，涵盖治疗服务、教练辅导、基于AI的心理健康伴侣 Nova、科学内容以及现代化的EAP（员工帮助计划）。
总部：伦敦 / 纽约 | 融资金额：3500万美元 | 融资阶段：C轮 | 报道来源：HRTech
2025年7月31日，企业心理健康科技平台 Unmind 宣布完成 3500万美元C轮融资，由 TELUS Global Ventures 领投，原有投资方 Project A、Felix Capital 与 Sapphire Ventures 跟投。本轮资金将用于进一步推进其AI驱动平台的全球化扩张，特别是美国市场的业务深化，同时加强产品集成能力与技术创新。
Unmind 此前已累计融资 8200万美元，本轮是其迄今最具战略性的一次资本注入，标志着企业心理健康服务从辅助工具走向组织绩效核心资产的转型加速。
打造AI赋能的一体化心理健康基础设施
Unmind提供覆盖全员、全周期的一站式心理健康解决方案，整合了以下核心模块：
治疗服务与教练辅导：通过全球心理专家网络，提供远程治疗与高绩效教练服务；
现代化EAP（员工援助计划）：突破传统EAP割裂体验，统一在一个平台中调度资源；
Nova：AI驱动的心理健康伴侣：基于生成式AI技术的Nova可提供7×24小时个性化心理指导，已显著提升员工互动率与留存率；
科学内容与干预工具：涵盖情绪管理、压力疏导、睡眠优化等科学模块，支持预防性与反应性双重场景；
组织洞察与健康指标分析：通过数据洞察，帮助HR和管理层优化团队健康策略。
平台设计以“科学证据+技术可扩展性”为主轴，已覆盖全球超 2.5百万名员工，服务包括 Uber、迪士尼、三星、英国航空、Standard Chartered 等跨国企业。
资本与战略：AI与心理健康的深度融合
作为领投方的 TELUS Global Ventures 表示，本轮投资体现其“以人为本+科技推动”的长期战略，与 Unmind 在AI赋能企业员工支持系统的方向高度契合。
Unmind首席执行官、联合创始人 Dr. Nick Taylor 表示：“本轮融资不仅是对产品能力的认可，更是对‘职场心理健康即组织战略能力’这一理念的信任。我们将继续推动科学护理与智能技术的结合，在全球范围内释放人类潜能。”
CRO任命与国际化加速
本轮融资同步宣布任命前 BetterUp 全球战略客户销售副总裁 Laura Moniz de Aragao 为 Unmind 首席营收官（CRO）。她将在全球范围内统筹市场拓展战略，特别聚焦于美国大型企业客户、战略合作伙伴建设及收入增长。
行业趋势：心理健康已成为组织竞争力的关键构件
根据WHO与McKinsey数据，每年因心理健康问题带来的生产力损失高达 1万亿美元，员工心理压力与倦怠感成为企业核心风险之一。与此同时，技术能力、混合办公环境与代际文化转型共同加剧了组织的心理健康复杂性。
Unmind 正是通过“AI可及性+科学有效性+员工体验一体化”的三重路径，建立起区别于传统EAP与单点应用的企业级心理健康解决方案架构。
从“员工支持”迈向“组织战略”
Unmind此次融资，标志着全球企业正从“福利工具”视角升级为将心理健康纳入 组织战略与绩效体系 的新阶段。对于以员工体验为中心、追求高效能与可持续发展的企业而言，心理健康平台正成为构建未来组织韧性与吸引力的关键组成。
HRTech 将持续关注 Unmind 未来在产品演进、市场拓展、AI应用与组织影响力方面的动态，并期待其为全球HR科技行业带来更多实证成果与结构性创新。
关于 Unmind
Unmind 是一个职场心理健康平台，致力于帮助企业充分释放员工潜能。Unmind 深受优步、三星、迪士尼、渣打银行、帝亚吉欧和英国航空等领先品牌的信赖，为全球超过 250 万名员工提供支持。该平台以科学为依托，并由人工智能驱动，整合了主动式工具、辅导、疗法和专家洞见，以支持各个层面的员工心理健康和高效绩效。从战略咨询和领导力发展，到现代化的 EAP 以及全球教练和治疗师网络，Unmind 为整个组织提供全面的心理健康支持。
generative AI
generative AI
【亚洲】财务健康平台wagely获得2300 万美元融资，减轻员工财务压力
亚洲领先的财务健康平台 wagely 获得了 2300 万美元的新资金，公司自成立以来发放的工资已超过 100 万。
wagely 的财务健康平台让员工在每个工作日结束后都能查看自己的工资，从而更好地管理自己的资金。该平台免费提供给雇主，雇主再将其作为一项可选福利提供给员工。在印度尼西亚和孟加拉国，wagely 率先提出了这一概念，用户还可以跟踪自己的工资，获取财务知识资源，使员工不仅能减轻财务压力，还能更接近财务自由。
wagely表示，仅在2023年，它就支付了超过2500万美元的工资，处理了近100万笔交易，有50万名工人可以使用，使其成为该地区领先的财务健康服务，并有望持续增长。
最新一轮融资包括股权和债务融资。Capria Ventures 是一家投资于应用生成式人工智能的全球南方专业风险投资公司，它将主导股权部分的投资，现有投资者也将参与其中。本轮融资还得到了一家著名私人债务基金的大额注资，旨在扩大 wagely 在印度尼西亚和孟加拉国的核心 EWA 服务。这笔集体投资彰显了对 wagely 在这些关键市场提升财务健康潜力的坚定信心。
Capria Ventures 执行合伙人戴夫-理查兹（Dave Richards）说："wagely 团队在为得不到充分服务的蓝领工人和雇主提供可持续和双赢的金融解决方案方面表现出了出色的执行力和令人印象深刻的增长。我们认为，wagely 在多个用例中应用生成式人工智能（Generative AI）的机会巨大，例如自动文档处理和本地语言对话界面，让工人做出更好的财务决策。
在印度尼西亚和孟加拉国的近 1.95 亿工人中，多达 75% 的人都面临着财务挑战，他们依靠每份工资来维持生计。由于无法获得传统的金融服务，大量工人得不到必要的金融工具和支持，无法改善他们的财务状况。
关于wagely
wagely 是一种独特的员工福利解决方案，它能让您的员工动用已赚取的部分工资，从而更灵活地按时支付账单、避免滞纳金和支付意外费用--所有这一切只需一键完成。
generative AI
generative AI
工作的未来：利用人工智能增强员工能力，实现更快、更智能的流程--谷歌Next大会官方介绍的案例
在当今的商业环境中，各行各业的公司正积极采用生成型人工智能（Gen AI）技术，以提高员工生产力和优化工作流程。这些技术的应用广泛，覆盖了从日常管理到高级数据分析的多个方面，极大地提升了工作效率和协作质量。
例如，Avery Dennison公司利用生成型AI，使员工能够进行安全、灵活且无国界限制的协作，从而推动生产力的提升和公司成长。同样，Bayer公司正在建立一个放射学平台，该平台通过数据分析和智能搜索帮助放射科医生创建符合健康监管要求的文档，加速医疗批准过程。
在临床试验文档处理方面，Bristol Myers Squibb公司通过使用Vertex AI和Google Workspace，将原本需要科学家们数周完成的文档草稿时间缩短到了几分钟内。此外，大型零售商如Home Depot利用名为“Sidekick”的应用程序帮助店员管理库存，并通过视觉模型优化库存补充的优先级。
这些案例显示，通过AI技术，企业不仅能够简化复杂的流程，还能在提供个性化服务和改善客户体验方面取得显著成效。AI的集成使得员工可以从繁琐的任务中解放出来，专注于更有价值的工作，从而推动业务发展和创新。这种技术的应用正在逐步改变传统工作方式，预示着一个更智能、更高效的未来工作环境。
谷歌Next大会中推荐了101个企业使用GenAI的案例，我们特别介绍在企业员工工作方面的应用企业案例，一起来看看：
Avery Dennison（艾利丹尼森）通过生成式AI赋能员工，以实现安全、灵活且无边界的协作，增强生产力以推动增长。
Bank of New York Mellon（纽约梅隆银行）建立了一个虚拟助手，帮助员工找到相关信息和问题的答案。
Bayer（拜耳）正在建设一个放射学平台，将协助放射科医生进行数据分析、智能搜索，并创建符合健康保障要求的文档，以获取监管批准。这家生物科学公司还在利用BigQuery和Vertex AI开发额外的数字医疗解决方案和更高效的药物。
Bristol Myers Squibb（百时美施贵宝）正在使用Vertex AI和Google Workspace转变其临床试验的文档处理流程。现在，原本需要科学家几周完成的文档，现在几分钟内就能完成初稿。
BenchSci开发了生成式AI解决方案，赋能科学家理解生物研究中的复杂联系，为他们节省时间和财务资源，并最终更快地将新药带给患者。
Cintas 正在利用 Vertex AI Search 建立内部知识中心，帮助客服和销售团队轻松获取关键信息。
加州的医疗保险市场 Covered California 正在使用Document AI帮助改善消费者和员工的体验，通过自动化居民申请保险时的文档和验证过程的部分。
Dasa（达莎），巴西最大的医学诊断公司，正在帮助医生更快地检测出测试结果中的相关发现。
DaVita利用DocAI和Healthcare NLP改造肾脏护理，包括分析医疗记录、揭示关键的患者洞察以及减少错误。AI使医生能够专注于个性化护理，从而显著改善医疗服务的提供。
Discover Financial（发现金融）帮助其10,000名联系中心代表在通话期间搜索和综合详细的政策和程序信息。
HCA Healthcare正在测试名为Cati的虚拟AI护理助手，帮助确保一个护理班次结束和另一个开始时的护理连续性。他们还在使用生成式AI改善诸如临床文档这类耗时任务的工作流程，使医生和护士能够更多地专注于患者护理。
Home Depot（家得宝）建立了一个名为Sidekick的应用程序，帮助商店助理管理库存并保持货架存货；值得注意的是，视觉模型帮助助理确定采取哪些行动。
Los Angeles Rams（洛杉矶公羊队）在内容分析到球员侦察等方面都在利用AI。
McDonald’s（麦当劳）将在其数千家餐厅中利用数据、AI和边缘技术来实现更快的创新，并增强员工和客户体验。
Pennymac（宾尼迈克），一家领先的美国全国性抵押贷款贷方，正在使用Gemini跨多个团队，包括HR，其中Gemini在文档、表格、幻灯片和Gmail中的应用帮助他们加速招聘、雇佣和新员工入职。
Robert Bosch（罗伯特·博世），世界上最大的汽车供应商，通过生成式AI驱动的解决方案，革命性地改进了营销，简化流程，优化资源配置，并在100多个分散的部门中实现效率最大化。Symphony（交响乐），金融服务行业的通信平台，使用Vertex AI帮助金融和交易团队跨多个资产类别进行协作。
Uber（优步）正在使用AI代理帮助员工提高生产力、节省时间，并在工作中更加有效。对于客服代表，他们推出了新工具，总结与用户的通信，并甚至可以从以前的互动中提取上下文，因此一线员工可以更有帮助和有效。
U.S. Dept. of Veterans Affairs（美国退伍军人事务部）正在使用AI在边缘改善对服务成员和退伍军人的癌症检测。部署在世界各地的远程军事治疗设施中的增强现实显微镜（ARM）正在帮助病理学家更快、更准确地找到癌症。
U.S. Patent and Trademark Office（美国专利和商标局）通过实施AI驱动的技术，提高了他们的专利和商标审查过程的质量和效率。
Verizon（威瑞森）正在使用生成式AI帮助网络运营和客户体验团队更快地获取所需答案。
Victoria’s Secret（维多利亚的秘密）正在测试AI驱动的代理，帮助其店内助理查找有关产品库存、库存以及合身和尺寸提示的信息，以便他们能够更好地为客户提供个性化建议。
Vodafone（沃达丰）使用Vertex AI搜索和理解超过10,000份合同中的特定商业条款和条件，这些合同涉及超过800个通信运营商。
WellSky正在整合Google Cloud的医疗保健和Vertex AI能力，减少工作时间外完成文档的时间。
Woolworths（澳大利亚沃尔沃斯），澳大利亚领先的零售商，通过在Google Workspace产品中使用“帮我写”功能，提升了超过10,000名行政员工在通信中的信心。它还在使用Gemini为客户服务代表创建下一代促销活动，并快速协助他们实时总结所有之前的客户互动。
Box, Typeface, Glean, CitiBank（花旗银行）和Securiti AI讨论了跨企业开发AI驱动的应用程序的情况，这些应用程序为营销、金融服务和HR用例带来了可衡量的投资回报。
Highmark Health和Freenome与Bristol Myers Squibb一起探索AI如何在护理交付、药物发现、临床试验规划和将药物推向市场等方面提高效率和创新。
我们可以看到以下几个特点，Gen AI在工作场所带来的可能：
工作效率和流程优化：通过自动化重复任务和加快文档处理，如Bristol Myers Squibb利用AI加速临床试验文档的编制。
信息获取与决策支持：银行和服务公司使用AI辅助工具改善信息检索和客户服务，例如Bank of New York Mellon的虚拟助手。
医疗诊断与患者护理：如DaVita和Dasa利用AI提高诊断效率和准确性，改善病理检测和患者护理。
个性化服务和客户体验：零售和服务业通过AI优化库存管理和顾客互动，如Victoria's Secret使用AI提供个性化购物建议。
跨地域协作与通信：例如Avery Dennison使用AI支持全球员工的协作和通信。
市场营销和资源优化：如Robert Bosch利用AI精细化营销策略和资源配置。
确保总结中包括了生成型AI对企业运营效率提升、员工工作满意度增加、以及企业服务质量和创新能力提高的综合影响。
generative AI
generative AI
大咖谈趋势：3400亿美元的企业学习的市场将迎来巨大变革
本文探讨了企业学习行业的演变，特别是人工智能如何引领这一行业的巨变。企业每年在员工培训和发展上的开支超过3400亿美元，从传统的课堂培训到在线学习，再到以技能为中心的学习，行业一直在不断发展。现在，人工智能预计将彻底改变公司的学习管理系统（LMS）和学习体验平台（LXP），通过个性化和动态生成内容来提高学习效率和效果。文章强调了适应这种变化的重要性，以及AI在企业培训和人才发展中的潜力。
作者：Josh Bersin
企业在员工培训和发展上的年支出超过3400亿美元，平均每名员工每年花费超过1500美元。这笔巨额开支支撑着一个全球产业，涉及数百家内容和技术公司，现正站在重新定义的风口浪尖。请允许我详细解释这一过程。
从电子学习到集体学习再到自主学习的演变
20世纪90年代末，随着互联网的崛起，以传统教室授课为主的培训产业发生了翻天覆地的变化。企业和内容提供者纷纷开发“电子学习”课程，试图在线复制面对面教学的体验。那是一个充满创新的时期，虽然今天看来有些过时，但它孕育了像Skillsoft（并购了众多竞争对手）、Cornerstone（同样并购了众多竞争对手）以及一大批传统的学习管理系统（LMS，例如Plateau、SumTotal、Learn.com、Pathlore等）公司，这些公司最终都被并购。
如今，LMS市场的规模已超过200亿美元，这一切几乎都是在线培训推动的结果。虽然这些系统可能看起来笨重，但它们对全球每家公司的交易和记录保持都至关重要。
当公司争相购买LMS系统——这是一个投资者非常关注的热门市场时，他们发现一个庞大的课程目录并不实用。因此，他们开始构建一套特征，我称之为“以人才为驱动的学习”，包括基于能力的学习、与职业角色一致的课程和职业发展路径系统。这些特征被添加到LMS中，使得这些系统不仅仅是教育工具，更像是“人力资源系统”，从而促使供应商扩展到更多的人才管理功能。
早期的开拓者Saba和Cornerstone开始推出绩效管理工具。回顾起来，这些尝试可能看起来有些简单，但当时它们代表了一个重大突破。突然之间，公司不再单独购买LMS系统，而是选择购买包含多个功能的“人才管理套件”，这迫使专注于LMS的供应商开始涉足招聘、目标管理乃至薪酬管理。他们可能没有意识到，放弃核心业务最终会导致他们被市场颠覆。
随着Facebook（2004年）、YouTube（2005年）和Twitter（2006年）的相继出现，内容世界发生了巨变。视频、文章和专家意见变得触手可及，那些笨重、以课程目录为导向的LMS系统显得格外难以使用。因此，随着公司寻求新的解决方案，原本投入巨资于人才管理的LMS市场开始显露老态。学习体验平台（LXP）市场随着Pathgather（2010年）、Degreed（2012年）、EdCast（2013年）的诞生而兴起，企业转向这一新兴领域投资。
2010年代初，整个行业的理念是尝试模仿Google，打造一个既具有Twitter式动态性又拥有YouTube式丰富内容的企业学习系统。传统的LMS和人才管理系统逐渐过时，供应商在缓慢的增长中寻求出路，最终合并为几家大型玩家。
随后，微学习的概念兴起。iPhone成为了视频播放平台（2008年），Instagram（2010年）、Snapchat（2011年）及后来的TikTok（2015年）向我们展示了短视频和“微学习”可以是多么的有趣。过长的两小时在线课程变得不受欢迎，因此LXP供应商开始扩展自己的产品线。随着公司将越来越多的内容投入到LXP中，我们意识到需要一种方法来寻找、精准定位并个性化所有这些学习材料。
此变化自然引发了内容市场的爆发。LinkedIn、Coursera、Udemy、OpenSesame、Go1等供应商决定开拓这个领域，推动了新材料的狂热消费。自那以后，内容市场继续繁荣发展，尽管仍然主要由小型玩家主导，但被更大的聚合商所整合，这些聚合商销售并分发多种品牌。
（顺便提一下，Workday在2016年收购了视频公司Mediacore，以抓住这波趋势。由于缺少核心LMS功能，他们花费数年时间将其发展成为一个完整的LMS。）
进入技能的世界。
你可能不会相信，但“技能记录系统”的概念最初出现在LXP领域，供应商如Degreed和EdCast建立了一个搜索术语数据库，并用“技能”一词标记内容。在消费者市场，我们能接收到成百上千的信号来推荐广告，但LXP供应商只有少数工程师，因此他们的“技能分类”相对简单。这个概念迅速走红，公司开始专注于构建基于“技能”的培训，随后是招聘和人才战略。
同时，L&D领域正处于创造性混乱之中。出现了如360 Learning、Fuse Universal、Kineo等数百家内容创作和分享系统的供应商，旨在帮助公司创作、分享视频内容，并按角色、技能或职能进行组织。这些并非严格意义上的LMS系统，但它们位于LMS前端，使员工能够轻松创建和消费动态内容。
这一时期，从2018年至今，成为L&D领域的热潮。市场充斥着各式各样的视频内容工具，同时像STRIVR和Talespin这样的先锋公司开始为虚拟现实（VR）构建工具和内容系统。自创内容平台、视频平台和VR平台正在满足重要需求，而LMS市场则变得更加固定、枯燥和无趣。（Talespin最近被Cornerstone收购。）
顺带一提，我仍然认为“能力学院平台”市场具有巨大潜力（这类平台提供综合的专业能力和小组学习功能，例如我们的Josh Bersin Academy）。Docebo、Learn-In、Nomadic、NovoEd和Intrepid等供应商仍在增长，但随着时间推移，这些系统可能被整合进人才市场。这一领域一直是行业的一个亮点。
作为分析师，我得诚实说，过去几年对我来说有些单调。我们帮助了数百家公司决定该选择哪种L&D系统，但通常我们发现这些组织有太多平台，内容分散杂乱，缺乏一致性的数据处理，以及在这一领域的过度投资。因此，这个静态期代表了过去3到5年的趋势，是企业整理过去十年购买历史的好机会。
世界突然再次发生变化。技能分类的理念迅速蔓延，同时新兴的人才智能系统，如Eightfold、Gloat、Fuel50等纷纷涌现。这些新兴系统使公司能够按技能寻找人才、根据技能推荐职位和机会，并按技能动态规划职业路径，再次与L&D领域发生碰撞，促使我们将所有内容“整合”进这些新平台中。
本周我刚与我最喜爱的L&D专家之一通话 ，他向我展示了他所在的大型制药公司如何将其LMS、LXP和人才市场融合成一个无缝、端到端的体系。他可能略微超前于当前趋势，但这正是事物发展的方向。
然而，故事还在继绀。又一场变革已经到来，这一次的影响力与YouTube、Instagram或iPhone相媲美，甚至更大。没错，就是AI。
AI，如许多人所预料，将彻底颠覆这个行业。正如我们在电子学习和人才管理时代所见证的那样，这意味着供应商生态将彻底改变。
AI如何改变一切
让我不夸大其词地告诉你。在这30年的故事中，有一点始终未变：企业培训关注的核心始终是内容。是的，我们希望内容更简短、更快速、能在手机上查看——但如果内容本身没有实用价值，不切实际，不易于消费，它就无法发挥作用。你们中有多少人为了得到学分而快速点击通过那些以页面为基础的合规课程，但实际上几乎没有注意内容？这正是我们面临的挑战。所有这些向视频、微学习、大规模开放在线课程（MOOCs）以及其他形式的转变，都是为了解决这个问题的尝试。
比如，假设企业学习系统能识别你是谁，你只需提出一个问题，它就能生成答案、一系列资源和一组动态学习对象供你消费。有时候，你可能只需快速获取答案即可。其他时候，你可能会深入研究内容。还有时，你可能会浏览整个课程，并花时间学习所需的知识。
假设这一切都是完全个性化的。这意味着你不会看到一个“标准课程”，而是根据你当前知识水平定制的特殊课程。
这就是AI即将带给我们的。而且，这已经在今天开始发生了。
不仅生成式AI能够回答问题和吸收内容（例如，Galileo™已经容纳了我们25年以上的每一项研究，包括视频、播客和文章），它还能生成视频、测试、测验甚至整个课程。它可以作为技术课程的教学助手，也可以作为领导力项目的教练或导师，并且能够进行语言转换。
AI能够根据你的身份动态生成内容，这意味着什么？
那么，LMS市场、LXP市场、VR学习市场以及所有内容提供商将如何呢？在未来几年，我们将见证一场巨大的行业洗牌。
供应商正在采取的行动
虽然我无法确切知道每个L&D供应商正在做什么，但可以肯定，变化正在迅速进行中。
Docebo Shape能够从文档中生成高效的互动式培训材料（Arist也能做到这点）。Uplimit构建了一个完整的L&D平台，采用AI智能体和课程中自动生成的内容。我们的合作伙伴Sana不仅能自动生成内容，还围绕AI核心建立了一个完整的LMS系统。Cornerstone通过收购Talespin，能够动态创建角色模拟和几乎可以无限配置的场景。快速增长的“精确技能”供应商Growthspace，可以根据1100种具体的商业技能，为你匹配一个“技能教练”，与你的具体目标对齐。
LMS市场不会消失，但正如人才智能系统正在逐渐取代应聘追踪系统（ATS）和人力资源管理系统（HRMS）一样，AI驱动的内容平台将逐步侵蚀LMS市场。我的制药公司朋友希望他的LXP能成为他们的“动态内容系统”，但坦白说，我不确定LXP供应商是否已经准备好迎接这个挑战。许多供应商，从LinkedIn到Microsoft，将不得不重新考虑他们如何成为“动态学习”系统，以及他们希望在其中扮演什么角色。
正如所有技术转变一样，通常情况下，从头开始构建的系统会超越旧有系统。对于Cornerstone或Docebo这样拥有数千客户的公司来说，当新技术出现时，他们不能简单地“替换”他们已经建立的系统。因此，新兴的AI驱动学习系统可能会由新的供应商推出，并随着这些公司的发展，开始取代和竞争现有的系统。
尽管看上去简单，学习技术实际上非常复杂。Workday几乎花了十年时间从Mediacore发展到一个相对健全的LMS，并且他们才刚刚开始尝试AI。因此，不要期望你现有的供应商能够一夜之间彻底改变。
但有一件事我可以确定：颠覆即将来临。就像Plateau、Saba和SumTotal在2000年代初期时“市场上最热门的供应商”一样，它们很快就成为了过时系统和收购目标，当市场变化时同样的情况也可能发生在今天。新兴供应商如Sana、Growthspace、Uplimit、Docebo、LMS365等将崭露头角。
尽管风险资本家通常对这个市场持谨慎态度，但往往是那些拥有最佳管理团队的公司最终胜出。大型供应商如LTG、Cornerstone和Skillsoft拥有充足的资金，因此随着市场的发展，任何事情都有可能发生。但对我来说，一件事是明确的：前方是一个巨大的增长周期。
AI的机会是真实的，而且极为巨大
想象一下我们公司中的遗留内容量。全球必然存在价值超过一万亿美元的 合规培训、销售培训、运营培训、安全培训和领导力发展内容。如果AI能够在大规模上“重新利用”和“再创造”这些内容，我们将看到这个巨大的市场向新系统转变，最终实现知识管理和学习的完美结合。
我来举一个简单的例子。我们的一位Galileo客户是一家拥有百年历史的大型航空航天公司，他们在工程、产品设计、航空和国防技术方面有着丰富的积累。他们构建了喷气引擎、导弹、核潜艇以及各种系统。对于一名新工程师，他们需要超过三年的时间来完成“入职培训”，因为需要掌握大量的知识产权、设计专长和系统操作。他们的资深工程师们都在逐渐退休！
他们在我们的帮助下，开始了一个以AI为中心的试点项目，把多年累积的内容放到一个新平台中，供年轻工程师使用。我相信，这将带来翻天覆地的变化。Galileo将协助处理管理层面的问题，而一个类似的AI助手将帮助工程师学习、寻找文档、观看视频并参加相关课程。传统的LMS和HRMS工具可能不会在这一过程中发挥重要作用。
考虑一下你的公司。你们囤积了多少内容、专业知识和旧有的培训资料？AI可以“释放”这些资源给你的员工，使其以前所未有的方式变得可用。这是一个激动人心的新时代，充满了即将到来的变革。
generative AI
generative AI
大咖谈：SAP SuccessFactors 人工智能战略
Josh Bersin 写了一篇文章介绍SAP的SuccessFactors通过其创新的AI策略正在彻底改变人力资本管理（HCM）领域。文章探讨了AI在增强招聘、学习、员工服务等各种人才流程中的变革作用。SAP在SuccessFactors的多个模块中推进其AI应用，重点关注实用、高价值的解决方案。Joule，一个为SAP应用专门设计的AI工具，是该策略的核心。文章还讨论了SAP在AI领域的方法，涵盖生成性AI、会话AI和深度学习AI。它强调了AI逐渐融入功能发布中，提升HR技术栈的整体用户体验。文章最后肯定了SAP在HR技术集成AI方面的领导地位。
以下是文章内容，AI翻译，仅供参考：
本周，Josh Bersin与 SAP / SuccessFactors 架构团队进行了深入的简报，深入了解了公司的人工智能长期战略。我离开时留下了深刻的印象，并开始理解人工智能如何不会“取代”HCM 平台，而是以一种非常重要的方式“改变它”。
人工智能在 HCM 中的应用有很多“表面”。人工智能可以协助采购、招聘、学习、继任和大多数人才流程。人工智能可以增强内容开发、员工沟通、案例管理和员工服务。作为分析引擎，人工智能可以极大地增强薪酬公平分析、绩效管理分配、领导力评估等。
对于像 SuccessFactors 这样的全球 HCM 供应商来说，机会空间很大。目前，该公司并没有考虑核心人力资源的架构替代品，而是专注于务实、高价值的用例，这些用例可以立即使 SuccessFactors 变得更有用、更高效、更有价值。
目前，该公司 在 SAP SuccessFactors 模块中拥有大约十个主要的 AI 用例系列，每个用例系列都有一个多场景功能路线图。其中包括智能职位描述、推荐的学习和职业、人才流动和人才市场、技能和能力推断和分析、员工政策和沟通，以及员工服务、员工交易、福利和核心人力资源中的用例。（智能职位描述和面试问题已上线。）
当我查看整个路线图（其细节仍然保密）时，我对 SAP 的务实和成熟感到震惊。由于该公司在几乎每个行业的数百个人才流程中都拥有深厚的领域专业知识，因此该团队显然正在尽可能地“应用人工智能”。他们并没有做出使用 OpenAI、Microsoft Azure 服务、IBM 或其他技术堆栈的单一架构决策，而是为每个用例找到合适的法学硕士，并针对其目的进行了优化。
例如，最大的用例之一是语言翻译。 。该团队有数百个界面和对话需要翻译，因此他们找到了为此目的优化的特定法学硕士。是的，SAP 正在与 Microsoft 合作开发 Copilot，但他们也在构建自己的副驾驶，称为 Joule。
Joule（“焦耳”就像一瓦特的能量）是为所有 SAP 应用程序精心设计的 Copilot。该团队已经开发了 30 多个用例（交易或旅程），其中许多将在 2024 年 1 月推出。它是在 IBM 的一些支持下开发的，它允许公司使用 Joule 进行目标管理、人力资源政策、工作变动、打卡/外出、请假等事务。想象一下使用聊天机器人开发、管理和审查您的目标：SAP 即将推出它。
SuccessFactors 将其人工智能项目分为三种类型：生成式人工智能、对话式人工智能和深度学习人工智能。在众多功能中，这意味着SuccessFactors客户将获得各种工具，如写作助手、申请人筛选、职业对话、学习导师，以及人才情报功能，如职业探索、人才市场和高级学习建议。SuccessFactors 也非常注重人才情报。
客户将通过“功能发布”来了解这项技术。换句话说，客户不会尝试将人工智能作为一个全新的平台进行营销，而是会看到应用程序的所有领域都出现了许多高级功能。
随着公司构建 Joule（系统中的核心新功能），该范式被分为三种类型的工作流程： 信息模式（查找和显示信息，例如查看您的福利或假期余额）、导航模式（导航用户）通过带有卡片和提示的业务流程，例如创建或查找职业道路）和事务模式（直接执行事务，无需进入应用程序模块，例如输入费用报告或开设新职位）。
由于 Joule 是一款对话式应用程序，它不仅可以回答问题，还可以引导用户完成工作流程以简化工作流程。SAP 明白这是一个巨大的范式转变，从“填写表格”转变为“告诉系统您想要做什么”。上周我与一家全球科技公司的人力资源技术主管讨论了这个问题，他告诉我，由于为员工使用智能代理，他们的呼叫中心查询量已经减少了 30%。唐娜·莫里斯 (Donna Morris) 也分享了沃尔玛员工助理的类似甚至更好的结果。
Joule 适用于所有 SAP 产品，并且还存储历史记录。因此，当您在工作中执行不同的操作时，系统会记住您最后执行的操作，从而使其变得越来越易于使用。例如，如果您想给员工奖金，您可能需要在 CRM 中查看员工的销售业绩，将该数据放入奖金文档中，然后将其发送以供审批。如果您不是使用 CRM 的专家，Joule 会帮您找出您的需求。
其底层架构称为SAP Business AI。SAP Business AI 是各种 LLM 和 AI 服务，能够为系统的不同部分提供不同的功能。这意味着 Joule 本质上是一个“开放系统”，它也可以访问其他交易信息。想象一下，如果您将 Joule 连接到公司的银行系统：员工可以使用 SuccessFactors 查看或管理他们的财务账户，查看他们的奖金何时到达支票簿等。（这不是 SAP 计划做的事情；尚未宣布，我'我只是想象了很多选择。）
这种开放式架构很重要。当公司构建自己的 Copilot 和人工智能代理（如 Galileo）时，他们将希望与 SAP 和 SuccessFactors 进行交互、共享数据并连接。这种“开放 API”流程是 Joule 战略的一部分，因此在某些方面 Joule 可以在这个更大的空间中发挥作用。
竞争即将来临
虽然没有其他 HCM 供应商宣布过这种深度水平，但您可以打赌，未来还会有更多深度。 Workday几个月前推出了其高层战略，微软已经推出了与 HCM 和 CRM 产品集成的Microsoft Dynamics 365 Copilot 。这只是冰山一角：每个人力资源技术提供商都在尽快添加 Gen AI 功能。
但 SAP 作为最大的供应商，显然保持着领先地位。他们的战略是综合的、全面的，并且注重务实的需求。
未来还有很多
当 OpenAI 去年秋天进入市场时，我们几乎无法想象人工智能会走向何方。 现在，感谢 SAP 等供应商，我们将看到人工智能功能、对话界面和令人惊叹的生产力工具出现在我们的日常生活中。
这是一个令人兴奋的新世界，我很高兴看到 SAP 引领潮流。
generative AI
generative AI
微软首席人力官谈：HR如何帮助员工如何充分利用人工智能
本文探讨了人工智能（AI）如何成为变革性的技术，重塑我们的工作方式。文章强调了AI带来的挑战，如工作流失和算法偏见，并提出了领导者在推动AI积极发展中所扮演的关键角色。重点在于培养基于敏捷的文化、重新想象工作流程和增强人类技能，以实现AI和人类协作的最佳效果。文中详细讨论了AI如何改进工作流程、提高生产力，并强调了人类情商、创意评估和管理技能在AI时代的重要性。
Kathleen Hogan Chief People Officer at Microsoft [Photo: courtesy of Microsoft]
微软首席人力官 Kathleen Hogan表示，人工智能对我们工作方式的影响将比个人电脑更大。
AI是我们时代的决定性技术，创造了一个巨大的范式转变，它将改变我们的工作方式，影响力甚至超过了个人电脑的引入。我们曾经有一个大胆的愿景，“每个办公桌上、每个家庭里都有一台电脑”，而今天，我们希望在“每个人的口袋里都放一个副驾驶”。
当然，AI的影响也伴随着挑战。我们必须解决关于工作流失、算法偏见以及组织快速培养技能的真实担忧。但最终，我相信AI的潜力太大，不能采取观望态度。
领导者需要创造正确的环境，让AI获得积极的势头。这将需要准备和有意识的方法，以便这些新的AI工具不仅帮助员工提高生产力，而且帮助他们茁壮成长。我建议关注这三个方面，以更快实现这些好处：培养基于敏捷的文化、重新想象我们的工作方式、投资于更深层次的人类技能。
培养基于敏捷的文化
为了充分利用AI的承诺，团队必须保持敏捷。
即使是那些多年来一直在内部使用AI进行数据分析、预测建模和任务自动化的公司，生成性AI也代表着一个重大转变。通过能够理解人类语言、导航大量文档知识并创造内容，更多职能的员工现在可以使用这些AI工具。
一个基于敏捷的文化还将加速组织建立推动AI价值的更广泛基础和最佳实践的能力。我相信，在AI时代培养这样的文化意味着拥抱适应性领导力，领导者必须愿意深入未知。
重新想象工作方式
20世纪80年代和90年代的机器人自动化进步使制造业生产力翻了一番。这不是仅仅通过给工人提供更高效的工具实现的——公司通过重新思考生产技术和重新设计工作流程，优化人与机器之间的流程，实现了机器人自动化的全部价值。
同样，要充分利用AI采用的价值，领导者需要重新想象工作是如何完成的。这始于将工作分解为更小的任务，以确定AI能做什么，以及或者比人类做得更好。除了自动化一些重复或乏味的工作任务，我们还需要确定AI可以如何协助员工处理更复杂和微妙的任务，如研究、写作和分析。
这个想法是让领导者利用这段时间，不仅是自动化流程，而且是与AI一起重新想象流程，寻找新的工作方式。这将最终帮助人们更聪明地工作，而不是更努力地工作，给他们带来更多的精力，并发现更有意义和更令人满意的工作。
关注人类技能
生成性AI已经被训练了大多数人类语言，所以任何人都可以使用它。但就像任何新技术一样，仅仅给人们新工具而不提供使用它们的技能是不够的。
而且，尽管这似乎与直觉相反，人类技能与技术技能一样重要，以有效使用AI。这包括分析判断力、灵活性、情商、创意评估、智力好奇心、偏见检测和处理能力，以及委派任务的能力。
事实上，我们现在发现，基本的管理技能是发掘AI副驾驶的全部潜力的关键。就像委派给人类员工一样，与副驾驶合作需要能够清晰地沟通，设置背景和参数，定义期望，分析结果，并提供反馈。
一个好的起点是根据学科开发AI技能培训和实践。随着我们从自动驾驶AI转向副驾驶AI，对人们来说，仍然扮演飞行员的角色，用批判性的视角评估他们从AI工具中获得的输出是必要的。这包括验证准确性和评估偏见。最终，飞机的船长有责任成功着陆。
我相信，解锁AI的全部潜力是领导者的责任。AI的创新正在以惊人的速度发生。当我们导航AI对工作场所的影响时，组织领导者必须立即开始培育正确的环境，以确保没有人被遗留在后面。仅仅将AI工具放在员工手中是不够的。当我们培养基于敏捷的文化、重新想象我们的工作方式，以及建立获得AI最佳效果所需的人类技能时，我们可以帮助我们的组织和员工在这个新时代中茁壮成长。
对我来说，能够成为这个令人难以置信的时刻的一部分，既令人兴奋又令人振奋。
英文原文来自：https://www.fastcompany.com/90982077/microsofts-chief-people-officer-heres-how-workers-can-get-the-most-out-of-ai
generative AI
扫一扫 加微信
hrtechchina
generative AI
generative AI
generative AI
generative AI
generative AI
generative AI
generative AI
generative AI
generative AI
扫一扫 加微信
hrtechchina
