头条 - HRTechChina.com - 向上的力量！

头条

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。

头条
2026年04月28日
头条

【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。

头条
2026年04月27日
头条

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。

头条
2026年04月25日
头条

【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。

头条
2026年04月23日
头条

【限时免费下载】2026 全球薪酬管理白皮书正式发布｜HR必看：来自全球1800+企业薪酬转型实战指南你的薪酬团队是否还在这些困境中挣扎？ • 每月对账加班到深夜，却还是被财务质疑数据准确性 • 全球员工薪酬数据分散在20+个系统，老板要报表时手忙脚乱 • 合规罚款年年有，宁愿超额支付也不敢冒险违规 • 员工抱怨工资条看不懂，HR成了"背锅侠" 这不是你的问题，是方法该升级了。 ADP重磅发布《2026年薪酬管理的潜力：全球薪酬管理调研》，覆盖20个国家/地区、1,816位薪酬管理决策者（80%为SVP及董事会级别），揭秘薪酬职能如何从"后台支持"跃升为"战略支柱"。下载链接：http://hrnext.cn/5H8d24 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（限时免费），文档含完整调研数据、图表、实践建议，可直接用于内部汇报与方案制定 01、核心亮点抢先看趋势一：薪酬部门正在"独立成军" 43%企业已将薪酬设为独立职能（较2024年52%依附财务大幅转变） 72%的HR正在探索"用更少人做更多事"，其中44%押注AI技术趋势二：AI不是未来，是现在的生产力 35%企业已用AI做数据录入和错误检测 38%部署员工聊天机器人，45%希望实现系统自动对账薪酬不准的头号原因？21%的HR直指"缺乏自动化" 趋势三：合规从"成本中心"变"转型催化剂" 75%的HR认为跟踪多国法规极具挑战但69%企业宁愿超额支付也要规避风险——如何用技术打破这个死循环？趋势四：员工体验成为薪酬KPI 38%优先部署薪酬帮助服务台 36%推出即时薪资方案，26%用聊天机器人7×24小时响应薪酬透明度直接挂钩员工信任度与留任率 02、谁必须读这份报告？ ✅ 人力资源总监 / 经理 ✅ 薪酬福利负责人 ✅ 全球薪酬 / 共享服务团队 ✅ 企业 HR 数字化转型推动者限时免费领取完整版白皮书立即获取全球薪酬管理趋势 + 数据洞察 + 转型路径，为 2026 年薪酬战略布局提前蓄力！下载链接：http://hrnext.cn/5H8d24 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，文档含完整调研数据、图表、实践建议，可直接用于内部汇报与方案制定如有问题咨询联系人：科科微信：hrtechina 邮件联系：hi@hrtechchina.com

头条
2026年04月17日

头条

HR的AI能力成熟度框架 HR AI Forward：四级十二阶成熟度模型的定义、分层与跃迁路径核心摘要：本文系统介绍 HR AI Forward 成熟度框架（HR AI Forward Maturity Framework）的理论基础、分层逻辑与跃迁路径。该框架将 HR 从业者的 AI 能力划分为四个层级（L0 至 L3）、十二个发展阶段，以工作方式的实际变化为核心判断维度，而非以工具知识或使用频率为标准。文章重点阐释 L1 到 L2 的关键跃迁机制，探讨能力成熟度分层在 HR 专业发展实践中的应用价値，并说明评测系统与能力凭证体系的设计逻辑。强烈推荐了解，请关注 #HRTech 一、背景AI 时代 HR 能力标准的缺失当前，AI 技术在人力资源领域的渗透速度已明显加快。越来越多的 HR 从业者开始使用 AI 工具处理招聘文案、面试记录、员工沟通和数据分析等日常任务。然而，在工具应用日趋普及的同时，一个核心问题始终未能得到清晰回答：在 AI 使用这件事上，什么叫做真正具备能力？这一问题的缺失，正在带来两种典型困境。第一，HR从业者层面的困境：缺乏参照系，自我评估偏差普遍存在。大多数从业者无法准确判断自己的 AI 能力处于什么水平，倒向于将「频繁使用 AI」等同于「具备 AI 能力」，而忽视了工作方式是否发生实质变化这一核心维度。第二，组织层面的困境：缺乏语言，能力识别与培养路径难以建立。在没有共识标准的前提下，组织既难以区分真实能力与表面工具熟悉度，也难以为不同能力阶段的员工设计有针对性的发展路径。 HR AI Forward 成熟度框架的提出，正是为了回应上述困境：建立一套以工作方式为核心判断维度的 HR AI 能力分层标准，使能力发展变得可见、可判断、可推进。二、框架核心判断逻辑 HR AI Forward 成熟度框架的核心判断逻辑，可以用一句话概括： AI 是否已经真正进入了一个人的工作方式。这一判断看似简单，但在操作层面需要区分若干种经常被混为一谈的状态：偷尔试用 AI 与稳定使用 AI；在单一任务中使用 AI 与能将 AI 能力迁移到多个场景；用 AI 加速现有任务与用 AI 重构一类工作的整体处理方式；将 AI 作为个人提效工具与开始在流程与系统层面运用 AI。基于此，框架明确区分了三类不应作为核心评估维度的内容： · 不测量 AI 理论知识。了解机器学习原理、熟悉大语言模型架构，是理论认知，不等同于工作能力。 · 不测量提示词技巧。提示词写作是能力的表现之一，但单次表现出色不能说明一个人具备结构性的 AI 工作能力。框架关注的是一致性、可迁移性与整合度。 · 不测量工具熟悉程度。工具平台会持续迭代更新，对特定工具的熟悉度不具备持久价値。框架评估的，是跨工具情境下的持续工作能力。三、四级十二阶模型：完整结构与定义 HR AI Forward 成熟度框架采用四个层级（Level）、每级三个阶段（Stage）的结构，共形成十二个发展节点。层级回答的是“从业者当前处于什么主导工作状态”，阶段回答的是“在该状态内，发展成熟度处于哪个位置”。两者结合，构成对个体能力状态的精准定位。 L0 · Traditional HR · 事务型HR 层级定义：AI 尚未以任何有意义的方式进入日常工作。从业者可能了解 AI，但实际工作仍依赖人工执行、经验积积累与既有流程。L0 并非失败状态，框架的作用不在于评判，而在于提供清晰度。阶段代码阶段名称核心特征 L0-S1 Manual HR · 人工执行者工作完全依赖人工与经验，AI 未进入日常 L0-S2 AI-Curious HR · AI认知者已意识到 AI 的相关性，开始关注探索，尚未实际使用 L0-S3 Early Trial HR · 初步尝试者已做过零散尝试，使用频率低，未形成习惯 L1 · AI-Enabled HR · 工具型HR 层级定义：AI 已进入工作，从业者有规律地使用 AI 工具处理多类任务，并开始形成对 AI 应用边界的基本判断。这是目前大多数积极使用 AI 的 HR 从业者所处的层级。L1 同时也是最容易产生能力误判的层级，“有规律地使用 AI”感觉上容易被等同于“具备 AI 能力”，但 L1 描述的工作的底层结构并未发生实质改变。阶段代码阶段名称核心特征 L1-S1 Tool Starter · 工具入门者在个别任务中使用 AI，仍以临时调用为主，缺乏持续性 L1-S2 Tool User · 工具应用者在多类任务中有规律使用 AI，基本习惯开始形成 L1-S3 Structured User · 规范使用者开始积累模板与复用方法，使用更有结构，但仍以个人工具使用为中心 L2 · AI-Ready HR · 能力型HR 层级定义：AI 已稳定进入工作方式，从业者形成了可复用、可迁移、可持续的能力体系。这是整个框架最重要的分水岭，也是区分“会用 AI 的人”与“真正将 AI 建立为职业能力的人”的核心阈値。在 L2，AI 不再是从业者在特定任务中主动切换使用的东西，而是已经成为默认工作方式的组成部分。阶段代码阶段名称核心特征 L2-S1 Workflow Adopter · 流程接入者 AI 已固定整合进至少一个核心工作流程，结构性变化出现 L2-S2 Capability Builder · 能力构建者方法开始跨场景迁移，可复用工作方式逐步建立 L2-S3 Ready Practitioner · 成熟实践者 AI 稳定整合进多个工作领域，持续输出高质量产出 L3 · AI-Native HR · 系统型HR 层级定义：从业者与 AI 的关系从使用者转变为设计者，开始构建 AI 赖以运行的结构、流程与系统。L3 是一个真实存在但相对稀少的进阶状态，对于当前大多数接触框架的从业者而言，它是中长期方向，而非近期目标。阶段代码阶段名称核心特征 L3-S1 System Explorer · 系统探索者开始搭建复杂 AI 协同结构，探索跨流程自动化应用 L3-S2 System Operator · 系统运营者多个 AI 驱动流程进入运行状态，主动维护与优化 L3-S3 Native Leader · 原生引领者推动组织层面工作方式重构，具备引领性与系统影响力四、关键跃迁机制：从 L1 到 L2 4.1 为什么 L1 到 L2 是最重要的跃迁在框架所有的跃迁路径中，从 L1 到 L2 是最重要、也最常被低估的一步。从 L0 到 L1 的跨越，本质上是“开始”：工具足够易用，场景清晰，初期收益立竿见影，动力维持相对容易。从 L1 到 L2 则是本质不同的挑战——它不因更多的工具使用而发生，不因更多的提示词练习而实现，而是需要从业者在思考和组织工作方式上完成一次结构性转变。 4.2 L1 为何容易成为停滞点 L1 停滞具有内在的心理机制：L1 的感觉是好的。有规律地使用 AI 带来真实的效率提升，“自己是会用 AI 的 HR”这种自我认知也有其合理性——但这种认知是不完整的。L1 没有提供的，是让 AI 能力得以复利积累的结构性基础：每一次 AI 使用基本独立，有效方法不能自动延续到下一次；在某个场景有效的方式，无法自然迁移到其他场景；能力存在于当下任务，但不会跨任务积累。 4.3 L1 到 L2 跨越的核心机制 L1 到 L2 的跨越，需要在以下四个维度发生结构性转变： 01 从任务级使用转向流程级整合。AI 不再只用于完成眼前任务，而是被整合进至少一个核心工作流程的运作逻辑本身。 02 从工具熟悉度转向方法论建立。L2 的核心能力不是熟悉某个工具，而是建立了一套可跨情境复用和迭代的工作方法。这需要主动复盘与提炼，而非被动的重复使用。 03 从被动调用转向默认行为。L1 中，AI 是“想到的时候才用”的选项；L2 中，AI 是面对任务时的默认工作组件，不再需要临时决定是否调用。 04 从单次会话转向跨会话积累。有效的 AI 使用经验，通过文档化、模板化、结构化方式被保留下来，形成可调用的方法库，而非随着会话结束而消散。五、阶段细分的理论价値框架采用四级十二阶结构，而非单纯四级分类，有其内在的理论必要性。仅以层级为单位进行描述，会产生显著的精度损失。以 L2 为例，L2-S1（Workflow Adopter）与 L2-S3（Ready Practitioner）同属 AI-Ready HR，但两者处于非常不同的发展位置：前者刚刚出现结构性变化的第一个信号，能力尚不稳定；后者已在多个工作领域形成成熟的 AI 整合工作方式，并接近 L3 的能力阈値。若对这两位从业者给出相同的论断与成长建议，两者都无法从中获得真正有针对性的指导。阶段细分的价値，在于让框架从“粗粒度分类工具”升级为“个体层面的精准诊断工具”。六、框架的实践应用场景 6.1 个人发展应用对个人 HR 从业者而言，框架的核心价値在于：提供一个诚实、外部化的能力位置判断，从而支持更有效的成长决策。自我评估在 AI 能力领域有已知的系统性偏差——使用频率高的从业者容易高估自己的能力成熟度。框架通过基于真实工作行为的结构化评估，减少这种偏差，帮助从业者明确当前真正处于哪个阶段，以及最値得优先投入的成长方向。 6.2 组织能力管理应用对 HR 团队管理者或 CHRO 而言，框架提供了一套超越工具采用率的能力语言：识别团队整体的 AI 能力基线与分布；区分“工具使用活跃但能力成熟度仍在 L1”与“已形成稳定 AI 工作方式”的人员；为不同能力阶段的员工设计有针对性的发展路径，而非一刀切的 AI 培训项目。 6.3 能力凭证与专业信号应用框架也为能力可见性提供了结构支撑。对于达到 L2 及以上能力阈値的从业者，HR AI Forward 提供 AI-Ready Credential（AI就绪能力凭证）——一个可验证的正式能力凭证，用于在专业环境中展示已形成的 AI 工作能力，而非课程完成记录。七、从框架到评测系统理解框架的分层逻辑，是建立能力判断的前提；但准确定位个体在框架中的位置，需要系统化的评测工具支撑。 HR AI 能力评测与提升计划（HR AI Maturity & Growth Assessment）是基于本框架构建的配套评测系统。评测设计遵循以下原则：以真实工作行为为评估对象，而非知识测试；覆盖 AI 使用能力、数据能力、工作习惯、系统能力四个核心维度；通过 26 道题目，在 10 至 15 分钟内完成评估；输出精确到阶段（而非仅到层级）的个性化报告，包含位置定位、差距诊断、成长方向与行动建议。八、HR AI Forward 成熟度框架 HR AI Forward 成熟度框架的建立，回应的是 AI 时代 HR 领域一个真实而紧迫的标准缺失问题。它以工作方式的实质变化为核心判断维度，以四级十二阶的结构提供精准的能力分层，以 L1 到 L2 的跃迁机制为核心洞察，为个人发展决策和组织能力管理提供了可落地的参照系。框架的最终目标，不是给人贴标签，而是让能力发展变得可见、可判断、可推进——在 AI 加速重塑专业工作方式的当下，这是 HR 从业者最需要的那种清晰。

头条
2026年04月15日
头条

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。

头条
2026年04月11日
头条

【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。

头条
2026年04月09日
头条

星巴克在美国推出员工激励新计划：最高1200美元年奖金，全面提升一线员工收入 HRTech概要：星巴克在美国推出全新员工激励计划，一线员工最高可获得1200美元年奖金，并按季度发放。与此同时，公司扩大数字小费渠道（覆盖Mobile Order & Pay、Scan & Pay），并全面升级为周薪发放模式，提升员工收入灵活性。在组织层面，星巴克持续强化内部晋升体系，目标90%管理岗位来自内部，同时新增“门店教练”等角色，优化运营效率。目前其员工平均总薪酬已超过30美元/小时，并投入超过5亿美元用于排班和人手优化。更多全球HR科技资讯，请关注HRTech。 Starbucks近日宣布，将在美国推出一套新的员工激励机制，核心面向门店的一线小时工，也就是其内部所称的 hourly partners。对于HR从业者来说，这并不是一条普通的福利新闻，而是一家全球大型连锁服务企业，正在系统性重构一线员工收入结构、门店运营激励和内部晋升逻辑的典型案例。根据公司公告，这项新计划将建立在其“Back to Starbucks”转型基础之上，目标是让一线员工能够更直接地分享门店经营改善和客户体验提升带来的成果。这次调整的核心，不是单纯涨薪，而是把收入与门店结果重新绑定从公告披露的信息来看，Starbucks此次的新机制主要包含四个部分。第一，是新增与门店表现挂钩的季度奖金。Baristas 和 shift supervisors 在门店达到或超出销售、运营和客户服务目标时，每年最高可额外获得1,200美元，按季度发放，即每季度最高300美元。第二，是扩大小费覆盖渠道，原本更多依赖线下支付场景的小费，如今将扩展到 Mobile Order & Pay 和收银台 Scan & Pay 场景。第三，是把美国员工逐步统一调整为 weekly pay，让员工更快拿到收入。第四，是配合新增岗位与内部晋升体系，比如 coffeehouse coach 角色的推进，支持其90%的零售管理岗位由内部晋升完成的目标。这一整套设计说明，Starbucks并不是在做简单的“加一点钱安抚员工”，而是在重新定义一线岗位的收入逻辑。过去，很多企业的一线岗位收入主要由基础时薪决定，奖金与晋升更多偏向店长或区域管理层。Starbucks这次则把一线员工正式纳入门店经营改善的收益分配中，让 frontline employees 不再只是执行者，而成为门店增长和客户体验改善的直接利益相关者。公司还明确表示，新奖金机制叠加数字小费扩展后，符合条件的员工整体收入有望在现有基础上提升约5%到8%。为什么这对HR有参考价值对于HR管理者，尤其是服务业、零售业、餐饮连锁、门店运营、人力共享中心和组织发展相关岗位，这次Starbucks的做法最值得关注的地方，在于它把“员工体验”从抽象概念变成了可以被管理、被量化、也能影响经营结果的制度设计。很多企业谈员工体验时，容易停留在文化口号、关怀活动或培训课程层面，但一线岗位真正最敏感的，往往仍然是收入确定性、收入弹性、排班公平性、工作强度与成长空间。Starbucks这次新机制之所以有代表性，就在于它不是只在某一个点上做优化，而是同时从奖金、小费、发薪频率和岗位成长四个维度一起调整。换句话说，它不是在修补一个福利点，而是在重构“员工为什么愿意留下来并且更积极服务客户”的底层机制。这对中国企业尤其有借鉴意义。因为中国很多连锁零售和服务企业也面临类似问题：一线岗位流动性高，年轻员工对单纯时薪吸引不强，门店管理又希望员工能在高峰时段保持服务质量和执行稳定性。在这种背景下，如果薪酬体系仍然只强调固定工资，而没有把经营结果、服务表现和成长空间连起来，那么企业就很难真正提升一线岗位的吸引力和组织黏性。小费扩展和周薪改革，其实比看上去更重要表面上看，这次新闻最容易传播的数字是“最高1200美元奖金”，但从HR设计角度看，扩大小费入口和推行周薪，实际意义可能同样大。首先是小费渠道扩展。随着客户消费行为数字化，越来越多的订单并不通过传统柜台完成。如果企业的小费机制仍然主要依附于线下支付场景，那么员工虽然提供了服务，但客户的认可却不容易转化成实际收入。Starbucks把 Mobile Order & Pay 和 Scan & Pay 纳入小费体系，本质上是在修复数字化消费与一线收入分配之间的断层。这一思路对很多已经在推进数字门店、小程序点单、外卖到店自提等业务模式的企业都有启发。其次是 weekly pay。很多中国HR在看美国企业时，容易把发薪频率当作一个事务性安排，但在小时工体系里，发薪频率本身就是员工体验的重要组成部分。对于现金流敏感的一线员工而言，更频繁地获得工资，往往意味着更强的财务稳定感和更低的生活焦虑。这种变化未必像“涨薪”那样醒目，但对留任和工作稳定性可能更有持续影响。Starbucks明确表示，这是基于员工反馈做出的调整。对HR来说，这也说明 frontline compensation design 不能只看薪资总额，还要看员工实际拿到钱的节奏和感受。 Starbucks为什么有底气这样做更值得注意的是，这次激励调整并不是脱离基本盘的单点动作，而是建立在其过去一段时间持续投入之上。根据公告，Starbucks目前给小时工提供的平均总薪酬和福利价值已超过每小时30美元，其中包括综合医疗、股票奖励、大学教育支持和灵活休假，而且这些福利对平均每周工作20小时及以上的兼职员工也开放。与此同时，自“Back to Starbucks”转型启动以来，公司已经额外投入超过5亿美元用于增加工时和扩大排班，以确保高峰时段有更多员工在岗。这些投入并不是没有反馈。Starbucks披露，美国市场每年收到超过100万份求职申请，员工推荐公司为理想雇主的比例持续提升，门店员工流失率降至行业平均水平的一半左右，接近85%的员工能获得自己偏好的班次和工时，员工通过新的排班应用每周认领约3万个班次。这组数据说明，公司并不是只从理念上重视一线员工，而是在用排班、工时、福利和收入体系共同支撑一线组织稳定性。对HR的几个直接启发第一，未来一线员工管理不能只谈“底薪多少”，而要设计“总收入体验”。员工真正感知到的，是底薪、奖金、小费、发薪节奏、班次安排和晋升机会的总和，而不是合同上的一个单一时薪数字。第二，员工激励不能脱离业务指标单独存在。Starbucks把奖金直接绑定销售、运营和客户服务目标，这意味着HR政策与门店经营模型是联动的。中国不少企业的问题恰恰在于，HR制度是HR自己的制度，运营目标是业务部门自己的目标，两者没有被设计成一个闭环。第三，一线岗位必须有成长叙事。Starbucks通过 coffeehouse coach 等角色扩展，让一线员工看到从执行岗位走向管理岗位的路径，这对于降低“这只是一个短期过渡工作”的心理预期非常关键。对于中国企业来说，特别是年轻员工占比较高的行业，岗位成长空间已经越来越影响招聘吸引力与留任率。这不只是Starbucks的内部调整，更代表一类全球服务业组织趋势从更大的趋势看，这次机制升级也释放出一个明确信号：未来全球服务业和零售业的竞争，不只是品牌、门店数量或数字化工具的竞争，更是一线人效和一线体验的竞争。谁能更好地把 frontline employees 的收入激励、客户服务、门店运营和人才成长打通，谁就更有可能在高频、重执行、强体验的线下场景中构建长期优势。对于HR用户来说，Starbucks这次调整的真正价值，不在于“美国企业又给员工发钱了”，而在于它展示了一种成熟的组织设计方式：一线员工不是成本尾端，而是经营质量的放大器；激励机制不是福利附属项，而是门店运营系统的一部分；员工体验不是软性概念，而是可以被数字化、被制度化、并最终转化为业务结果的管理变量。

头条
2026年04月03日
头条

2026候选人体验大奖 CandE® Awards 正式启动：在AI招聘时代，重新定义企业吸引人才的关键能力 2026 候选人体验大奖 2026 CandE® Awards 2026 CandE® Awards 候选人体验大奖现已正式启动。作为聚焦候选人体验领域的专业评选项目，CandE® Awards 持续关注企业与HR科技机构在招聘全流程中所创造的真实体验价值，表彰那些在招聘流程、品牌触达、沟通反馈、技术应用与产品设计等方面表现突出的团队、实践与产品。在AI技术加速进入招聘全链路的今天，效率不再是企业之间唯一的差异。职位生成、简历筛选、面试安排、人才触达正在被技术重构，但候选人是否感受到被尊重、被清晰告知、被及时反馈、被公平对待，仍然直接影响着企业最终能否吸引并留住真正优秀的人才。也正因如此，候选人体验正在从“招聘细节”变成“招聘竞争力”。对于企业而言，CandE® Awards 不只是一次评选，更是一项能够对外展示雇主品牌、对内体现HR成果、对行业传递专业影响力的重要认可。对于HR科技机构而言，这也是证明产品价值、强化市场信任、建立行业口碑的重要机会。提名地址：http://hrnext.cn/n6MOm2(点击链接或长按图中二维码进行识别）什么是候选人体验大奖 CandE® Awards 关注的是候选人与企业之间，在招聘相关互动中形成的整体感受。它覆盖候选人从最初接触企业，到申请、筛选、评估、面试、Offer沟通以及后续跟进等多个关键环节。评选不仅关注企业“是否在招聘”，更关注企业“如何招聘”，以及企业是否通过更专业的流程、更清晰的沟通、更友好的产品和更高质量的互动，让候选人在整个过程中获得更好的体验。这项评选的意义在于，它让那些原本分散在招聘运营、校招项目、雇主品牌活动、招聘技术应用中的工作成果，被系统梳理、被专业评价、被行业看见，也让企业能够以更有说服力的方式，对外讲清楚自己为什么值得人才选择。 2026 候选人体验大奖奖项设置本届奖项分为企业实践类、团队类和产品类三大方向，覆盖当前候选人体验最重要的核心场景。企业实践类奖项包括：最佳创新招聘策略奖最佳招聘广告奖最佳企业社交媒体策略奖最佳候选人体验技术应用奖最受大学生欢迎雇主最佳校园招聘奖最佳面试体验奖最佳 AI 招聘体验奖最佳招聘营销体验奖最佳海外招聘体验奖企业团队类奖项包括：最佳候选人体验团队奖产品类奖项包括：最佳候选人体验产品奖最佳技术类测评产品奖最佳测评产品奖最佳在线考试产品奖最佳招聘管理产品奖最佳 AI 招聘产品奖最佳视频面试产品奖最佳 AI 面试产品奖最佳招聘服务体验奖其中，2026年新增的“最佳招聘营销体验奖”和“最佳海外招聘体验奖”，重点回应当前企业在招聘传播、出海招聘与全球人才竞争中的实际需求，也体现了候选人体验在新招聘环境中的延展与升级。哪些企业和机构适合参与如果你的企业在过去一年中，围绕招聘体验做过真实投入与优化，无论是优化申请流程、重构面试体验、提升候选人沟通质量、加强校招触达、强化社交媒体招聘内容、引入AI招聘工具，还是改善海外招聘过程中的候选人感受，都适合参与本届评选。如果你的团队长期负责招聘、校招、雇主品牌、招聘运营、人才获取、国际招聘等工作，并希望系统展示团队成果与专业能力，也非常适合申报相关奖项。如果你是HR科技机构，所提供的产品或服务与候选人体验直接相关，例如测评、在线考试、招聘管理、视频面试、AI招聘、AI面试或招聘服务支持，并且已在客户侧形成真实价值，同样适合参与本届评选。为什么参加这届评选 01、展示企业在招聘和候选人体验上的真实成果通过第三方结构化评审，将分散在流程和数据中的招聘工作，转化为可被管理层、同行与市场识别的专业证明。 02、强化雇主品牌，提升候选人信任与吸引力经行业第三方评选认可的雇主品牌标签，比企业自我表达更能降低候选人的不确定性，提升投递意愿与长期口碑。 03、帮助 HR团队对内证明项目价值和业务贡献评选结果与获奖案例可用于管理层汇报、年度总结与资源申请，让 HR 团队的工作成果有据可查、可被量化表达。 04、获得行业认可、内容传播与案例展示机会入围与获奖案例进入 HRTech 官方案例库，通过媒体、社群及行业活动长期传播，使一次项目沉淀为可持续放大的品牌资产。 05、在 AI 招聘时代建立更有差异化的招聘竞争力当技术效率成为标配，候选人体验是真正决定人才是否选择你的变量。参与评选，是系统性审视并强化这一竞争力的最佳时机。如何参与及评审流程提名：2026 CandE® Awards 将于2026年4月1日正式开放提名，企业及产品均可通过官方平台免费参评。提名地址：http://hrnext.cn/n6MOm2(点击链接长按图中二维码进行识别）测评： 1）实践类和团队类项目需完成指定的候选人体验测评问卷，并达到入围基础标准。 2）产品类奖项需提交NPS客户满意度调查。完成基础申报后，参评企业或机构还需同步提交案例材料。案例提交：案例可采用PPT或视频形式提交。PPT不超过30页，视频格式为MP4、16:9横屏、2GB以内。案例内容须为本企业或产品的真实原创实践，并尽可能提供前后对比数据与阶段性成果。所有涉及候选人个人信息的内容，均需做脱敏处理。本届参评案例时间范围为2025年7月至2026年6月期间发生的实践或上线的产品。报名与咨询方式评选报名与咨询：小科微信：hrtech-china 邮箱：cande@hrtechchina.com 奖项及论坛合作：奈斯微信：hrtechnice 邮箱：nice@hrtechchina.com 现在，就是让行业看见你成果的时候在AI招聘快速发展、人才竞争持续升级的今天，企业之间真正拉开差距的，越来越不是谁的工具更多，而是谁更懂得如何让人才感受到专业、信任与尊重。候选人体验，正是这一差距最直接的体现之一。 2026 CandE® Awards 候选人体验大奖，欢迎所有在招聘实践与产品创新中持续投入的企业与机构积极参与。无论你希望展示团队成果、提升雇主品牌、证明产品价值，还是希望让更多行业同行与人才看到你的实践，这都将是一次值得认真参与的专业机会。关于主办方.HRTech HRTech是中国首家领先的专注人力资源科技商业服务平台，作为HR领域唯一深度垂直独立的第三方专业服务机构，致力于推动中国人力资源科技进步与发展，持续引领行业新科技新趋势新产品新方向。HRTech核心报道中国HR科技创新企业与产品，关注并实时分享全球的人力资源科技资讯。定期发布行业市值榜单和HR科技云图，持续举办高品质的专业前沿峰会论坛，表彰认可业内先进。

头条
2026年04月02日

12 3 4 5 6 7 8 9 10 11 》 110 跳转至