-
新创
【英国】HR科技公司HiBob获得1.66亿美元投资，由Salesforce领投
HRTech核心摘要：Salesforce刚刚领投HiBob的1.66亿美元投资，但比融资更值得关注的是HiBob的新定位：HR系统正在从System of Record走向Organizational Intelligence。 当AI Agent进入企业后，真正稀缺的可能不是AI模型，而是员工、技能、角色、团队、权限和组织关系形成的可信Context。这可能是HR Tech下一轮非常重要的产品方向，推荐大家看看。
总部位于伦敦的HR科技公司HiBob 宣布获得1.66亿美元投资，本次投资由 Salesforce 领投，Farallon Capital Management 参与。HiBob并未披露本次投资的具体融资轮次及交易后估值。
这笔投资将用于进一步推动HiBob在产品、技术、人工智能和创新领域的发展。相比融资金额本身，更值得HR科技行业关注的是HiBob正在重新定义自己的业务边界：从一家现代化HR平台公司，进一步发展成为面向AI时代企业的 Organizational Intelligence（组织智能） 平台。
Salesforce为什么投资HiBob？
HiBob旗下核心产品 Bob 是一套面向现代企业的People Management Platform，目前将HR、Payroll和Finance等功能整合在同一平台中。根据HiBob披露，其全球People Platform已经服务超过 5,500家客户，目前有来自 170多个国家的数千家中型及大型企业使用HiBob。
但Salesforce此次投资所指向的，并不仅仅是HiBob现有的HR SaaS业务。
随着生成式AI和AI Agents越来越深入企业工作流，企业面临的核心问题开始发生变化：AI不仅需要访问数据，还需要理解它正在服务的是一个怎样的组织。
例如，当AI帮助企业决定是否招聘一个新岗位时，单纯知道岗位描述远远不够。它还需要理解企业内部已经拥有哪些技能和能力、团队目前是否还有capacity、manager的管理跨度如何，以及企业下一阶段究竟需要哪些能力。
HiBob将这些信息称为 Trusted People Context（可信人员上下文）。
这些Context包括员工、岗位、技能、团队、汇报关系、权限、管理者、绩效、目标、薪酬、组织结构和workforce plans等。HiBob认为，当AI模型本身越来越普及之后，决定企业AI质量的关键将不只是模型能力，而是AI是否拥有准确、可信并且足够丰富的企业内部上下文。
HiBob联合创始人兼CEO Ronni Zehavi 对此给出了一个非常明确的判断：AI带来的并不只是技术变革，更是一次组织与管理模式的变革。未来真正具备竞争优势的公司，不一定只是拥有最好的AI模型，而是能够建立更适合AI时代运行的组织。
从System of Record走向Organizational Intelligence
过去很长一段时间，HR软件的核心价值是成为企业员工数据的 System of Record。
员工是谁、职位是什么、向谁汇报、薪酬是多少、绩效如何、接受过哪些培训，这些数据都保存在HRIS或者HCM系统中。HR系统本质上承担的是记录、管理和流程执行的作用。
HiBob认为，AI正在改变这个定位。
当AI Agents开始进入招聘、人才管理、组织规划、经理决策甚至日常业务执行之后，HR系统掌握的人员和组织数据不再只是HR部门的数据，而可能成为整个企业AI理解组织的重要基础。
Ronni Zehavi将HiBob下一阶段的发展方向定义为 Organizational Intelligence：利用可信的People Context，并将其与相关业务信息结合，使企业能够理解组织内部正在发生什么、为什么发生、谁最适合采取行动，以及下一步应该做什么。
这也意味着HiBob希望突破传统HR软件的边界。
HiBob明确表示，Organizational Intelligence不能只停留在HR Application内部。未来企业仍然会同时使用CRM、Finance、Collaboration和Operations等专业系统，而AI Agents会越来越多地跨系统工作。因此，人员、技能、角色和组织关系等可信Context需要随着工作一起流动。
HiBob正在建设一个更加开放的平台，通过 agents、workflows以及越来越多的headless experiences，把Workforce Context带入企业真正开展工作的系统中。
与Slack的合作正在成为重要连接点
Salesforce此次投资HiBob还有一个重要背景，就是HiBob与Salesforce旗下 Slack 的合作正在不断加深。
HiBob表示，双方围绕Slack以及 MCP（Model Context Protocol） 的合作，使Salesforce能够更加直接地看到，当可信的People Context从HR应用进入企业实际工作系统后能够产生怎样的价值。
HiBob的目标不是拥有企业中的所有系统，而是让其他系统能够更好地“理解这个组织”。
例如，当员工和经理直接在Slack中开展沟通和决策时，如果AI Agent能够同时理解员工角色、技能、团队关系、权限和组织结构，其提供的建议和执行能力就会比一个不了解企业内部情况的通用AI更有价值。
Slack CMO Ryan Gavin也指出，AI只有真正理解塑造一家公司的人员、角色和组织结构，才能发挥更大作用，而可信的Workforce Context正是这一能力的基础。
下一步：从管理“员工”走向编排“人+AI”
HiBob对于更长期未来的判断，则进一步指向 Workforce Orchestration（劳动力编排）。
当AI Agents真正成为企业workforce的一部分之后，未来的工作可能分为三种：一些工作由人完成，一些工作由AI完成，还有大量工作将由人与AI共同完成。
企业需要重新回答一系列传统HR系统过去很少涉及的问题：什么工作真正需要完成？需要哪些能力？应该由人还是AI负责？谁对最终结果负责？组织目前是否拥有完成这些工作的能力？AI创造的实际影响又应该如何衡量？
HiBob认为，要解决这些问题，企业必须能够把work、capabilities以及accountability连接起来，而Workforce Data将成为实现这一能力的重要基础。
HRTech观点：HR数据正在成为企业AI基础设施
从HR科技行业来看，Salesforce此次领投HiBob的1.66亿美元投资，意义可能并不局限于一次大型HR SaaS融资。
过去几年，HR科技公司的AI竞争主要集中在Copilot、生成职位描述、员工问答、人才推荐、绩效总结等应用层功能。但随着AI Agents开始真正执行工作，竞争正在进一步向底层移动。
AI需要的不只是模型，而是 Context。
而HR系统长期积累的员工、岗位、技能、组织架构、绩效、权限、目标与团队关系，恰恰构成了一家公司最重要的组织Context之一。
因此，未来HCM市场的竞争逻辑可能逐渐从：
System of Record → AI-enabled HCM → Organizational Intelligence → Workforce Orchestration
Salesforce投资HiBob，可以被看作这一趋势中的一个重要信号。
当Salesforce拥有CRM、Slack和AI Agent能力，而HiBob拥有People、Skills、Roles、Teams和Organizational Structure等组织数据，两类能力的结合指向的是一个更大的企业AI命题：未来AI不仅需要知道客户发生了什么，还必须知道企业内部谁能够采取行动、组织拥有什么能力，以及人和AI应该如何共同完成工作。
这也是HiBob此次融资最值得关注的地方——一家HR科技公司正在尝试把自己从“管理员工的软件”，升级为“让企业AI理解组织”的基础设施。
来源：HiBob官方新闻稿、HiBob联合创始人兼CEO Ronni Zehavi官方博客
-
新创
25年没写代码，Amazon HR负责人借助AI完成10万行：员工正在从软件使用者变成“工作构建者”
HRTech概述：Amazon全球HR负责人Beth Galetti在离开一线编程约25年后，借助AI重新开始开发应用，目前已经完成超过100,000行代码。更值得关注的是，Amazon正在通过Kiro、Amazon Quick和Aza等AI工具，将软件构建能力从专业技术团队扩展至普通员工，并以25亿美元的Future Ready 2030计划补充大规模技能投资。这一案例释放出一个清晰信号：企业AI竞争正在从“谁购买了更多工具”，转向“谁能让更多员工重新设计工作”。
25年没有写代码，Amazon全球HR负责人重新成为开发者
Beth Galetti现任Amazon Senior Vice President of People Experience and Technology，负责公司的全球HR组织。她职业生涯早期曾是一名软件开发人员，参与开发包裹追踪和国际业务系统，随后逐步转入信息技术、运输网络及运营管理岗位。2013年，她原本前往Amazon面试运输业务职位，但面试官发现她在谈到人才发展时表现出强烈兴趣，最终邀请她进入HR领域。
在大约25年没有亲自编写代码之后，Galetti于几个月前开始尝试利用AI重新构建软件。她的第一个项目是一款家庭日历应用，通过与AI工具交互，几小时内便完成了一个可以实际运行的初步版本。
此后，她开始使用Amazon的AI开发工具Kiro。在一次飞往Seattle的航班上，她通过自然语言描述需求，由Kiro协助完成规划、代码编写和测试，并在航班结束前构建出一款作品提交应用。这款应用随后成为Amazon内部团队竞赛“Everyone Can Build”的基础设施。
截至文章发布时，Galetti表示自己已经借助AI完成超过100,000行代码。Amazon没有说明这些代码的具体统计周期、投入生产的比例及后续维护方式，但这一案例显示，生成式AI正在显著降低软件构建对传统编程经验的依赖。
超过1,500名员工参与，全员构建开始进入真实业务流程
“Everyone Can Build”并不是一场面向工程师的技术竞赛。Amazon向团队内所有员工开放活动，不要求参与者具备技术背景，唯一要求是使用AI开发一款能够解决工作或日常生活真实问题的应用或工具。
竞赛开放后的数周内，超过1,500名员工开始参与构建。其中，一名员工开发的应用将一项接近4小时的人工检查流程压缩至1秒。据Amazon估计，这款工具每年可以节省数万小时。另一名员工开发了名为Momo的桌面宠物，将工作任务、提醒和常用快捷方式集中在一个入口中。
这些案例所体现的价值并不只是“员工学会了写代码”，而是业务一线员工可以绕过漫长的需求传递过程，直接将自己对流程、客户和岗位的理解转化为可测试的解决方案。
过去，一名非技术员工即使发现了低效流程，也需要整理需求、争取技术资源、等待项目排期，再由开发团队完成产品设计与交付。AI降低构建门槛后，最了解问题的人可以先完成原型和局部自动化，技术团队则可以将更多资源投入底层架构、安全治理和核心产品。
Quick、Kiro与Aza，形成三层企业AI工具体系
从Amazon披露的信息来看，其企业AI布局并不是简单地向员工开放一个聊天机器人，而是在逐步形成覆盖知识、工作流、软件构建和员工服务的工具组合。
Amazon Quick是面向工作的AI助手。员工可以用它查询企业数据、开展研究、生成内容并构建自动化工作流。Amazon表示，一些过去需要数周完成的研究任务，现在可以通过Quick显著缩短周期。该产品还可以连接本地文件、日历、电子邮件以及Microsoft 365、Google Workspace、Salesforce、Slack、Zoom等企业应用。
Kiro承担的是更进一步的“构建”任务。员工可以用自然语言描述希望开发的应用，由Kiro协助规划、编写和测试。这意味着普通员工不再只能使用现有软件，也可以围绕自己的工作场景搭建小型应用和自动化工具。
Aza则是Amazon内部使用的AI workplace assistant，重点服务员工体验场景。员工可以通过Aza查询福利、薪酬、工作场所便利安排和IT信息，也可以申请休假、预订会议室或搜索内部开放职位。
三类工具对应了不同层级的工作需求：Aza解决员工服务和信息获取，Quick连接知识、研究与自动化，Kiro则将员工进一步推向应用构建。Amazon展示的不是一个孤立产品，而是一套逐步扩展员工行动能力的AI工作基础设施。
25亿美元投入未来技能，AI工具必须与人才投资同步
Amazon同时强调，仅向员工开放AI工具并不足以完成组织转型。员工是否具备理解问题、拆解任务、判断结果和持续学习的能力，决定了工具最终能够产生多大价值。
为此，Amazon推出Future Ready 2030，承诺投入25亿美元扩大教育和技能培训机会，帮助至少5,000万人为未来工作做好准备。其中，10亿美元将投入Career Choice教育福利计划，目标是继续为全球50万名员工提供技能提升支持，重点覆盖cybersecurity、software development、logistics、renewable energy及mechatronics等增长领域。
Amazon还为每名员工每年承担一次AWS AI认证考试的全部费用，认证路径从基础AI概念延伸至专业级生成式AI。通过Amazon Future Engineer、AWS Educate及Mechatronics and Robotics等项目，技能投资覆盖K-12学生、职业早期人才、在职员工和希望转型的劳动者。
这说明Amazon对未来工作的判断并非“AI工具可以替代培训”，而是恰恰相反：工具越强大，企业越需要系统性提升员工的判断力、业务理解、问题定义和人机协作能力。
真正的变化不是人人成为程序员，而是人人拥有构建能力
从HRTech视角看，Beth Galetti完成100,000行代码只是最具传播力的表层故事。更深层的变化，是企业内部的软件生产关系正在被重新定义。
AI正在把过去集中于工程团队的部分构建能力，分散到HR、财务、运营、销售和客户服务等业务岗位。未来的员工未必需要掌握完整的计算机科学知识，也不必成为专业程序员，但越来越多人需要具备用自然语言定义需求、拆分任务、验证结果和持续改进工具的能力。
这会直接改变企业的人才标准。招聘时需要评估的不再只是候选人是否会使用某款AI产品，而是其能否识别值得解决的问题、能否把复杂工作拆解为可以委派给AI的任务，以及能否判断AI输出是否准确、安全并具有业务价值。
学习与发展部门也需要从传统课程供给者转向工作转型推动者。相比组织一次通用的“AI提示词培训”，围绕真实流程开展内部构建竞赛、任务重构项目和跨职能实验，更容易把AI能力转化为可衡量的生产力成果。
10万行代码不是ROI，工作结果才是
值得注意的是，代码行数本身并不能证明AI创造了多少价值。更多代码不一定意味着更高的质量、更低的成本或更好的用户体验。AI生成的应用还可能带来数据权限、信息安全、代码质量、系统重复建设和长期维护责任等问题。
因此，企业在鼓励“全员构建”的同时，仍需要建立明确的治理边界。哪些应用可以由员工自行创建，哪些涉及敏感数据或关键决策的系统必须经过专业审核；谁负责测试、部署和维护；工具停止使用后如何处理数据与权限；这些问题都需要HR、IT、信息安全、法务和业务部门共同制定规则。
衡量此类项目的核心指标也不应是员工生成了多少代码、创建了多少应用，而应回到业务结果：流程周期缩短了多少、节省了多少有效工时、错误率是否下降、员工体验是否改善、解决方案是否能够复用，以及成果能否在安全前提下规模化。
HR正在从AI工具推广者转向工作设计者
Amazon案例对HR行业最重要的启示是，AI转型不能停留在工具采购、账号开通和使用率统计。企业真正需要回答的是：哪些工作应当取消，哪些流程可以自动化，哪些任务可以交由AI代理执行，哪些判断必须继续由人承担，以及员工如何从执行者转向AI工作的设计者和监督者。
当一位离开编程25年的HR负责人可以借助AI重新构建应用，当超过1,500名非技术员工开始直接解决工作问题，企业内部传统的岗位边界已经出现松动。未来HR的价值，不只是管理采用率，而是设计新的工作方式、能力标准、授权机制和治理体系。
Amazon正在展示一种可能的组织形态：AI不只是提高单项任务效率的助手，而是把更多员工变成能够发现问题、构建方案和改进工作的内部创新者。企业之间真正拉开差距的，也许并不是谁最早购买AI，而是谁最早形成了让员工持续创造结果的“全员构建”能力。
来源：Amazon News，《I’m an Amazon SVP who hadn’t coded in 25 years. Then I wrote 100,000 lines of code with AI.》；Amazon Future Ready 2030及Career Choice官方资料。
-
新创
【美国】电工用工平台Buildforce完成1000万美元A轮融资，加速全国市场扩张！从招聘平台走向劳动力运营平台
HRTech概述：休斯顿的电工用工与劳动力管理平台Buildforce宣布完成1000万美元A轮融资。本轮融资由Saepio Capital领投，新投资方Blue Heron Capital，以及现有投资方Revolution’s Rise of the Rest Seed Fund、S3 Ventures和Chicago Ventures参投。Buildforce将利用新资金扩大其在美国的业务覆盖，并进一步开发面向电工与电气承包商的技术平台。与传统招聘网站不同，Buildforce并不只是帮助企业发布职位或获取简历，而是围绕电工这一专业工种，将人才匹配、技能验证、人员入职、工时管理和项目履约整合到同一套劳动力运营体系中。
1000万美元融资将用于全国扩张与技术开发
Buildforce于2026年7月28日宣布完成1000万美元A轮融资。本轮融资由Saepio Capital领投，Blue Heron Capital作为新投资方加入，Revolution’s Rise of the Rest Seed Fund、S3 Ventures和Chicago Ventures等现有投资方继续参投。
根据公司披露，本轮融资将主要用于两个方向：一是继续推进Buildforce在美国市场的扩张，二是进一步开发服务于电工和电气承包商的技术产品。公司并未披露本轮融资后的估值、各投资方出资比例、具体招聘计划或下一阶段将进入的州和城市。
Buildforce CEO兼联合创始人Moody Heard表示，本轮融资是公司进一步推进使命的重要里程碑。Buildforce希望帮助长期从事建筑技能工作的人员，获得更加稳定和更具发展空间的职业生涯。
Saepio Capital Managing Partner Jaan Bains认为，美国正在进入新一轮大规模基础设施建设周期，Buildforce利用技术改善建筑行业劳动力市场，有机会对一个规模庞大且重要的就业市场产生长期影响。
Blue Heron Capital Principal Nick Graziano则指出，数据中心建设、基础设施投资和能源转型正在加快美国电工需求增长。与只提供职位发布的平台不同，Buildforce建立的是一个专门服务于电工行业，并深入连接招聘与用工管理流程的劳动力市场。
专注电工这一单一技能工种
Buildforce成立于2019年，总部位于美国得州Houston和Austin。公司将自身定位为一家技术驱动型电工用工服务公司，主要连接电工与参与商业和工业建筑项目的电气承包商。
平台由两个主要部分构成。
面向电工，Buildforce提供移动应用，帮助个人电工寻找工作、接受项目并管理自己的工作安排和职业记录。
面向电气承包商，Buildforce提供网页端平台，帮助企业寻找、筛选、安排和管理电工，以满足不同商业和工业建筑项目的人员需求。
Buildforce官网显示，目前已有超过250家不同规模的电气承包商使用其平台。公司还表示，其平台能够填补超过90%的岗位需求，超过75%的岗位可以在30分钟内获得符合条件的候选人。上述数据来自Buildforce官网披露，暂未见第三方审计或验证信息。
截至本轮融资发布时，Buildforce平台上的电工已经累计完成超过200万小时的工作，参与了超过2000个商业建筑项目。
这些数据表明，Buildforce已经不只是一个早期职位撮合工具，而是开始形成一定规模的电工供给网络、承包商客户网络和项目履约数据。
从招聘平台走向劳动力运营平台
Buildforce值得关注的地方，在于其商业模式并没有停留在传统招聘平台的“职位—候选人”匹配环节。
在建筑和电气行业，企业需要判断的不只是候选人是否愿意接受一份工作，还包括其技能水平、证照状态、项目经验、工作地点、可到岗时间、出勤表现和现场履约能力。
因此，这类岗位的招聘往往需要与人员验证、入职、调度、考勤、工时记录和合规管理同步进行。
Buildforce正在尝试把这些流程整合到统一平台中。对电气承包商而言，平台解决的不只是“在哪里找到电工”，而是如何更快找到适合特定项目的电工，并持续管理其在项目中的工作表现。
对电工而言，平台也不仅是一个职位搜索入口。随着工作时长、项目经历、出勤率和承包商评价不断积累，电工可能逐步形成比传统简历更动态、更接近实际履约能力的职业档案。
这意味着Buildforce的长期壁垒可能不只来自候选人数量，而是来自其持续积累的技能、证照、项目和工作表现数据。
电工短缺背后的结构性需求
Buildforce的扩张与美国对技能型人才不断增长的需求密切相关。
数据中心、电网升级、制造业投资、基础设施建设和能源转型，都需要大量电气安装、维护和工程人才。美国劳工统计局预计，2024年至2034年期间，美国电工就业人数将增长约9%，高于全部职业的平均增速；在此期间，平均每年预计将出现约8.1万个电工岗位空缺，其中相当一部分来自退休、转岗和退出劳动力市场后的替补需求。
需要注意的是，Buildforce新闻稿援引一份BlackRock报告时，将电工岗位的9.5%描述为未来十年的年增长率。结合原报告的统计口径，更准确的理解应是2024年至2034年期间的累计就业增长预测，而不是每年增长9.5%。
因此，在新闻报道和行业分析中，不应将这一数据表述为“电工岗位每年增长9.5%”。
电工需求增长的核心并不只是新增岗位数量，还包括劳动力年龄结构、退休替补、地域分布、证照要求以及不同建设项目之间的人员调度问题。对于承包商而言，即使市场上存在足够数量的电工，也不意味着这些人才能够在正确的时间、地点和项目中及时到岗。
这正是Buildforce这类垂直劳动力平台试图解决的问题。
HRTech观点：垂直劳动力科技正在进入深水区
从HR科技市场的发展来看，Buildforce代表了一类正在受到投资机构关注的新模式：不再追求覆盖所有行业和岗位，而是深入单一行业或技能类别，将招聘、验证、调度和管理整合起来。
通用招聘平台的优势是流量和岗位覆盖范围，但在电工、护理、物流、制造、餐饮和建筑等行业，人才供需往往具有更强的地域性、资质要求和履约约束。
在这些场景中，企业需要的不是更多简历，而是能够按时到岗、具备合格技能、满足证照要求，并且可以被持续管理的劳动力。
因此，垂直劳动力平台的竞争重点正在发生变化：
第一，从职位发布转向实际岗位填补和项目履约。
第二，从静态简历转向持续更新的技能与工作表现数据。
第三，从单次招聘转向人员入职、调度、工时和合规管理。
第四，从广泛覆盖转向特定行业的专业供给网络和运营能力。
Buildforce的优势在于专注电工这一明确工种，并已经积累超过200万工作小时和2000多个项目的数据。但这种模式同样面临挑战。
作为技术驱动型用工服务公司，Buildforce需要同时建设软件平台和线下招聘交付能力。随着业务向更多州和城市扩张，公司还需要处理不同地区的证照、用工规则、工资要求和项目管理差异。
目前，Buildforce尚未披露收入规模、增长率、毛利率、客户留存率、活跃电工数量和获客成本。因此，公司能否在全国扩张过程中维持人员质量、服务效率和健康的单位经济模型，仍需要进一步观察。
想进一步了解招聘、劳动力管理、灵活用工和HR科技平台的市场格局，可查看《2026 HR科技云图》，了解不同HR科技赛道及代表性服务机构。
对企业HR和用工管理者的启示
Buildforce的案例表明，技能型人才招聘不应只被视为人才获取问题，而应被纳入完整的劳动力运营体系。
对于建筑、制造、能源、物流和现场服务企业而言，未来评估劳动力科技平台时，可以重点关注以下几个方面：
平台是否能够验证候选人的真实技能与专业资质；是否能够根据项目地点、时间和技能要求完成匹配；是否支持入职、考勤、工时和人员调度；是否能够记录人员的项目经历和工作表现；是否能够适应不同地区的证照、工资和用工合规要求。
真正有价值的劳动力科技平台，不只是帮助企业更快找到人，而是降低从人员需求产生到项目交付完成之间的整体运营成本和风险。
HRTech将持续关注全球招聘科技、劳动力管理及HR科技投融资动态。相关企业也可申请更新公司档案、产品信息和融资记录。
公司信息
公司名称：Buildforce
成立时间：2019年
总部：Houston和Austin，Texas
公司定位：技术驱动型电工用工与劳动力管理平台
服务对象：个人电工、电气承包商
主要场景：商业及工业建筑项目
本轮融资：1000万美元A轮融资
领投方：Saepio Capital
参投方：Blue Heron Capital、Revolution’s Rise of the Rest Seed Fund、S3 Ventures、Chicago Ventures
CEO兼联合创始人：Moody Heard
平台数据：超过200万累计工作小时、超过2000个商业建筑项目、超过250家电气承包商
融资用途：美国市场扩张及产品技术开发
估值、收入、增长率、毛利率、活跃电工人数及累计融资金额：原文未说明
-
新创
【硅谷】AI反向招聘平台Refer完成750万美元种子轮融资：让求职者成为招聘服务的付费客户
HRTech概述：美国AI招聘初创公司Refer近日完成750万美元种子轮融资。本轮融资由Canary领投，Goodwater Capital、Salt VC、Norte Ventures和Valutia参与。加上此前获得的250万美元融资，Refer累计融资额已达到1000万美元。公司计划利用新资金扩大平台上的科技人才和雇主网络，并继续完善其AI职业代理Lia。
与绝大多数由企业支付招聘佣金的平台不同，Refer采用了一种颇具争议的“反向招聘”模式：平台声称代表求职者而非雇主工作，企业可以免费接收人才推荐，而候选人只有在成功获得工作后，才需要支付第一个月工资20%的一次性成功服务费。
Refer完成750万美元种子轮融资，累计融资达到1000万美元
Refer本轮750万美元融资属于种子轮，由巴西早期风险投资机构Canary领投。Canary披露的投资信息显示，参与本轮融资的机构还包括Goodwater Capital、Salt VC、Norte Ventures和Valutia。
本轮融资完成后，Refer累计融资额达到1000万美元，其中包括此前完成的250万美元融资。新资金将主要用于扩大平台候选人规模、增加合作雇主数量，并进一步强化AI驱动的职位匹配和招聘引荐能力。
Refer创始人为Andre Hamra。根据公开报道，Hamra来自Brazil，青少年时期便开始帮助身边的人寻找工作。后来，他进入Stanford商学院学习，并在Palo Alto通过张贴带有二维码的传单测试最初的业务模式：帮助求职者寻找工作，只有在成功入职后才收取费用。
Refer于2024年年中正式启动，最初主要服务Stanford University等高校背景的软件工程师，随后逐步开放至更广泛的美国科技行业人才市场。
关于公司所在地，不同报道的表述略有区别。Business Insider将Refer称为San Francisco-based startup，而Staffing Industry Analysts此前将其描述为Palo Alto-based company。考虑到其创业测试最初发生在Palo Alto，而公开报道又将其归入San Francisco创业生态，更严谨的表述是：Refer是一家起步于Palo Alto、面向美国科技人才市场的加州AI招聘初创公司。
AI职业代理Lia代表候选人寻找工作机会
Refer的核心产品是一名名为Lia的AI职业代理。与主要帮助企业筛选简历、安排面试或评估候选人的传统AI招聘工具不同，Lia的产品定位是代表求职者寻找职位。
候选人在使用Refer时，需要向Lia提供个人工作经历、专业能力、兴趣方向、期望薪资、理想工作地点、签证需求、目标企业规模以及下一阶段职业目标等信息。
Lia随后根据候选人的背景和偏好，从Refer合作企业及开放职位中寻找匹配机会。只有当候选人和雇主双方都对匹配结果表示兴趣后，Lia才会通过电子邮件完成双方介绍。
这意味着Refer并不是一个帮助候选人批量提交申请的自动投递工具，而是一个以双向意向确认和定向引荐为核心的招聘匹配平台。
Refer官网将这一定位概括为“Built for candidates. Free for companies”，并强调Refer直接为候选人工作。官网目前使用“Meet Lia, your AI career agent”作为核心产品描述。
从招聘流程来看，Refer试图解决的是科技人才市场中日益突出的“申请黑洞”问题。在大量候选人借助AI批量生成简历和申请材料后，企业收到的申请数量显著增加，但候选人获得真实反馈和决策者关注的难度并未下降。
Refer希望通过已建立联系的雇主网络，将经过匹配的候选人直接介绍给招聘负责人、创始人或用人经理，使求职者不再完全依赖公开职位页面和传统在线申请流程。
候选人成功入职后支付首月工资的20%
Refer最受关注的并不是AI匹配技术，而是其收费模式。
在传统猎头和招聘代理模式中，企业通常是付费客户。招聘机构帮助企业寻找候选人，并在成功招聘后按照候选人第一年薪资的一定比例向企业收取佣金。
Refer则将这一关系倒置。平台允许企业免费使用服务，而候选人在通过Refer成功获得工作后，需支付第一个月工资20%的一次性成功费。候选人没有注册费、订阅费或前期费用，只有产生成功录用结果后才需要支付。
例如，一名候选人的年薪为12万美元，对应月薪约1万美元。按照Refer的收费规则，成功服务费约为2000美元，相当于候选人年薪的约1.67%。
需要特别说明的是，部分较早报道曾将收费方式描述为“20% of the first paycheck”，可能被理解为首张工资支票的20%。Business Insider的详细报道则明确写明，收费基数为“20% of the first month’s salary”，因此更准确的中文表述应为“第一个月工资的20%”。
Refer认为，这一收费模式能够改变招聘服务中的利益关系。
Andre Hamra表示，Refer向候选人收费，是因为候选人才是公司的客户，也是平台真正希望帮助的人。在传统招聘模式下，雇主支付费用，招聘人员的目标通常是尽快完成职位填补；而在Refer模式中，候选人支付成功费，平台理论上应优先考虑候选人的职业目标和长期匹配度。
这也是Refer将自己定义为“reverse recruiter”，即反向招聘服务的原因。
企业免费使用，但也可以购买优先招聘服务
Refer面向企业的基础服务是免费的。雇主可以在平台上提供开放职位，并接收Lia匹配和推荐的候选人。
不过，根据Staffing Industry Analysts的报道，Refer也向企业提供priority tier，即优先服务层级。如果企业通过该付费层级成功招聘员工，需要向Refer支付该员工第一年薪资的20%。
这一企业收费标准与传统科技猎头公司的成功佣金水平相近。
不过，目前公开报道并未明确说明：当一家企业选择付费priority tier后，通过该职位入职的候选人是否仍需支付首月工资20%的成功费。
如果企业和候选人在同一笔招聘中同时付费，Refer就需要进一步解释双方分别购买了什么服务，以及平台在出现利益冲突时究竟代表哪一方。相关双边收费机制、费用披露方式及适用条件，原文未说明。
已覆盖约2000家企业和7000个开放职位
截至2026年7月中旬，Refer已建立起一定规模的招聘市场网络。
Business Insider报道显示，Refer平台当时覆盖约2000家企业和约7000个开放职位，已经促成超过5000场面试。随后，Staffing Industry Analysts在2026年7月21日的报道中进一步称，Refer已安排接近6000场面试，涉及超过2000家公司。
两组数据的差异可能来自报道时间和统计口径。更稳妥的表述是：Refer截至2026年7月已促成超过5000场、接近6000场面试，连接约2000家企业，并拥有约7000个开放职位。
根据Business Insider披露的产品规则，候选人每天最多可以申请5次企业介绍。Lia完成引荐后，企业通常需要在3个工作日内进行回复。
Refer还表示，在获得Lia介绍的用户中，超过一半会在24小时内获得面试机会。这里的统计口径是“获得平台介绍后的用户”，而不是所有完成注册或建立个人资料的用户。
平台目前尚未公开披露实际成功录用人数、面试转化率、候选人平均年薪、成功费收入、客户留存率，以及通过Refer入职后的员工平均任职时间。
因此，现阶段近6000场面试可以说明Refer具备一定的匹配和引荐能力，但尚不足以完整判断其最终招聘成功率和商业模式效率。
真实案例显示，Refer主要解决“被看见”的问题
Business Insider报道中提到了多名Refer用户和企业客户。
University of Illinois计算机科学毕业生Hansheng Liu首次使用Refer时，因为简历和项目经验不足，并未获得理想结果。此后，他用一个冬季完善个人网站和后端服务器项目，再次回到Refer。
Liu随后向约6家公司请求引荐，获得了4场面试，并最终加入一家Bay Area公司。他认为支付Refer的成功费是值得的，因为平台确实帮助他获得了工作机会。
这一案例也说明，Refer并不能替代候选人的专业能力、项目经验和个人竞争力。Lia能够提高候选人被招聘决策者看到的机会，但并不能把不符合岗位要求的候选人自动转化为合格人才。
另一位用户、后来创办GreenLight的Arjun Bakhale，也曾通过Refer被直接介绍给一家初创公司的CEO，并获得实习机会。他认为，相比普通在线申请，这种定向介绍最大的价值在于，候选人至少可以确认自己的信息真正到达了企业负责人，而不是进入没有反馈的申请系统。
AI非营利组织软件公司Golden的创始人兼CEO Sam Fankuchen表示，公司已经通过Refer招聘了多名员工，并计划继续使用。他认为，主动选择Refer并愿意支付成功费的候选人，通常对自己的职业选择更为认真。
不过，这一观点来自单一雇主案例。目前没有公开数据可以证明，通过Refer招聘的员工在留任率、绩效或文化匹配方面一定优于其他招聘渠道。
候选人付费模式面临公平招聘与监管争议
Refer的商业模式也涉及招聘行业长期存在的监管与伦理问题。
国际劳工组织的《Private Employment Agencies Convention, 1997（No. 181）》原则上要求，私营职业介绍机构不得直接或间接向劳动者收取全部或部分服务费用，但主管机关可以在特定情况下，对特定类别劳动者或服务作出例外安排。
美国没有批准该公约，因此该公约并不直接等同于美国国内法律。但候选人收费是否合法，仍可能受到不同州的employment agency法规、消费者保护规则、合同条款和费用披露要求影响。
World Employment Confederation的行业行为准则也反对招聘机构向求职者和劳动者收取就业服务费用。
Andre Hamra则认为，Refer与传统受到限制的候选人收费模式不同。他表示，Refer没有前期费用和押金，也不是长期从候选人的收入中持续抽取比例，而是在成功入职后收取一次性费用。
他同时强调，Refer的收费并不是income-share agreement，因为费用虽然随工资水平变化，但只发生一次。
不过，从监管角度看，一项收费被定义为“一次性成功费”，并不必然使其脱离就业代理或职业介绍服务的监管范围。最终判断仍将取决于Refer在不同州提供的具体服务、合同结构、收费触发条件和当地法律定义。
HRTech观点：AI招聘开始从企业工具转向个人代理
过去几年，AI招聘创业公司的主要客户几乎都是企业。产品通常围绕职位描述生成、人才搜寻、简历筛选、面试安排、候选人评估和招聘流程自动化展开。
Refer代表了另一种正在形成的产品方向：AI不再只帮助企业筛选人，而是开始代表个人寻找职业机会。
这一变化与AI Agent的发展密切相关。传统求职平台主要提供职位信息和申请入口，候选人仍需亲自搜索、筛选和投递。AI职业代理则试图持续理解候选人的目标，主动寻找合适职位，并代表候选人与企业建立联系。
从这个角度看，Refer的真正创新并不是让AI推荐职位，而是试图建立一个“个人委托AI代理求职”的商业关系。
但是，这一模式能否成立，最终取决于三个问题。
第一，Refer能否持续提供普通求职网站和社交网络无法提供的高质量直接引荐。如果候选人通过LinkedIn、Indeed或个人关系同样能够接触这些职位，首月工资20%的费用将很难长期成立。
第二，平台能否证明其推荐真正改善了候选人的职业结果。面试数量只是中间指标，未来更关键的数据应包括录用率、薪资提升、职位匹配度、试用期通过率和长期留任率。
第三，Refer能否解决收费透明和合规问题。尤其是在平台同时向企业提供付费优先服务的情况下，它需要清楚说明自己究竟代表候选人、企业，还是同时服务双方。
对HR科技市场而言，Refer完成750万美元种子轮融资说明，投资者正在关注AI职业代理和候选人侧商业模式。但它也提出了一个更具争议的问题：当AI可以代表个人寻找工作时，求职者是否愿意像支付律师费、经纪费或职业顾问费一样，为招聘引荐和最终结果直接付费？
Refer目前已经证明，部分科技人才愿意接受这一交易。但它是否能够从一个服务高薪科技人才的垂直平台，扩展为一个可持续的大众招聘模式，仍需观察。
正在探索AI招聘、人才吸引和候选人体验创新的企业，可以关注HRTech目前正在进行的2026候选人体验大奖CandE® Awards和2026 HRTech创新奖INNO Awards。前者聚焦AI招聘时代企业吸引和对待候选人的关键能力，后者关注可落地、高价值、前瞻性的HR科技创新。
同时，9月17日在深圳举行的“What's Next”2026人力资源科技年度论坛，将重点关注AI、数字化、人才与组织创新。HR AI Forward目前也开放了面向HR职能的AI能力成熟度评测。相关活动、评选、报告与测评入口，可通过HRTech近期活动与资源页面统一查看。
——————————————————
公司名称：Refer
核心产品：Lia
创始人：Andre Hamra
融资轮次：Seed
本轮融资金额：750万美元
累计融资金额：1000万美元
领投机构：Canary
参投机构：Goodwater Capital、Salt VC、Norte Ventures、Valutia
候选人收费：成功入职后支付第一个月工资的20%
企业基础服务：免费
企业优先服务：成功招聘后支付员工第一年薪资的20%
平台数据：约2000家企业、约7000个开放职位、超过5000场并接近6000场面试
公司网站：https://tryrefer.com/
成立时间：2024年年中
总部或主要运营地区：San Francisco / Palo Alto
-
新创
Amazon发布AI招聘系统Amazon Connect Talent，招聘流程进入“智能体执行”阶段
HRTech概述：Amazon也对外发布了AI招聘产品Amazon Connect Talent，招聘流程正在被彻底重构。这一产品基于agentic AI，可自动完成语音面试、候选人评估和评分，并生成完整面试记录与分析报告。候选人可通过任意设备24小时参与面试，招聘效率大幅提升。Amazon强调其产品基于多年“招聘科学”，具备成熟的数据模型。有意思，基于多年对大型公司对小产品的观察，不会长久。
Amazon刚宣布推出其AI招聘产品Amazon Connect Talent，标志着“agentic AI”（智能体AI）开始进入企业招聘流程的核心执行层。该产品目前处于预览阶段（preview），但其所代表的技术路径已引发行业高度关注。
Amazon Connect Talent的核心能力在于通过AI智能体自动完成招聘流程中的关键环节，包括语音面试、候选人评估以及评分与报告生成。候选人可以通过任意设备，在全天候（24/7）的环境下完成面试流程；而招聘人员则可以直接查看由AI生成的面试记录、评分结果及结构化评估报告，从而将工作重心从“执行”转向“决策”。
Amazon表示，该系统基于其多年来积累的“招聘科学”（hiring science）构建，具备成熟的数据模型与评估逻辑。与传统招聘工具相比，Amazon Connect Talent并非单点功能升级，而是整合了从面试设计、执行到评估输出的完整流程能力，更接近一个“招聘流程操作系统”。
行业分析人士认为，这一产品的推出具有明确的结构性意义。John Nurthen（Staffing Industry Analysts全球研究执行总监）指出，AI智能体正在逐步承担招聘流程中的多个离散任务，包括候选人筛选、沟通、评估与匹配。随着大型科技公司入局，这一类能力将迅速从“创新尝试”转向“企业标配”。
从更宏观的角度来看，Amazon Connect Talent的发布反映出招聘模式的深层变化。过去，AI主要作为辅助工具嵌入现有流程，而现在，AI开始直接执行流程本身，人类招聘者转而承担监督与决策角色。这一转变意味着招聘流程正在从“人驱动”走向“系统驱动”。
在落地层面，该产品预计将首先在高频、大规模招聘场景中获得应用，例如零售、物流及基层岗位招聘，这些领域对效率与规模高度敏感。而在高端岗位或复杂岗位招聘中，企业仍需在候选人体验、评估透明度及合规性等方面进行更为谨慎的权衡。
整体来看，Amazon此次发布不仅是一项产品更新，更是对招聘行业运行逻辑的一次重构尝试。随着AI智能体逐步进入企业核心流程，招聘这一传统以人为主导的职能，正在转变为由系统驱动、以数据为基础的新型运作模式。
-
新创
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。
-
新创
【旧金山】AI劳动力管理平台 Reload 完成 227.5 万美元种子轮融资，发布共享记忆架构产品 Epic
HRTech概述：旧金山的新创HR科技公司Reload 宣布完成 227.5 万美元种子轮融资，由 Anthemis 领投。公司推出首款产品 Epic，主打为AI代理提供共享架构记忆层。当前企业在使用 coding agents 时面临长期上下文缺失问题，Reload 通过定义产品需求、数据模型与系统结构，并持续维护决策记录，构建 AI 员工的管理系统。其目标是成为 AI workforce 的“System of Record”。
2026年2月19日，AI 劳动力管理平台 Reload 宣布完成 227.5 万美元种子轮融资。本轮由 Anthemis 领投，Zeal Capital Partners、Plug and Play、Cohen Circle、Blueprint 与 Axiom 参投。与此同时，公司正式发布首款AI产品 Epic，标志着其从平台构建阶段进入产品落地阶段。
Reload 由连续创业者 Newton Asare（CEO）与 Kiran Das（CTO）创立。这是两人在此前公司成功退出后的第二次创业合作。创始团队观察到，随着生成式AI与自动化工具快速演进，企业内部的 AI agents 正在从辅助工具转变为“数字员工”，在编码、调试、重构等复杂任务中承担越来越多的执行工作。但当前企业缺乏系统化的管理架构来协调这些AI代理的协作与治理。
构建 AI 员工的管理基础设施
Reload 的核心定位是 AI Workforce Management Platform，即面向“AI员工”的管理系统。不同于直接构建新的模型或单一功能代理，Reload 的平台聚焦于企业级管理层面，提供统一接入、权限控制与任务可视化能力，使企业能够在跨团队、跨部门环境下集中管理不同来源的 AI agents。
企业可以在 Reload 平台上接入内部开发或第三方构建的代理，为其分配角色与权限，并实时追踪其执行任务的过程与结果。平台通过集中化管理与记录机制，形成针对AI员工的“System of Record”，为企业提供可见性、协调能力与审计支持。这一设计本质上是为数字劳动力建立一套结构化的管理框架。
行业痛点：AI 代理缺乏长期系统记忆
当前企业在使用 AI coding agents 时普遍面临一个问题：代理通常仅围绕当前提示进行执行，缺乏对产品整体背景与历史决策的长期理解。随着项目演进或代理切换，系统容易失去上下文，甚至偏离原始设计目标。
在多名工程师使用不同AI工具协作的情况下，项目层面的架构一致性与知识连续性往往难以维持。这种“短期记忆模式”成为AI规模化应用中的核心瓶颈。
Epic：共享架构记忆层的技术设计
为解决上述问题，Reload 推出了 Epic。该产品建立在 Reload 平台之上，被定位为“架构级共享记忆层”。Epic 不替代现有 coding agents，而是为其提供统一的结构与长期上下文支持。
在项目启动阶段，Epic 可自动生成并维护关键系统资产，包括产品需求文档、数据模型、API规范、技术栈决策、架构图与结构化任务拆解。这些基础资产成为后续所有AI代理执行工作的统一参照。
在开发推进过程中，Epic 持续记录架构决策、代码变更路径与设计模式演进，形成结构化的长期记忆体系。当团队更换 coding agent，或多名工程师同时使用不同代理时，所有参与者仍基于同一共享知识源进行构建，避免信息碎片化。
在技术实现层面，Epic 可作为扩展插件嵌入 AI 辅助代码编辑器，如 Cursor 与 Windsurf，直接运行于开发环境之中。这种嵌入式部署方式使其成为开发流程的一部分，而非独立的外部管理系统。
竞争格局与差异化定位
在AI基础设施领域，Reload 面临 LongChain 与 CrewAI 等竞争者。LongChain 侧重于AI代理部署与记忆管理，CrewAI 聚焦企业级代理编排。相比之下，Reload 更强调项目级架构定义与长期共享系统理解，其核心目标是为AI员工建立治理与管理层级，而非单纯提升单个代理的执行效率。
公司认为，传统企业管理系统并未为“作为团队成员运行的AI代理”设计，而Reload 正在构建这一缺失的基础设施层。
融资用途与未来发展
本轮 227.5 万美元融资将主要用于团队扩张与产品能力提升，尤其是强化底层基础设施，以支持日益增长的AI代理数量与复杂度。随着企业内部AI代理规模不断扩大，如何实现结构化管理、权限控制与长期知识保持，将成为新的企业软件核心问题。
Reload 所构建的，并非单一功能产品，而是一套面向数字劳动力时代的管理操作系统。随着AI从辅助工具向协作主体演进，围绕“AI员工”的治理、协调与共享记忆体系，或将成为下一代企业软件的重要基础层。
-
新创
大咖观点：生成式AI将全面普及，HRTech的未来在哪里？
HRTech概述：Josh Bersin最新推文谈到，生成式AI全面进入主流！46%的企业领导每天使用AI，80%每周使用，74%报告正向回报，AI投资普遍超千万美元。当前主要用于会议总结、数据分析与文档撰写，但AI正在从“个人助理”升级为“多功能智能体”。IBM Ask HR 与 Galileo 等系统正在成为企业的数字伙伴。未来，AI Agent 将具备记忆与个性，并通过数据治理实现跨系统协作。AI不会取代工作，而是让HR成为“超级工作者”。企业的竞争，将取决于谁能率先完成AI系统化转型。推荐阅读了解，视频解读可以访问视频号：HRTech
这里有一份JoshBersin发布的报告《充分发挥 AI 影响力，拥抱超级员工时代》，点击下载
Josh Bersin刚刚完成了一次横跨欧洲、亚洲和中东、累计近六万英里的行程，拜访了数百家公司，讨论他们的AI战略。虽然每家公司的成熟度各不相同，但有一点非常明确：AI作为商业工具已经到来——它是真实存在的，其使用场景正在迅速增长。
宾夕法尼亚大学沃顿商学院（Wharton）的最新调查显示，46%的商业领袖每天使用生成式AI（Gen AI），80%每周至少使用一次。在这些用户中，72%正在衡量投资回报率（ROI），74%表示结果是正向的。顺带一提，HR部门在使用率上排名第三，仅次于IT和财务部门。
预算投入也在大幅上升：23%的大型公司每年在AI上的支出超过2000万美元，43%超过1000万美元。
企业从AI中获得了什么？答案是：生产力。目前最主要的应用是我称之为“第一阶段”的使用方式——个人生产力提升。AI帮助员工总结会议、分析数据、查找信息、撰写或分析文档。这些个人层面的应用确实带来了实在的效率提升，但这仅仅是开始。
生成式AI或将成为“新一代微软Office”
不得不说，这种使用方式与文字处理、电子表格和互联网搜索早期的发展非常相似——它们都是“个人生产力”的革命。微软对此早已深谋远虑，MS Copilot正在逐渐成为“新一代Office套件”。
当然，AI能做的远不止这些。目前约有12%的公司部署了企业级AI代理（Corporate Agent），例如IBM的“Ask HR”。这类“知识与信息管理”聊天机器人正迅速普及，它们可以取代复杂的门户网站和SharePoint页面，也可用于客户支持。未来，每家公司都会拥有自己的AI代理。
举个例子：我们的一位客户——一家大型医疗保健公司——已经运行员工聊天机器人（Agent）四年之久。它的成功使得公司所有的HR应用都逐步整合在其后端。员工通过该Agent就能获得关于薪资、福利、工作排班甚至培训的帮助。
AI在招聘领域的应用也已被证明行之有效：候选人可以与智能代理聊天、完成AI评估，甚至接受AI虚拟面试——这一切可在深夜进行，无需安排与招聘经理的通话。
虽然高ROI的多功能Agent（Stage 3）尚未全面落地，但各企业已开始部署AI教练和AI学习工具。许多大型客户已上线AI原生学习系统，实现了30%–40%的人员优化，同时显著提升了学习与赋能效率。
跨越卢比孔河：我们越过了什么界限？
“跨越卢比孔河”（Crossing the Rubicon）意味着“无法回头的临界点”。现在，我们正处在这样的时刻。
尽管外界仍有各种危言耸听的报道——称AI将毁掉工作与生活——生成式AI其实是一种有用、务实、且易于理解的工具。它并不完美（我在播客中讨论过ChatGPT的高错误率），但一旦你掌握了使用方法，并建立可靠的数据集，AI的表现相当令人满意。
两年前，《纽约时报》还在刊登那些关于AI恋人或“AI伴侣”的怪异故事。如今这些报道早已消失，取而代之的是超过1万亿美元的基础设施、工程与能源投资——让AI真正变得安全且可用。
当然，这并不意味着AI百分之百安全。如果使用不当，你仍可能得到错误结论、糟糕报告或虚假结果。但我们正在学习如何“验证AI”的输出，对其“概率性特征”也更加适应。
新的挑战也随之出现——AI的能耗与资源消耗。例如，阿联酋的一位领导者告诉我，每一次ChatGPT查询平均会消耗4升水，这已成为亟待解决的新问题。
接下来会怎样？
我们才刚刚开始，AI的演进远未结束。
第一阶段：从单用户到多功能使用场景
AI的最大ROI将来自我称之为“多功能智能体”（Multi-Functional Agent）的形态。当前的AI工具，就像汽车中的“助力方向盘”——虽然能帮助转动方向，但我们真正想要的是“AI直接带我们到达目的地”，而非仅帮忙转向。
这种转变正在招聘和培训领域率先出现。如今的AI代理能自动撰写职位需求、与候选人沟通、安排面试并筛选简历，接下来还会连接入职与绩效评估。这种“招聘-职业一体化智能体”正是多功能AI的雏形，我们也在为供应商与买方制定相关蓝图。
企业不希望拥有上百个“各自为政的Agent”，而是希望建立能贯穿端到端业务流程的“智能工作代理”。例如，“从设计到生产再到销售”或“从营销到签约、再到开票与支持”的全流程。当前的单一用例AI将逐步走向融合。
随着这些多功能Agent的出现（多数由IT团队自建，而非完全依赖供应商），企业岗位将被系统性重塑。不再需要“面试协调员”“客户预约助理”或“应收账款专员”——这些工作将被整合到AI工作流中。
在我们的Galileo实践中也能看到这一趋势：它从最初的HR助手，进化为能自动回答问题、生成课程、解决复杂薪酬或内部政策问题的系统。Galileo如今能“为你构建解决方案”，从“问题或想法”一步直达“验证过的解决方案”，就像一辆“自动驾驶汽车”。
智能体将拥有记忆与个性
第二个重大变化是：AI智能体开始“了解你是谁”。例如，Galileo现在可以记住你的身份和过往行为。与其每次都从零开始，这些智能体会**“从你的使用中学习”，或“从业务本身学习”**，因此变得更具自主性、更个性化，也更有价值。
想象一下：你是一位经理，面临产能不足的问题。你问Galileo：“能帮我招聘一个新员工吗？”Galileo可能会回答：“在我帮您开启招聘申请之前，能否请您说明这个职位要做什么？”然后它可能继续问你部门的管理幅度（因为它掌握基准数据），并建议道：“以您预算的薪资水平，寻找内部候选人可能更合适。是否希望我帮您筛选具备相关技能的公司内部员工？”
一个月后，当你再次向Galileo求助时，它可能会说：“上次您新招的那位员工似乎上手速度较慢。我们是否该为团队制定一个新的培训计划，再考虑增员？”
看出差别了吗？当所有这些“助力方向盘式”的AI工具逐渐协同工作时，下一步就是让AI真正“接管整辆车的驾驶”——帮助企业整体运作，而非只处理单点事务。Bersin预测：这类系统将在2026年大量落地。
数据管理将成为企业的命脉
在与拥有AI经验的公司交流时，我们几乎发现了一个共同点：他们新培养的最关键能力，是数据管理、数据标注与数据治理。
我们在构建Galileo的过程中也得到了相同的教训：如果数据不准确、不及时、未正确标注，AI的输出就会失真。AI本身并不“理解”这些文字或数字的意义，它只是通过概率与向量计算来生成答案。因此，哪怕最微小的数据错误，都可能导致高比例的错误结论。（可参考我关于“45%的新闻查询结果有误”的播客内容。）
这也是为什么像IBM、沃尔玛、BMS这样的公司最终发现，“数据所有权”成为了关键战略资源。
例如，IBM在其“Ask HR”智能体中管理着超过6000条HR政策，并为每条政策指定负责人，负责更新与维护。现在，IBM正在构建新的智能体，用以扫描政策内容，监测全球数千个地区的法规变动，以提醒潜在风险。可以预见，所有公司都将踏上这一学习曲线。
智能体将与智能体对话
更令人兴奋的是：AI智能体之间的“互联互通”即将实现。我们称之为Agent-to-Agent（A2A）通信，或多代理通信协议（MCP）。虽然这些协议仍在早期阶段，但企业界已在积极探索。
不过我也要提醒一句：别急着采购五十个不同的AI代理。如果这些代理不能互相协作，它们的实际价值会大打折扣。许多客户现在签合同时只签一年，就是为了避免“被锁死在某个快速过时的AI系统中”。
供应商风险与市场格局
AI前路依然存在风险。我们仍不确定OpenAI是否能“自我整顿”，微软的Copilot目前分散在多个方向，而谷歌（Gemini）与Anthropic还需面对来自Grok、DeepSeek等新竞争者。如果股市出现剧烈调整，AI行业也很可能迎来一轮整合。
我认为，那些专注于高质量、务实商业应用的产品才最值得购买。例如Galileo、Paradox、Eightfold、Sana、Arist等，这些HR领域的AI产品都已具备成熟的落地能力。
此外，各大HCM厂商——SAP、Workday、ADP、HiBob、ServiceNow——也正在将AI智能体嵌入薪酬与流程引擎中，力图成为企业的端到端多功能智能体供应商。SAP收购SmartRecruiters、Workday收购HiredScore、Paradox与Sana的整合，正是这一趋势的体现。HR团队必须密切跟进这些生态变化。
其他担忧：工作流失与员工“被弱化”？
在我这次旅途中，听到了很多类似的担忧：HR人员害怕被取代；招聘人员不确定候选人是否“真人”；有人问我：“我们是不是都要变得更笨？”
我的回答是——如果你不主动拥抱这场革命，它也会在没有你的情况下开始。这是一个商业史上难得的转型时期，我们有机会彻底重塑自己的工作方式。现在不是退缩的时刻，而是亲手掌握AI工具、亲身实践的时刻。只要你开始使用这些工具，或者让我们带你体验Galileo，你就会发现新的职业机会——你的熟练度与经验将成为你在AI时代的竞争优势。
至于AI是否会取代人类的工作？我建议别听技术圈那些危言耸听的人。这根本不可能。
即便有一天我们真的拥有“自动驾驶汽车”，我们回头也可能会说：“其实开车也没多有趣嘛。”那时候我们会把注意力放到生活的其他部分，用新的方式创造价值。
而AI技术仍然如此新、如此不完美、变化如此迅速，反而创造了无数新的岗位与角色——超级员工（Superworkers）、顾问、创新者——去挖掘新的应用场景。
我记得1981年电子表格刚推出时，大家都以为会计师要失业了。结果呢？如今会计师比过去更多，只是他们不再浪费时间手算列数。
对于设计师、创作者、作家或分析师而言，AI就像你身边的一台个人超级计算机。正如木匠使用电动锯与自动雕刻机一样，你依然能创造出精美、复杂的作品——只要学会使用这些新工具。
欢迎来到新的世界
现在迷雾已散，AI将长期存在。让我们一起走上“超级工作者”的道路，帮助组织学习、应用并充分利用这项惊人的新技术。接下来的方向，就掌握在我们手中。
附录：这里有一份JoshBersin发布的报告《充分发挥 AI 影响力，拥抱超级员工时代》，点击下载
附录思维导图：
-
新创
从岗位到技能：全球HR战略的范式转移
“以技能为核心（Skills-first HR）”在人力资源战略中的重要性。面对全球经济波动与技能短缺，传统基于岗位的HR模式已难以支撑企业敏捷转型。Skills-first HR以“技能”为组织设计和人才配置的核心，通过数据与AI技术实现员工技能与业务需求的动态匹配，促进内部流动、降低招聘成本，并增强组织的战略韧性。
视频解读请访问视频号：HRTech
在全球经济充满不确定性、组织转型节奏不断加快的当下，企业在“人才战略”上的核心逻辑正在经历深刻变革。过去以“岗位”为基础的管理体系，正在被一种更具前瞻性的模式取代——“以技能为核心（Skills-first HR）”。这一理念不仅是人力资源职能的创新，更是企业竞争力与战略韧性的重要基石。
一、技能短缺成为企业生存的战略焦虑PWC 2024 年全球CEO调研显示，45%的首席执行官认为，如果维持现有运作模式，他们的企业在十年内将难以为继。主要原因之一，正是组织缺乏适应未来变革所需的关键技能。劳动力市场数据亦显示，美国、欧盟及英国的劳动生产率增长自疫情后明显放缓，而技能缺口被视为拖慢增长的核心因素。在这种背景下，企业亟需一种能够快速识别、调配和培养技能的机制，使人力资源成为战略执行的关键引擎。这正是“Skills-first HR”概念的由来。
二、Skills-first HR的核心逻辑Skills-first HR的理念是：不再将岗位视为人力资源管理的基本单位，而是以“技能”作为组织设计与人才配置的核心要素。这种转变有三大特征：
以技能而非职位驱动：通过识别员工可迁移的技能，快速匹配组织内部机会，打破岗位边界；
以数据和技术为支撑：借助AI与数据分析，实时描绘技能地图，预测未来需求；
以内部流动和持续成长为目标：让员工在组织内部找到成长路径，减少外部招聘依赖。
这种模式下，内部员工的再部署更高效、更具成本优势，同时组织的敏捷度显著提升。
三、构建Skills-first HR的四大支柱作者提出，企业要实现从“岗位导向”到“技能导向”的转型，需要构建四个关键基础：
技能分类体系（Skills Taxonomy）：建立组织统一的技能语言与评估标准。无论是新加坡的沟通能力还是美国的项目管理，都需在同一框架下可比、可验证。然而，这一体系的建立往往伴随权力结构的博弈——总部主导与地区自治的冲突，技术团队与HR专业判断的差异，都可能成为阻力。成功企业往往将其上升为“业务战略项目”，而非HR内部工程。
技能盘点与验证（Skills Audit）：通过员工自评、管理者反馈及AI数据推断等多渠道，形成“技能护照（Skills Passport）”。组织可据此生成技能热力图，识别短板与潜力区域，为战略规划提供依据。关键在于——“先行动，再完善”，而非追求完美数据。
需求建模（Demand Modelling）：仅了解现有技能远远不够，企业还需预测未来需求。作者引用的案例中，一家保险公司通过外部专家与AI模型发现，未来10年内15%的岗位将被技术替代，50%的岗位将被重塑。这类预测帮助企业提前布局人才发展与学习战略。
减少结构性障碍（Structural Barriers）：传统层级式的岗位体系已不适应敏捷用工。Mastercard通过将3.3万名员工分入11个“行会（Guilds）”，每个行会设有学习学院，员工可跨部门、跨地区流动。这种灵活架构被视为未来组织的雏形。
四、变革落地的关键：从HR项目到业务战略转向Skills-first HR并非一蹴而就。研究指出，成功转型的企业普遍遵循三大原则：
分阶段推进：以小范围试点为先，积累组织经验；
业务牵引：由CEO与高层主导，明确其对战略目标的支撑；
跨部门协作：如保险公司建立“HR数据作战室”，由精算与HR团队共同分析技能数据。
同时，HR职能本身也需重塑：
HR需掌握数据分析能力，从“经验判断”转向“数据洞察”；
从被动响应转为战略前置，基于业务规划主动塑造未来能力；
打破传统“招聘、培训、薪酬”孤岛，重构以技能价值链为导向的HR组织架构。
五、从“职位管理者”到“能力战略家”Skills-first HR不是HR的技术革命，而是一场思维范式的转变。当企业真正以技能为中心运营，员工不再只是被动的“岗位占有者”，而是可流动、可成长的“能力载体”；而HR，也从后台支持者，转变为推动组织战略实现的“能力架构师”。
未来，谁能先掌握“技能语言”，谁就能在人才竞争中赢得先机。
来源：Collings, D. G. & McMackin, J. (2025). Skills-first HR: a key enabler of future global strategy. Organizational Dynamics, 54(1), 101140. Elsevier Inc.
-
新创
重磅：Facebook 下场“本地招聘（Local Jobs）”：重返社区级就业入口，抢夺蓝领市场
HRTech概述：Facebook近日正式推出其 “Local Jobs”（本地招聘）功能，旨在让社区内的求职者与小型企业更便捷地对接。Facebook 此次聚焦 “Local Hiring（本地招聘）”，而不是像 LinkedIn 那样面向白领和专业岗位。它更接近于 Indeed + Craigslist + 社区群组招聘 的结合体，目标是让“附近求职”更直接。更是使用AI精准推荐算法，覆盖的岗位主要是 服务业、技工、入门级、小时工，给蓝领本地化招聘投下重磅炸弹！更多全球HR科技最新资讯，请关注 #HRTechChina。
Facebook 宣布在美国重新上线“Local Jobs（本地招聘）”，把职位入口嵌入 Marketplace（市场）、群组与主页页面，重点服务入门级、技工与服务业等本地化岗位场景。求职者（18岁及以上）可在 Marketplace 的“Jobs”标签浏览并筛选附近职位，企业与个体商家可通过 Marketplace、主页或 Meta Business Suite 快速发布招聘信息，并以 Messenger 与候选人直接沟通。此举意味着 Meta 再次将“社交流量—职位分发—即时沟通”打通为招聘闭环。
Marketplace 的核心作用：社区信任与本地流量的双重引擎
值得注意的是，Facebook 选择 Marketplace 作为主要招聘入口并非偶然。Marketplace 是 Facebook 在美国最成功的社区功能之一，自 2016 年推出以来，已成为覆盖全国的二手商品交易与本地生活市场。用户习惯在其中买卖家具、家电、车辆乃至房屋租赁信息，其流量与活跃度堪比 Craigslist 或 eBay Local。基于此生态，Facebook 将招聘功能融入 Marketplace，使用户在浏览二手商品或社区帖子时，自然发现附近的招聘信息，并通过 Messenger 直接沟通，从而将“社区交易信任机制”延伸至“社区招聘信任机制”。
这一设计让 Facebook 在“发现—沟通—行动”的路径上，比传统招聘平台更短、更即时，也更具“生活化”特征。对于本地服务业和中小商家而言，这意味着零门槛触达候选人的新通道。
为什么是现在：从“关闭—回归”，定位更聚焦
Facebook 最早在 2017 年推出招聘功能，随后在 2023 年收缩并下线。此次回归，产品定位更聚焦本地化与入门级，将职位分发到 Marketplace 与相关群组，强化社区内的自然触达，避免与以白领为主的专业平台正面对撞。新版功能当前仅在美国上线，并在内容政策上强调反歧视与敏感岗位禁发等合规要求。
产品要点与合规边界
入口与分发：Marketplace“Jobs”标签为主入口，职位也可出现在群组与主页信息流中，提升“被动发现”概率。
发布与沟通：雇主可从主页、Marketplace 或 Meta Business Suite 创建招聘，候选人以 Messenger 即时沟通，缩短招聘链路。
适用人群：面向 18 岁以上用户，集中覆盖服务业、技工与小时工岗位类型。
合规与安全：新版强调反歧视与岗位发布边界（如成人服务、药物、托育等类别被禁止），回应过往广告定向争议。
竞争格局：四类替代与互补者
社交平台型
Nextdoor：以邻里社交为核心的本地生态，天然承接家政、维修、零售等“街区级招聘”，与 Facebook Local Jobs 高度重叠。
X/TikTok 等：围绕企业主页或短视频简历的招聘实验仍在推进，更多偏品牌曝光而非系统化招聘。
综合招聘与聚合器
Indeed / ZipRecruiter：搜索与广告算法成熟，覆盖行业更广，但社交互动和“就近发现”体验不及 Facebook。
老牌平台在白领市场具优势，而 Facebook 凭借低门槛流量与即时沟通获得差异化突破。
蓝领与小时工平台
Snagajob：美国头部小时工招聘平台，提供班次管理、面试排程与考勤系统。
Jobcase：以社区为核心的工人网络，强调互助与信息交流，与 Facebook 的“社区招聘”概念高度契合。
AI 与区域新势力
Handshake（校园）、SEEK（澳洲）、**Workstream（连锁门店自动化）**等专注特定人群或地区，
ZipRecruiter AI 已引入算法匹配评分，而 Facebook 的独特优势在于：算法推荐 + 社交关系 + 本地信任生态。
市场概况与演进观察
需求端：美国本地服务业、零售、餐饮、物流、家庭服务等行业对灵活用工和小时工需求持续强劲。企业希望以低成本、即时响应的方式获取候选人。
供给端：年轻求职者与兼职人群更偏好在熟悉的社交平台上寻找工作机会，Facebook 借此降低传统“注册—投递”门槛。
市场潜力：蓝领与本地岗位市场在美国就业人口中占比超 50%，但数字化程度仍低于白领领域。
变量与风险：岗位质量审核、诈骗治理、隐私保护、反歧视合规将成为 Facebook 再次挑战的关键。
商业化前景：随着雇主端活跃度上升，职位“Boost”广告或将成为下一阶段增长点。
Facebook Local Jobs 的推出，是一次 从社交生态向社区就业生态的再延伸。
它依托 Marketplace 的信任基础和流量优势，为蓝领和中小企业提供更自然的招聘场景，同时为 Facebook 广告体系打开新的变现空间。从行业视角看，它可能成为传统招聘平台的有力补充，并推动“社交招聘本地化”成为下一波趋势。
扫一扫 加微信
hrtechchina
