资讯
员工AI素养：HR如何搭建岗位化人机协作能力体系
概述：随着生成式 AI 大规模进入职场，不少企业开放了 AI 工具权限，却忽略员工审慎使用 AI 的能力建设，导致 AI 落地效果不及预期。本文从 HRTech 行业视角，剖析通用 AI 培训的局限性，阐释 HR 应当如何搭建基于岗位角色的 AI 素养体系，围绕人机协同、风险管控、成果核验设计分层能力，建立以业务产出为核心的评估方式，为企业 AI 人才能力建设提供落地思路。
AI落地的核心矛盾：可接触不等于会审慎应用
当员工能够接触 AI 技术，却缺少审慎使用 AI 的能力时，企业 AI 落地大概率会走向失败。单纯开放工具访问权限本身无法创造业务价值。员工必须建立判断力：分清 AI 适用场景、识别 AI 能力边界，并明确哪些工作环节必须保留人工复核。人力资源总监可以围绕员工 AI 素养搭建能力框架，帮助员工做好人机协同准备。这套框架将 AI 培训与岗位业务场景、风险等级、业务目标深度绑定。AI 素养建设不能脱离真实工作，不同岗位使用 AI 的方式、风险点差异显著，必须贴合岗位现实需求。
AI素养上升为 HR 优先事项的底层原因
随着 AI 渗透各职能日常工作，HR 需要将员工 AI 素养列为重点工作。当前员工已经在用 AI 完成文稿撰写、学习培训、数据分析、客户支持、辅助业务决策等工作。这也重塑了 HR 的职能定位：HR 不再只是教授单一 AI 工具操作，而是引导员工审慎使用 AI、守住数据隐私、建立严谨的成果审核习惯。其必要性在于：AI 本身存在能力局限，不当使用会带来工作质量下滑、数据泄露风险，或是员工对 AI 输出结果过度自信等问题。一套完善的 AI 素养培养体系，既能增强员工使用 AI 的信心，也能避免员工把 AI 当作独立思考的替代品。
通用AI培训存在局限，岗位化培训才是出路
通用型 AI 培训可以普及基础认知，但很难真正改变员工工作行为。财务分析师、招聘专员、销售管理者、客户支持负责人，岗位所需 AI 能力完全不同。一旦培训落地到岗位场景，这种能力需求差异会进一步放大。通用 AI 培训的学习重点偏向广泛的 AI 基础认知，而基于角色的 AI 素养培训，聚焦岗位场景下 AI 实操应用。在技能深度层面，通用培训只做到基础提示词入门；角色化培训重点培养任务风险判断与成果核验能力。业务适配性上，通用培训给全员推送统一课程内容；角色化培训将技能和岗位工作流程对齐。风险控制方面，通用培训的数据安全指导较为笼统；角色化培训会配套匹配岗位的隐私管控规则。评估标准也存在本质区别：通用培训以课程完成率作为考核依据；角色化 AI 素养培训，则看业务工作成果改善情况。
借助角色映射，HR搭建岗位化 AI 能力体系
HR 可以借助角色映射的思路，从泛化培训转向实战能力建设，从岗位实际工作倒推 AI 能力需求。HR 可以定位各岗位在文稿撰写、调研、数据分析、业务决策中使用 AI 的具体节点，梳理输出交付客户或录入业务系统前，必须人工复核的任务清单；区分低风险提效类 AI 应用，以及强监管、直接影响客户权益的高风险工作；明确不同岗位需要掌握的能力：提示词编写、数据隐私判断、AI 输出校验；并在 AI 工具、业务流程迭代时，持续重新评估岗位培训需求。
管理者 AI 素养：学会监督人机协作，更新绩效视角
管理者自身也需要 AI 素养，团队 AI 使用规范、结果质量管控都由管理者负责。如果管理者能力不足，员工容易私下、不合规地使用 AI 工具。面向管理者的 AI 素养培训，核心聚焦人机协作监督能力：学会对 AI 辅助产出提出质疑、核验数据源质量、识别 AI 推理漏洞；能够判断 AI 使用的合规边界，明确业务责任归属。这会带来绩效评估逻辑的转变：管理者考核重点转向员工业务判断质量，而非员工使用 AI 工具的频次。
一线员工必备 AI 实操技能，保障安全人机协同
一线员工需要掌握可落地的实操能力，实现安全审慎使用 AI。优质培训方案聚焦任务落地、风险管控与审核习惯培养。提示词设计方面，员工要学会编写包含业务背景、约束条件、预期输出的指令，减少 AI 产出模糊、无效内容；隐私意识层面，团队需要清晰界定可输入 AI 工具的数据范围，制定客户、员工敏感数据的处理规范；在结果审核上，对外交付 AI 生成内容前，核验事实、信息来源与表述口吻，AI 输出必须经过人工判断；同时建立上报意识，识别高风险任务，知晓何时提交上级或专业人员复核，高风险场景执行更严格监督。
跳出课程完成率，以业务成果衡量 AI 落地成效
课程结业不等于员工具备 AI 实战能力。HR 需要建立指标，评估 AI 是否在可控风险下提升业务效率。AI 素养培养需要将培训成果和业务产出挂钩。例如客服团队追踪回复质量、错误率；市场团队监控内容审核耗时与合规问题；HR 团队跟踪招聘人员 AI 采纳度与候选人体验。核心评估目标是工作质量提升，而不是单纯的工具使用率。即便 AI 使用率很高，如果产出需要大量修正、引发信任危机，这种使用本身没有价值。
跟随 AI 工具迭代，建立动态持续学习路径
AI 产品迭代速度快，一次性静态课程会快速过时，学习路径需要常态化复盘优化。企业新增获批 AI 工具时，同步更新培训素材；收集员工实操问题、真实错误案例，补充到培训案例库；数据合规规则、工具权限调整时，同步更新隐私操作指南；面向管理者、业务分析师等高风险岗位，设计进阶学习路径；清理和现有业务流程脱节、不再适用的老旧培训内容。
岗位适配是 AI 素养落地的根本前提
AI 素养的价值，体现在员工真实工作场景的应用中。通识科普可以打开认知，但基于岗位角色的实操训练，才能真正改变员工行为。全员 AI 素养体系，帮助 HR 打通 AI 知识和业务场景的壁垒，让员工可以精准指令 AI、保护敏感数据、校验输出成果、及时上报风险；也让管理者拥有标准化方法，高效管理人机协作，减少主观猜测。核心启示十分清晰：企业 AI 落地不能依靠员工自发尝试。人力资源部门必须搭建基于岗位角色的 AI 素养体系。
HRTech视角
在 HRTech 行业视角下，企业 AI 转型的卡点从来不是采购 AI 工具，而是人的能力配套。很多企业投入 HRTech 与 AI 工具后效果不及预期，根源在于采用 “一刀切” 通识培训，忽略不同岗位人机协作的风险差异与业务场景。HR 团队需要从传统工具培训者，转变为企业人机协同治理的设计者，依托角色化 AI 素养体系，把 AI 能力、数据合规、成果校验嵌入业务流程，以业务产出而非课程完成率衡量 HRTech 项目价值。未来 HRTech 的落地成功与否，将越来越取决于 HR 能否把员工 AI 素养建设，贯穿到员工全生命周期能力管理之中。
资讯
全球HRTech行业观察报告发布，32页PDF下载：资本市场降温，AI商业化加速
HRTech近期活动推荐：
【提名】2026年员工体验大奖(EXAwards®）评选正式启动
2026年人力资源科技超级盛典11月19日在北京举办
HRTech核心解读：2026年10月，HRTech全球行业观察显示，全球HR上市公司市值TOP10合计约3,783亿美元，较上期下降8.0%；中国HR上市公司TOP10合计约721.97亿元人民币，下降10.7%。然而，一级市场呈现出不同景象。2026年9月，全球HR科技行业共记录14起融资事件，已披露融资金额超过10亿美元。员工健康福利、核心HR平台以及AI驱动的业务流程自动化等方向，继续吸引资本关注。
为什么上市公司市值回调，一级市场融资仍然活跃？AI商业化正在发生哪些变化？这些趋势又会如何影响企业HR技术采购与HR科技公司的经营决策？
全球HR科技TOP10市值缩水331亿美元，AI商业化却在加速：下一轮竞争看什么？
HRTech《2026年10月全球行业观察》正式发布，32页完整研究报告开放领取。
全球HR科技行业正在出现一个值得关注的反差：资本市场持续调整，但企业在AI产品和商业化上的探索并没有因此停下脚步。
根据HRTech最新发布的2026年10月全球HR上市公司市值TOP10榜单，截至10月2日收盘，全球TOP10企业合计市值约3,783亿美元，较上期减少331亿美元，降幅达到8.0%。中国HR上市公司TOP10合计市值约721.97亿元人民币，较上期下降10.7%。
然而，一级市场呈现出另一种景象。2026年9月，全球HR科技行业共记录14起融资事件，已披露融资总额超过10亿美元。员工健康福利、核心HR平台以及AI数字员工等方向，仍然吸引着大额资本投入。
为什么全球和中国HR上市公司的市值都在回调，AI相关产品与投资却仍在推进？资本市场到底在重新评估什么？
这是HRTech本期《全球行业观察》试图回答的核心问题。
AI商业化加速，但资本市场不再自动给予AI溢价
过去两年，全球HR科技企业围绕Copilot、AI Assistant、Agent和数字员工展开了密集的产品创新。但进入2026年下半年，一个明显的变化正在发生：企业是否拥有AI功能，已经不足以构成持续的竞争优势。
资本市场开始更加关注AI能否带来真实收入、提升生产率、改善利润率，以及客户是否愿意持续付费。
中国市场已经出现值得观察的商业化信号。云学堂披露，其AI相关产品月度经常性收入（MRR）达到440万元，较上年同期显著增长；猎聘AI产品综合现金回款实现接近100%的增长；北森则通过Mavens及AI HR专家，探索从传统HR SaaS向更加智能化的业务服务延伸。
这些案例并不意味着AI的商业价值已经得到全面验证，却表明行业正在从“发布AI功能”走向“形成AI收入与交付结果”。
AI商业化正在加速，但未来真正能够获得持续认可的，必须是那些能够证明客户价值和经营回报的企业。
资本仍在投入，但资金开始向少数方向集中
9月超过10亿美元的融资，并不意味着整个HR科技融资市场已经普遍回暖。
从HRTech跟踪的融资事件来看，资金呈现明显的头部集中现象。其中，Angle Health融资6亿美元，HiBob融资1.66亿美元，Thatch融资1.08亿美元。三家公司合计融资8.74亿美元，占本月已列示融资TOP10金额的约84.9%。
员工健康福利科技尤其值得关注。Angle Health、Thatch和Nara Health三家公司的已披露融资合计达到7.22亿美元，反映出资本正在关注医疗福利管理、个性化健康预算、后台运营和员工服务体验等领域。
与此同时，AI Agent正在进入更加具体的业务流程。Ema、50skills等企业所代表的方向，不再只是让AI回答问题，而是尝试让AI连接不同系统、执行工作任务、处理流程，并在重要节点接受人工审核。
这意味着，未来HR科技产品之间的竞争，可能不再仅仅围绕软件功能展开，而会进一步延伸至员工数据、工作流程、系统集成、业务执行和实际交付成果。
对CEO和CHRO而言，这些变化意味着什么？
对于HR科技公司CEO、创始人及人力资源服务机构管理者而言，市场变化提出了新的经营问题：AI投入能否形成独立收入？产品能否改善客户留存和交付效率？企业能否在资本环境变化的情况下建立更加可持续的商业模式？
对于企业CHRO、HRD及HR数字化负责人而言，重要的则是如何重新审视AI采购与技术选型。AI能否真正缩短业务流程？核心HR平台是否具备支持Agent的基础能力？供应商能否持续交付、保障数据安全，并在必要时提供迁移与退出方案？
当AI开始进入真实业务，技术采购就不再只是功能比较，而需要同时评估业务价值、组织适配和供应商韧性。
HRTech特别将本月的核心研究整理为一页C-Level行业判断，帮助企业管理者快速了解当前最值得关注的市场信号。
图：HRTech全球行业观察·2026年10月——面向CEO与CHRO的核心判断摘要
为什么值得下载这份32页完整报告？
全球TOP10、中国TOP10和全球HR科技投融资月报，实际上是观察同一行业的三个不同窗口。上市公司市值反映市场定价，融资数据反映资本关注方向，而企业的产品、财报与业务动态，则提供判断未来趋势的更多线索。
HRTech将这三方面研究整合为《2026年10月全球行业观察》，并不是简单地将已有文章汇总，而是进一步提炼五个值得持续关注的行业变化，分析它们如何影响企业HR管理、技术采购和HR科技机构经营。
报告不仅包括全球与中国上市公司TOP10榜单、9月融资动态和代表性企业分析，还提供面向管理者的90天行动参考及HR科技/AI供应商采购检查表，帮助读者将行业观察转化为实际工作中的判断依据。
无论你是关注AI落地的CHRO，正在寻找新增长机会的HR科技公司CEO，还是持续跟踪全球人力资源科技市场的投资人和行业研究者，这份报告都值得认真阅读。
HRTech全球行业观察，希望帮助每一位行业决策者，在纷繁的信息中找到真正重要的变化。
免费领取｜2026年10月HRTech全球行业观察
32页中文完整版 PDF
全球HR上市公司TOP10｜中国HR上市公司TOP10｜全球HR科技投融资月报｜五个关键变化｜高管决策参考
点击下方链接，可领取完整报告：
https://www.hrtechchina.com/Public/html/captitalwatch/10.html
HRTechChina将持续通过月度全球行业观察，跟踪全球人力资源科技市场的资本变化、企业动态、AI商业化与新兴技术趋势，为企业HR管理者和行业决策者提供专业、持续、可用于实际判断的研究参考。
HRTechChina — People First, Technology Second
关于HRTech
HRTech 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。（高清版本下载可以通过 mapofhrtech.com 获取 或者回复 云图 获取高清大图 或者点击这里https://www.mapofhrtech.com/Index/download/ ）
行业标杆评选，沉淀优秀实践案例
2026 HRTech创新奖（INNO Awards）火热申报中，专项发掘AI重构人力流程、优化人才体系、提升组织效能的优质落地案例。企业可主动申报，沉淀自身转型成果、对标行业顶尖实践，提升企业人力资源品牌影响力。
提名链接：http://hrnext.cn/Usmwh3
免费工具赋能，完善人才管理体系
免费下载2026版员工体验旅程图（EX Journey Map 2026），适配AI时代人机协同工作模式，优化员工全生命周期体验，破解人才留存、成长断层难题。
下载地址：exinstitute.org/download
想要紧跟AI人力变革趋势，一站式获取趋势洞察、能力诊断、实战方案与行业资源？
企业端咨询：小科微信 ：hrtech-china邮件地址：ex@hrtechchina.com 机构合作咨询：奈斯微信：HRTechNice邮件地址：nice@hrtechchina.com
资讯
全球HR科技TOP10市值缩水331亿美元，AI商业化却在加速：下一轮竞争看什么？
HRTech《2026年10月全球行业观察》正式发布，32页完整研究报告开放领取。
全球HR科技行业正在出现一个值得关注的反差：资本市场持续调整，但企业在AI产品和商业化上的探索并没有因此停下脚步。
根据HRTech最新发布的2026年10月全球HR上市公司市值TOP10榜单，截至10月2日收盘，全球TOP10企业合计市值约3,783亿美元，较上期减少331亿美元，降幅达到8.0%。中国HR上市公司TOP10合计市值约721.97亿元人民币，较上期下降10.7%。
然而，一级市场呈现出另一种景象。2026年9月，全球HR科技行业共记录14起融资事件，已披露融资总额超过10亿美元。员工健康福利、核心HR平台以及AI数字员工等方向，仍然吸引着大额资本投入。
为什么全球和中国HR上市公司的市值都在回调，AI相关产品与投资却仍在推进？资本市场到底在重新评估什么？
这是HRTech本期《全球行业观察》试图回答的核心问题。
AI商业化加速，但资本市场不再自动给予AI溢价
过去两年，全球HR科技企业围绕Copilot、AI Assistant、Agent和数字员工展开了密集的产品创新。但进入2026年下半年，一个明显的变化正在发生：企业是否拥有AI功能，已经不足以构成持续的竞争优势。
资本市场开始更加关注AI能否带来真实收入、提升生产率、改善利润率，以及客户是否愿意持续付费。
中国市场已经出现值得观察的商业化信号。云学堂披露，其AI相关产品月度经常性收入（MRR）达到440万元，较上年同期显著增长；猎聘AI产品综合现金回款实现接近100%的增长；北森则通过Mavens及AI HR专家，探索从传统HR SaaS向更加智能化的业务服务延伸。
这些案例并不意味着AI的商业价值已经得到全面验证，却表明行业正在从“发布AI功能”走向“形成AI收入与交付结果”。
AI商业化正在加速，但未来真正能够获得持续认可的，必须是那些能够证明客户价值和经营回报的企业。
资本仍在投入，但资金开始向少数方向集中
9月超过10亿美元的融资，并不意味着整个HR科技融资市场已经普遍回暖。
从HRTech跟踪的融资事件来看，资金呈现明显的头部集中现象。其中，Angle Health融资6亿美元，HiBob融资1.66亿美元，Thatch融资1.08亿美元。三家公司合计融资8.74亿美元，占本月已列示融资TOP10金额的约84.9%。
员工健康福利科技尤其值得关注。Angle Health、Thatch和Nara Health三家公司的已披露融资合计达到7.22亿美元，反映出资本正在关注医疗福利管理、个性化健康预算、后台运营和员工服务体验等领域。
与此同时，AI Agent正在进入更加具体的业务流程。Ema、50skills等企业所代表的方向，不再只是让AI回答问题，而是尝试让AI连接不同系统、执行工作任务、处理流程，并在重要节点接受人工审核。
这意味着，未来HR科技产品之间的竞争，可能不再仅仅围绕软件功能展开，而会进一步延伸至员工数据、工作流程、系统集成、业务执行和实际交付成果。
对CEO和CHRO而言，这些变化意味着什么？
对于HR科技公司CEO、创始人及人力资源服务机构管理者而言，市场变化提出了新的经营问题：AI投入能否形成独立收入？产品能否改善客户留存和交付效率？企业能否在资本环境变化的情况下建立更加可持续的商业模式？
对于企业CHRO、HRD及HR数字化负责人而言，重要的则是如何重新审视AI采购与技术选型。AI能否真正缩短业务流程？核心HR平台是否具备支持Agent的基础能力？供应商能否持续交付、保障数据安全，并在必要时提供迁移与退出方案？
当AI开始进入真实业务，技术采购就不再只是功能比较，而需要同时评估业务价值、组织适配和供应商韧性。
HRTech特别将本月的核心研究整理为一页C-Level行业判断，帮助企业管理者快速了解当前最值得关注的市场信号。
图：HRTech全球行业观察·2026年10月——面向CEO与CHRO的核心判断摘要
为什么值得下载这份32页完整报告？
全球TOP10、中国TOP10和全球HR科技投融资月报，实际上是观察同一行业的三个不同窗口。上市公司市值反映市场定价，融资数据反映资本关注方向，而企业的产品、财报与业务动态，则提供判断未来趋势的更多线索。
HRTech将这三方面研究整合为《2026年10月全球行业观察》，并不是简单地将已有文章汇总，而是进一步提炼五个值得持续关注的行业变化，分析它们如何影响企业HR管理、技术采购和HR科技机构经营。
报告不仅包括全球与中国上市公司TOP10榜单、9月融资动态和代表性企业分析，还提供面向管理者的90天行动参考及HR科技/AI供应商采购检查表，帮助读者将行业观察转化为实际工作中的判断依据。
无论你是关注AI落地的CHRO，正在寻找新增长机会的HR科技公司CEO，还是持续跟踪全球人力资源科技市场的投资人和行业研究者，这份报告都值得认真阅读。
HRTech全球行业观察，希望帮助每一位行业决策者，在纷繁的信息中找到真正重要的变化。
免费领取｜2026年10月HRTech全球行业观察
32页中文完整版 PDF
全球HR上市公司TOP10｜中国HR上市公司TOP10｜全球HR科技投融资月报｜五个关键变化｜高管决策参考
点击下方链接，填写信息即可领取完整报告：
https://www.hrtechchina.com/Public/html/captitalwatch/10.html
HRTechChina将持续通过月度全球行业观察，跟踪全球人力资源科技市场的资本变化、企业动态、AI商业化与新兴技术趋势，为企业HR管理者和行业决策者提供专业、持续、可用于实际判断的研究参考。
HRTechChina — People First, Technology Second
资讯
【重磅】Workday不只做HR系统了：AI代理开始“接手工作”，中国HR科技行业正在迎来一场深刻变革
Workday年度客户大会在拉斯维加斯举办，这次释放的信号值得国内HRTech同仁关注：Workday把Sana变成新的工作入口，让AI代理主动参与招聘、薪资和员工服务，还发布Work Intelligence重新拆解岗位与技能。已有超过5,500家客户使用其自研AI代理。更深层的变化，是HR软件从“管理流程”走向“真正完成工作”。这对国内HR SaaS、招聘机构和企业HR有哪些启发？推荐看看HRTechChina这篇深度解读，欢迎转发同行讨论。
从招聘、薪酬到组织管理，Workday Rising 2026释放出清晰信号：企业软件正在从记录和管理工作，转向直接参与并完成工作。这对中国HR科技厂商、人力资源服务机构和企业HR意味着什么？
2026年10月12日至15日，全球人力资源科技巨头Workday在美国拉斯维加斯举办年度旗舰大会Workday Rising 2026。这场汇聚全球企业客户、技术合作伙伴与行业专家的大会，正在释放一个值得整个HR科技行业高度关注的信号：未来企业购买的可能不再只是一套管理人力资源的软件，而是一个能够理解业务、主动执行任务、协调不同AI代理并参与企业运营的智能工作平台。
本届大会围绕Agentic HR（代理式人力资源管理）与Agentic Finance（代理式财务管理）展开，设置超过400场活动。Workday联合创始人、首席执行官兼董事长Aneel Bhusri，产品与技术总裁Gerrit Kazmaier以及首席AI官Joel Hellermark等高管，集中展示了公司在AI代理、企业数据、人才管理和智能工作流领域的最新进展。
截至10月13日，Workday已经宣布一系列重要举措：将Sana升级为全新的Workday Home，推出能够在后台持续执行任务的Autopilot Agents，发布Work Intelligence和扩展后的Decision Intelligence，开放Trusted Agent Platform，并宣布计划收购AI代理身份管理公司C1.ai，同时深化与Anthropic的战略合作。
这些看似分散的产品发布，实际上指向同一个战略目标：Workday正从传统的企业记录系统（System of Record），向能够协调和执行实际工作的可信代理式平台（Trusted Agentic Platform）转型。
对于中国HR科技行业而言，真正值得关注的不是Workday发布了多少个AI Agent，而是这家全球大型企业软件公司正在重新定义HR系统的价值、技术架构和商业模式。
一、从员工操作系统，到AI主动完成工作：Workday正在改变企业软件的入口
传统的人力资源管理系统围绕功能模块展开。员工申请休假、查询工资、更新个人信息，或者管理者审批招聘计划，都需要进入对应的菜单和页面，按照预先设计好的流程完成操作。
Workday此次最大的变化之一，是宣布Sana成为新的Workday Home。
Sana不再只是传统意义上的AI聊天助手，而是集自然语言交互、任务管理和AI代理编排于一体的统一工作入口。员工可以直接提出需求，由Sana识别业务意图、调用相关AI代理，并依据企业权限和审批规则推动任务完成。
例如，员工可以直接询问自己的休假余额，并发起请假申请；管理者可以让系统协助准备绩效评估；HR团队则能够通过自然语言发起复杂的人员规划分析，而不必在多个模块之间反复切换。
Workday还推出了Sana Concierge，将员工入职、离职、薪资查询、请假和IT服务等场景整合起来，尝试让AI在员工问题转化为人工工单之前，直接完成能够自动处理的事项。
在交互设计上，Sana还引入来自TypeSafe AI的Jev模型，根据任务动态生成表单、日历、审批卡片和数据可视化界面。这意味着企业软件有望逐步摆脱固定菜单驱动的交互方式，让界面围绕实际工作任务动态变化。
更值得注意的是，Workday并不打算把用户限制在自己的应用界面中。Sana将进一步进入Claude、Google Gemini Enterprise、Microsoft Copilot、Microsoft Teams和Slack等工具，让员工在日常工作环境中调用Workday的代理能力，同时继续应用Workday原有的企业权限、政策及审批机制。
这意味着，未来员工可能越来越少地感知自己正在使用哪一套HR系统，而是直接在熟悉的工作工具中完成相关操作。
对中国HR科技厂商来说，这提出了一个重要问题：当员工不再需要频繁打开HR软件，传统系统的菜单、功能模块和独立入口，还能构成多大的竞争优势？
未来的软件竞争，可能逐渐从用户界面和功能完整性，转向谁能够更准确地理解企业业务、掌握流程规则，并真正帮助用户完成工作。
二、Autopilot Agents登场：AI不再等待指令，而是开始持续执行HR工作
如果说Sana改变的是员工与软件的交互方式，那么Autopilot Agents改变的则是工作本身的执行方式。
Workday在大会上宣布推出新一代Autopilot Agents，将代理式自动化扩展到招聘、薪资、会计和系统部署等领域。
其中，与HR行业关系最密切的是Talent Acquisition Agent。
过去，招聘人员需要持续检查职位进展、寻找候选人、协调面试以及跟进招聘流程。新的Talent Acquisition Agent则可以持续监测开放职位，识别候选人不足或招聘进度落后的岗位，协助寻找符合条件的候选人，并推动后续招聘流程。
按照Workday的设计，AI代理可以在招聘人员没有主动发起操作时持续工作，但候选人沟通等关键操作仍保留必要的人工审核与控制。
与此同时，Payroll Agent计划在发薪前主动识别缺失数据和异常，Accounting Agent能够持续检查财务信息，Deployment Agent则可以根据客户系统配置推荐新的产品能力，并准备实施计划。
这些代理并非全部已经全面上市。Talent Acquisition Agent的自动驾驶能力目前面向早期采用客户开放，预计2027年初普遍可用；其他代理新增的Autopilot能力预计2027年初进入早期采用阶段。
这一变化对人力资源行业的影响，可能远比简单提高工作效率更深远。
过去，HR自动化主要解决重复操作，例如自动发送邮件、生成报表或者完成固定审批。新一代代理式AI则试图在一定授权范围内主动识别问题、提出建议并持续推动工作。
这将重新定义招聘专员、薪酬专员、HR共享服务人员和HRBP的工作边界。
当大量事务性工作由AI代理承担，HR人员的价值将更多体现在复杂判断、员工沟通、例外处理、组织协调以及业务战略支持上。
但这并不意味着AI可以自动取代相关岗位。AI代理能否真正承担这些职责，还取决于数据准确性、流程标准化程度、企业政策、人工监督以及实际部署效果。
三、Work Intelligence：比自动招聘更重要的，是重新理解每一个岗位的工作
在HRTechChina看来，Workday此次发布的Work Intelligence，可能是对未来组织管理影响最深远的创新之一。
传统人力资源管理通常围绕岗位、职级、组织架构和员工人数展开。但当AI能够完成越来越多具体任务时，企业面临的真正问题不再只是需要招聘多少人，而是这些岗位中的哪些工作仍然需要由人完成。
Work Intelligence试图把岗位进一步拆解为具体任务，并将任务与所需技能相连接，帮助企业识别哪些工作适合AI自动化，哪些需要AI辅助，哪些必须保留人类判断。
这项能力建立在Workday Skills Cloud基础之上。根据官方披露，Skills Cloud已服务超过3,450家客户，拥有超过75,000项标准化技能的本体体系。
例如，当一家企业计划新增50个岗位时，管理者可以进一步分析：相关工作是否都需要新增员工？哪些任务能够通过AI处理？内部员工是否已经具备部分能力？企业究竟应该招聘新人，还是对现有员工进行技能提升？
Work Intelligence还能与Workday Learning powered by Sana和Decision Intelligence相结合，把工作任务变化转化为技能发展计划和人才配置建议。
这代表着一个重要趋势：企业正在从以岗位为中心的人力资源管理，逐步转向以工作任务、技能和人机协作为中心的组织设计。
对于中国企业而言，这意味着未来的定岗定编、人才盘点、招聘需求分析、组织效能评估和学习发展，都可能需要重新设计方法。
例如，企业过去可能以人均产值、人效比或者人员编制衡量组织效率。但进入AI时代，单纯统计员工人数可能不足以反映企业真实的工作能力。企业还需要理解AI完成了多少工作、员工承担了哪些高价值任务，以及人机协作是否真正改善了业务结果。
值得注意的是，Work Intelligence目前仍处于面向部分Workday HCM客户的早期访问阶段，其规模化实际效果还需要进一步观察。
四、Decision Intelligence：HR不再只是提供报表，而是要参与真正的经营决策
Workday此次还宣布，将Decision Intelligence进一步扩展至HCM和Financial Management，为人力资源与财务团队提供统一、受治理的智能决策体验。
过去，企业HR和财务部门经常需要从不同系统导出数据，使用Excel进行分析，再通过会议讨论形成预算、招聘或组织调整方案。
Workday希望通过Decision Intelligence改变这一流程。
企业可以使用自然语言查询实时人力资源与财务数据，分析招聘计划、技能缺口、员工流失风险和组织成本，并比较不同决策方案的业务影响。
例如，企业需要调整招聘计划时，HR可以比较外部招聘、内部培养、使用灵活用工或者调整项目时间等不同方案，并同时评估成本、执行周期及风险。
在获得必要审批之后，相关决策可以进一步进入Workday业务流程，而不是停留在一份分析报告中。
对于HRBP而言，这尤其值得关注。
过去，HRBP经常被要求提供人员数据、解释离职率或协助制定招聘计划。未来，企业可能希望HRBP能够基于实时数据，进一步提出组织设计、人员配置及成本优化方案，并解释不同选择对经营结果的影响。
AI可能降低获取数据和完成基础分析的门槛，但这也意味着企业对HR专业判断能力的要求会进一步提高。
真正有竞争力的HRBP，不只是会使用AI生成报告，而是能够理解业务目标、组织结构、人才能力与财务约束之间的关系。
五、Workday正在建设AI代理的基础设施：不仅自己开发，还要让企业和合作伙伴一起开发
Workday此次并没有把战略限制在自有AI产品上。
随着Trusted Agent Platform进一步开放，企业客户和技术合作伙伴可以通过Agent-Ready Tools、Developer Agent、Custom Agents以及Agent Harness等能力，开发和运行符合企业规则的AI代理。
其中，Agent-Ready Tools基于Model Context Protocol（MCP），让兼容的AI代理能够以受控方式访问Workday业务数据和操作接口。Workday Data Cloud则进一步提供实时数据访问能力。
Agent Harness负责为代理提供必要的上下文、记忆和执行护栏，并使代理行为能够按照既有权限和审计规则接受管理。
Workday还允许开发者使用不同模型和框架，包括Anthropic Claude、Google Gemini、OpenAI GPT以及其他开放模型体系。
根据Workday在大会同期披露的数据，已有超过125家早期访问客户和合作伙伴使用Developer Agent，开发超过6,000个定制应用与AI代理。Workday报告称，在其早期使用场景中，标准编码任务完成速度提高了12至40倍，开发周期缩短了8至10倍。这些数字属于厂商披露的早期采用结果，不能简单推广至所有客户项目。
其战略意义在于，Workday希望成为一个开放但受治理的企业AI代理运行平台，而不只是一个提供固定HR功能的软件供应商。
对中国HR科技产业而言，这也许意味着新的生态机会。
未来，HR科技厂商不一定需要独立构建完整的人力资源管理系统，而可能围绕特定行业、特定国家或特定业务场景开发专业AI代理，通过标准化接口与企业既有系统协同工作。
对于在招聘、薪酬、员工福利、组织发展和全球化人力资源服务方面具有专业能力的公司而言，这可能形成新的产品与服务模式。
六、收购C1.ai、深化Anthropic合作：Workday争夺的是企业AI的控制与治理能力
在产品发布之外，Workday还宣布了一项重要战略收购：签署协议，拟收购AI代理身份平台C1.ai。
C1.ai主要帮助企业管理人员与AI代理访问不同应用、数据和系统的权限，覆盖员工入职、岗位变更与离职等整个身份生命周期。
当越来越多AI代理能够执行实际操作时，企业必须回答一系列过去主要围绕员工账户展开的问题：代理可以访问哪些数据？它能够代表谁执行任务？哪些操作必须人工审批？代理任务结束后，相关权限如何撤销？
Workday希望通过整合C1.ai，进一步扩展现有的Workday Agent System of Record，将AI代理的登记管理延伸至跨系统身份与权限治理。
该交易预计在Workday截至2027年1月31日的2027财年第四季度完成，仍须满足相关交割条件。收购金额未在官方公告中披露。
与此同时，Workday宣布与Anthropic深化合作，将Claude的大模型推理能力与Sana代理、Workday业务数据和权限规则连接起来。用户未来可以在Claude中调用Workday代理，也可以由Sana在复杂流程中调用Claude完成特定推理任务。
这实际上反映了企业AI竞争中的一种分工：通用大模型提供语言理解和推理能力，企业软件平台则掌握业务数据、权限管理、审批流程及可审计的执行机制。
未来企业级AI产品的核心壁垒，可能不仅在于模型有多聪明，更在于能否让AI在真实企业环境中安全、准确、可控地完成工作。
对中国HR科技机构而言，数据治理、权限控制、操作日志、人工审批及可追溯性，将越来越难以被视为简单的技术附加功能，而需要成为AI产品设计的一部分。
七、招聘体验和人才发展也在改变：从候选人申请到员工成长，AI正在进入更多细节
除平台级创新之外，Workday还发布了Workday Candidate Profile，尝试解决长期困扰求职者的重复填写问题。
求职者可以保存个人资料，并在使用Workday招聘系统的不同企业招聘网站中复用。按照官方预计，该功能能够自动预填约80%的标准申请字段，使申请时间比完全手动填写缩短约40%。
Workday援引的数据还显示，平均有60%的候选人会因为申请流程过长或繁琐而中途放弃。
需要强调的是，Workday Candidate Profile主要改善申请体验，并不负责候选人排名、推荐或拒绝决策。该功能预计2027年初向Workday Recruiting客户普遍开放。
在员工发展领域，Workday也推出了Sana Coach的早期访问版本，尝试将绩效评估、员工反馈、员工情绪和领导力辅导连接起来，让人才发展不再完全依赖年度绩效周期。
这些产品变化说明，AI正在进入人力资源管理的具体工作场景。但它们也提醒HR科技公司：用户体验不应只是后台界面是否美观，更重要的是能否减少员工、候选人和管理者实际完成任务所需的步骤。
八、AI已经成为Workday的商业增长因素，HR软件收费模式也可能发生改变
如果仅仅把Workday Rising看作一场AI技术展示，就会忽略其背后的商业逻辑。
根据Workday于2026年8月27日公布的2027财年第二季度财报，截至2026年7月31日，已有超过5,500家客户使用至少一种Workday自研AI代理，较前一季度增长超过35%。
Workday还披露，AI贡献了该季度超过25%的新增年度合同价值（New ACV）。这并不等于AI收入占总收入的25%，但足以说明AI已经成为影响客户购买与合同增长的重要因素。
与此同时，Workday正通过Flex Credits探索新的AI商业化模式。
传统SaaS主要按照用户数量、员工数量或者订阅模块收费，而Flex Credits允许客户购买统一额度，并根据不同AI代理和平台能力的实际使用消耗额度。Workday强调，这种计量方式更关注代理完成的业务动作，而不是单纯计算模型Token消耗。
这种模式对中国HR科技行业具有直接启示。
过去，HR SaaS产品的收入与企业员工规模密切相关。但如果未来AI承担越来越多的重复工作，客户可能更愿意为实际完成的招聘流程、员工服务请求、数据核验或其他业务结果付费。
这意味着，HR科技厂商需要重新思考产品定价、服务成本、客户成功以及投入产出比。
AI不只是软件功能的升级，也可能逐步推动软件商业模式发生变化。
九、对中国HR科技厂商和人力资源服务机构的启发：未来卖的不只是软件和人力，而是完成工作的能力
在HRTechChina看来，Workday此次释放的信号，对国内HR SaaS厂商、招聘机构、人力资源外包服务商、HR咨询公司以及企业数字化服务机构，都具有现实意义。
首先，国内HR SaaS厂商需要重新审视产品架构，而不是简单为既有系统增加AI聊天窗口。 真正有价值的Agentic HR，需要能够与招聘、员工信息、考勤、薪酬、绩效和审批系统连接，同时处理权限控制与异常情况。企业需要的是可执行的完整流程，而不是一个只能回答制度问题的机器人。
尤其在中国市场，企业普遍存在多套系统并行使用的情况，包括HR SaaS、OA、财务软件，以及企业微信、钉钉、飞书等协同平台。未来的重要竞争能力之一，将是能否在这些分散系统之间建立稳定、安全且有实际业务价值的工作流连接。
其次，招聘机构和人力资源服务公司必须重新审视依赖人工流程创造价值的商业模式。 当AI可以协助完成职位监控、人才搜寻、候选人沟通准备、流程提醒以及基础分析，传统依靠信息收集、人工协调和事务处理收费的服务环节，将面临越来越明显的自动化压力。
但专业猎头、招聘顾问和人力资源服务机构仍然拥有重要价值，包括行业知识、复杂人才判断、候选人信任、谈判能力和客户业务理解。
未来竞争的关键，可能不是谁拥有更多执行人员，而是谁能够把专业顾问能力与AI代理结合，提供更高质量、更可衡量的招聘和人才服务。
第三，中国HR科技企业需要更加重视工作任务和技能数据。 Work Intelligence表明，AI时代的管理对象正在发生变化。国内厂商如果仍然主要围绕职位名称、组织架构和静态技能标签构建产品，可能难以充分支持企业未来的人机协作规划。
围绕工作任务分析、技能图谱、岗位重构、人才配置以及AI对组织效能的影响，可能形成新的软件和咨询服务市场。
第四，本土化治理能力可能成为中国厂商的重要差异化竞争优势。 中国企业在劳动用工、员工个人信息保护、数据存储、跨境数据流动以及具体业务审批方面，有自身的制度和管理要求。特别是服务跨国企业和中国出海企业的HR科技厂商，需要同时理解不同市场的业务实践和合规边界。
因此，未来能够将本地用工规则、真实业务流程、行业知识与AI代理执行能力结合起来的企业，可能比单纯提供通用AI能力的厂商更有竞争力。
最后，AI产品必须从展示功能转向证明业务结果。 一个能够自动生成招聘报告的工具，不一定能带来更好的招聘结果；一个能够回答薪酬问题的机器人，也不等于真正降低了薪酬错误率。
国内HR科技机构需要关注的指标包括流程完成率、人工接管比例、处理时间、错误率、客户满意度和单位任务成本。只有通过持续的业务验证，AI才能真正成为客户愿意长期付费的能力。
十、对企业HR和HR领导者的启发：未来最重要的不是学会多少AI工具，而是具备重新设计工作的能力
对于企业HR同仁而言，Workday Rising 2026同样提出了新的职业发展命题。
过去几年，HR对AI的关注主要集中在提高个人效率，例如使用AI撰写招聘文案、制作培训资料、总结员工反馈或者分析Excel数据。这些应用依然有价值，但已经不是AI在人力资源管理领域的全部可能性。
下一阶段，HR可能需要更加深入地参与企业工作流程的重新设计。
企业首先应该识别各项HR流程中可以标准化、适合自动化的任务，再决定哪些环节可以交给AI辅助或执行，哪些必须保留人工判断和审批。
例如，在招聘流程中，AI可以协助完成初步信息处理和流程跟进，但涉及候选人综合评价、关键岗位适配及录用决策时，企业仍然需要明确人的责任。
在薪酬管理中，AI可以识别数据异常，但薪酬政策制定、敏感事项处理及最终发薪审核仍需要严格控制。
在组织发展中，AI可以帮助企业分析技能缺口和人员配置，但业务战略、组织文化与领导力判断仍然不能简单依赖算法。
这意味着，HR未来的重要能力将不只是熟悉劳动法规和人力资源管理方法，还包括理解业务流程、数据结构、AI代理的能力边界以及人与AI之间的职责分工。
对于CHRO和HR负责人而言，更值得思考的是：企业应该如何建立AI治理机制？如何重新设计岗位？如何评估员工与AI协作后的生产力？如何让员工在技术变革中获得新的技能发展机会？
HR的角色可能由传统的人员管理者，进一步发展为企业人机协作体系和组织工作方式的设计者。
当然，这一转型并不会自动发生。它需要HR与IT、财务、法务及业务部门建立更深入的合作，也需要HR团队自身提高数字化、数据分析与组织设计能力。
结语：Workday正在重构的，不只是一套HR系统，而是企业工作的组织方式
Workday Rising 2026尚未结束，未来两天仍可能披露更多产品细节、客户实践和管理层观点。但从10月13日已经公布的内容来看，其战略方向已经相当明确。
Sana正在改变员工与企业软件交互的方式，Autopilot Agents尝试改变日常工作的执行方式，Work Intelligence开始重新理解岗位与技能，Decision Intelligence将人员决策与企业经营数据连接，而Trusted Agent Platform及C1.ai相关布局，则试图解决AI代理在企业规模化使用中的治理问题。
这些创新共同指向一个更深层次的变化：企业软件正在从帮助人管理工作，走向让人与AI共同完成工作。
对于中国HR科技行业，这既意味着新的竞争压力，也意味着新的发展空间。
中国市场拥有大量复杂的用工场景、快速变化的企业组织，以及广泛存在的数字化管理需求。真正理解本土企业、行业流程和人力资源专业实践的机构，仍然有机会在新一轮AI技术变革中形成独特的竞争优势。
但这种机会不会仅仅来自将大模型接入现有产品，而是来自对业务流程、数据治理、服务模式和客户价值的系统性重构。
对于企业HR而言，未来的竞争力也未必取决于掌握多少AI工具，而是能否理解AI将如何改变工作、岗位和组织，并主动参与这一变化。
Workday Rising 2026最值得中国HR行业关注的，并不是AI能替人完成多少工作，而是当AI真正开始参与工作后，企业应该如何重新定义人的价值。
这或许才是Agentic HR时代真正开始的地方。
本文由HRTechChina根据截至2026年10月13日Workday Rising 2026官方发布内容、Workday产品公告及FY2027第二季度财报整理分析。文中对中国HR科技市场的影响判断属于HRTechChina编辑观点。大会将于10月15日结束，部分产品仍处于早期访问或规划阶段，具体上线时间以Workday后续正式发布为准。
资讯
Workday宣布收购AI身份治理平台C1.ai：从员工管理到AI Agent权限治理，HR系统正成为企业AI安全的重要入口
2026年10月13日，全球企业管理软件公司 Workday（NASDAQ: WDAY） 在美国拉斯维加斯举行的Workday Rising 2026大会上宣布，已签署最终协议，计划收购人工智能身份与访问权限治理公司 C1.ai。这项交易旨在将企业员工与AI Agent的身份管理、系统访问授权和权限审计整合到Workday平台，进一步扩大Workday在人力资源、财务与IT领域的企业级AI治理能力。根据官方公告，交易预计于Workday 2027财年第四季度 完成，该财季截至2027年1月31日，仍需满足惯常交易交割条件。双方未披露此次收购的交易金额。
这笔收购的意义不仅在于Workday扩展了企业身份安全能力，更在于其开始尝试将人力资源系统中的员工身份、组织关系及岗位变动，与AI Agent的访问权限和运行治理连接起来。随着越来越多AI Agent进入招聘、薪酬、财务和企业运营流程，企业需要管理的对象正在从传统员工扩展到由员工与数字智能体共同构成的混合劳动力。
C1.ai是谁？从ConductorOne转向AI Agent身份安全
C1.ai的前身是ConductorOne，由Alex Bovee和Paul Querna于2020年创立。两位创始人此前均曾在身份安全公司Okta工作，拥有零信任安全和企业访问管理方面的技术经验。目前Alex Bovee担任首席执行官兼联合创始人，Paul Querna担任首席技术官兼联合创始人。公司在美国San Francisco和Portland设有办公地点。
2026年4月，ConductorOne正式更名为C1，将业务定位从传统身份治理进一步扩展至AI时代的统一身份安全平台。
C1.ai主要面向企业身份治理与管理（Identity Governance and Administration，IGA）、身份与访问管理（Identity and Access Management，IAM）及特权访问管理（Privileged Access Management，PAM）等领域，帮助企业管理员工、非人类系统账户及AI Agent的访问权限。
其平台能够连接企业电子邮件、客户关系管理系统（CRM）、代码仓库、财务系统及云基础设施，并通过自动化审批、细粒度权限管理、即时授权和审计记录等机制，实现企业身份的全生命周期治理。
在资本市场方面，C1.ai于2025年10月28日宣布完成 7,900万美元B轮融资，由Greycroft领投，CrowdStrike Falcon Fund及现有投资者Accel、Felicis Ventures等参与。该轮融资完成后，公司披露的累计融资额超过1亿美元。其企业客户包括Zscaler、Ramp、DoorDash、DigitalOcean和Instacart等。
这意味着Workday此次收购的并非一家刚刚进入市场的AI初创企业，而是一家已经拥有企业级客户基础、身份安全产品及相关技术积累的公司。
为什么Workday需要C1.ai？AI Agent正在改变企业权限管理
传统企业的身份管理通常围绕员工生命周期展开。员工入职时，IT部门根据职位和部门分配系统权限；员工晋升、调岗或离职时，再相应调整或撤销访问权限。
但这一流程在实际运营中仍存在大量人工操作。许多企业通过工单、电子表格和定期权限审核管理数百个应用系统。员工可能需要等待数天才能获得工作所需的系统访问权限，也可能在岗位变动后继续保留不再需要的权限。
随着AI Agent开始自主执行任务，这一问题变得更加复杂。
AI Agent不一定对应传统意义上的员工账户。部分智能体代表员工执行工作，部分则可以独立运行，持续访问不同的企业应用、数据及工作流程。如果企业无法准确识别这些智能体的身份、授权范围及有效期限，就可能产生数据泄露、权限滥用和合规风险。
C1.ai于2026年3月发布的《Future of Identity Report》调查了美国508名来自员工规模超过1,000人的企业的IT及安全负责人。调查发现，95%的受访企业已经运行能够自主执行IT或安全任务的AI Agent，47%的受访企业表示其非人类身份数量已超过人类用户，但只有22%表示能够全面掌握这些非人类身份的情况。
与此同时，Deloitte在《State of AI 2026》报告中指出，只有21%的受访企业表示已经建立成熟的自主AI Agent治理模式。
需要注意，这两组数据来自不同研究，调查范围与样本并不相同，但共同反映出一个趋势：AI Agent的企业应用正在快速发展，而相关治理体系仍有待完善。
将员工入职、调岗和离职与系统权限管理连接起来
Workday计划通过整合C1.ai，将员工身份和组织变动直接转化为企业应用的权限管理事件。
例如，新员工加入企业后，Workday中的入职信息可以成为权限配置的触发条件。通过C1.ai，企业有望自动为其分配Slack、Jira、财务系统及其他业务应用所需的访问权限，减少新员工反复提交IT工单的情况。
当员工从销售部门转入财务部门，系统可以根据新的岗位职责增加必要权限，同时撤销原岗位不再需要的访问范围。员工离职后，相关应用与数据访问权限也能够及时关闭。
这一机制的核心，是将传统员工入职、岗位变动和离职流程，即Joiner、Mover、Leaver（JML），与企业身份治理连接起来。
Workday产品与技术总裁 Gerrit Kazmaier 表示，今天的企业正在由人类员工和AI Agent共同构成的劳动力体系驱动。通过C1.ai，Workday将帮助企业管理并执行员工与智能体在不同应用和系统中的访问权限，使其能够在正确的时间获得适当授权，从而提高工作效率、安全性及合规水平。
对于企业HR而言，这意味着员工数据不再只是招聘、薪酬、绩效及组织架构管理的基础，也可能成为企业访问权限自动化的重要依据。
从管理员工身份，进一步扩展到管理AI Agent
相比传统员工身份管理，Workday此次收购更具战略意义的部分在于AI Agent治理。
Workday此前已经推出 Workday Agent System of Record，旨在帮助企业登记、查看和管理AI Agent。此次引入C1.ai后，Workday计划进一步扩展这一能力，从记录企业有哪些AI Agent，发展到治理这些智能体可以访问哪些应用、数据和业务系统。
这种治理不仅涉及AI Agent是否拥有账户，还包括它可以代表谁执行任务、拥有哪些权限、何时需要人工审批，以及在任务结束后如何撤销授权。
例如，一个帮助招聘经理筛选候选人的AI Agent，可以被授予访问特定招聘数据的权限，但不应因此获得查看企业所有员工薪酬信息的能力。另一个负责财务分析的智能体，也应根据具体业务任务设置数据访问范围，而不是默认拥有完整的财务系统管理权限。
企业还需要区分代表员工操作的AI Agent与能够独立运行的自主智能体。前者的权限可能需要受到对应员工授权范围的约束，后者则需要更独立、严格的身份与风险控制。
C1.ai首席执行官兼联合创始人 Alex Bovee 指出，企业不能继续依赖过去的IT工单模式来保障AI时代的安全。将身份治理直接融入Workday企业运营平台，将有助于企业实时管理人类员工和AI Agent的访问权限，在提高工作效率的同时控制安全风险。
Workday的战略方向：从HR管理系统迈向可信AI执行平台
此次收购也需要放在Workday Rising 2026的整体产品战略中理解。
在本届大会上，Workday集中展示了围绕Sana、Autopilot Agents和Trusted Agent Platform的AI战略，推动AI从提供建议的辅助工具，向能够在企业业务规则约束下执行实际任务的智能体发展。
其中，Trusted Agent Platform允许企业使用不同开发工具及AI模型构建和运行智能体，并通过Agent Harness、Agent-Ready Tools及Workday Data Cloud等组件，将现有的数据权限、业务规则、审批流程与审计机制应用于AI执行过程。
C1.ai的加入，将使Workday有机会进一步强化跨系统身份与访问治理。
从技术架构来看，Workday希望形成一个更加完整的闭环：首先通过HR系统掌握员工身份、组织关系与岗位职责，再通过Agent System of Record识别和管理AI Agent，随后利用C1.ai控制不同员工及智能体在企业应用中的访问权限，最终通过业务规则和审计机制管理其实际执行行为。
对Workday而言，这意味着其竞争边界可能从传统HCM和财务管理软件，进一步延伸至企业AI运行治理与身份安全领域。
不过，上述整合仍属于收购完成后的预期方向。Workday尚未在本次公告中披露C1.ai具体的技术整合时间表、正式产品组合、商业定价或客户迁移安排。
对HR行业意味着什么？人力资源管理正在与企业AI治理进一步融合
HRTech认为，这笔收购值得关注的地方，是Workday正在尝试重新定义HR系统在企业数字基础设施中的位置。
长期以来，人力资源系统主要负责记录员工信息、管理组织架构、执行薪酬和人才管理流程。企业身份安全与系统访问权限则主要由IT和信息安全部门管理。
AI Agent的发展正在使二者之间的联系更加紧密。
当企业需要同时管理员工和大量数字智能体时，岗位、组织层级、汇报关系及员工生命周期信息，将直接影响智能体的权限范围与业务执行能力。HR系统因此有机会成为连接人力资源管理、身份安全和AI Agent治理的重要基础设施。
对于CHRO和企业HR负责人而言，这一变化意味着HR数字化战略不能仅停留在招聘、绩效和员工服务自动化层面，还需要与IT、安全、法务及合规团队共同建立适用于AI Agent的管理机制。
特别是在招聘、薪酬、员工个人信息及财务审批等高敏感场景，企业需要明确哪些任务可以由AI自主完成，哪些必须经过人工审批，以及如何保留操作记录、限制访问权限和处理异常行为。
从HR科技市场竞争来看，Workday此次拟收购C1.ai也释放出一个信号：下一阶段企业级AI平台的竞争，不仅取决于AI模型能力和自动化水平，还将取决于厂商能否将业务数据、权限治理、审批规则和智能体执行能力整合为可信赖的企业级架构。
交易仍待完成，AI治理能力将成为后续观察重点
根据Workday公告，BofA Securities担任此次交易中Workday的财务顾问，Orrick担任法律顾问；Qatalyst担任C1.ai的财务顾问，Ashurst Perkins Coie担任法律顾问。
截至2026年10月13日，双方已经签署最终收购协议，但交易尚未完成。具体交易金额、收购后的产品定价、人员整合以及技术商业化时间安排均未披露。
Workday目前服务全球超过11,500家企业和组织，其中包括超过65%的Fortune 500企业。如果此次交易顺利完成，并实现预期中的产品整合，C1.ai的身份治理能力将有机会通过Workday的平台生态获得更广泛的企业应用。
对于全球HR科技行业而言，这起交易说明，AI时代的企业管理软件正在出现新的竞争方向：不仅需要管理人类员工的工作，还需要为能够自主执行任务的AI Agent建立清晰的身份、权限与责任边界。
未来的HR系统可能不只是企业的人力资源信息记录中心，也将成为连接人类员工、数字智能体和企业业务规则的重要治理入口。
资料来源：
Workday Newsroom，2026年10月13日：Workday to Acquire C1.ai, a Leading Agentic Identity Platform for People and Agents
C1.ai，2026年10月13日：C1.ai to join Workday
C1.ai，2025年10月28日：C1 Raises $79 Million Series B
C1.ai，2026年3月10日：Future of Identity Report
Deloitte，2026年：State of AI Report
资讯
SAP宣布收购比利时HRTech公司TechWolf：从技能管理到工作智能，AI正在重构企业人力资源管理
全球企业软件巨头SAP正在进一步加强其在人工智能与人力资源科技领域的战略布局。
2026年10月6日，德国企业软件公司SAP SE宣布，已与比利时人工智能公司TechWolf签署收购协议，计划将后者的Work Intelligence（工作智能）技术、专有数据模型及AI研发能力纳入SAP产品体系。交易预计于2026年第四季度完成，仍需获得监管批准并满足其他惯常交割条件，双方未披露具体收购金额。此次收购将进一步强化SAP SuccessFactors HCM Suite的人才智能能力，并为SAP旗下AI助手Joule及Autonomous Enterprise战略提供更加深入的组织与工作数据支持。
与传统HR科技收购不同，TechWolf的核心价值并不在于提供另一套招聘、绩效或学习管理系统，而在于利用人工智能理解企业员工实际从事的工作、拥有的技能，以及这些工作如何受到AI技术影响。
HRTech认为，这笔收购反映出企业级人力资源科技正在发生一项重要变化：软件厂商的竞争正从管理人员、流程和员工记录，逐渐延伸到理解真实工作任务、预测组织能力需求，以及支持AI时代的岗位与工作流程重构。
一、SAP收购TechWolf：将工作智能纳入企业AI战略核心
根据SAP官方公告，TechWolf将为SAP带来三个重要资产：专有的Context Graph for Work数据模型、AI模型技术，以及专注企业工作与技能分析的应用人工智能研究团队。
SAP计划将这些能力应用于SAP SuccessFactors人才管理体系，支持更动态的技能识别、劳动力规划、人才发展、内部人才流动和组织重新设计。
SAP Autonomous Suite总裁兼首席产品官、SAP SE Extended Board成员Manoj Swaminathan表示，TechWolf围绕技能与工作构建的Context Graph，可以为AI智能体提供更加可靠的上下文基础，使智能体在处理技能规划、人才管理等任务时获得更准确的信息支持。
SAP还预计，这种上下文基础能够提高AI Token的使用效率，降低劳动力管理智能体的部署成本，并增强Joule在技能型招聘、劳动力规划和岗位设计等场景中的智能决策能力。
需要指出的是，这些属于SAP规划中的技术与商业价值。双方表示，新的联合产品将在交易完成后进一步设计和开发，因此相关能力尚不能全部视为已正式推出的商业产品。
从战略角度观察，SAP希望通过此次收购建立的不只是更先进的技能数据库，而是一个能够将员工、工作任务和企业业务战略连接起来的智能分析基础。
二、TechWolf是谁？一家来自比利时的AI工作智能公司
TechWolf是一家总部位于比利时Ghent的人工智能企业，最初起源于Ghent University的大学项目，由Andreas De Neve等联合创始人创办，持续从事企业技能与工作智能相关技术研发已有约八年。
与传统人力资源软件厂商不同，TechWolf并不以替代企业现有HCM系统为主要目标，而是通过连接现有HR系统与业务系统，从相关数据中推断员工技能、分析工作任务，并构建动态更新的组织能力模型。
公司目前服务的企业包括HSBC、Atlas Copco Group、GSK、Ericsson、AMD、MetLife、PayPal和Booking.com等大型国际组织。
SAP披露，TechWolf的开源AI模型累计下载量已经超过200万次。这一数字反映了相关模型的技术传播和使用情况，但不能直接等同于企业付费客户数量。
更值得关注的是其业务增长速度。
TechWolf联合创始人兼CEO Andreas De Neve在10月6日发表的公开信中透露，过去18个月，公司在美国市场的年度经常性收入（Annual Recurring Revenue，ARR）从100万美元增长至1500万美元，达到原来的15倍。
De Neve表示，面对AI带来的大规模劳动力转型需求，公司现有能力已经难以充分满足市场需求，因此需要借助更大的企业平台扩大技术覆盖范围和交付规模。
对于一家专注大型企业工作智能的公司而言，这一增长趋势说明，越来越多企业正在将技能数据和工作任务分析视为AI转型的重要基础设施，而不仅仅是传统HR数字化项目的附加功能。
De Neve还表示，此次交易预计将成为比利时历史上规模最大的风险投资支持软件企业收购案，并带来比利时规模最大的员工股权流动性事件。不过，由于双方尚未披露交易估值，这一历史性规模判断目前仍属于管理层公开表述。
三、从Skills Intelligence到Work Intelligence：TechWolf真正解决什么问题？
理解此次收购的关键，在于区分Skills Intelligence（技能智能）与Work Intelligence（工作智能）。
过去十多年，大型企业在人力资源数字化方面投入了大量资源，建立HRIS、HCM、ATS、LMS、绩效管理系统和员工技能档案。
这些系统能够回答许多重要问题，例如企业有多少员工、组织结构如何分布、员工拥有哪些技能、哪些岗位存在空缺，以及哪些员工需要接受培训。
但是，当企业真正开始大规模引入AI时，一个更复杂的问题随之出现：企业知道员工担任什么职位，却未必真正了解员工每天完成哪些任务，以及这些任务将如何被人工智能改变。
例如，一名财务分析师的职位描述可能包括预算编制、财务预测、数据分析和管理报告，但其中某些任务已经能够由AI辅助完成，另一些则仍然需要专业判断、业务沟通和复杂决策。
如果企业仅依据职位名称判断AI影响，很容易将整个岗位视为一个不可分割的工作单元，从而高估或低估自动化对人员配置的影响。
TechWolf尝试解决的正是这一问题。
其核心技术Context Graph for Work，是一种将工作任务、人员技能和外部劳动力市场信息连接起来的专有数据模型。
根据SAP介绍，该模型主要从三个层面理解企业组织：首先识别工作本身，深入到岗位内部的具体任务；其次分析员工拥有并实际应用的技能；最后结合外部劳动力市场的变化，判断不同能力的供给与需求趋势。
这些信息进一步与企业业务战略关联，为管理者提供更加动态的组织能力视图。
这意味着，企业未来不仅能够了解当前拥有哪些人才，还可能进一步分析哪些任务正在变化、哪些技能将更有价值，以及哪些工作需要重新分配给员工或AI智能体。
从职位到任务、从静态技能档案到动态工作分析，是Work Intelligence区别于传统HR数据管理的重要特征。
但工作智能并不意味着企业能够自动、完整地观察每一位员工的全部实际工作。模型的准确性仍然取决于接入数据的质量、任务信息的覆盖程度、技能推断方法，以及企业对分析结果的验证机制。
四、为什么SAP需要TechWolf？真正的战略价值在于连接HR与业务数据
SAP拥有覆盖财务、采购、供应链、生产运营、人力资源及客户体验等领域的庞大企业软件体系。
SAP SuccessFactors在人才管理方面拥有成熟的产品基础，但企业的真实工作并不只发生在人力资源系统中。
例如，销售人员的工作可能体现在CRM系统，采购人员的工作体现在供应链与采购流程，财务团队的工作体现在ERP系统，而研发人员的日常工作则可能分布在项目管理和协作工具中。
传统HCM系统主要记录员工及其雇佣关系，而大量能够反映实际工作内容的业务数据存在于其他企业应用中。
TechWolf的一个重要价值，就是尝试在这些系统之间建立工作与技能的关联。
TechWolf CEO Andreas De Neve在公开信中解释，公司选择SAP的重要原因，是AI转型本质上也是工作方式的转型，而能够反映真实工作的信息大量存在于业务运营系统中。
由于全球许多大型企业使用SAP管理核心业务流程，双方结合有机会为工作智能提供更加丰富的企业业务背景。
这也是此次交易与传统HR软件功能性收购之间的重要区别。
SAP并非简单增加一个技能分析模块，而是希望将工作智能逐渐发展为连接企业运营与人力资源管理的基础能力。
对于未来的企业AI智能体而言，理解业务流程与组织工作上下文尤其重要。
如果智能体只知道某位员工的职位和技能，却不了解企业业务目标、任务依赖关系与组织资源约束，那么它很难为复杂的人才配置提供可靠建议。
而当人员技能、具体工作和企业运营数据形成关联之后，AI便有可能支持更深入的战略性劳动力规划。
例如，当一家制造企业计划通过自动化调整运营模式时，系统可以辅助分析不同业务环节的任务变化、所需的新技能、现有员工的能力差距，以及通过内部培训或外部招聘满足新需求的不同路径。
从这一角度看，TechWolf带给SAP的核心资产，不仅是人才智能技术，更是将企业工作数据转化为组织决策依据的能力。
五、从合作伙伴到收购标的：SAP与TechWolf已有技术整合基础
此次收购并非SAP与TechWolf合作的起点。
早在2025年1月，TechWolf的Skill Data Infrastructure就已通过SAP Store向SAP SuccessFactors客户提供服务。
2026年8月7日，TechWolf进一步宣布获得SAP Store的Spotlight+ designation，表明双方在技能数据和产品整合方面的合作进一步深化。
当时，TechWolf已经获得Built with SAP BTP和SAP SuccessFactors Skills相关认证，其技能智能数据能够与SAP SuccessFactors Talent Intelligence Hub、Career & Talent Development、Opportunity Marketplace、Recruiting、Learning以及Performance & Goals六个模块进行对接。
这些技术整合使TechWolf不必完全替换企业现有系统，而是作为技能数据基础层，为现有HR应用提供持续更新的信息。
实际客户案例也说明，双方已经建立一定的产品协同基础。
2026年9月24日，TechWolf公布了与全球制药企业Chiesi有关的岗位架构重构案例。
Chiesi原有的职位名称和岗位等级体系，尚不足以准确反映员工实际承担的工作和技能要求。通过TechWolf的Job Architecture Redesign Agent，企业重新分析岗位背后的具体工作内容，重构岗位架构，并为各岗位生成新的职位描述。
随后，在合作伙伴TalenTeam支持下，相关岗位结构被配置到SAP SuccessFactors，并通过SAP Job Profile Builder投入使用。
根据TechWolf披露，该项目在数周内完成了岗位架构重构、职位与员工重新映射以及系统上线。企业项目负责人表示，如果没有相关AI智能体，项目的复杂程度和所需时间都可能显著增加。
这一案例的意义在于，它展示了工作智能如何从分析工具走向实际组织管理流程。
当然，这属于厂商披露的单个客户案例，不能直接推导出所有企业均可实现相同的实施周期或投资回报。
但它说明，SAP与TechWolf的技术合作已经具备一定的企业实践基础，而不是在并购完成后才开始寻找应用场景。
六、一个值得关注的细节：TechWolf也与Workday合作
此次交易还有一个值得HR科技行业关注的特点：TechWolf并不是只服务SAP生态的技术供应商。
它同时与Workday等人力资源科技平台开展合作。
2025年1月29日，TechWolf与Workday宣布，Workday将在其超过20,400名员工组成的全球团队中部署TechWolf的AI技能智能技术，以丰富技能数据并支持员工职业发展。
TechWolf也提供与Workday Skills Cloud连接的技术能力，通过识别工作相关技能，向Workday的人才管理系统提供更准确的技能信息。
这意味着，TechWolf原本具有跨HCM平台运行的技术定位。
对于SAP而言，收购TechWolf有助于增强其在工作智能领域的技术能力，但也带来了一个重要的生态问题：当一家原本服务多个HCM平台的技术公司被SAP收购后，其他平台客户能否继续获得稳定、中立的产品服务？
对此，TechWolf CEO Andreas De Neve明确表示，公司将继续服务所有客户，无论其是否使用SAP系统。
按照目前计划，TechWolf在交易完成后仍将保持独立实体及TechWolf品牌，由Andreas De Neve继续担任CEO，并与现有管理团队合作运营。
公司总部继续位于比利时Ghent，同时维持London和New York业务，并计划在San Francisco进一步拓展。
联合创始人兼CTO Jeroen Van Hautte将前往San Francisco推动当地办公室建设。
这一安排表明，SAP至少在当前阶段希望保留TechWolf的独立市场定位和现有客户关系。
不过，从长期竞争格局来看，跨平台兼容性、数据互操作性、产品研发优先级及商业合作关系是否会发生调整，仍需要观察交易完成后的实际执行情况。
七、对企业HR意味着什么？未来的关键可能不再只是招聘和培训
对于企业CHRO及HR数字化负责人而言，此次收购最值得关注的并不是短期内增加多少AI功能，而是未来人力资源管理所依赖的信息基础可能发生改变。
首先，传统以岗位为中心的管理方式将面临更多挑战。
许多企业的人力资源规划仍然以岗位编制、组织层级和年度招聘预算为主要依据，但AI可能首先改变岗位内部的部分任务，而不是立即替代整个岗位。
因此，企业需要更加细致地理解工作任务与技能之间的关系，才能判断什么时候应该招聘、什么时候应该培训，以及什么时候应该重新设计工作流程。
其次，内部人才流动和技能再培训可能获得更强的数据支持。
当企业能够更加准确地识别员工实际应用的技能，以及不同业务任务需要的能力时，就有机会发现传统职位描述中不容易体现的内部人才资源。
这不仅可能提升内部人才配置效率，也可能帮助企业降低对外部招聘的依赖。
第三，战略性劳动力规划将更加需要与业务部门合作。
过去，Workforce Planning经常被理解为预测未来员工数量、控制人工成本及安排招聘计划。但在AI时代，管理层需要回答的问题正在变化：未来的工作应该由哪些人完成，哪些任务可以由AI承担，哪些人类能力需要保留和强化，以及组织结构应如何调整？
这些问题无法仅由HR部门独立解决，而需要财务、运营、IT和业务管理团队共同参与。
第四，HR数据治理和AI决策的可解释性将变得更加重要。
当AI开始推断员工技能、识别任务变化，并参与招聘、人才发展和人员配置建议时，企业必须关注信息来源是否合法、分析结果是否准确，以及模型是否可能放大历史数据中的偏差。
TechWolf披露，其平台提供欧盟和美国数据驻留选项、加密和访问控制能力，并取得ISO/IEC 42001及ISO/IEC 27001认证。
这些措施有助于企业建立AI治理与信息安全基础，但并不意味着所有具体应用场景自动满足相关法律与监管要求。
特别是涉及招聘、晋升、绩效及其他可能对员工产生重大影响的决策时，企业仍需要落实适当的人类监督、数据治理和合规审查。
对于HR而言，AI时代真正重要的能力，可能不只是使用AI工具提高行政效率，而是能够理解工作如何变化，并与业务管理层共同重新设计组织。
八、HR科技行业竞争正在进入工作智能时代
从行业竞争角度来看，SAP收购TechWolf释放了一个值得关注的信号：传统HCM厂商正在进一步争夺企业AI决策所需要的数据基础与业务上下文。
过去，企业级HR软件主要围绕人员信息系统展开，随后逐步扩展到招聘、绩效、学习、员工体验和People Analytics等功能。
近年来，技能智能与技能型组织成为大型HCM厂商的重要发展方向。
但随着AI智能体开始参与真实工作流程，仅仅拥有技能标签或者员工档案已经不够。
企业还需要理解工作任务之间的关系、不同技能如何应用于具体业务，以及AI引入后组织能力需求将如何调整。
这使Work Intelligence逐渐成为值得关注的新技术领域。
从技术架构来看，未来企业HR科技可能进一步形成相互连接的三个层次：底层由HCM和其他业务系统提供基础记录，中间由Skills Intelligence与Work Intelligence构建动态组织上下文，上层则由AI分析工具和智能体辅助完成招聘、学习、组织规划及业务决策。
这一结构并不意味着现有HCM系统会被替代，而是其价值有可能从传统记录与流程管理，进一步延伸至智能决策。
对SAP而言，拥有覆盖多个业务部门的ERP和企业应用基础，是推进这一战略的重要优势。但与此同时，其竞争对手也可以通过第三方数据、外部合作和自身AI技术发展类似能力。
因此，未来行业竞争的关键并不只是哪个公司率先拥有Work Intelligence产品，而是谁能够建立可信、持续更新、可跨系统使用的数据基础，并通过可验证的业务成果证明其价值。
九、HRTech观察：未来企业竞争的焦点，是重新定义工作
在AI快速发展的背景下，企业面临的核心问题正在从“如何让员工使用AI”，逐步转向“如何重新设计人类与AI共同完成的工作”。
这两种思路存在明显区别。
前者主要关注工具使用率、员工培训和个人工作效率；后者则涉及任务分工、工作流程、岗位边界、管理责任和组织结构，最终影响企业的整体经营模式。
如果企业只是为每名员工配置AI工具，却没有重新审视工作如何完成，那么AI投资可能局限于局部效率改善，难以转化为系统性的组织生产力提升。
而当企业能够从任务层面分析工作内容，就有机会将AI应用、人才发展和组织设计连接起来。
对于大型跨国企业，这种能力尤其重要。不同国家和业务部门的岗位名称可能相似，但实际任务、技能要求和自动化机会并不完全相同。能够动态理解这些差异，将有助于企业制定更加精细化的全球人才战略。
不过，真正实现这一愿景仍然存在挑战，包括跨系统数据整合、员工隐私保护、技能推断准确性、业务部门参与度，以及AI投资回报的持续验证。
SAP已经宣布收购TechWolf，但这笔交易最终能否重塑企业人力资源管理，取决于双方能否将技术优势转化为可规模化部署、可治理并且能够产生实际业务价值的产品。
根据SAP Community于10月6日发布的信息，在交易获得批准并完成交割之前，SAP与TechWolf将继续独立运营，具体整合产品路线图将在交割后制定。
因此，市场仍需要等待更明确的产品交付时间、技术整合方式与商业模式。
HRTech认为，SAP此次收购的重要意义，在于进一步推动HR科技行业从People Data走向Skills Intelligence，再走向Work Intelligence。
过去，HR系统帮助企业回答“我们拥有哪些员工”；随后，技能智能帮助企业回答“员工能够做什么”；而工作智能试图进一步回答“企业究竟需要完成哪些工作，以及这些工作应该如何在人与AI之间重新配置”。
这一变化可能成为未来几年企业级人力资源科技发展的重要方向。
对于企业HR领导者而言，现在值得开始思考的，已经不仅是如何采购更先进的HR软件，而是如何让人力资源数据真正进入企业战略与业务运营过程，并为AI时代的组织重构提供决策依据。
未来HR的战略价值，可能越来越取决于能否理解、设计和持续优化工作本身。
参考资料：
SAP News Center，2026年10月6日：SAP to Acquire TechWolf, Giving Enterprises Evidence-Based View of Work in the Age of AI
SAP Community，2026年10月6日：SAP to Acquire TechWolf: Placing Work Intelligence at the Center of the Autonomous Enterprise
TechWolf，2026年10月6日：A New Chapter: SAP to Acquire TechWolf
TechWolf，2026年8月7日：TechWolf Achieves SAP Spotlight+ Designation
TechWolf，2026年9月24日：How Chiesi Rebuilt the Foundation for Its Workforce Transformation
TechWolf，2025年1月29日：Workday to Roll Out TechWolf’s AI-Powered Skills Intelligence
资讯
超越招聘：以技能底座重构企业劳动力规划
HRTech概述：传统以岗位为中心的人力规划模式，已难以适配技术与业务的双重加速迭代。文章指出，企业人才管理的深层症结并非人才供给不足，而是技能可见度的缺失 —— 组织对岗位的了解远超对员工真实能力资产的掌握。由此，人才管理需要从 "为未来岗位招聘" 转向 "打造面向未来的人才队伍"，依托统一的技能底座，打通能力盘点、人才发展、内部人才市场与 HR 职能协同。本文结合当下趋势，系统阐述这一范式转移的内在逻辑、落地路径与组织价值。
一、劳动力规划的旧范式：正在失效的岗位中心主义
多年来，劳动力规划长期停留在相对静态、以岗位为中心的操作模式：识别岗位需求、依据 JD 招聘匹配人才、岗位失效后再做人员替换。这套逻辑暗含两个前提假设：岗位是相对稳定的基本单元，且能力可以稳定映射到岗位之上。然而，两个前提正在同时瓦解。
技术迭代周期持续压缩，岗位职责的演变速度已远超岗位说明书的更新频率。过去被视为专业壁垒的能力 —— 数据分析、流程自动化、AI 工具应用 —— 正快速走向普惠化，岗位边界愈发模糊。在这种环境下，企业过往的常规解法是持续向外招聘补齐新兴能力缺口。但这一路径存在双重失效：外部专业人才引进成本居高不下，且外包只能解决单点能力补充，无法回答更深层的组织命题 —— 企业能否持续盘活内部人才存量，动态调整现有员工的能力定位。
这正是行业共识发生转向的底层原因：人才管理的重心，正从 "为未来岗位招聘" 升级为 "打造面向未来的人才队伍"。二者存在本质差异：招聘只能扩充人头规模，而组织的应变能力，必须依靠体系化的人才能力建设来沉淀。
二、核心痛点：技能可见度缺失，而非人才供给不足
当前最大的认知误区，是把劳动力瓶颈归咎于人才供给。真实症结恰恰相反 —— 问题不在于缺乏人才，而在于技能可见度不足。这也是劳动力就绪度（workforce readiness）长期难以落地的根本障碍。
企业往往对组织架构、岗位编制、汇报关系了然于心，却看不清员工真实的能力资产。传统组织架构图仅服务于 HR 厘清层级与编制，无法呈现能力的动态分布：谁的数据分析能力在持续成长？谁已掌握 AI 工具落地能力？谁具备可迁移的潜在领导力？又有哪些员工经过定向培养，能承接新业务角色？技能信息的黑箱化，直接催生了人才错配。
由此产生一个代价高昂的隐性循环：当业务提出新能力需求时，由于缺乏现有技能库与业务能力需求之间的匹配机制，企业往往直接启动外部招聘 —— 即便组织内部早已具备对应能力储备，也会因技能不可见而重复对外寻才。这是典型的 "组织的健忘症"：资产在场，却无人识得。
三、新一代人才管理范式：技能供给与业务需求的结构性对齐
破解上述困局，需要一套截然不同的提问方式。新一代人才管理范式的核心，是系统回答三个问题：我们当下拥有哪些技能？未来业务需要哪些技能？二者之间的能力缺口在哪里？
这三问构成的正是组织技能供需之间的结构性错配分析。它把劳动力规划从 "经验判断" 推向 "数据驱动"，也把人才决策的颗粒度从 "岗位" 下沉到 "技能" 这一更细、更动态、更可操作的单元。技能由此成为贯穿招聘、学习、绩效、职业发展的统一语言。
四、从单点培训项目，转向业务对齐的能力建设
基于技能的人才发展，早已不能局限于传统课程目录。学习平台只能告诉员工 "可以学什么"，却无法回答 "业务需要你掌握什么"" 这项能力对业务与职业机会意味着什么 "。人才发展的真正杠杆，在于与业务转型方向的深度绑定。
以 AI 落地为例：企业在客户流程中引入 AI，仅安排工具通识培训远远不够。客服人员需要掌握 AI 辅助下的全新作业流程；管理者要学会解读 AI 产出的绩效指标；运营管理层则需具备流程重构与 AI 治理能力。对应的学习资源必须围绕业务场景打包设计，而非简单堆叠 "AI 培训课程"。
这意味着组织需要建立三层清晰视图：转型所需能力的拆解、现有技能基线的盘点、高潜力培养对象的识别，并据此设计工作场景融合的学习路径。唯有如此，人才发展投入才能从 "有课程" 走向 "有价值"。
五、内部人才流动：从人才管理副产品到组织战略杠杆
面向未来的人才队伍，不止于员工持续学习，更关键在于技能能够在组织内部实现流动复用。新兴岗位所需能力，往往与现有员工已掌握的技能高度关联：运营专员可迁移流程与分析能力至数据岗位；市场人员的用户洞察可复用至产品战略；技术专家的知识储备可适配 AI 治理等新兴岗位。
一旦忽略这种技能关联性识别，组织就会持续 "舍近求远"，在外部寻找本就藏于内部的优秀人才。这既是效率损失，更是组织资产的流失。
因此，基于技能的劳动力规划，正与内部人才市场（internal talent marketplace）深度耦合。它的目标并非精准预判员工未来的职业终点，而是把潜在的成长路径显性化、可触达。这一转变同样重塑员工体验：人才发展不再是被动接受按需培训，而是主动掌握能够打开新机会的核心能力 —— 这正是雇主价值主张（EVP）与留存策略的关键一环。
六、落地路径：从业务场景出发的四步方法
构建面向未来的人才队伍，应当从真实业务场景切入，而非依赖泛化的未来技能清单。可循的四步路径如下。
第一步，识别战略变革点。HR 与业务负责人共同识别将重塑工作方式的关键变化：新技术落地、客户模式迭代、自动化改造、市场扩张、监管政策调整等。
第二步，将变革转化为能力。把业务变革拆解为具体的组织能力要求，明确 "能力变化" 而非 "岗位变化"。
第三步，建立技能基线。通过技能评估、管理者反馈、项目履历、资格认证，并叠加日趋成熟的技能智能（Skills Intelligence）工具完成盘点。需要强调的是，不必追求构建 100% 完美的员工能力数据库，核心目标是实现足够的技能透明度，足以支撑劳动力战略决策。
第四步，分类制定缺口补齐策略。明确哪些能力内部培养、哪些优先外部招聘、哪些依托外部协作。必须破除一个教条：技能再培训并非万能方案。对高度专业、紧急稀缺的能力，外部引入反而更具效率优势。
七、HR 职能的重构：从孤立模块到技能底座的联动体系
这一变革对 HR 职能提出了全新期望。劳动力规划、学习发展、招聘、绩效、职业发展不再是彼此孤立的模块，而是通过统一的技能框架形成联动体系。
面向未来的劳动力战略，本质是四层匹配的闭环：业务目标匹配所需能力、能力需求匹配现有员工技能、人才发展方案匹配能力缺口、组织人才部署匹配业务落地节奏，最终构建弹性的人才管理体系。
由此，HR 的思考视角发生根本转换 —— 从 "这个岗位需要多少编制"，转向 "我们需要哪些核心技能？这些技能当前分布在哪些员工身上？如何高效填补能力缺口？" 这背后，是 HR 从行政事务执行者向战略能力运营者（talent capability operator）的角色跃迁。
八、结语：人才优势的本质是组织自适应能力
未来的人才竞争，不属于能够预判所有新岗位与新技术的企业，而属于具备组织自适应能力的企业。能够动态感知能力需求变化、摸清内部人才资产、定向培养关键能力、将人才部署到价值最高场景的组织，才能在持续波动的商业环境中占据主动。
打造面向未来的人才队伍，不是让员工去适配一套固定的远期蓝图，而是让组织随时保有迎接下一轮变革的能力储备。
结合当下 HRTech 趋势的能力建设落点
在当下 HRTech 演进浪潮中，技能智能、内部人才市场、生成式 AI 正在成为落地基于技能劳动力规划的核心基础设施。技术不再只是 HR 的自动化工具，而是打通技能盘点、能力缺口分析、个性化学习推荐与内部人才匹配的数据底座，正在打破传统岗位体系带来的信息孤岛。
值得关注的三条技术主线：其一，AI 驱动的技能图谱自动构建，让技能盘点的颗粒度与更新频率大幅提升；其二，内部人才市场的智能匹配，将技能关联性从人工判断推向算法推荐；其三，以技能为中心的个性化学习路径，将人才发展与业务需求实时对齐。
从静态编制规划走向动态能力运营，是人力资源数字化转型的核心主线。企业借助 HRTech 工具实现技能资产可视化，才能真正释放内部人才潜力，把劳动力就绪度从理念转化为持续驱动业务转型的组织能力。
技术理念的落地离不开真实行业实践的碰撞。如果希望围绕 HR 科技获取一手落地案例、开展同行深度交流、搭建专业人脉连接，关注 9 月 17 日深圳 HR 科技年度论坛・What's Next。本次活动面向企业 HR、HR 科技机构从业者，以线下论坛的形式集中研讨人才管理现存痛点、企业落地实践经验以及行业下一步发展趋势。欢迎报名参与 9 月 17 日深圳 HR 科技年度论坛，与众多企业 HR、行业专家及生态伙伴面对面交流。
资讯
HR部门不会消失，但一批HR岗位会先被压缩：Anthropic的2030推演，正在重写HR岗位价值
HRTech核心解读：Anthropic一套面向 2030 年的 AI 经济情景模型显示：最极端情形下，GDP 比无 AI 路径高 32.4%，但认知型岗位工资下降、失业率升至 17.9%。这份研究真正值得 HR 看的是：未来不该只讨论“哪些岗位会消失”，而要开始按任务重构工作、技能和内部流动。很值得转给团队一起看，HRTech拆解到HR岗位哪些会消失，哪些更有前途！
如果 AI 真的能够完成一半甚至更多的知识工作，企业里的 HR 部门会变成什么样？
The Anthropic Institute 最新发布的《Economic Scenarios for Transformative AI》没有专门讨论 HR，但它提供了一套非常适合重新审视 HR 职业的框架：未来真正被 AI 改变的基本单位，并不是一个完整的“岗位”，而是岗位里面的一项项任务。
Anthropic 用一句非常重要的话概括了这一逻辑：The economy is made out of tasks.
在它设定的 Substantial Scenario 中，到 2030 年，AI 已经具备完成一半知识工作的能力，而且其中大部分可以自主完成，只是企业并不会马上把 AI 应用到所有这些工作上；在更激进的 Extreme Scenario 中，AI 在绝大多数知识工作任务上的生产率超过人类，几乎都可以自主完成，同时几乎不再产生新的知识型人类任务。
如果把这个框架放进今天的企业 HR 部门，一个越来越清晰的趋势就出现了：HR 并不会作为一个职业整体消失，但 HR 部门内部不同岗位的价值会发生非常剧烈的重新排序。
一些今天大量存在的事务型 HR 岗位，很可能被明显压缩；一些岗位不会消失，但工作内容会被重新定义；还有一批目前看起来并不是 HR 部门人数最多的岗位，未来反而可能越来越重要。
这或许才是 Anthropic 这份报告对 HR 从业者最现实的启示。
一、Anthropic真正提醒我们的，不是“多少岗位消失”，而是“多少任务不再需要人做”
Anthropic 为 2026—2030 年美国经济设计了 Modest、Substantial 和 Extreme 三种情景。它特别强调，这些是用于理解不同技术发展路径的 scenarios，而不是对未来的确定预测，也没有给任何一种情景赋予发生概率。
但三种情景之间的差异非常值得企业管理者关注。
在 Modest Scenario 中，到 2030 年，美国 GDP 比没有 AI 的路径高 1.6%；在 Substantial Scenario 中高 8.3%；在 Extreme Scenario 中则高出 32.4%。
问题在于，经济增长并不意味着所有知识工作者都会同步受益。
在更激进的情景中，越来越多的经济增长流向资本，而不是劳动。在 Extreme Scenario 下，劳动收入占 GDP 的比例下降到 45.2%，资本收入占比则提高到 54.8%。同时，知识型工作受到大规模自动化冲击，整体失业也可能显著上升。
这背后真正发生的，并不是某一天企业突然宣布“这个职业不存在了”，而是一个岗位内部越来越多的任务逐渐被 AI 接管。
当被接管的任务积累到一定比例之后，企业才开始问第二个问题：这个岗位还需要这么多人吗？
这对于 HR 自身同样成立。
二、第一批被压缩的，很可能不是HR这个职能，而是“事务型HR”
先看今天最常见的 HR Assistant、HR Coordinator、HR Administrator。
这些岗位承担了大量企业不可缺少、但高度流程化的工作，包括新员工入职资料、员工信息维护、证明文件、面试安排、会议协调、政策通知、假期查询、员工 FAQ、离职流程、基础数据整理以及各种 HR 系统操作。
问题在于，如果按照 Anthropic 的 task-based framework 去拆解，这些任务中的很大一部分都具备几个共同特点：规则明确、重复频率高、数字化程度高、主要依赖文本和信息处理，而且异常情况相对有限。
这正好是 AI Agent、HRIS 和 workflow automation 最容易进入的区域。
所以未来更可能发生的事情，不是企业宣布“取消 HR Operations”，而是原来 5 个人承担的事务型工作逐渐变成 1—2 个人管理系统、处理异常，再由 AI 和自动化流程完成大量标准工作。
这会首先冲击 HR Assistant、HR Coordinator、HR Administrator，以及 HR Shared Services 中大量 Tier 1 类型的岗位。
这些岗位不会一夜之间消失，但企业为每 100 名、500 名或者 1,000 名员工配置多少事务型 HR，可能会明显下降。
这其实就是 Anthropic 模型所描述的 automation 真正进入企业之后的典型路径：岗位并不是突然消失，而是岗位内部能够交给 AI 的任务越来越多，最终改变 headcount economics。
三、招聘可能成为HR内部最早经历大规模岗位重构的职能之一
如果把 Recruiter 拆开来看，一个招聘岗位实际上包含十几种甚至几十种任务：写 JD、寻找候选人、搜索数据库、筛选简历、发送 outreach、安排面试、回答候选人问题、整理 interview notes、生成候选人 summary、跟踪流程、制作 offer，以及与 Hiring Manager 沟通和判断候选人。
这些任务的 AI 曝露程度完全不同。
其中，JD 撰写、candidate sourcing、简历初筛、候选人匹配、outreach 文案、Scheduling、基础 screening 和 candidate FAQ，都属于 AI 很容易参与甚至自动完成的任务。
因此最先承压的，很可能是 Recruiting Coordinator、Talent Sourcer、Volume Recruiter，以及主要依靠简历筛选和流程推进产生价值的初级 Recruiter。
但这并不意味着 Recruiter 会消失。
相反，Recruiter 可能会出现非常明显的两极分化。
过去，一个 Recruiter 的价值可以体现为“我能找到很多候选人”“我一天能处理多少份简历”“我管理多少个 requisitions”。未来这些能力的稀缺性会迅速下降，因为 AI 搜索和处理候选人的能力越来越强。
真正升值的会是另外一部分能力：理解业务到底需要什么人、挑战 Hiring Manager 不合理的要求、判断候选人的潜力与组织适配性、影响高端人才、理解人才市场，以及把人才数据转化成管理层决策。
因此未来真正有价值的 Recruiter，会越来越像 Talent Advisor，而不是“招聘流程操作员”。
这恰恰符合 Anthropic 的模型逻辑：AI 首先接管的是 task，而不是整个 occupation。最终剩下的人类任务往往更加复杂，也更加依赖 judgment、relationship 和 accountability。
四、HRBP不会消失，但“流程型HRBP”会越来越危险
HRBP 可能是未来几年 HR 内部分化最剧烈的岗位之一。
今天很多企业虽然设有 HRBP，但 HRBP 实际承担的工作仍然包括大量流程推进：解释 HR policy、推动 Performance Review、跟踪 headcount、协调 recruitment、传递总部政策、组织 talent review、处理基础员工问题。
如果一个 HRBP 的主要价值是“知道公司流程怎么走”，那么 AI 对这个岗位的冲击会越来越大。
因为员工未来并不需要为了了解 PTO、Benefits、Promotion Policy 或 Performance Process 找 HRBP。AI 可以连接企业内部 HR policy、HRIS 和 knowledge base，在几秒钟之内回答大量标准问题。
真正不会轻易被替代的 HRBP，是另一种 HRBP。
当一个 BU Head 问：“AI 进入之后，这个部门未来到底需要多少人？”“我们是不是有太多管理层级？”“销售团队为什么一直招不到合适的人？”“哪些岗位未来三年应该减少，哪些技能应该提前建设？”“这个组织应该怎么重新设计？”这些问题已经不再是流程问题，而是 Business + Organization + Talent Decision。
这种 HRBP 的价值反而会提高。
所以未来 HRBP 很可能分成非常清楚的两类：流程型 HRBP 被压缩，战略型 HRBP 升值。
HRBP 真正的门槛也会随之改变。懂劳动政策、懂招聘流程、懂绩效流程依然重要，但已经不够。未来优秀 HRBP 必须拥有更强的 Business Acumen、Data Literacy、Organization Design、Workforce Planning 和 AI Literacy。
换句话说，HRBP 不会因为 AI 消失，但 AI 会迫使 HRBP 回到这个岗位原本应该承担的战略角色。
五、Payroll和Benefits不会简单消失，但“操作价值”会迅速下降
Payroll 和 Benefits 是另外两个容易被简单判断为“会被自动化”的 HR 领域。
如果只看工资计算、数据录入、eligibility check、enrollment、员工 FAQ 和 plan comparison，AI 和自动化确实可以承担越来越多工作。
但 Payroll 真正困难的部分从来不是按下“发工资”按钮，而是 multi-state taxation、classification、compliance、audit、异常情况、系统整合以及不断变化的劳动法规。
Benefits 也是一样。
员工“我的 deductible 是多少”“什么时候 open enrollment”“这家医院是不是 in-network”这些信息查询型任务，未来越来越没有必要依靠 Benefits Administrator 人工回答。但医疗成本控制、Plan Design、Broker Management、Vendor Negotiation、ACA/ERISA Compliance、Employee Communication 和 Benefits Strategy 的专业价值并不会因此消失。
所以这两个岗位真正发生的是 value migration：从 administration 向 expertise 迁移。
未来企业可能需要更少的人“操作福利”，却更需要能够回答“公司一年花几百万美元福利预算，怎样设计才能真正控制成本并提高员工价值”的人。
这也是为什么 AI 对 HR 的影响不能简单理解成“自动化=岗位消失”。同一个岗位内部，一部分任务贬值，另外一部分任务反而可能因为复杂度提高而更加昂贵。
六、L&D也会经历一次非常彻底的价值重构
企业培训领域同样会出现明显分化。
课程资料整理、PPT 制作、培训通知、基础 e-learning 内容、考试题目、培训总结等工作，AI 已经可以非常高效地完成。这意味着大量以“制作培训内容”为主要工作内容的 L&D 岗位，未来价值会下降。
但企业真正需要的并不是更多课程，而是员工能否形成未来需要的能力。
特别是在 Anthropic 所描述的知识工作快速变化情景下，真正困难的问题不是“给员工上一门 AI 课”，而是：哪些工作正在发生变化？哪些技能正在贬值？哪些新能力正在升值？一个员工如何从正在减少的工作转移到新的工作？
这使得 L&D 的价值中心会从 Content Production 转向 Capability Building。
真正升值的 L&D，不是最会做课程的人，而是能够完成 skills gap analysis、设计 reskilling architecture、推动 manager capability，并帮助组织实现 workforce transition 的人。
而且 Anthropic 自己在 2026 年关于 worker retraining 的研究也提醒，面对显著劳动力市场变化，“培训”并不是万能答案。职业转换存在明显摩擦，员工即使愿意学习，也不代表可以迅速进入完全不同的职业。
这对企业 HR 的含义非常直接：未来真正需要建立的，不只是 Learning Platform，而是 Skill Graph + Internal Mobility + Workforce Planning。
七、真正升值的第一类HR：Workforce Planning与Organization Design
如果说哪些 HR 岗位最可能因为 AI 而升值，我认为 Workforce Planning 和 Organization Development 会排在非常靠前的位置。
原因并不复杂。
过去的 Workforce Planning 很多时候只是根据业务增长率计算明年需要增加多少 headcount。但进入 AI 时代以后，问题变成了：如果 AI 可以完成一个岗位 30%、50% 甚至 70% 的任务，我们到底还需要多少人？
这已经不是传统 headcount planning，而是 Work Design。
比如一个 Customer Service 团队原来有 500 人，AI Agent 可以完成 60% 的标准咨询之后，剩余员工应该是多少？留下的人应该处理什么问题？Manager span 应该怎么变化？职位等级怎么设计？剩下的工作应该重新组合成什么岗位？
再比如一个 100 人的软件团队，如果 Coding Agent 显著提高工程师生产率，公司究竟应该减少 Junior Engineer，还是保持人数并提高研发速度？如果 Junior Position 大量减少，未来 Senior Engineer 从哪里培养？
这类问题没有哪个 AI 软件可以直接替 CEO 做决定。
它需要 Workforce Planning、Finance、Business Leader 和 HR 一起重新设计组织。
所以从 Anthropic 的 task-based framework 往企业内部继续推演，未来 HR 非常核心的一项能力将是：
Task → Skill → Job → Organization → Headcount
谁能够把这条链条建立起来，谁就开始真正参与 AI 时代的组织设计。
八、真正升值的第二类HR：People Analytics会从“做报表”变成“做决策”
People Analytics 也会出现明显两极分化。
今天大量 People Analyst 的工作仍然是导数据、做 Excel、制作 Dashboard、统计 turnover、headcount、time-to-hire，再生成月报。
这些工作本身高度适合 AI。
未来 CEO 并不需要一个 Analyst 花两天告诉他“今年离职率是 14.2%”。AI 几秒钟就能给出这个结果。
真正有价值的问题是：为什么离职率上升？哪些团队异常？哪些员工存在风险？这个问题到底和 manager、pay、workload 还是 career opportunity 有关系？如果调整组织结构，会产生什么后果？
因此基础 reporting 的价值会下降，而 Workforce Intelligence、Predictive Analytics 和 Decision Science 会升值。
未来好的 People Analytics 团队不是 HR 的“数据部门”，而是组织决策部门。
九、真正升值的第三类HR：Total Rewards可能比今天更重要
Anthropic 这份报告中，有一个经常被忽略、但对 HR 极其重要的结果：AI 可以让社会整体变得更富裕，但经济增长并不会自动平均流向劳动者。
在 Extreme Scenario 中，资本收入占 GDP 的比例升至 54.8%，劳动收入占比下降到 45.2%。Anthropic 因此直接提出一个核心问题：如果 AI 创造了巨大的生产率收益，如何确保这些收益能够被更广泛地分享？
这个宏观问题进入企业之后，其实就是 Total Rewards 问题。
假设一个原来 100 人的部门，通过 AI 变成 70 人，同时产出提高 30%。企业获得了更高 Productivity、更低 Labor Cost 和更高 Margin。
那么剩下的 70 名员工获得什么？
如果他们承担了更复杂的工作，需要管理 AI Agent，需要承担更大的责任，却仍然按照原来的岗位价值支付工资，那么组织内部会形成新的收益分配矛盾。
因此 AI 时代可能会出现新的 skills premium、AI productivity incentive、profit sharing、equity compensation，以及完全不同的 Job Architecture。
未来 Total Rewards 面对的问题不只是“市场上这个岗位多少钱”，而是：当 Human + AI 共同创造价值之后，人应该拿多少？
这会让 Compensation、Job Architecture 和 Total Rewards 重新进入企业 AI 战略的核心位置。
十、Employee Relations、Labor Relations和复杂人才判断，反而可能更加重要
还有一类岗位，AI 可以提供帮助，但很难承担最终责任。
比如 Employee Relations。
AI 可以整理调查材料，可以帮助搜索政策，可以分析文件，可以生成 interview questions，但涉及 harassment、discrimination、termination、performance disputes、workplace conflict 等问题时，真正困难的从来不是“找到信息”，而是理解 context、判断风险、处理人与人的关系，并承担决策责任。
Labor Relations 更是如此。
谈判、工会关系、集体协议、员工情绪和劳资冲突，本质上属于高度情境化的人际和组织问题。
同样，Executive Assessment、Succession Planning、Leadership Development 也不是简单的信息处理任务。
AI 可以告诉企业一个人有哪些数据表现，但“这个人是不是下一任 CEO”“两个候选人谁更适合带领正在转型的业务”，依然属于复杂 judgment。
所以未来企业真正稀缺的 HR 能力，很可能从 Execution 转向 Judgment、Orchestration 和 Accountability。
十一、AI最终可能让HR部门变得更小，但也更专业
如果把这些变化放在一起，未来企业 HR 的组织形态其实已经可以看到一些轮廓。
过去很多公司的 HR 部门是一个“金字塔”：下面有大量 Coordinator、Administrator、Recruiter、Shared Services 和执行人员，中间是 Manager、HRBP，上面是少数 HR Director 和 CHRO。
AI 会逐渐压缩这个金字塔的底部。
未来更可能出现的是：更少的事务型 HR，一套更强的 HR Technology 和 AI infrastructure，再加上一批专业程度更高的 HRBP、Organization Development、Workforce Planning、People Analytics、Total Rewards、Employee Relations 和 Change Management 人才。
也就是说：
HR 部门可能变小，但 HR 的专业门槛会变高。
这与 Anthropic 当前看到的劳动力市场早期信号也并不矛盾。Anthropic 2026 年对 AI labor-market impacts 的研究发现，AI 实际使用距离理论上能够完成的工作仍然有明显差距，目前尚未观察到高 AI 暴露职业出现系统性失业增长，但已经看到一个值得继续观察的信号：高暴露职业中，年轻劳动者的招聘可能正在放缓。
这意味着真正的变化很可能不是“明天大量 HR 被裁掉”，而是未来几年企业开始逐渐减少 entry-level、transactional 和 coordination-heavy 的岗位。
而这恰恰可能带来另一个长期问题：如果初级岗位减少，未来高级 HR 从哪里成长出来？
这是所有知识工作行业都将面对的问题。
十二、对今天的HR从业者来说，真正危险的不是不会用AI
很多人现在把 AI 时代 HR 的个人竞争力理解为“会不会使用 ChatGPT”“会不会写 Prompt”。
这可能严重低估了真正的变化。
AI 工具使用很快会成为类似 Excel、Email 一样的基础能力，本身不会形成长期职业壁垒。
真正决定一个 HR 是否升值的，是 AI 把他的基础任务拿走以后，他还剩下什么。
如果一个 HR 的核心价值是：“告诉我流程，我负责执行。”那么风险最高。
如果一个 HR 的价值是：“出现复杂情况，我可以判断应该怎么处理。”那么相对安全。
而未来真正稀缺的 HR，应该能够进一步回答：“业务准备发生变化，我可以告诉公司应该如何重新设计组织、岗位、技能、人才和 AI 的组合。”
这三种 HR，对应的实际上就是三个不同层级：
Process Executor → Professional Judgment → Organization Architect。
未来几年，越来越多 HR 的职业迁移，很可能就在这三个层级之间发生。
HRTech观察：AI不会先消灭HR，而是先重新给HR定价
Anthropic 这份报告最大的价值，不是告诉我们 2030 年会有多少人失业，而是让我们重新理解工作的基本结构。
一个岗位从来不是一个不可分割的单位，而是一组任务。
当 AI 开始拿走其中一部分任务之后，岗位剩余部分的价值就会发生变化；当越来越多任务可以被自动化之后，岗位数量才开始改变；当整个公司的岗位结构发生改变之后，组织设计、人才结构和薪酬体系也必须随之改变。
因此，对 HR 来说，真正的问题从来不是：
“AI 会不会取代 HR？”
而应该是：
“AI 拿走我的一半工作之后，剩下的一半工作值多少钱？”
对于 HR Assistant、HR Coordinator、HR Administrator、Recruiting Coordinator、Talent Sourcer、基础 Reporting Analyst 和大量 Shared Services 岗位，这个问题已经越来越现实。
对于 HRBP、Recruiter、L&D、Payroll、Benefits 和 HR Generalist 来说，未来则是一场非常明显的重新分化：事务处理能力正在贬值，专业判断和业务咨询能力正在升值。
而对于 Workforce Planning、Organization Development、People Analytics、HR Technology、Total Rewards、Employee Relations、Change Management 和真正战略型的 HRBP 来说，AI 反而可能创造一个比过去更大的舞台。
因为当 AI 开始重新定义工作的时候，企业最终一定需要有人重新设计工作。
这可能就是未来 HR 最重要的角色变化：
从管理“人和岗位”，走向设计“Human + AI 的工作系统”。
HRTech认为，未来真正优秀的 HR，不一定是最会使用 AI 的 HR，而是最懂得如何重新划分 人做什么、AI 做什么，以及组织应该因此如何改变 的 HR。
Anthropic 的研究并没有宣布 HR 的终点，但它已经给出了一个非常清楚的方向：AI 不会简单地消灭 HR，它会先重新给每一种 HR 工作定价。
资讯
从"救火"到"预判"：AI驱动下，HR正从被动响应走向前瞻规划
HRTech概述：当 HR 长期扮演 "消防队" 角色、只在问题爆发后才被动补位，组织正为这种滞后付出越来越高的代价。本文拆解预测性劳动力规划这一新范式：如何将劳动力数据、AI 与业务预测结合，提前预判技能缺口；AI 在需求建模、流失预警、技能缺口分析中的三重应用；以及数据治理、试点先行等落地路径与常见误区。核心结论一句话：面向未来的人才规划，算的不是人头账，而是技能账。
人力资源部门长期以来一直被视为公司的 “消防队”。当一名经理辞职、关键团队突然闲置，或是需求激增导致需要招聘新员工时，人力资源部门便会负责处理岗位配置、预算安排、合规问题，并解决由此暴露出的任何人才难题。
这就是 “被动式人力资源管理” 的写照：只有在问题显现后，才会做出关于劳动力队伍的决策。然而，随着经济的不确定性、技术的飞速发展、技能需求的不断变化以及员工期望的转变，等待技能缺口出现所带来的成本正在迅速攀升。基于职位空缺进行的人员编制规划和招聘并非真正的劳动力规划；作为对职位空缺的反应而进行的人员编制规划和招聘，也并非真正的劳动力规划。
还有另一种方法：预测性劳动力规划。通过整合劳动力信息、人工智能和业务预测，组织能够预判未来所需的技能，而非被动应对当前缺乏的技能。现有人力资源将转变为一种可分析、可预见的资产，可以加以磨练、提升，并与企业的长期目标紧密结合。
突破被动应对的陷阱
受限于被动的人力资源管理与其所依据的数据密切相关。历史流动率、招聘周期、离职面谈以及年度人员编制预算，这些数据仅反映组织中已经发生的情况。它们虽能提供一些背景信息，但对未来预测的参考价值有限。
预测性人力规划不仅基于历史数据和信号，还基于预测性数据。影响市场的条件、员工情绪、业务增长预测、技能趋势、劳动力供应情况以及其他领先指标均可纳入规划流程。组织不再仅仅关注短期岗位填补或即将到来的预算，而是能够展望未来几年的人员需求。
这改变了人力资源部门处理人才问题的方式。在人才短缺开始影响业务时，人力资源部门才会采取预防性措施。而预测性规划旨在在人才短缺发生之前就发现其迹象。重点也从 “招聘周期” 和 “每名雇员招聘成本” 转向了 “人才价值”、“技能持久性”、“高素质劳动力” 和 “业务就绪度”。
如果缺乏前瞻性，企业可能会陷入代价高昂的困境。可能突然出现技术人才短缺，导致无法按时完成项目或推动公司发展；随后会出现招聘潮，最终不得不进行重组。通过预测性规划，招聘、培养和留任将转变为持续的预测活动，从而缓解这种波动。
AI 如何提升预测性劳动力规划与人力资源决策
AI 正助力加速这一转型，因为它能够从海量数据中识别出人工难以追踪的趋势。但 AI 对人力资源的重要性不仅限于自动化行政任务。它还能帮助组织洞察因业务环境变化而产生的未来劳动力需求。
AI 的应用方式多种多样，其中最主要的一种是多维度劳动力需求建模。虽然参考部门负责人的预估是一种方法，但机器学习模型会综合考虑产品和销售管道、预期收入、扩张计划、劳动力市场、经济指标以及季节性或监管变化等因素，而非仅依赖部门负责人对明年人员编制需求的预估。整合这些信号的能力，有助于更准确地预测何时、何地以及哪些技能将最为紧缺。
人工智能还可用于辅助流失风险分析。传统的人力资源流程通常在员工决定离职后才启动。预测模型能够识别出预示员工流失风险较高的模式，例如：薪酬水平从高于、低于或与市场预期持平的状态发生转变的时间点；最近晋升群体中缺乏晋升机会；组织人事变动；员工职业发展；以及对工作场所的投入度变化等。如果使用得当，这些信号不能作为判断员工何时离职的决定性因素。它们只是能提前提醒人力资源部门，可能需要采取其他支持、发展或留任措施。
一个关键转变是从人员编制规划转向技能缺口分析。职位名称并不能准确反映员工的技能水平。人工智能不仅能够评估公司内部可能出现技能缺口的位置，还能将当前的技能组合与未来的业务需求进行匹配。例如，一家计划在两年内涉足分布式账本技术（DLT）领域的金融服务公司，可以利用基于技能的模型来确定公司需要掌握哪些技能，才能朝着正确的方向迈进。随后，领导层可以选择在组织内部培养这些技能、招聘具备相关技能的人才，或者寻求外部帮助来获取这些技能。
前瞻性规划的经济效益
预测性劳动力规划的优势远不止于提升人力资源效率。在招聘流程的早期阶段就对人才需求有更深入的洞察，可以最大限度地减少对临时用工方案和招聘机构的临时依赖。六个月或十二个月的规划周期，能让组织在人才短缺出现之前，有更多时间培养内部人才并建立候选人储备渠道。
预测性规划还能保障企业正常运转。对于计算机软件开发、医疗保健和高科技制造等行业的岗位，关键职位的空缺可能会导致项目停滞、限制生产能力，或对收入产生负面影响。识别可能出现短缺的关键需求，能使组织提前培养接班人、从内部提拔或外部招聘，从而防止该特定职位成为业绩瓶颈。
它还有潜力优化资本配置。对于新市场开拓、新产品、新技术或扩张项目，高管们希望了解组织是否具备交付能力。劳动力预测将人才需求置于更广泛的财务和战略规划讨论中，而非将其视为下游的人力资源问题。
组织常犯的错误
预测性人力规划的核心不在于技术，而在于人。切勿将其误认为又一款软件应用。
即使购买了配备人工智能技术的人力资本管理（HCM）平台，并将其与分散或过时的数据关联起来，组织仍会发现其预测结果有误。
任何预测性规划的有效性，取决于其所依据的数据和业务背景。人力资源数据应与财务及 ERP 解决方案、销售周期、产品时间表和运营流程相衔接。否则，即使是先进的模型，也很可能针对错误的未来进行优化。例如，某个产品团队可能决定停用一种编程语言，而未能掌握这一信息的劳动力模型，却可能建议组织投资于未来需求将逐渐减少的该语言。
在高度不稳定的环境中，预测模型在可预测性方面存在固有局限。对于处于发展初期和 / 或正经历重大结构性或监管变革的新兴公司或行业，可能缺乏足够数量的稳定历史模式来用于可靠的预测。如果环境变化的速度超过了模型的适应能力，更复杂的算法反而可能导致虚假的自信。然而，持续的验证和人工判断仍然至关重要。
将预测性人力规划转化为战略
数据治理是实施预测性人力规划的起点，而非技术本身。组织若要依赖可靠的预测，必须拥有准确且一致的员工数据、技能详情、组织架构图以及人力信息，这些数据需经过良好治理且易于获取。
下一步是从岗位角色转向技能。组织不应仅以职位名称为依据，而应根据当前或未来所需的技能来调整计划，并考虑如何通过内部流动或发展来弥合技能差距。
最后但同样重要的是，企业不应仓促进行全公司范围的全面转型。有控制的试点项目可以提供一条更加清晰的路线图。对于历史上劳动力需求难以预测的业务部门（例如，专门的销售或工程团队），可以在接下来的两个季度内，在传统的被动流程之外并行运行预测模型。通过对比预测结果与实际情况，人力资源从业者和公司领导者能够发现需要改进的地方，学习如何做到精准预测，进而充满信心地扩大应用范围。
要真正从预测性劳动力规划中获益，关键在于转变思维方式。人力资源部门不应等到人员流失、技能短缺或产能问题成为实际难题时才采取行动。当劳动力数据、商业智能、人工智能驱动的预测以及人类经验相结合时，企业就能更早地预见能力缺口，并在这些缺口对绩效产生负面影响之前及时采取行动。
因此，面向未来的人才规划不仅仅在于预测企业未来需要多少人。其核心在于了解哪些技能在何时会变得重要，以及组织如何在市场需求出现之前就培养这些技能。
HRTech 视角总结
从 "消防队" 到 "预言家"，HR的角色正被 AI 重新定义。2026 年人力资源科技的主线，正从流程自动化走向预测与决策智能：当智能代理可以接管事务性工作，HR的增量价值恰恰落在 "前瞻" 上 —— 把劳动力数据、业务预测与技能智能结合，在缺口出现前完成布局。而这一切的前提，是建立在对 AI 变化的系统性理解之上：预测模型的准确度，取决于组织能否持续获取高质量的信号与趋势判断。想用更完整的数据理解 AI 变化，而不是只看零散新闻？AI HR 转型双报告，面向 HRD、HR 数字化负责人、AI 项目负责人，通过双报告下载提炼关键数据、市场变化与决策线索，可用于行业判断、管理层汇报和年度规划，为预测性人才决策提供扎实的数据底座。免费下载 AI HR 转型双报告
资讯
2026人力资源战略跃迁：从生成式AI试点迈向智能体自主行动
HR 正从 "试用 GenAI" 迈向 "部署智能代理"
现代人力资源管理将超越对生成式人工智能（GenAI）工具的简单尝试，引入能够在明确的人类监督下执行任务、做出决策并管理跨企业系统交互的智能代理。这一转型正在深刻影响招聘、人员配置、员工关系以及人力资源成本管理。
据麦肯锡观察，许多组织仍停留在试点阶段，但基于智能代理的人力资源运营模式已开始浮现。到2026 年，HR领域最值得关注的飞跃，将是从 "实验" 转向 "可量化的企业价值"。
1. 从 GenAI 试点到代理式行动
规模化之前，先重构运营模式
HR 领导者正越来越清晰地认识到生成式 AI 与代理式 AI 的战略差异：AI 代理能够对任务进行推理、与系统沟通、采取行动并上报异常；而生成式 AI 更偏向辅助员工创建内容、总结信息或回答查询。
HR 专家可依据交易量、决策复杂度、风险与潜在商业价值，梳理招聘、入职、员工服务、薪资管理、劳动力规划、学习与绩效等流程。处理量大且相对结构化的活动，是早期部署智能代理的理想场景；而涉及雇佣资格、薪酬、纪律处分与解雇的决策，则应明确保留给人类。
这本质上是一种新的运营模式：代理负责执行具体工作，员工监督具体结果，高管管理边界。其价值不仅在于减少行政时间，更在于构建可扩展的人机协作设计，让 HR 人员专注于劳动力战略、组织设计、领导力发展与复杂员工决策。
从自动化试点到端到端人才引擎
从 GenAI 试点到代理式运作的转变，在招聘场景中体现得尤为典型。传统 AI 方法能够撰写职位描述、评估求职者，而代理式招聘则将人才寻源、评估、面试、日程安排与入职流程整合为一个整体流程。据德勤报告，将 AI 与智能代理纳入招聘流程的趋势日益普及，相关解决方案或将很快取代传统上由人类专家承担的大部分招聘工作。
落地第一步，是识别招聘人员在处理候选人时的时间浪费点。代理能够根据特定标准筛选申请、补全缺失信息、主动联系候选人、安排面试、将数据录入招聘系统，并在需要人工判断时及时通知招聘人员。随后，企业应持续评估筛选时间、面试时长、招聘人员工作负荷、候选人响应率、录用率与招聘质量。
2. 代理式 AI 的价值不止于自动化
以产能、速度、质量与体验四维衡量
衡量代理式 AI 对业务成果的影响，而非单纯统计 AI 使用情况，才能真正体现其对 HR 团队与员工体验的价值。建立一套价值评分卡，从四个维度评估：释放的处理能力、缩短的周期时间、提升的决策质量、增强的体验。
据 Workday 与德勤研究，采用 AI 功能的客户招聘人员产能提升了 54%；新型招聘代理已能处理人才寻源、外联沟通、职位推荐、职位描述撰写与面试安排等工作。其背后的经济原理是一致的：目标不仅是自动化特定任务，更是在不增加团队人员的前提下，为 HR 员工腾出更多用于战略性工作的时间。
员工体验也应以同样标准衡量。能够当场解决常见咨询的员工服务专员，有助于减少案例数量、加快解决速度；但当员工在所有渠道都能获得一致答复、HR 专家得以聚焦更复杂的问题时，其影响才会真正放大。
从编制规划走向技能与能力规划
代理式 AI 正在变革劳动力管理，使其从人员编制规划转向能力规划。HR 高管应将 AI 实施与技能智能相结合：劳动力管理负责人不应只考虑所需员工数量，更应思考哪些任务将被自动化、需要哪些新技能、将创造哪些新岗位，以及从何处获取新技能填补缺口。
由此带来的业务成果，是更具适应性的员工架构：HR 部门能够更准确地预测未来人才需求，更早发现员工队伍缺口，并推动招聘、培训、岗位轮换与组织设计朝着与企业战略一致的方向发展。
3. 不丧失人类责任感的扩张
审慎规模化，而非盲目自动化
麦肯锡指出，2026 年 HR 领域的重大飞跃将通过审慎的规模化实现。当前 HR 领域的 AI 应用仍受制于技术体系割裂、能力建设不足，以及过度侧重行政而非业务用例等问题。高管可遵循四个阶段推进：
第一，建立 AI 准备度基准，涵盖数据质量、流程成熟度、集成架构、员工能力、治理机制与可衡量的业务目标；
第二，根据价值、可行性、风险与可扩展性，对用例进行优先级排序；
第三，将智能代理部署到受控工作流中，并在关键决策点设置人工审批环节；
第四，只有在性能、安全性、采用率及财务成果均得到验证后，才进行规模化部署。
从 "自动化比例" 转向 "经济价值"
这一框架同样改变了投资决策的方法论。领导者不应仅依据自动化比例或许可证成本比较不同智能代理，而必须衡量周期缩短、行政负担减轻、员工体验提升、错误风险降低、招聘人员处理能力增强以及 HR 决策优化所带来的经济价值。
从 "试点尝鲜" 到 "价值兑现"，人机协同重构 HR
2026 年，全球 HR 科技领域最确定的叙事，正是 AI 从 "辅助工具" 走向 "智能体（Agent）" 的规模化落地 —— 而这场转型的胜负手，已不在技术本身，而在组织能否完成从 "试点尝鲜" 到 "价值兑现" 的跨越。无论是招聘产能 54% 的提升、端到端人才引擎的成型，还是劳动力管理从编制规划走向能力规划，都在印证同一个趋势：代理式 AI 正从单点提效工具，升级为重塑 HR 运作方式的底层能力。
但规模化从来不是自动化的简单叠加。当 AI 代理越来越多地承担执行性工作，人类的价值锚点反而更加清晰 —— 在雇佣资格、薪酬、纪律处分等关键决策上守住责任边界，在劳动力战略、组织设计与复杂员工问题上发挥判断力。能够把自主 AI 与坚实的数据平台、人工管控、人才策略及价值问责机制结合起来的组织，才能真正把试点项目转化为核心能力。这场重构的终局，不是 AI 取代 HR，而是让 HR 成为更懂业务、更能驱动组织战略的角色。
而 "试点如何走向规模、人机边界如何划定"，恰恰是当下 HR 科技圈讨论最热烈、也最需要真实实践来回答的问题 —— 希望围绕 HR 科技获得更真实的案例、同行交流与专业连接？9 月 17 日深圳 HR 科技年度论坛・What's Next， 面向企业 HR、HR 科技机构，通过线下论坛报名集中讨论当前问题、实践经验与下一步趋势。报名参加 9 月 17 日深圳 HR 科技年度论坛，并与相关企业 HR、专家及行业伙伴建立连接，共同探讨 "AI + 劳动力" 的下一站。
扫一扫 加微信
hrtechchina
资讯
资讯
资讯
资讯
资讯
资讯
资讯
资讯
资讯
资讯
扫一扫 加微信
hrtechchina
