OpenAI - HRTechChina.com - 向上的力量！

OpenAI

AI冲击下的职场变局：年轻员工首当其冲，初级岗位入口加速收窄，AI正在重构任务，而非简单消灭岗位高AI暴露岗位需求下降42%，AI采用企业人力却增长27%： HRTech概述：美国劳动力数据与研究公司Revelio Labs通过劳动力供给、企业招聘需求、就业与工资、岗位工作内容以及招聘匹配五个维度，持续追踪人工智能对美国劳动力市场的实际影响。首期数据显示，自2022年10月以来，AI暴露度最高职业的招聘需求相对于最低暴露职业下降42%；与此同时，已经采用AI的企业，员工规模增长却比未采用企业高出27%。这组看似矛盾的数据表明，AI带来的变化并不是简单的“机器取代人”，而是企业内部的任务组合、人才结构和招聘方式正在同步重构。从预测岗位消失，转向观察正在发生的变化围绕AI与就业市场的讨论，过去几年一直充斥着相互矛盾的判断。一些研究预测AI将大规模取代岗位，另一些观点则认为AI能够提高生产率、创造新职业并推动企业增长。 Revelio Labs推出AI Labor Market Tracker的核心目的，是减少这种以预测为主的讨论，转而通过实际劳动力数据回答一个更直接的问题：AI现在究竟对招聘、就业、技能和工作内容产生了什么影响？该Tracker将按月更新，结合Revelio Labs自身的劳动力数据、招聘职位、薪酬信息和员工情绪数据，同时参考并更新相关学术研究结论。追踪范围包括劳动力供给、企业需求、就业与工资、岗位活动以及人才与企业之间的招聘匹配。Revelio Labs表示，其底层数据覆盖超过3000万家公司、50亿条招聘职位以及195个以上国家和地区。需要注意的是，产品虽然使用“实时衡量”作为定位，但其首期指标主要反映截至2026年6月的劳动力市场变化，并按照月度节奏更新。更加准确的理解，应当是一个持续更新的近实时劳动力市场监测体系，而不是逐日或逐小时变化的实时系统。高AI暴露岗位需求下降，但不等于岗位已经被AI替代首期Tracker中最受关注的数据，是AI暴露度最高职业的招聘需求出现明显下降。 Revelio Labs正式Tracker页面显示，自2022年10月以来，AI暴露度最高职业的招聘需求相对于最低暴露职业下降了42%。这里的“AI暴露度”并不是指企业已经使用AI取代了这些岗位，而是衡量某项职业中的工作活动，有多大比例在技术上可能由当前生成式AI完成。例如，数据整理、基础分析、文案起草、内容总结、信息录入和标准化报告等任务，通常具有较高的AI暴露度。即使企业尚未正式部署AI，也可能因为预期这些任务未来会被自动化，而减少相关岗位招聘、调整岗位职责，或者提高招聘门槛。 Revelio Labs的新闻稿以数据工程师和金融分析师等岗位为例，称AI暴露程度较高职业的招聘需求相对于低暴露职业下降36%。但公司正式Tracker页面显示的最新数字为42%。两个页面分别以2022年11月和2022年10月为比较基准，公开资料没有进一步解释两组数字差异的具体原因。HRTech建议，在引用该研究时以正式Tracker页面显示的42%为主，同时注明新闻稿曾使用36%的表述，避免将不同口径混用。更重要的是，AI暴露度高并不意味着这些岗位已经消失。Revelio Labs发现，自ChatGPT推出以来，AI暴露度最高职业的就业增长，仅比AI暴露度最低职业低约4%。就业市场已经出现压力，但目前并没有出现与招聘需求下降同等幅度的岗位消失。年轻员工和初级岗位正在承受更明显的压力 AI对不同职级和年龄人群的影响并不平均。 Revelio Labs的研究显示，在AI暴露度较高的职业中，年轻员工的就业表现明显弱于资深员工。22至25岁员工在相关职业中的就业增长，相对于低AI暴露职业下降约13%。这意味着AI对劳动力市场最早产生的影响，可能不是大规模裁撤现有员工，而是减少企业对初级人员的需求。过去，许多年轻员工通过资料整理、基础分析、报告撰写、客户支持和流程操作等工作进入企业，再逐步积累行业知识和判断能力。随着这些任务被AI辅助或部分自动化，企业可能不再需要同样数量的初级员工。这一变化会带来一个长期的人才供应问题。如果企业只保留需要经验和判断能力的高级岗位，却不断削减用于培养人才的初级岗位，未来可能出现资深人才不足、内部继任断层和管理人才供应下降。因此，AI时代的初级岗位不应该只是被简单取消，而需要被重新设计。企业需要让年轻员工更早参与客户沟通、业务判断、AI结果审核、跨部门协作和复杂问题解决，避免其工作长期停留在最容易自动化的任务层面。为什么AI采用企业反而增长得更快？与高AI暴露职业需求下降同时发生的，是AI采用企业员工规模的明显增长。 Revelio Labs通过企业发布的AI integrator相关岗位，识别已经开始将生成式AI整合进业务流程的企业。研究显示，自2022年10月以来，这些AI采用企业的员工规模增长，比未采用企业高出27%。其中，高级岗位增长31%，初级岗位增长只有6%。这组数据说明，AI可能降低企业对某些任务和岗位的需求，同时帮助企业扩大整体业务规模。企业通过自动化重复工作、加快产品开发、提高客户服务效率或扩大数据处理能力，可能释放出新的业务需求，进而增加销售、产品、管理、工程和客户成功等岗位。换句话说，AI减少的可能是完成某项工作的单位人力需求，而不是企业整体的增长能力。一个部门可能因为AI减少部分基础岗位，但企业整体却因为生产率提升而进入新的市场，并增加其他岗位。不过，27%不能直接理解为采用AI必然会使员工规模增长27%。Revelio Labs也明确指出，AI采用企业在正式采用AI之前通常已经增长得更快。这些企业可能本身拥有更好的资本条件、技术能力、管理体系和业务增长速度。因此，这一结果反映的是两类企业之间的增长差距，而不是已经被完全证明的AI因果效应。 AI改变工作内容的速度，可能快于改变岗位数量 Revelio Labs首期Tracker最有价值的判断，并不是哪个岗位会消失，而是AI正在快速改变岗位内部的工作内容。传统劳动力市场分析通常关注职位数量、失业率、岗位名称和职业分布。但一个岗位本身就是多项工作活动的组合。即使企业没有取消“市场分析师”“招聘顾问”或“财务分析师”等职位，也可以重新分配这些岗位内部的任务。例如，一名分析师可能减少数据录入、资料搜集、基础制表和报告初稿工作，转而增加AI结果审核、异常判断、业务解释和管理层沟通。一名招聘人员可能减少简历初步整理，却需要投入更多时间进行候选人验证、能力判断、关系维护和招聘流程设计。 Revelio Labs建立的工作活动差异指数显示，2026年6月，美国经济中按员工规模加权的工作活动组合同比变化达到8.4个百分点。更值得关注的是，大部分变化发生在同一职业内部，而不是因为企业从一种职业大规模转向另一种职业。这也解释了为什么一些基于整体就业和职业分布的研究，尚未观察到明显的AI就业冲击。2026年6月，Yale University旗下The Budget Lab发布的持续追踪研究认为，当前职业结构变化尚未清晰显示与AI引入之间的关系，AI使用指标也没有表现出与就业或失业变化之间的明确联系。两项研究并不一定相互矛盾。Yale University更关注宏观就业和职业结构是否已经发生明显变化，而Revelio Labs进一步观察岗位内部的任务构成。宏观岗位数量可能相对稳定，但岗位内部的工作方式已经发生快速改变。正如Revelio Labs Chief Economist Lisa Simon所概括的那样，AI正在自动化部分工作，但尚未自动化完整岗位；工作内容正在快速改变，而大部分变化发生在现有职业内部。 AI也可能正在降低传统招聘信号的有效性 AI不仅改变企业招聘什么样的人，也正在改变求职者如何参与招聘。 Tracker数据显示，企业目前平均需要发布5.05个招聘职位，才能对应一次可观察到的外部招聘，同比增长264%。招聘职位与实际招聘之间的匹配效率，已经连续六年下降。这一趋势早于ChatGPT出现，因此不能全部归因于生成式AI。但Revelio Labs认为，AI可能进一步放大了原有问题。生成式AI降低了制作简历、撰写求职信、准备面试回答和批量申请岗位的成本。优秀候选人能够更好地展示自己，但普通申请者也能够快速生成一份看起来专业、完整且符合职位描述的申请材料。结果是，简历和求职信的信号价值下降。企业收到更多看起来合格的申请，却更难判断谁真正具备岗位能力。企业可能因此增加筛选环节、减少与普通申请者沟通，候选人则通过提交更多申请应对较低的回复率，形成新的恶性循环。 Revelio Labs还发现，在没有获得Offer的面试评价中，候选人提及招聘人员失联、未回复或“ghosting”的比例，自2022年10月以来上升约9%。但该研究尚不能证明AI生成的申请直接导致了招聘方失联，只能说明AI可能在一个已经低效的招聘体系中增加了更多噪音。 HRTech观点：企业需要从“岗位管理”转向“任务与能力管理” 从HRTech视角看，Revelio Labs这项研究最重要的意义，是提醒企业不要再用简单的“AI替代多少岗位”来制定人力策略。第一，企业需要将AI影响评估下沉到任务层面。一个岗位通常同时包含可自动化任务、可由AI增强的任务，以及必须依赖人类判断、信任和责任承担的任务。仅根据岗位名称决定裁员或冻结招聘，容易错过真正需要重构的工作环节。第二，企业需要重新设计初级人才入口。不能因为AI能够完成基础工作，就完全取消初级岗位。更合理的方式，是让AI承担重复劳动，同时让年轻员工更早学习业务判断、问题分析、客户沟通和AI结果审核。第三，企业需要更新技能模型和职业发展体系。未来岗位价值可能不再取决于员工能否完成大量标准化任务，而取决于其能否定义问题、调用AI、验证结果、理解业务并对最终决策负责。第四，招聘团队需要重新建立人才识别信号。当简历、求职信甚至部分面试答案都可以由AI生成时，企业需要增加与真实工作相关的评估，例如结构化工作样本、情境任务、项目讨论和基于过去行为的深度访谈，而不是简单增加更多筛选工具。第五，HR需要谨慎解释AI与就业之间的因果关系。高AI暴露岗位需求下降，不等于AI已经直接取代这些岗位；AI采用企业增长更快，也不等于任何企业部署AI都会自动获得增长。行业周期、企业规模、资本能力、组织成熟度和人才结构都可能影响结果。 AI对劳动力市场的影响，正在以多个方向同时发生 Revelio Labs AI Labor Market Tracker揭示的并不是一个简单的就业结论，而是一个正在分化的劳动力市场。 AI暴露程度较高的工作需求正在下降，尤其影响初级岗位和年轻员工；真正采用AI的企业却可能获得更强的扩张能力，并增加高级岗位；岗位名称和就业总量尚未发生全面变化，但岗位内部任务正在快速重组；招聘技术越来越强，企业与人才之间的匹配效率却可能继续下降。 AI对就业的影响不会以一次统一的冲击出现，而会分别体现在招聘需求、岗位任务、技能投资、企业增长、职业入口和招聘匹配等不同环节。对于企业HR而言，当前最重要的问题已经不是“AI会不会取代员工”，而是企业能否在AI改变工作之前，重新设计任务、能力、招聘和人才成长体系。关于Revelio Labs Revelio Labs是一家劳动力智能与研究公司，通过处理和标准化公开职业履历、招聘职位、员工评价等数据，为企业、投资机构、研究人员和政府部门提供劳动力市场分析。公司表示，其数据覆盖超过3000万家公司、50亿条招聘职位以及195个以上国家和地区。Founder and Chief Executive Officer为Ben Zweig，Chief Economist为Lisa K. Simon。文章来源：HRTech编译与解读。数据来源包括Revelio Labs、AI Labor Market Tracker及Yale University The Budget Lab。

OpenAI
2026年07月29日
OpenAI

Apple 起诉 OpenAI 窃取商业秘密：一场由人才流动引发的硬件与组织治理危机 Apple 指控多名前员工在加入 OpenAI 前后，非法获取并使用 Apple 的硬件研发、制造工艺与供应链机密。事件不仅是一场科技公司的知识产权诉讼，也暴露出 AI 人才争夺、员工离职管理和招聘合规中的系统性风险。 2026 年 7 月 10 日，Apple 向美国加州北区联邦地区法院提起诉讼，起诉前 Apple 员工 Chang Liu、Tang Yew Tan，以及 OpenAI Foundation、OpenAI Group PBC 和 io Products, LLC，指控其涉嫌盗用商业秘密和违反员工保密协议。简单来说，Apple 的核心指控是：OpenAI 为了加快进入消费硬件市场，大量招募 Apple 的工程师和管理人员，而部分员工在离开 Apple 前后，涉嫌带走、下载或泄露 Apple 的内部文件、硬件设计资料、制造工艺和供应链信息，并将这些信息用于 OpenAI 的硬件研发和招聘活动。目前，这些内容仍然是 Apple 在起诉状中提出的单方指控，尚未经过法院审理和认定。案件后续还需要经过被告答辩、证据开示、禁令听证和可能的庭审程序。发生了什么：Apple 指控前员工离职后仍在获取内部资料案件中最受关注的人物之一是 Chang Liu。Chang Liu 曾在 Apple 工作八年多，担任 Senior System Electrical Engineer，参与 iPhone 等敏感硬件项目。他于 2026 年 1 月 22 日离开 Apple，并加入 OpenAI。 Apple 称，Chang Liu 在离职过程中没有完成正常的设备归还和安全审查，也没有回应 Apple 关于离职面谈和保密义务的联系。Apple 进一步指控，他至少保留了一台 Apple 配发的工作电脑，并在离职后继续尝试访问 Apple 的内部系统。 2026 年 2 月 9 日前后，Chang Liu 据称发现自己仍然可以通过一个当时尚未被 Apple 发现的身份验证漏洞，访问 Apple 的云端网络存储系统。Apple 表示，他没有报告漏洞，而是在已经加入 OpenAI 的情况下，持续访问并下载 Apple 的内部资料。 Apple 称，被下载的资料包括未发布产品信息、技术演示文档、工程规格、项目数据，以及一套超过 1,000 页的技术文件。其中部分内容涉及主逻辑板，也就是 MLB 的制造流程、测试方式、设备选择和故障分析。 Apple 认为，这些信息并不是普通的员工工作经验，而是多年研发、制造和供应链投入所积累的商业秘密。 Apple 指控 OpenAI 将招聘面试变成信息获取渠道案件中的另一名重要人物是 Tang Yew Tan，通常也被称为 Tang Tan。Tang Tan 曾在 Apple 工作约 24 年，最后担任 Vice President of Product Design for iPhone and Apple Watch。离开 Apple 后，他参与创办 io Products，后者于 2025 年被 OpenAI 以约 65 亿美元收购。Tang Tan 随后成为 OpenAI 的 Chief Hardware Officer。 Apple 指控，Tang Tan 和 OpenAI 的硬件团队在招聘 Apple 员工时，多次询问涉及 Apple 内部项目、产品代号和制造流程的问题。起诉状称，OpenAI 要求部分候选人在面试中进行“Technical Deep Dive”，详细介绍其在 Apple 的工作，包括产品组件选择、CAD 工具、仿真软件、系统集成方法、供应商选择和制造协作流程。更严重的指控是，OpenAI 面试人员曾要求 Apple 候选人携带实际零部件、样品、原型和设计资料参加面试，包括 Batteries、Systems-in-Package、main logic boards、shields、housings 和 back glass 等。 Apple 认为，这些面试要求已经超出了正常的人才评估范围，实质上是在利用招聘流程获取竞争对手的内部技术与产品信息。也有小道消息说是其与苹果9月新任CEO关系非常紧张。前员工被指提前了解 Apple 的离职安全流程 Apple 还指控，Tang Tan 或 OpenAI 内部人员持有一份标注为“Need to Know”的 Apple 内部文件。这份文件描述了 Apple 在员工离职时会采取哪些安全措施，包括设备检查、账户审查、取证流程和保密提醒。根据 Apple 的说法，这份文件被提前分享给即将从 Apple 跳槽到 OpenAI 的员工，使其可以在正式提交离职申请前了解 Apple 的检查方式，从而规避安全审查。 Apple 还称，OpenAI 曾建议部分员工不要立即向 Apple 透露下一家公司是 OpenAI，并尽量争取正常的两周离职期，从而在离职前继续保留对 Apple 系统和资料的访问权限。如果这些指控最终获得证据支持，这意味着问题可能并非个别员工的临时行为，而是已经涉及招聘、离职和人才引进流程中的组织性操作。 Apple 指控 OpenAI 利用其供应链和制造工艺 Apple 的诉讼并未停留在员工文件泄露层面。 Apple 还指控 OpenAI 和 io Products 利用前 Apple 高管掌握的供应商信息、内部术语和制造知识，接触 Apple 的长期合作伙伴。其中一项指控涉及 Apple 的专有金属表面处理技术。Apple 称，OpenAI 或 io 要求一家 Apple 合作伙伴为其执行原本受严格保密协议约束的多步骤金属处理工艺，并让合作伙伴误以为这一行为已经获得 Apple 授权。 Apple 还表示，OpenAI 曾向参与电源、电池和制造设计的 Apple 供应商提出高度针对性的问题，而这些问题只有熟悉 Apple 内部技术和供应链体系的人才能提出。从商业竞争角度看，这部分指控直接触及 Apple 最核心的竞争壁垒：不仅是产品设计本身，更包括如何制造、如何选择供应商、如何控制质量，以及如何实现全球规模化交付。为什么这起案件对 HR 和企业管理具有重要意义从 HRTech 的角度看，这起案件并不只是 Apple 与 OpenAI 之间的知识产权争议，而是一场典型的“人才流动风险事件”。 AI 行业正在以前所未有的速度争夺工程师、产品负责人、供应链专家和高级管理人员。当竞争从软件模型扩展到 AI 设备、芯片、机器人和消费硬件时，人才的价值已经不仅体现在个人能力，也体现在他们掌握的组织知识、技术路径和供应商网络。企业面临的核心问题是：员工可以自由流动，但企业商业秘密不能跟着员工一起流动。正常的职业经验、通用技能和行业知识属于员工个人能力的一部分。员工可以在新公司继续使用自己的专业判断、管理能力和工程经验。但源代码、未发布产品信息、内部项目代号、具体设计图纸、测试数据、供应商合同、制造参数和专有流程，通常属于企业受保护的信息。两者之间的边界，正是许多公司在人才竞争中最容易忽视的地方。 HR 部门不能再把保密管理只交给法务和 IT 传统上，商业秘密保护常被视为法务或信息安全部门的职责。但从这起案件来看，风险实际上贯穿员工全生命周期。风险从招聘开始。当招聘团队要求候选人过度展示上一家公司的真实项目、代码、样品和内部文件时，企业本身就可能成为商业秘密侵权的参与者。风险也存在于员工在职期间。如果企业没有建立清晰的数据分级、访问权限和异常下载监测机制，即使员工已经提出离职，仍可能继续访问大量敏感资料。风险更集中在离职阶段。高风险岗位员工的权限关闭、设备归还、文件检查、个人邮箱转发记录和外部存储设备使用情况，都需要 HR、法务和 IT 共同管理。风险还可能延续到新员工入职后。新公司必须明确告诉员工，不得携带、上传或使用前雇主的机密资料，也不得在内部培训、产品设计或供应商会议中披露前雇主受保护的信息。对企业 HR 的五项建议第一，建立高风险岗位识别机制。并不是所有员工离职都需要同样强度的审查。涉及核心研发、AI 模型、产品路线图、芯片、硬件设计、定价、客户数据、制造工艺和供应链关系的岗位，应被纳入高风险人员清单。第二，把招聘合规写进面试流程。企业应明确禁止面试官要求候选人提供前雇主的源代码、设计图、真实客户资料、内部文件、产品原型、供应商名单和未发布项目信息。技术面试可以评估候选人的思考过程和专业能力，但不应要求候选人证明自己“掌握多少上一家公司的秘密”。第三，强化离职前后的数据行为监测。当员工提出离职或出现明显跳槽信号后，企业可依法加强对异常下载、批量复制、个人邮箱转发、外接设备使用和敏感文件访问行为的监测。这一过程需要在适用法律、员工隐私政策和公司制度框架内进行，不能简单扩大为无差别监控。第四，重新设计离职程序。离职面谈不应只是薪资结算和设备归还。对于关键岗位，应加入商业秘密提醒、文件返还确认、系统访问终止、外部存储检查和持续保密义务确认。第五，对新员工实施“干净入职”。从竞争对手公司加入的新员工，尤其是高管和研发人员，应在入职时签署声明，确认不会携带、上传或使用前雇主的任何保密资料。企业还应通过培训告诉管理者：不能因为新员工“知道很多”就鼓励其分享前公司的内部信息。 HRTech 可以如何帮助企业降低风险这起案件也说明，员工离职管理正在从行政流程转变为数据治理和风险治理。未来的人力资源系统不仅需要记录入职、转岗和离职日期，还需要与身份管理、设备管理、文档权限和安全监测系统连接。例如，当关键员工提交离职申请后，系统可以自动触发一套风险工作流，包括权限复核、异常下载检查、设备归还任务、保密提醒和管理者确认。招聘系统也可以加入面试合规提示，提醒面试官不得要求候选人披露前雇主机密，并对涉及“原型”“代码”“供应商名单”和“内部文档”等敏感内容的面试材料进行审核。在 AI 时代，HRTech 的价值不只是提升招聘效率或员工体验，也包括帮助企业建立可审计、可追踪、可执行的人才风险管理体系。结语 Apple 与 OpenAI 的诉讼最终如何发展，仍取决于后续证据和法院判断。但这起案件已经给企业敲响警钟：当行业进入高强度人才争夺阶段，招聘速度、人才密度和技术能力固然重要，人才引进过程中的合规边界同样重要。优秀人才可以带来经验、判断和创造力，但企业不能通过人才流动获取竞争对手的商业秘密。对于 HR 而言，未来最重要的能力之一，不只是把人招进来，而是确保企业用正确的方式招人、用人和管理人员流动。这既是法律风险问题，也是组织治理、雇主品牌和长期竞争力问题。

OpenAI
2026年07月12日
OpenAI

OpenAI 刚任命了一位新的首席人才官： Arvind KC，为一位“系统型领导者”走向 AI 时代的人才中枢 HRTech概述：OpenAI 正式任命 Arvind KC 为公司新任 Chief People Officer，全面负责招聘、员工发展、企业文化与人才体系建设。Arvind KC 拥有 Roblox、Google、Palantir、Meta 等科技巨头高管背景，兼具工程与 HR 领导力，将助力 OpenAI 在 AI 驱动的未来工作时代打造高效协作与可持续增长的人才架构。 2026 年 2 月 24 日，OpenAI 正式宣布任命 Arvind KC 为 Chief People Officer（首席人才官）。在生成式人工智能持续重塑全球工作形态的背景下，这一任命不仅是一次高管更替，更是 OpenAI 在组织能力与人才系统层面的战略强化。从 HRTech 的视角来看，这一动作背后所指向的，是 AI 公司正在进入“组织深水区”。从工程系统到人才系统：一条清晰的能力演进路径 Arvind KC 的履历极具代表性。他并非传统意义上的人力资源出身，而是一位长期在技术与企业系统领域深耕的管理者。 2023 年 7 月起，他在 Roblox 担任 Chief People and Systems Officer，负责人才体系与企业系统的整合建设。在这一职位上，他已开始承担“People + Systems”双轨整合的角色，将技术架构思维引入组织与人才管理。在此之前，他于 2019 年 7 月至 2023 年 6 月在 Google 担任 Vice President, Engineering，负责工程团队管理与技术战略执行。这段经历强化了他对大规模技术组织运作与人才密度管理的理解。更早阶段，2014 年 12 月至 2019 年 6 月，他在 Palantir Technologies 担任 CIO（首席信息官），工作地点位于 Palo Alto, CA，负责企业信息系统与技术基础设施建设与运营。Palantir 本身是一家高度工程驱动型公司，这段经历为其构建复杂组织系统能力打下基础。 2011 年 4 月至 2014 年 11 月，他在 Facebook（现 Meta）担任 Director, IT，工作地点 Menlo Park, CA。值得注意的是，在 Facebook 任职期间，他带领产品经理、工程师和数据分析师团队，构建面向 HR、Recruiting、Sales & Marketing、Infrastructure、Legal 和 Security 等业务部门的企业级解决方案。这意味着，他早在十余年前便深度参与 HR 与招聘系统的技术建设。更早期，他于 2008 年 9 月至 2011 年 4 月在 Xilinx 担任 Director, Operations Business Solutions，负责运营相关企业系统与业务解决方案。这条职业路径显示出一个清晰逻辑：从企业系统与工程管理出发，逐步走向“系统型人才领导者”。 OpenAI 进入规模化组织阶段 OpenAI 过去几年完成了从研究机构向产品化与商业化平台的跃迁。随着企业客户增长、产品线扩展与全球影响力提升，公司组织复杂度显著上升。在这一阶段，技术能力已不再是唯一竞争壁垒，组织能力与人才机制成为决定长期增长的关键变量。 OpenAI 在任命声明中明确指出，Arvind KC 将负责招聘、入职、员工发展，以及设计支持协作与高绩效的系统与政策。这一职责定位表明，公司正在以系统化方式重构人才管理，而非简单扩大招聘规模。应用业务 CEO Fidji Simo 在声明中强调，此次任命将确保人才流程、政策与系统与公司发展目标保持一致，并在 AI 驱动的工作环境中持续演进。 AI 原生组织的现实命题生成式 AI 正在改变岗位结构、技能要求与协作模式。知识型工作正在被重新定义，组织必须回答几个核心问题：哪些能力将被自动化？哪些能力必须强化？员工如何与 AI 协同？绩效如何在“人机协作”环境中衡量？这些问题本质上都属于“人才系统设计”的范畴。 Arvind KC 的履历恰恰体现出一种系统思维：他长期构建企业级 IT 与 HR 平台，对数据、流程与协作机制具有结构化理解。对于一家以 AI 为核心的公司而言，这种能力尤为关键。 Chief People Officer 的战略升级近年来，Chief People Officer 在科技企业中的地位不断提升。尤其是在高创新、高密度人才环境中，人才机制直接影响研发效率与产品节奏。 AI 公司面临的挑战更加复杂：一方面需要吸引顶尖研究与工程人才；另一方面必须在伦理、治理与社会影响层面形成稳定组织共识。首席人才官不仅是文化守护者，更是系统设计者。 OpenAI 的这一任命释放出一个重要信号：在 AI 企业内部，HR 领导角色已与技术战略深度绑定。对 HRTech 行业的启示从 HRTech 角度看，这一任命具有三重意义：第一，技术型 HR 领导者正在成为趋势。未来的人才负责人必须理解工程逻辑与系统架构。第二，人才管理将从“流程优化”转向“能力结构设计”。技能映射、角色进化与持续再培训成为核心议题。第三，组织系统本身将成为创新场景。HRTech 平台需要更好地支持人机协作、动态能力管理与组织弹性。 OpenAI 任命 Arvind KC，不只是一次人事更新，而是 AI 企业进入组织成熟阶段的标志性事件。当技术革命持续推进，真正决定企业长期竞争力的，越来越是组织系统如何与技术同步进化。 AI 重塑工作，而人才系统正在成为下一个战略战场。

OpenAI
2026年02月25日
OpenAI

从校园招聘到 AI 数据基础设施：Handshake 收购 Cleanlab，补齐数据质量关键拼图 AI 数据标注公司（原美国校园招聘平台） Handshake 宣布收购数据审计初创公司 Cleanlab。双方表示，此次交易以人才整合为主，属于典型的 acqui-hire，Cleanlab 的 9 名核心员工将加入 Handshake 研究组织，包括三位联合创始人 Curtis Northcutt、Jonas Mueller 和 Anish Athalye，三人均拥有 MIT 计算机科学博士背景。交易条款未披露。更多信息，请关注 HRTech Cleanlab 成立于 2021 年，是一家专注于“数据质量审核”的技术公司，其核心能力在于通过算法自动识别错误标签与异常数据，无需再次人工复核即可发现潜在问题，从而显著提升训练数据的一致性与准确率。公司累计融资 3000 万美元，投资方包括 Menlo Ventures、TQ Ventures、Bain Capital Ventures 与 Databricks Ventures，团队规模曾超过 30 人。相比传统依赖多轮人工校验的方式，Cleanlab 的自动化检测思路更接近“数据质量基础设施”，强调系统化、可规模化与可复用的质量控制能力。对 Handshake 而言，这次收购的战略意义十分明确。随着大模型训练进入精细化阶段，行业关注点正从“标注数量”转向“标注质量”。单纯扩大人力规模已难以形成长期壁垒，真正决定模型效果的，是标签准确率、样本覆盖度以及数据一致性等底层指标。Cleanlab 的加入，意味着 Handshake 不再只是提供人工标注产能，而是开始具备算法驱动的数据审计与质量管理能力，从“人力外包型服务商”向“数据质量技术平台”升级。从业务层面看，Handshake 近年来已逐步切入 AI 数据服务市场。公司目前为 8 家头部 AI 实验室提供数据支持，其中包括 OpenAI。其 2022 年估值达到 33 亿美元，并预计 2025 年年化收入（ARR）将达到 3 亿美元，今年有望进一步提升至“数亿美元”规模。客户结构与收入体量的变化，也反映出其在 AI 产业链中的定位正不断上移，从辅助角色转向关键基础设施供应商。值得注意的是，当前 AI 数据标注行业正在发生结构性变化。一方面，模型复杂度提升，使得医疗、法律、金融、科研等专业领域的高门槛标注需求快速增长；另一方面，企业对数据安全、可追溯性与偏见控制的要求日益严格，推动数据审核、评测与治理成为刚需。这一趋势使得具备“专家网络 + 质量算法 + 规模化交付”综合能力的平台更具竞争优势。Handshake 通过整合 Cleanlab 的研究与算法团队，正是对这一趋势的主动回应。转型背景与路径 Handshake 成立于 2013 年，最初是一家面向美国高校毕业生的招聘平台，被视为“学生版 LinkedIn”，长期服务于校园招聘与早期职业匹配市场。凭借高校资源与人才数据库，公司积累了覆盖数百万学生及大量专业人士的供给网络。随着生成式 AI 对高质量训练数据需求的爆发，Handshake 将原有“人才匹配与任务分发”能力延伸至数据标注场景，利用医生、律师、科学家等专家群体参与模型训练与反馈。此次收购 Cleanlab，则进一步补强了自动化数据审核与算法能力，使其从单纯的人力标注服务商，升级为兼具人才供给与数据质量技术的 AI 数据基础设施提供方。可以说，这是一场基于既有资源优势的战略升维，而非简单跨界——Handshake 正从 HR Tech 平台，演进为服务 AI 产业链上游的关键数据基础设施企业。 HRTech对数据标注的这几家简单分析：从赛道格局看，Scale AI 更像“全栈型数据基础设施巨头”，依靠大规模交付能力与企业级合规体系，承接政府与头部 AI 实验室的复杂训练与评测需求； Surge AI 主打高质量与专家级人类反馈服务，聚焦 RLHF、模型评估与红队测试等高难度场景，以“质量优先”建立口碑壁垒； Mercor 则定位为专家劳动力调度平台，通过产品化方式快速匹配专业人才与后训练任务，强调效率与弹性供给；而 Handshake 凭借多年积累的人才网络切入 AI 标注市场，并通过收购 Cleanlab 强化算法化数据审核能力，正从人才供给平台升级为兼具“专家资源 + 数据质量技术”的新型数据基础设施玩家。

OpenAI
2026年01月29日
OpenAI

【美国】薪酬数据平台Compa获得3500万美元B轮融资，加速推进企业薪酬管理AI应用人工智能驱动薪酬情报领域的领先供应商Compa宣布完成3500万美元B轮融资。本轮融资由Jump Capital领投，Crosslink Capital、Storm Ventures、Permanent Capital、HR Tech Investments LLC（Indeed公司关联机构）及PagsGroup共同参与。数十年来，企业一直依赖年度薪酬调查和电子表格来设定薪酬，用滞后的基准来管理其最大且最受关注的财务投资之一。随着劳动力市场的波动，董事会要求在影响数十亿美元年度薪酬的决策中提高精确度和一致性，这种模式正面临越来越大的压力。 Compa以软件交付的市场数据取代静态调查，这些数据直接源自其客户网络的记录系统。企业可将自身薪资、股权和激励方案与市场同行进行横向对比，并借助人工智能加速洞察发现、揭示风险并实时扩展情报规模。随着企业寻求用自动化智能取代耗时的手动流程，本轮融资将支持Compa持续发展。Compa智能代理连接经过验证的实时数据，持续进行跨岗位、层级和地域的市场分析，将原本耗时数周的工作效率大幅提升。在人工智能加速人类决策的过程中，薪酬团队得以更快行动，在热门人才市场中保持竞争力。全球最具影响力的企业薪酬高管们已开始运用人工智能优化薪酬决策。OpenAI薪酬总监Mike Foley表示：“在市场变化加速、薪酬信号日益多元的时代，Compa以实时市场数据和AI智能代理取代静态调查，助力薪酬团队提升运作速度与战略清晰度。该平台将尖端技术与严谨的实践导向设计相结合，彰显了对复杂快速变化市场中企业薪酬体系的深刻理解。” “薪酬团队肩负着在动荡市场中管理数十亿美元资产的重任，”Compa联合创始人兼首席执行官Charlie Franklin强调，“面对如此高风险的决策，采用人工智能辅助薪酬专家制定更明智的决策已成为企业竞争的核心命题。Compa的全球数据网络与创新技术使这一愿景成为可能，而本次投资将加速我们向所有企业推广智能代理AI的能力。” “当前多数企业级人工智能仍停留在通用层面，”Jump Capital合伙人Tarun Gupta指出，“真正的变革在于将人工智能应用于高风险决策领域——而薪酬决策正是其中最关键且最缺乏现代化的领域。” 当人工智能应用于特定的高风险决策时，才能产生真正的影响，而薪酬正是其中规模最大、现代化程度最低的领域之一，“Jump Capital合伙人Tarun Gupta分享道，”我们投资Compa是因为它将高质量的真实世界薪酬数据与严谨的方法论相结合，这种方法论已被《财富》50强企业所信赖。这种结合使决策者能够更清晰地掌控薪酬决策的制定过程。" Compa的发展势头折射出企业薪酬决策方式的广泛变革——随着数据驱动型软件成为跨岗位、跨区域、跨市场人才竞争的关键利器，全球企业正借助Compa在劳动力环境持续变动中实现全业务薪酬决策的统一。随着劳动力市场持续波动，薪酬管理正从后台职能升级为董事会层面的责任。将实时数据与自动化分析融入薪酬决策的软件正成为企业核心基础设施，而Compa正通过人工智能技术重新定义这一领域的未来图景。关于Compa Compa是面向企业团队的人工智能驱动薪酬情报领先供应商，助力其在快速变化的市场中管理高风险薪酬决策。我们的薪酬智能平台融合实时市场数据与AI智能体，其思考、决策与行动模式均与您的薪酬团队无异。 Compa自动整合HCM、ATS及股票系统的数据，以现金、股票、录用条件及技能型薪酬的最新基准取代人工调研。凭借先进的隐私控制机制与即时可论证的洞察，Compa赋予薪酬团队清晰视野与十足信心，助其在市场竞争中脱颖而出。

OpenAI
2026年01月28日

OpenAI

【收购】OpenAI收购高管教练AI初创企业Convogo的创始团队：领导力评估、360 反馈与 HR 工作流正在被重构 OpenAI 在 2026 年初宣布收购高管教练 AI 工具 Convogo 背后的创始团队。本次交易并未涉及 Convogo 的知识产权或产品，而是以全股票方式引入三位联合创始人，参与 OpenAI 的 AI cloud 相关工作。作为交易的一部分，Convogo 产品将正式停止运营。 2026 年 1 月 8 日，OpenAI 宣布以典型“acqui-hire”（团队收购）方式吸纳高管教练与领导力评估 AI 工具 Convogo 背后的核心团队。OpenAI 发言人对外明确表示，公司不收购 Convogo 的 IP 或技术，而是招聘该团队加入 OpenAI 的“AI cloud efforts”；Convogo 三位联合创始人 Matt Cooper、Evan Cater、Mike Gillett 将加入 OpenAI，交易据称为全股票（all-stock）形式，具体金额与估值原文未说明。与此同时，Convogo 现有产品将被逐步停止运营（wound down）。这笔交易延续了 OpenAI 过去一年通过并购/收购加速补齐能力版图的策略。TechCrunch 援引 PitchBook 数据称，这次 Convogo 团队收购是 OpenAI 在一年内的第九起收购，而其过往收购中相当一部分采取“产品整合”或“产品关闭、团队并入”的不同处理路径。交易要点：只要团队，不要产品与 IP 根据 TechCrunch 披露，OpenAI 对外强调本次重点并非拿下 Convogo 产品资产，而是吸纳其团队参与 OpenAI 的“AI cloud efforts”。这类“只买人不买产品”的交易，通常意味着收购方希望快速引入某个垂直场景的产品化经验、交付方法与行业理解，同时避免承接原产品的客户支持、路线图承诺与合规责任。 TechCrunch 同时披露，Convogo 团队在告知收购消息的邮件中指出，他们在实际落地中发现的核心问题，是如何弥合“每次新模型发布带来的能力跃迁”与“把能力转化为真实世界结果”之间的鸿沟，并强调“为专业人士打造目的明确、体验成型的应用”是跨越鸿沟的关键。 Convogo 在做什么：面向教练、咨询与 HR 的“领导力评估与反馈报告自动化” 从产品定位看，Convogo 属于典型的“专业服务工作流 AI”：服务对象不是泛用户，而是高频进行领导力评估、360 反馈、访谈与报告交付的专业人群，包括执行教练、咨询顾问、人才发展负责人及 HR 团队。TechCrunch 将其定义为一款帮助上述人群“自动化并改进领导力评估与反馈报告”的商业软件平台。在 Convogo 官方网站的对外描述中，Convogo 的核心价值是将教练与人才发展场景中耗时的“数据整理与分析”工作自动化，包括对访谈、调查以及其他反馈数据的分析，从而让专业人士把更多时间投入到高价值的人际沟通与辅导工作中。其案例页进一步展示了产品在典型交付物上的着力点：Convogo 将“准备 360 与测评报告”的重复劳动自动化，通过 AI 识别主题（themes）、抓取支撑性引用（supporting quotes）等方式帮助生成材料，减少人工整理与写作负担。在用户规模上，TechCrunch 援引 Convogo 邮件称，该产品在过去两年已帮助“thousands”的教练，并与“世界顶级领导力发展机构”合作，但具体机构名称、合同规模、收入等关键信息原文未说明。为什么是 Convogo：AI 应用竞争正在从“模型能力”转向“专业体验与落地方法” Convogo 的故事起点本身就指向一个强烈的“专业工作流”命题：TechCrunch 披露，Convogo 的灵感来自 Matt Cooper 的母亲（一位执行教练）的提问——能否让 AI 自动完成报告写作的繁琐部分，从而把时间还给真正的“人类教练工作”。这也解释了为何 OpenAI 在本次交易中强调不收购产品资产，而更看重团队加入其“AI cloud efforts”：在许多垂直行业里，真正稀缺的不只是模型调用能力，而是把模型能力转译为稳定可复用的行业工作流、让专业人士“用得起来、持续用得好”的产品化与交付经验。上述“模型能力到现实结果”的转化难题，也正是 Convogo 团队在邮件中着重强调的发现。放到 OpenAI 的并购版图里看：以并购加速“应用与平台能力”的补齐 Convogo 团队收购发生在 OpenAI 过去一年频繁并购的大背景下。以此前公开交易为例，OpenAI 2025 年 9 月宣布收购产品测试公司 Statsig，Reuters 报道该交易同样为全股票方式，并披露估值约 11 亿美元（基于当时 OpenAI 约 3000 亿美元估值计算）；同时 OpenAI 还任命 Statsig CEO Vijaye Raji 为 Applications 方向技术负责人。从外部观察，OpenAI 在并购策略上呈现两条并行路径：一类收购偏向“产品与能力并入生态”，另一类则更接近“吸纳团队、关闭产品”，而 Convogo 显然属于后者。TechCrunch 在报道中将 Sky、Statsig 作为“整合进生态”的例子，将 Roi、Context.ai、Crossing Minds 作为“产品关闭、团队并入”的例子。这也与 The Verge 对 OpenAI“应用团队”建设节奏的观察一致：OpenAI 正围绕 Applications 方向进行组织调整与能力扩建，并通过并购引入关键人才，覆盖从产品工程到商业化应用的不同层面。对 HR 与领导力发展行业意味着什么：评估、反馈与报告的“AI 自动化”会继续加速 Convogo 的停运不代表需求消失，反而凸显领导力评估与反馈报告这一类高度依赖文本、主题归纳、证据引用与结构化表达的工作，将持续成为 AI 最有机会重塑的“专业工作流”。Convogo 的产品路径显示，AI 在该领域的价值并不只是“写得更快”，而是把访谈、调查与 360 反馈等多源输入转化为可交付的主题与证据链，从而缩短周期、提高一致性，并让教练、顾问与 HR 团队把精力转向真正需要人类判断与沟通的环节。同时，本次交易也给行业用户带来直接影响：Convogo 用户需要面对产品停运后的迁移与替代方案选择，但关于数据迁移安排、停运时间表、客户支持与退款政策等细节，TechCrunch 报道中原文未说明。信息缺口与待确认事项截至目前公开信息仍存在关键缺口：交易金额与估值、团队入职后的具体岗位与项目、Convogo 的融资与收入数据、以及产品停运的具体节奏与客户善后安排等均未披露（原文未说明）。结语上看，Convogo 团队收购将“AI 并购的价值单位”进一步推向“团队与方法论”，而非“产品与 ARR”。对于 HR Tech 行业来说，这类交易的频发意味着平台型 AI 公司将更直接进入领导力发展、评估与反馈等专业服务深水区，未来竞争焦点将更集中在“把模型能力变成稳定、可审计、可规模化的专业体验”。

OpenAI
2026年01月09日
OpenAI

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：

OpenAI
2025年11月11日
OpenAI

OpenAI将推AI招聘平台，直面LinkedIn，重塑未来劳动力市场 HRTech快讯：OpenAI 宣布将于 2026 年中推出全新 AI 招聘平台，直接挑战 LinkedIn！平台将利用 AI 精准匹配企业与候选人，特别为中小企业与地方政府提供专属服务。与此同时，OpenAI 还将通过 OpenAI Academy 推出 AI 流利度认证，计划到 2030 年与沃尔玛合作，为 1000 万美国人颁发认证。美西时间2025年9月4日，OpenAI 再次将自己推向了公共议程的中心。这一次，它不仅在人工智能模型的迭代上吸引眼球，而是瞄准了全球劳动力市场的核心——招聘与技能认证。 OpenAI 在官网和对外沟通中宣布，将于 2026 年中正式推出 OpenAI Jobs Platform，一个由人工智能驱动的招聘与人才匹配平台。这一产品直接把 OpenAI 推向了与 LinkedIn 的正面竞争：后者是全球最具影响力的职业社交与招聘平台，由微软全资拥有，而微软恰恰也是 OpenAI 的最大资金支持者。 “AI招聘”的新赌注 OpenAI 应用业务 CEO Fidji Simo 在博客中直言：“我们将用 AI 来帮助找到企业真正需要、人才真正能够提供的契合点。” Jobs Platform 不仅服务大型企业，还将开设专门轨道，支持中小企业与地方政府寻找合适的 AI 人才。这一定位显然是对 LinkedIn 的差异化突破，后者的产品核心始终围绕大企业和职业人士。有趣的是，LinkedIn 联合创始人 Reid Hoffman 曾是 OpenAI 的早期投资人，而如今 OpenAI 却推出了一个可能动摇 LinkedIn 根基的产品。这一“师出同门”的博弈，为科技行业再添戏剧性。技能认证与全民普及 Jobs Platform 并不是 OpenAI 的唯一动作。与此同时，OpenAI 宣布将在 OpenAI Academy 基础上推出 AI 流利度（AI Fluency）认证，预计 2025 年底试点，并计划在 2030 年前完成 1,000 万美国人的认证。该计划已经吸引了 Walmart、John Deere、BCG、Accenture、Indeed，以及德拉瓦州政府、德州商会等合作伙伴加入。这一系列举措与白宫推动的 AI 普及教育战略紧密结合。OpenAI CEO Sam Altman 在与记者交流时明确表示，Simo 不仅将负责招聘平台，还将 oversee 其他新应用，包括浏览器、社交媒体等，意味着 OpenAI 正试图从 ChatGPT 的单一产品公司，迈向一个多元化应用生态。矛盾与承诺 AI 带来的劳动力冲击并非危言耸听。Anthropic CEO Dario Amodei 就曾警告：到 2030 年，AI 可能消灭多达 50% 的入门级白领岗位。Simo 在博客中承认：“我们无法阻止这种颠覆，但我们能做的，是帮助更多人具备 AI 技能，并让他们与需要这些技能的企业相连接。” OpenAI 试图用数据证明 AI 并非只有替代。其首席经济学家团队最新发布的研究指出：在教师群体中，ChatGPT 平均每周可帮助节省 6 小时工作时间；在宾夕法尼亚州的公务人员中，ChatGPT 平均每日节省 95 分钟。这些数字不仅代表生产力的提升，也为 OpenAI 的社会叙事提供了有力支撑。从非营利到产业合作 OpenAI 的“机会战略”不仅停留在概念层面。公司先后举办了多场落地活动： Nonprofit Jam —— 与沃尔顿基金会、Emerson Collective 等组织合作，帮助非营利机构实操 AI 工具，提高公益效率。 AI for Economic Opportunity Demo Day —— 联合 GitLab Foundation 展示 AI 在教育、公共服务、社会公平等领域的潜力。华盛顿 DC 研究工作坊 —— 邀请经济学者与政策制定者，共同建立指标体系，评估 AI 对就业与生产力的长期影响。这些实践动作强化了 OpenAI 的外部形象：它不仅是一家技术公司，更是一家主动承担社会责任的机构。 “机会”还是“幻觉”？在市场层面，OpenAI 的雄心显而易见。通过招聘平台，它直接挑战 LinkedIn 的行业垄断；通过技能认证，它试图将“AI 流利度”打造成人才市场的“新英语”。而通过公益与研究，它也在争取舆论与政策的支持。但问题是，AI 能否真的创造“新的工作”，还是仅仅提高了部分人的效率？OpenAI 的回应是：即便部分传统岗位消失，新岗位和新技能的需求也会被创造出来。其策略是——不回避问题，而是把答案写进产品与计划之中。随着 Jobs Platform 的落地倒计时，OpenAI 正在完成从“AI 工具公司”到“社会基础设施提供者”的转变。正如 Simo 在博客中写道：“AI 是一种前所未有的机会，它应该属于每一个人。” 这场由技术、资本、政府和社会多方力量共同推动的实验，将在未来几年决定一个关键命题：AI 究竟是就业的威胁，还是新的机会引擎。

OpenAI
2025年09月05日
OpenAI

OpenAI 重磅发布 GPT-5：从聊天机器人迈向智能体，AI 正式进入企业实用时代【HRTech 报道】2025年8月7日，OpenAI 正式发布了其最新旗舰级大模型 GPT-5，标志着生成式人工智能进入“智能体”新阶段。OpenAI CEO 萨姆·奥特曼在发布会上表示，GPT-5 是通往通用人工智能（AGI）的关键一步。不同于以往注重模型规模和参数数量，GPT-5 更侧重于架构创新与企业级能力落地，预示着 AI 正式成为企业核心工具的一部分。从模型到智能体：统一架构打开多场景应用空间 GPT-5 是 OpenAI 首个“统一模型”，整合 GPT 系列与 o‑series（推理模型），不仅具备对话能力，更可以像智能代理一样执行复杂任务，包括代码生成、项目规划、调试协助和研究报告撰写等。这一转变也意味着，企业将不再仅依赖外部插件或工具，而是可以通过 GPT-5 实现高度自动化的工作流，开启“AI 工作伙伴”时代。企业级应用升级：写作、医疗、金融能力全面增强在多个关键行业场景中，GPT-5 展现出显著性能提升：医疗健康场景的幻觉率降至仅 1.6%，较 GPT-4o 的 20.6% 大幅降低；通用对话场景幻觉率也降至 4.8%；可即时生成完整软件（vibe coding），实现从自然语言到代码部署的全过程自动化；被媒体评价为“具备博士级专家问答能力”的 AI 助手。这些提升让 GPT-5 在高风险行业如医疗、法律、金融中变得更加可靠，适用于决策支持、合规判断及精密内容生成。技术亮点：即时软件与动态推理机制 GPT-5 引入了“实时路由器（real-time router）”与“test-time compute”机制，可根据用户输入的复杂程度动态调整推理深度与计算资源，在保证速度的同时提升响应准确率。这使得 GPT-5 成为真正适应多任务、多需求的智能系统。基准测试领先但保持克制在 SWE-Bench Verified（真实 GitHub 编程任务）中，GPT-5 首次尝试得分达 74.9%，略高于 Claude Opus 4.1 的 74.5%；在 GPQA Diamond（博士级科学问题测试）中取得 89.4%，领先行业同类模型。但在 Humanity’s Last Exam（跨学科能力测试）上使用工具后的得分为 42%，略低于 xAI 的 Grok 4 Heavy（44.4%）。OpenAI 也坦言，部分代理任务与安全机制仍在持续优化中。用户体验升级：人格化、记忆能力双提升个性化设定：ChatGPT 中新增了四种人物性格设置——“Cynic（愤世者）”、“Robot（机器人）”、“Listener（倾听者）” 和 “Nerd（学究）”，让用户能够根据对话偏好调整风格。同时，模型更关注会话历史与用户偏好，提升个性化与长期交互体验，助力 AI 助手真正走入日常工作与生活。全面开放策略，赋能开发者与企业 GPT-5 已对所有 ChatGPT 用户开放，免费用户亦可体验核心能力： Plus 用户每月 $20 可获得更高使用额度； Pro 用户每月 $200 可访问 GPT-5 Pro 模型与更大计算资源；开发者 API 提供 gpt-5、gpt-5-mini、gpt-5-nano 三种规格，灵活适应不同业务需求，按 token 计费起步价为每百万输入词元 $1.25，输出词元 $10。对 HR 科技的深远影响对于 HR 科技行业而言，GPT-5 的发布意味着：招聘流程将更加智能化，实现从 JD 编写到简历筛选、面试问题生成的全链路自动化；合规培训、政策解释、员工沟通等复杂任务可借助 GPT-5 实现快速生成与多语言支持；企业内部的 AI 助手不再是概念，而是切实可用的生产力工具，推动 HR 数字化转型向深水区迈进。 OpenAI 用 GPT-5 展现了生成式 AI 的另一种可能：不仅聪明，更安全、更懂业务、更可控。这或将成为未来 HR Tech 领域，乃至所有企业级软件的核心驱动力量。

OpenAI
2025年08月08日
OpenAI

【旧金山】请假管理公司Sparrow 完成 3500 万美元 B 轮融资，加速全球 AI 请假管理解决方案扩展 HRTech概述：总部位于旧金山的员工请假管理平台 Sparrow 宣布完成 3500 万美元 B 轮融资，由 SLW 领投，累计融资金额达 6400 万美元。Sparrow 是全球首个为企业提供端到端请假管理的解决方案，结合 AI 自动化与合规专长，致力于解决 HR 在员工休假期间面临的法律、薪酬、流程等复杂挑战，提升员工体验与合规效率。全球员工请假管理技术领导者 Sparrow 宣布，已完成 3500 万美元 B 轮融资，由 SLW 领投，使公司累计融资总额达到 6400 万美元。 Sparrow 是首个也是唯一一个为全球企业打造的端到端请假管理解决方案。公司通过结合深厚的合规专业知识与智能自动化，正在将 HR 最头痛的痛点转化为高效且以员工为中心的体验。本轮融资将用于扩大 Sparrow 革命性的全球请假管理技术，使其进一步拓展到相关的劳动合规领域。 Sparrow 首席执行官兼联合创始人 Deborah Hanus 表示：“请假管理很复杂，也常令人焦虑。它涉及公司多个层面——法律合规、保险、各州机构、薪资、HRBP、管理层与员工。情况总在变化，关键数据又总是不在手边。Sparrow 将这些数据集中统一，使得请假以及相关合规事务真正变得无忧。” 人力资源从业者选择进入 HR 领域，是因为他们热爱“人”本身，而不是文书与合规事务。Sparrow 提供的端到端解决方案确保所有流程都能正确且一致地执行，从而改善 HR 与员工的整体体验，最终提升员工保留率与敬业度。 SHRM（美国人力资源管理协会）转型首席官 Andy Biladeau 表示：“通过 SHRM 会员服务，我们为 32.5 万名会员提供免费 HR 实时支持服务，每年处理超过 6 万通电话。其中请假管理问题连续十多年居于榜首。看到 Sparrow 在这一领域带来的深远影响，令人鼓舞。我们也期待支持他们进入下一个发展阶段。” Aura 公司薪酬与运营高级总监 Angela Barker 表示：“对于分布式员工团队而言，保持请假合规非常困难。Sparrow 的服务在帮助我们理清劳动法规、并与内部政策对齐方面，价值巨大。” Sparrow 的许多客户都在财务上获得了显著回报。例如 Eightfold AI 的员工运营副总裁 Sonya Miller 就指出：“Sparrow 的价值远超其成本，ROI 达到 6–7 倍。” SLW 董事总经理 Matt Walsh 表示：“Sparrow 聚焦 HR 中最复杂、最容易被忽视的环节之一，通过 AI 技术自动处理手工、易出错的任务，为公司与员工带来极大便利。他们以独特的合规+自动化能力，打造出以员工体验为核心的流程。随着未来职场更加强调灵活与员工支持，Sparrow 极有可能成为 HCM 堆栈中这一关键领域的领导者。” 此前一轮投资方 WndrCo 的联合创始人兼管理合伙人 Jeffrey Katzenberg 补充道：“我的信念是‘通过做善事来成就好事业’。当员工面临需要请假的人生事件时，优秀的企业会挺身而出，让员工无需在事业与家人之间二选一。通过 Sparrow，企业能提供无缝的请假体验，使员工在回归岗位时更加忠诚、投入，并愿意分享他们感受到的支持。” 目前，已有超过 1000 家“有温度”的企业选择了 Sparrow，包括 OpenAI、Reddit 与 Oura 等。在软件评测平台 G2 上，Sparrow 获得了 4.8/5 的高评分。关于 Sparrow Sparrow 是全球首个为现代雇主打造的端到端请假管理解决方案，致力于在员工经历重大人生事件时为其提供支持。其“高科技 + 高服务”模式可自动处理最繁琐的请假流程，同时配备世界一流的请假顾问团队，为美国与加拿大各类请假提供优质体验。包括 OpenAI、Chime、Reddit 在内的众多企业信任 Sparrow，用于降低合规风险、提升员工体验、控制人力成本。关于 SLW SLW 最初于 2012 年作为 Silver Lake Waterman 成立，是全球科技投资领导者 Silver Lake 的增长战略业务部门。2024 年，SLW 独立运营，但仍与 Silver Lake 保持协作关系。SLW 致力于与领先科技公司建立长期合作，提供灵活的股权与非稀释性资本支持，满足企业不同发展阶段的资金需求。其核心理念是通过耐心资本与战略支持，陪伴卓越创始人与管理团队共同成长。

OpenAI
2025年07月30日

12 3 4 5 》