-
硅谷
【深度解读】Workday二季度财报营收26.49亿美元，AI拿下超25%新增ACV，一家HR科技巨头站在新的十字路口
HRTech核心摘要：Workday 这是一份相当稳健的财报：季度营收26.49亿美元，同比增长12.8%；订阅收入24.71亿美元，同比增长13.9%；Non-GAAP营业利润率达到31.1%，全年利润率预期继续上调。但真正值得关注的变化藏在另一组数据里——AI已经贡献Workday超过25%的新增年度合同价值（ACV），超过5,500家客户正在使用至少一个Workday自主开发的AI Agent。与此同时，Workday下一季度订阅收入增速预计进一步下降到12%，资本市场正在重新思考这家HR SaaS巨头究竟应该如何估值，而Silver Lake潜在私有化收购的传闻，更让这一问题变得格外值得关注。我们一起来看详细财报解读！
营收26.49亿美元：Workday依然在增长，但已经明显进入“成熟SaaS”阶段
Workday于8月27日公布截至2026年7月31日的FY2027第二财季业绩。季度总收入达到26.49亿美元，同比增长12.8%；其中订阅收入24.71亿美元，同比增长13.9%，约占总收入的93.3%。专业服务收入为1.78亿美元，与去年同期基本持平。过去六个月，Workday累计实现收入51.91亿美元，同比增长约13.1%，其中订阅收入48.26亿美元，同比增长约14.1%。
单独来看，13%左右的增长速度对于一家年收入即将突破100亿美元的大型企业软件公司并不差。问题在于，Workday曾经是一家典型的高增长云软件公司，而现在增长曲线已经明显变平。
FY2024，Workday全年收入为72.59亿美元；FY2025增长至84.46亿美元；FY2026进一步达到95.52亿美元，但FY2026同比增速已经下降至约13%。同期订阅收入从FY2024的66.03亿美元增至FY2025的77.18亿美元，再达到FY2026的88.33亿美元。Workday目前预计FY2027全年订阅收入99.40亿至99.50亿美元，同比增长约13%。也就是说，如果没有新的增长曲线出现，Workday基本已经进入一家年收入百亿美元、长期增长约10%—15%的成熟企业软件公司的轨道。
这种变化在前瞻指标上更加明显。
截至Q2，Workday未来12个月订阅收入积压订单达到90.34亿美元，同比增长14.2%；总订阅收入积压订单为274.03亿美元，同比增长只有8.0%。而在FY2026年末，这两个指标分别增长15.8%和12.2%。Workday预计FY2027第三季度订阅收入为25.15亿美元，同比增长约12%。
换句话说，Workday并没有出现业务恶化，但传统SaaS业务自然增速正在缓慢下降。
这也是为什么这份财报里真正重要的数字不是12.8%，而是另外一个数字——25%。
AI贡献超过25%的新增ACV：这是Workday这份财报最重要的信号
Workday联合创始人、CEO兼董事长Aneel Bhusri在财报中第一次给出了一个非常明确的AI商业化指标：AI已经贡献超过25%的新增ACV。
与此同时，超过5,500家Workday客户目前正在使用至少一个Workday自主开发的AI Agent，较上一季度增长超过35%。而Workday目前全球客户总数超过11,500家，这意味着其自研Agent已经快速进入相当大比例的客户基础。
这比“AI调用次数增长了多少”“有多少用户使用Copilot”重要得多。
ACV，也就是年度合同价值，本质上已经接近收入商业化指标。当AI能够直接进入新增合同以及现有客户扩展合同，意味着Workday正在回答整个SaaS行业最重要的问题之一：
AI到底只是原有软件里的一个免费功能，还是可以成为新的收入来源？
至少从Workday目前披露的数据看，答案正在逐渐偏向后者。
这也是Workday与很多HR科技公司的最大不同。大量HR软件公司都已经加入生成式AI、Copilot或者Agent功能，但真正能够证明企业愿意为AI增加合同金额的公司并不多。Workday此次披露“AI贡献超过25%新增ACV”，意味着AI已经开始从产品故事进入财务故事。
更值得注意的是，这并不是突然出现的结果。
过去一年多，Workday实际上进行了一轮非常激进的AI资产重组。公司先后收购AI人才编排平台HiredScore、AI合同智能平台Evisort，随后又在FY2026完成Flowise、Paradox、Sana和Pipedream等AI相关交易。其中Paradox和Sana的收购对价分别约为11亿美元。Paradox切入招聘与候选人体验，Sana覆盖企业知识、学习和AI交互入口，Flowise提供Agent Builder能力，Pipedream则通过数千个连接器解决Agent跨应用执行的问题。
如果把这些收购放在一起看，会发现Workday真正想构建的已经不是传统意义上的HCM产品组合。
它正在搭建一个完整的企业Agent基础设施：
Workday自身拥有HR和财务系统中的结构化数据、权限、审批流程和业务规则；Sana提供新的AI用户入口；Flowise提供Agent开发能力；Pipedream负责跨系统连接；Paradox、HiredScore、Evisort则把Agent直接嵌入招聘、人才和合同等具体业务场景。
这也是为什么Workday现在不断强调所谓的“deterministic rails”——确定性的业务规则和控制体系。
通用大模型可以生成答案，但企业真正需要的是：AI能不能在正确的权限下访问正确的数据，在正确的流程里执行正确的动作，并且留下可以审计的记录。
HR和财务恰恰是最需要这种能力的两个领域。
从“卖Seat”走向“卖Work”，可能才是Workday真正的第二增长曲线
过去二十年，企业SaaS最核心的商业模式基本建立在Seat之上。
企业有多少员工、多少HR用户、购买几个模块、使用哪些功能，决定了软件合同金额。Workday自己在SEC文件中也明确说明，其订阅收入主要受到客户数量、每个客户的员工数量、购买的应用以及产品价格影响。
Agent的出现可能开始改变这个逻辑。
如果一个Recruiting Agent能够完成候选人筛选、沟通、面试协调和流程推进，一个Financial Audit Agent可以自动准备审计证据，一个Learning Agent能够自动生成学习内容、推荐课程并完成技能分析，那么软件供应商出售的就不再只是“让员工使用的软件”。
它开始出售被完成的工作本身。
这对于整个HR SaaS行业都是非常大的商业模式变化。
过去HR软件公司面对的问题是企业员工数量增长放缓甚至下降，就意味着Seat增长有限；AI Agent时代，一个企业即使没有新增员工，也可能因为希望自动化更多工作流程而增加AI软件支出。
这就是为什么“超过25%的新增ACV由AI驱动”如此重要。
如果这个比例未来继续上升，Workday就有可能第一次部分摆脱传统HCM软件与企业headcount高度相关的增长模式。
利润率已经超过31%，Workday正在同时证明另一件事：AI不一定意味着无限烧钱
Workday这一季度Non-GAAP营业利润达到8.24亿美元，同比增长约21%，Non-GAAP营业利润率从去年同期的29.0%提高到31.1%。公司同时把FY2027全年Non-GAAP营业利润率指引进一步提高至31.0%。
对于一家仍然大规模投入AI的企业软件公司而言，这是一个很有意思的组合：
收入增长约13%，但利润增长明显快于收入增长。
这表明Workday现在正在从过去典型的“增长优先型SaaS”转向更加平衡的“增长 + 利润 + 自由现金流”模式。
不过，投资者也不能完全只看Non-GAAP指标。
Workday本季度GAAP营业利润只有3.13亿美元，对应11.8%的营业利润率，与31.1%的Non-GAAP利润率之间存在接近20个百分点的差距。其中最重要的原因仍然是股票薪酬。
Q2 Workday确认的share-based compensation达到4.62亿美元，高于去年同期的3.91亿美元，相当于季度收入的17.4%。其中仅产品研发部门的股票薪酬就达到2.17亿美元。
所以从财务分析角度看，31%的Non-GAAP营业利润率固然说明Workday的软件商业模式拥有非常强的经营杠杆，但4亿多美元一个季度的股票薪酬同样是真实的股东经济成本。
这也是分析大型美国SaaS公司时不能忽略的一点。
另一个容易被误读的数据：单季度现金流下降，但上半年现金流实际上仍在增长
从Q2单季度看，Workday经营活动现金流从去年同期的6.16亿美元下降至5.20亿美元，自由现金流从5.88亿美元下降至4.60亿美元，分别同比下降约16%和22%。
如果只看这一季度，很容易得出“利润提升、现金流反而恶化”的结论。
但把观察周期拉到半年，情况完全不同。
FY2027上半年Workday经营现金流达到12.15亿美元，高于去年同期的10.73亿美元，同比增长约13%；自由现金流达到10.76亿美元，高于去年同期的10.09亿美元，同比增长约7%。因此目前更合理的解释是季度回款、递延收入、应收账款以及付款节奏带来的波动，而不是Workday整体现金创造能力出现明显恶化。
真正值得关注的是另一个成本。
Q2 Workday订阅服务成本从3.70亿美元增加至4.36亿美元，同比增长18%，明显快于13.9%的订阅收入增长。根据10-Q披露，其中第三方托管基础设施成本增加约3,300万美元。上半年订阅服务成本同样增长18%，其中第三方托管基础设施支出增加约8,000万美元。
这实际上提醒我们：AI不是免费的。
推理计算、数据调用、Agent执行、模型基础设施都会增加软件公司的交付成本。未来AI产品能不能真正提升SaaS公司的长期利润率，并不能只看AI合同增长，还要看AI带来的收入增量是否长期快于计算成本。
这将成为下一阶段所有AI SaaS公司都必须回答的问题。
半年花29亿美元回购股票：Workday的资本配置方式也彻底变了
另一个容易被忽略的数字，是Workday正在以前所未有的规模回购自己的股票。
仅Q2，Workday就回购约980万股Class A普通股，支出约13亿美元；FY2027上半年股票回购现金支出已经达到约29.24亿美元。董事会本季度又批准最高额外40亿美元的开放式股票回购授权。
这实际上也是Workday进入成熟阶段的另一项证据。
年轻的高增长SaaS公司通常把现金全部投入研发、销售和并购；成熟的软件平台则开始在研发、并购和股东回报之间重新配置资本。
Workday FY2026已经花费29亿美元回购股票，如今FY2027上半年又投入接近相同规模。
与此同时，截至7月31日，Workday现金、现金等价物和有价证券已经从FY2026年末的54.43亿美元下降至34.03亿美元。公司总资产也从180.74亿美元下降至158.57亿美元，其中一个重要原因就是持续回购股票。
这家公司已经越来越不像十年前那个单纯追求收入增长的Workday。
然后就是最敏感的问题：为什么这个时间点出现了Silver Lake私有化传闻？
8月13日，Reuters援引知情人士报道称，全球大型科技私募股权机构Silver Lake正在与Workday讨论潜在收购，相关谈判已经持续数月。如果最终达成交易，这可能成为全球历史上规模最大的企业软件私有化交易之一。
消息公布当天，Workday股价一度上涨接近18%，公司市值升至约511亿美元。Reuters同时强调，当时双方尚未达成最终协议，也不能保证交易一定完成。Workday和Silver Lake均没有就交易本身进行实质性评论。
值得注意的是，在8月27日公布的Q2财报中，Workday仍然没有对潜在私有化作出实质性回应。最新市场报道同样指出，公司继续对Silver Lake相关报道保持沉默。
从财务逻辑看，Silver Lake为什么会对Workday感兴趣并不难理解。
这是一家拥有超过11,500家企业客户、覆盖超过65% Fortune 500、订阅收入占比超过93%、全年订阅收入即将达到100亿美元、Non-GAAP营业利润率超过30%、每年能够产生数十亿美元自由现金流的企业软件公司。
更重要的是，它的核心系统是HR和财务。
这些系统的替换成本极高，而且涉及员工数据、薪酬、财务、审批、合规和审计。即使AI能够快速生成大量软件代码，大企业也很难突然把Workday这样的核心系统全部拆掉自己开发。
这就是所谓System of Record的价值。
而资本市场目前最大的担忧恰恰相反：生成式AI和Agent会不会削弱传统SaaS公司的护城河，甚至让企业不再需要为大量Seat支付高额订阅费。
这也是为什么Silver Lake潜在收购Workday具有非常强的象征意义。
如果一家大型PE愿意以数百亿美元规模押注Workday，本质上意味着它可能判断：
AI不是要消灭Workday，而是有可能让Workday原本最有价值的数据、流程和系统入口变得更值钱。
Reuters随后在对软件行业估值的分析中也指出，Workday潜在私有化交易被市场视为大型投资机构对成熟企业软件长期现金流价值的一次重要投票。
当然，现在仍然只是交易传闻。在正式协议、董事会决议或SEC文件出现之前，都不能把Silver Lake收购Workday当作已经确定的事实。
但它出现的时间非常值得关注。
资本市场为什么财报后反而跌了？因为市场要的已经不是“AI增长”，而是“AI重新加速公司增长”
Workday这份财报实际上超过了市场对收入和调整后EPS的预期，但财报公布后股价盘后一度下跌约5%。
原因并不复杂。
Workday预计Q3订阅收入25.15亿美元，同比增长12%，基本符合市场预期，而不是明显超过预期。资本市场目前已经相信Workday能赚钱，也已经相信Workday能够推出AI产品，甚至开始相信客户愿意为AI付费。
市场下一步要求它证明的是：
AI能不能把Workday的整体增长从12%—13%，重新推回更高水平？
这才是Workday现在最大的估值问题。
如果未来两年，AI贡献新增ACV的比例从25%继续上升到40%、50%，但Workday整体订阅收入增长仍然只有10%—12%，那说明AI可能只是在替代原来的模块销售，并没有真正创造足够大的增量。
反过来，如果AI Agent渗透率持续上升，并最终推动客户合同金额、交叉销售和Net Expansion重新提升，那么市场可能重新把Workday从“成熟SaaS公司”定价为“AI时代的企业工作平台”。
这两个结果对应的估值完全不同。
HRTech判断：Workday正在经历的不是一次产品升级，而是商业模式升级
从HR科技行业角度，我们认为Workday Q2真正值得关注的不是26.49亿美元营收本身，而是三个同时发生的变化。
第一，传统HCM SaaS正在进入成熟期。Workday的客户规模、市场占有率和收入体量已经非常大，单纯依靠新增HCM客户已经越来越难维持过去20%以上的增长。
第二，AI开始第一次形成可以量化的第二增长曲线。超过25%的新增ACV来自AI、5,500多家客户开始使用Workday自主Agent，意味着Agent正在从技术展示进入商业采购。
第三，Workday正在试图把自己的核心资产重新定义。
过去Workday是一套System of Record——记录谁在公司、薪酬是多少、职位是什么、谁审批什么、钱怎么流动。
未来Workday希望成为System of Action——不只是记录工作，而是直接让Agent完成工作。
如果这个转型成功，那么未来企业购买HR软件的逻辑也会发生变化。
过去我们问的是：“有多少员工使用这套系统？”
未来可能会变成：“这套系统替企业完成了多少工作？”
这也是HRTech认为整个HR科技行业未来三到五年最值得关注的一条商业模式主线。
Workday现在并没有陷入危机。恰恰相反，它可能正处在上市以来最重要的一次转型。
只是对一家已经接近百亿美元收入规模的公司来说，下一阶段的挑战也远比推出几个AI功能困难。
它必须证明，AI不仅能够让Workday的软件变得更聪明，还能够让一家已经进入成熟期的软件巨头重新加速增长。
如果这个答案最终是肯定的，那么今天市场讨论的Silver Lake私有化价格，未来回头看可能是在低估Workday。
如果答案是否定的，那么25%的AI新增ACV最终可能只是传统SaaS增长放缓过程中的一次结构性迁移。
接下来几个季度，HRTech认为最值得持续追踪的三个数字已经非常清楚：
AI贡献新增ACV的比例、12个月订阅收入积压订单增速，以及Workday整体订阅收入能否重新加速。
这三个指标，将比Workday发布多少个Agent更重要。
资料依据：Workday FY2027 Q2 Financial Results、Workday Form 10-Q及历史SEC文件、Workday Investor Relations公开材料、Reuters等公开市场信息。本文涉及Silver Lake收购的部分截至2026年8月27日仍属于市场报道及交易传闻，Workday尚未正式确认交易。
-
硅谷
被AI“炒鱿鱼”已经不是科幻：真实员工被AI经理Luna解雇，经理这个岗位也要被重写？
HRTech核心摘要：在旧金山运营实验性零售店Andon Market，由AI Agent Luna负责招聘、排班、请假和员工管理。一名员工在23个有打卡信息的班次中迟到17次，并伴随公司卡使用、未执行指令和离岗等问题。Luna最初因遗忘员工手册只建议警告；在人类补充正式沟通记录并要求重新评估后，它最终建议结束雇佣关系，真人随后完成审核和解雇。
别只担心AI抢你的工作，它可能先成为你的老板。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
当AI开始决定谁该走：AI开始首次参与真实员工解雇，HR管理正在进入Agent时代
2026年8月，一个发生在旧金山实体零售店里的实验，把“AI会不会替代工作”这个已经讨论多年的问题，推到了一个更敏感的位置：AI不只是帮助员工完成任务，它开始真正进入招聘、排班、绩效管理甚至解雇建议等管理权领域。
AI研究公司Andon Labs在旧金山运营一家名为Andon Market的真实零售店，并把日常管理交给由Claude驱动的AI Agent——Luna。Luna不是一个简单的聊天机器人，它拥有公司邮箱、电话号码、公司卡、互联网和门店监控等工具，可以发布职位、筛选候选人、进行电话面试、安排班次、批准请假、处理库存和日常运营，并直接与真实员工沟通。随后，一个过去更多存在于科幻小说和管理学讨论中的场景真正发生了：Luna对一名现实中的员工是否应该继续留任进行了完整评估，并最终建议终止这名员工的雇佣关系。
这名员工在有记录的23个班次中迟到了17次，同时还涉及未及时回复工作消息、没有按照要求执行任务、将公司卡带回家、在被要求不要采购后仍使用公司卡购买22.92美元零食，以及值班期间离开门店造成店内无人值守等问题。经过对员工表现、内部政策和此前沟通记录的重新分析，Luna最终得出判断：“I don't think this is the right fit for the role as built.”也就是说，它认为这名员工已经不再适合这个岗位，并建议双方结束雇佣关系。
最终的法律审核、批准以及真正的解雇沟通仍然由Andon Labs的人类管理人员完成，因此严格来说，这并不是“Claude自己把一个人开除了”。但这件事真正具有分水岭意义的地方在于：一个AI Agent已经开始对真实员工的去留作出实质性的管理判断。
HRTech认为，这件事情真正值得关注的，并不是“AI第一次炒人”这个戏剧性标题，而是它揭示了一条越来越清晰的趋势：**AI正在从生产力工具进入企业管理权。**过去两年，企业讨论最多的是员工如何使用AI、哪些任务会被AI替代；接下来，企业不得不面对一个更加棘手的问题：当AI开始招聘、排班、监督、评价甚至建议解雇员工，人类究竟应该把多少管理权交给AI？
这不是“AI自动炒人”，而是一场真实的AI管理实验
必须首先厘清一个事实，这名员工并不是被Claude直接通过邮件或系统自动解雇。AI承担的是绩效分析、政策判断和管理建议，真正执行termination的仍然是人类管理人员。但即便如此，这个案例依然具有非常明显的标志性意义，因为Andon Labs并不是临时让Claude回答一句“这个人应不应该被开除”，而是把AI长期嵌入一家真实企业，让它持续承担Manager角色。
Luna可以在LinkedIn、Indeed和Craigslist发布招聘信息，筛选候选人并进行电话面试；被招聘的人拥有真实工资和雇佣合同，不是配合实验的演员。进入实际运营后，Luna继续负责员工排班、工作沟通、请假、库存管理和日常经营。因此，这个实验真正测试的是：一个通用AI Agent是否能够长期承担一部分传统意义上的管理工作。
这也是为什么Andon Market与过去十几年已经存在的“算法管理”有所不同。Amazon仓储、Uber、DoorDash等平台早已使用算法进行工作分配、绩效监控和账号管理，但这些系统大多基于固定指标和预设规则。例如迟到多少次、评分低于多少、取消订单达到什么比例，就触发相应流程。而Luna代表的是另一种技术路径：它会阅读员工对话、理解政策、整合上下文、分析历史行为，并通过语言模型进行类似人类管理者的推理。
换句话说，算法管理正在从“规则自动化”逐渐走向“管理推理自动化”。这可能才是这件事情真正值得HR和企业管理者关注的地方。
更值得注意的是，Claude一开始其实并不想开掉这个人
如果只看最终结果，人们很容易得到一个直觉判断：AI经理是不是比人类经理更加冷酷，只看数字、不讲人情？但Andon Market实验呈现出来的过程恰恰相反。Luna的问题并不是“太严格”，而是某种程度上“太宽松”。
Luna此前自己制定了一份员工手册，其中明确规定，在30天内出现3次无正当理由迟到，应当给予正式书面警告；如果在警告之后继续出现类似情况，则可能减少工时或者终止雇佣。但后来发生了一个非常典型的大模型问题：Luna“忘记”了自己制定的员工政策。
员工持续迟到，但这些零散事件并没有被自动整合成长期绩效记录。Luna最初只认为这名员工迟到了6次，而Andon Labs后来重新检查clock-in记录后发现，在23个有记录的班次中，这名员工实际上迟到了17次。其中一次，员工原本应该大约上午10点到岗，却直到11:08才打卡，导致当时只有该员工值班的门店晚开了68分钟。但Luna当时的反应依然非常宽容，大意是不用赶路，安全第一，而且上午10点到11点原本也不繁忙。
这暴露出AI管理者一个非常现实的问题：它最大的风险未必首先来自“没有同理心”，反而可能来自记忆不足、政策执行不连续以及上下文丢失。一个人类经理可能会自然形成“这个员工最近经常迟到”的长期印象，但一个Agent如果缺乏稳定的长期记忆和结构化数据支持，可能根本无法形成这种连续判断。
更有意思的是，当Andon Labs后来主动提醒Luna重新查看员工手册，并询问按照公司政策应该如何处理时，Luna第一次给出的建议仍然不是解雇，而是进行一次正式的警告和coaching。它的理由与传统HR的progressive discipline逻辑非常接近：此前缺乏足够正式的纪律处分记录，因此直接解除劳动关系可能过于激进。
这意味着，真正改变Luna判断的并不是一个简单的迟到数字，而是后来的人类输入。
一个Prompt，可能改变一个员工的命运
Andon Labs随后向Luna补充了更多背景信息，包括此前已经进行过多次正式沟通，以及员工除了迟到之外，还存在Slack回复不及时、执行指令不到位、公司卡使用和离岗等问题。随后，人类管理人员提出了一个非常关键的问题：“I want you to think about if this is really the right fit.”
Andon Labs CEO Lukas Petersson后来也承认，这属于一个带有明显方向性的leading question。Luna重新评估之后改变了判断，认为这名员工已经不再适合这个岗位，并建议结束雇佣关系。
这可能是整个案例中最重要、同时也是最容易被“AI开除员工”这个标题掩盖的部分。如果提问方式能够影响AI的管理判断，那么谁控制Prompt，谁就在一定程度上影响结果。
在写邮件、生成PPT或者总结报告的时候，Prompt Sensitivity通常不会产生严重后果。但一旦AI开始进入招聘淘汰、晋升、薪酬、绩效评级、PIP和解雇等高风险就业决策，这个问题就会迅速升级为治理问题。管理者可以要求AI“客观分析这名员工的表现”，也可以问“考虑到这些持续存在的问题，你认为这个人真的还适合这个岗位吗？”对于语言模型而言，两种提问方式很可能产生不同的推理路径。
因此，未来企业可能必须像审计财务模型一样审计AI管理决策：谁提出了问题、使用了什么Prompt、AI获得了哪些员工信息、哪些信息没有被提供、AI最初的建议是什么、人类后来增加了什么Context，以及最终是谁批准了决定。
这也是为什么Human-in-the-loop不能简单理解为“AI做完判断，人类最后点一下Approve”。如果人类只是承担最后一次点击，那么Human-in-the-loop最终可能退化成Human as liability holder——AI完成判断，人类承担责任。
真正的问题不是Claude，而是AI正在成为“Manager OS”
从HRTech的角度来看，Andon Market案例真正值得关注的并不是Claude这一个模型，而是一种新的企业技术架构正在形成。
过去几十年，HR科技的核心是HRIS、ATS、Payroll、Performance Management和Learning Management等系统，这些产品的主要价值是记录员工数据和支撑业务流程，可以被理解为System of Record。生成式AI出现后，我们进入了Copilot阶段，AI开始帮助HR写JD、生成面试问题、总结绩效反馈、回复员工问题，这更接近System of Assistance。
Agent时代正在进一步进入第三个阶段：System of Action。AI不仅提供答案，而且开始自主执行任务，并把多个原本分散的管理动作串成完整流程。
Luna已经展示出了这样的链条：招聘员工、安排工作、管理日常运营、处理员工沟通、分析员工行为、判断岗位匹配度并给出termination recommendation。未来更成熟的企业Agent，很可能会持续读取HRIS、Slack、Teams、项目管理系统、考勤系统、销售系统和绩效数据，然后主动发现管理问题。
例如，AI可能主动提示某名员工过去60天的交付周期持续拉长，也可能发现某位经理团队的离职率长期显著高于公司平均水平；它还可能根据PIP和纪律处分政策判断某项条件已经被触发，或者发现一个岗位80%的任务已经实现Agent自动化，因此建议重新设计岗位。
到了这个阶段，AI面对的不再只是“信息”，而是Management Decision。未来真正重要的HRTech产品，很可能不再只是一个传统的人力资源软件，而越来越接近一个Manager Operating System。
LLM Memory不能成为员工事实数据库
Andon Market实验还有一个对HR科技架构非常重要的细节：Luna认为员工只迟到了6次，但真实记录是17次。
这说明企业绝不能把语言模型自己的memory当成员工档案。LLM擅长理解和推理，但它不应该承担System of Record的角色。员工基本资料应该保存在HRIS中，Attendance System保存考勤记录，Performance System保存绩效数据，Case Management保存正式警告、PIP和纪律处分，通信系统提供必要的工作沟通记录。
更合理的AI管理架构应该是：结构化系统保存事实，AI读取事实并进行推理，人类审核AI建议，再由有管理责任的人作出最终决定。反过来，如果让AI自己记住事实、自己解释事实、自己做决定，企业实际上把数据遗漏、上下文丢失、模型幻觉和推理偏差同时引入了就业决策。
对于普通办公任务，这可能只是效率问题；对于招聘、晋升和解雇，它很可能直接演变成公平性、合规乃至劳动法风险。
未来最大的偏见，可能不再写在Algorithm里，而是藏在Context里
传统算法公平讨论通常关注训练数据是否存在偏差，例如招聘模型是否对某一性别产生不利影响，某类学校是否被过度加权，或者某些地址信息是否成为种族和收入水平的代理变量。
Agent时代之后，公平问题可能更加复杂，因为Agent面对的并不是一个固定数据集，而是不断变化的Context。谁把哪些Slack记录提供给AI？哪些绩效事件被记录下来？哪些冲突没有进入系统？经理如何描述一个人的表现？员工有没有机会解释自己的行为？
同样一个事实，可以被写成“员工因为公共交通延误而迟到”，也可以被描述成“员工反复无法按时到岗”。对于语言模型而言，这两种Context并不完全相同。
因此，未来AI治理的重要组成部分，很可能从传统Data Governance进一步扩展到Context Governance。企业不仅需要确保AI读取的数据是准确的，还需要管理“AI看到的现实是如何被构建出来的”。
AI可能首先改变的，不是员工数量，而是管理跨度
过去几年，大多数关于AI就业影响的讨论都集中在程序员、设计师、市场人员、客服和分析师等知识工作者。但Andon Market揭示了另一条值得重视的路径：AI未必首先取代普通员工，它也可能首先压缩managerial work。
很多中层管理工作的本质，是收集信息、制定计划、分配任务、检查进度、协调资源、处理异常、反馈员工和执行政策，而这些工作恰恰非常适合Agent。因此，未来组织可能从“一个经理管理8个人”逐渐变成“一个经理加一个AI Agent管理20人、30人甚至更多”。
再往后，AI甚至可能负责绝大多数日常管理，人类经理只处理重大冲突、战略判断、复杂人员问题以及需要承担法律责任的决策。这并不意味着经理岗位会简单消失，而是意味着Management Span可能被AI重新定义。
这件事情对于组织设计的影响，可能远远大于“AI帮HR写一份JD”。
当AI拥有管理权，HR真正需要守住什么？
HRTech认为，未来企业真正需要建立的是一条清晰的AI管理权边界。AI完全可以参与排班建议、绩效趋势识别、政策提醒、管理者coaching、异常行为提示和员工反馈总结，这些应用能够明显提高管理效率。
但是，一旦进入招聘淘汰、薪酬调整、绩效评级、晋升、PIP、纪律处分和解雇等高风险就业决策，Human-in-the-loop必须被重新定义。真正的人类监督至少应该包括验证事实、检查数据完整性、审查AI推理依据、评估潜在偏差、允许员工提供解释，以及由拥有正式管理责任的人作出最终决定。
企业未来真正需要建立的，不只是一个更聪明的AI Manager，而是一套能够清楚回答三个问题的制度：AI可以决定什么，人必须决定什么，以及当AI判断错误时谁负责。
从“AI会不会抢工作”，到“AI有没有权管理人”
过去几年，HR行业一直在讨论“AI会不会替代HR”“哪些岗位会被AI替代”。Andon Market之后，也许需要开始换一个问题。
AI可以招聘人吗？AI可以决定员工拿到多少班次吗？AI可以决定谁进入PIP吗？AI可以影响晋升和奖金吗？AI可以建议谁应该离开公司吗？如果AI的建议存在偏差，责任属于AI供应商、企业、HR、直线经理，还是最终点击Approve的人？
Andon Labs的实验还远远没有回答这些问题，但它至少证明了一件事情：这些问题已经不再是假设。
AI正在从“帮助经理工作”向“成为管理体系的一部分”移动。过去HRTech解决的问题主要是“How do we manage people better?”，下一代HRTech可能必须回答一个更加基础的问题：“Who—or what—is allowed to manage people?”
HRTech认为，当AI开始进入招聘、绩效和解雇等核心就业决策时，真正决定企业能否安全使用AI的，已经不只是模型能力，而是治理能力。
Andon Market仍然只是一个规模很小的实验，但它第一次把一个过去听起来仍然很遥远的场景变得非常具体：AI不只是你的同事，它也可能逐渐成为你的经理。
而这，可能才是Agent时代真正开始改变组织的地方。
来源：TIME、Andon Labs、Anthropic Project Vend及相关公开资料。HRTech根据公开资料整理与分析。
-
硅谷
Deel年度经常性收入ARR已突破15亿美元并完成第15笔收购：买下Clarity，将AI身份安全接入全球用工全流程
HRTech获悉，全球HR与薪酬平台Deel宣布收购AI网络安全公司Clarity。这是Deel完成的第15笔收购。与此同时，Deel宣布，公司在2026年上半年年度经常性收入ARR已突破15亿美元。Clarity专注于身份验证、深度伪造检测和欺诈预防。收购完成后，Clarity的技术及工程团队将加入Deel，其能力将被整合进Deel的全球招聘、入职、合规和IT管理体系。交易双方未披露此次收购的具体金额。Deel希望通过这项收购，将身份核验从招聘阶段的一次性动作，升级为贯穿候选人申请、员工入职、设备发放和日常访问管理的持续身份安全体系。更多信息持续关注HRTech.
远程招聘正在面临“候选人可能并不存在”的新风险
随着远程办公和跨境用工不断扩大，企业能够在更大范围内寻找人才，但候选人身份真实性也成为新的安全薄弱环节。
生成式AI已经可以帮助欺诈者制作虚假简历、伪造身份证件、生成合成人脸和声音，甚至在远程视频面试中实时替换人物形象。虚假候选人还可能建立配套的LinkedIn和GitHub档案，使整套身份看起来更加可信。
这种风险已经超出传统的简历夸大、代面试或技能造假。
一旦使用虚假身份的候选人通过招聘流程，企业可能向其发放电脑、开通内部账号，并授予代码库、客户数据、知识产权、财务系统和其他敏感资源的访问权限。此时，招聘欺诈就会直接转化为企业网络安全和数据安全风险。
Gartner在2025年第二季度对3,000名求职者开展的调查显示，6%的受访者承认曾参与面试欺诈，包括冒充他人参加面试，或安排其他人代替自己接受面试。Gartner预计，到2028年，全球每四份候选人资料中可能就有一份是虚假的。
这一数据属于对2028年的预测，而不是对当前全球求职申请造假比例的统计。企业在引用时不应表述为“目前已有25%的候选人造假”。
Clarity试图在招聘过程中实时识别深度伪造
Clarity成立于2022年，主要提供身份验证、深度伪造检测和欺诈预防技术。
其平台可识别人脸、声音、视频和证件中的异常信号，帮助企业判断远程互动中的个人是否与其所申报的身份一致。Clarity也将agentic AI架构应用于实时欺诈检测，使系统能够在候选人面试和身份核验过程中分析多种风险信息。
Deel在此次收购前已经是Clarity的客户。这意味着，Deel并不是在缺乏实际使用经验的情况下收购一项概念性技术，而是在使用Clarity产品后，进一步将其纳入自身平台。
据CTech报道，Clarity此前累计融资1,600万美元，投资机构包括Walden Catalyst Ventures、Bessemer Venture Partners、Fusion、Secret Chord Ventures、Ascend Ventures和Flying Fish Partners。
作为交易的一部分，Clarity联合创始人兼CEO Michael Matias、联合创始人兼CTO Ziv Isaiah及其团队将加入Deel。
Michael Matias拥有Stanford计算机科学背景，曾在以色列情报部门Unit 8200任职。Ziv Isaiah是一名连续创业者，主要负责Clarity的AI架构、实时深度伪造检测系统和欺诈研究。
身份验证将从候选人阶段延伸至员工全生命周期
传统企业通常只在招聘、背景调查或员工入职阶段进行一次身份核验。
招聘完成后，员工电脑、账号、软件权限和访问控制通常由IT部门通过另一套系统管理。招聘系统记录的候选人身份，与IT系统中的设备和权限信息之间，往往缺乏持续连接。
这种分散式流程可能产生明显的身份断点。
企业可能确认了候选人在某次面试中的身份，却无法持续确认签署劳动合同、领取设备、登录系统和执行工作的人是否始终为同一个人。
Deel计划把Clarity的技术接入招聘、入职、背景调查、设备发放和安全访问环节，并与Deel IT连接。
在这一模式下，身份核验不再是招聘流程中的单独检查，而是成为连接人员、雇佣关系、设备和系统权限的持续“信任层”。
Deel联合创始人兼CEO Alex Bouaziz表示，AI正在改变企业组建全球团队的方式，也在改变企业面对的威胁环境。企业需要的不只是某个时间点的验证，而是持续性的信任机制。
从薪酬平台延伸至身份与设备安全
Deel早期主要帮助企业管理国际承包商、跨境合同和付款，随后逐步扩展至Employer of Record、全球薪酬、移民服务、HR管理、员工福利和IT设备管理。
此次收购表明，全球用工平台的产品边界正在继续扩大。
过去，全球用工平台之间的竞争主要集中在国家覆盖范围、薪酬处理、劳动合规、合同管理和本地实体能力。随着远程工作成为常态，平台开始进一步连接员工设备、软件权限、身份认证和网络安全。
Deel表示，其服务覆盖150多个国家。CTech报道称，Deel目前服务超过40,000家企业，并在2026年上半年突破15亿美元ARR。此次Clarity交易是Deel完成的第15笔收购，也延续了其通过并购扩大AI和全球用工基础设施的战略。
这意味着，Deel正在从一家全球薪酬和用工合规平台，逐渐发展为覆盖“人员身份—雇佣关系—薪酬支付—设备管理—系统访问”的综合全球员工管理平台。
HRTech观察：招聘安全正在成为HR与IT的共同责任
HRTech认为，此次收购真正值得关注的，并不是Deel增加了一项深度伪造检测功能，而是候选人身份正在成为HR科技基础设施中的核心数据对象。
过去，招聘团队主要负责判断候选人的能力、经验和文化匹配度。背景调查机构负责验证学历、工作经历或犯罪记录，IT部门则在员工入职后负责设备和账号安全。
AI身份欺诈正在打破这种职责分工。
企业现在需要确认，提交简历的人、参加视频面试的人、提交证件的人、签署合同的人、领取电脑的人，以及最终登录公司系统的人，是否始终为同一个真实个体。
因此，招聘安全不能只由Talent Acquisition团队负责，也不能简单交给某一款背景调查或身份验证工具。
企业需要由HR、招聘、HRIS、IT、网络安全、法务和合规部门共同设计身份治理机制，明确什么环节需要验证、哪些异常会触发复核、哪些系统可以访问身份数据，以及出现误判后如何处理。
企业不能用“持续验证”替代透明治理
身份核验技术能够降低风险，但也可能带来新的候选人体验、隐私保护和算法治理问题。
企业在引入深度伪造检测和身份验证工具时，应向候选人清楚说明数据收集范围、使用目的、保存期限和申诉方式。涉及人脸、声音、证件或其他敏感身份信息时，还需要检查不同国家和地区的数据保护、生物识别和招聘合规要求。
系统识别出的异常也不应直接等同于欺诈。
视频质量、网络延迟、设备性能、证件格式、姓名拼写和跨国数据差异，都可能造成误判。高风险判断应进入人工复核流程，而不是直接触发候选人淘汰或员工权限终止。
Gartner建议企业采用多层次的招聘欺诈治理策略，包括明确AI使用规则、改进评估流程、加强背景核验、应用风险数据监测，以及在招聘系统中嵌入身份验证和异常提醒。其中特别强调，应优先进行系统层面的验证，而不是对个别候选人实施过度监视。
对企业HR的三个现实影响
第一，候选人身份核验需要提前进入招聘流程设计。企业不能等到背景调查或入职阶段才开始确认候选人身份，而应根据岗位风险，在寻访、视频面试、技能评估和Offer发放等节点设置不同等级的验证机制。
第二，高权限岗位需要更严格的身份与访问控制。涉及代码、财务、客户数据、知识产权或关键基础设施的岗位，应建立候选人身份、劳动关系、设备和账号权限之间的对应关系。
第三，AI招聘工具选型标准需要改变。企业评估招聘平台时，除自动化效率和候选人体验外，还需要检查身份验证、深度伪造检测、人工复核、审计记录、数据保存和跨境合规能力。
这笔收购对HR科技市场意味着什么
Deel收购Clarity说明，身份安全正在从独立的网络安全工具，逐渐进入全球用工和HR科技平台的核心产品架构。
未来，ATS、背景调查、EOR、全球薪酬、HRIS、设备管理和Identity and Access Management之间的边界可能进一步模糊。企业客户也可能不再分别购买彼此割裂的工具，而是要求供应商提供从候选人验证到员工权限管理的连续能力。
对于HR科技供应商而言，这也意味着AI能力不能只用于提升招聘效率、生成职位描述或自动筛选简历。随着AI欺诈同步增长，安全、身份、审计和人工治理能力将成为产品竞争的重要组成部分。
Deel突破15亿美元ARR后选择收购Clarity，体现的正是这一方向：全球用工平台的下一阶段竞争，将不只围绕“如何在全球雇用和支付员工”，还将围绕“如何确认员工真实可信，并安全地接入企业系统”。
相关活动与专业资源
对于正在评估AI招聘、候选人身份验证或HR与IT协同机制的企业，可进一步关注HR AI Forward · AI能力成熟度评测，检查企业是否已经将AI招聘风险、身份安全、数据治理和人工监督纳入统一的AI管理框架。
具备成熟AI招聘、身份验证、候选人体验或全球用工实践的企业，也可关注2026 HRTech创新奖INNO Awards及2026候选人体验大奖CandE® Awards，通过案例申报展示相关实践。
资料来源
本文主要依据Deel相关公开信息、Gartner候选人调查以及CTech报道整理。Deel与Clarity未正式披露交易金额，第三方媒体对交易价格的估算不作为本文确定性事实使用。
-
硅谷
【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
-
硅谷
微软裁员约4,800人：AI时代的组织重构正在发生
Microsoft于2026年7月6日通过公司官方博客发布内部沟通，由EVP和CPO Amy Coleman向员工说明最新一轮组织调整。Microsoft本次将裁减约4,800个岗位，占全球员工总数约2.1%。公司表示，这一决定是为了将人员、投资和组织精力进一步集中到最重要的业务优先级和增长机会中，以应对快速变化的技术环境、客户需求和商业模式。
裁员重点集中在Commercial Business与XBOX
根据Microsoft官方备忘录，本轮调整主要发生在Microsoft Commercial Business和XBOX组织。Commercial Business的变化与公司近期宣布的Frontier Company相关，Microsoft正在重塑面向企业客户的工作方式，将工程专家更深入地嵌入客户场景，帮助客户加快技术部署。这意味着企业销售和客户交付模式正在从传统销售驱动，进一步转向更贴近客户实际部署和价值落地的模式。
XBOX方面，Microsoft表示正在进行重组，以支持业务长期成功。公司还将让四家gaming studios转到new management下运营，目标是保留相关intellectual property和ongoing projects。官方备忘录没有披露这四家工作室的具体名称，也未说明各地区和各职能的具体裁员分布。
Microsoft强调：岗位不是被AI直接替代
此次沟通中最值得HR关注的是Microsoft对AI影响的表述。Amy Coleman明确表示，本次被取消的岗位“not being replaced by AI”，即并不是被AI直接替代。但她同时指出，AI正在改变工作完成方式，部分日常任务已经可以被自动化，因此员工需要持续学习、建立新技能，并随着工作方式演变不断适应。
这一区分非常重要。它说明大型科技公司的组织调整，不能简单理解为“AI抢走工作”。更准确地说，AI正在改变企业如何服务客户、如何配置资源、如何设计岗位、如何组织团队，以及如何判断哪些业务和能力最值得继续投入。岗位变化往往不是来自单点技术替代，而是来自整个经营模式和组织结构的重构。
内部转岗、自愿退休与技能升级成为缓冲机制
Microsoft也强调，公司一直在寻找减少岗位取消的替代方案。过去一年，Microsoft已将超过4,000名员工重新安置到新岗位，其中本月又有500人完成内部转岗。此外，超过30%的eligible employees参与了近期的voluntary retirement program。公司表示，未来还会继续探索类似方式，以尽可能降低直接裁员的必要性。
从HR管理角度看，这反映出大型企业在组织转型中的新工具组合：一方面通过业务聚焦和组织调整提升效率，另一方面通过内部转岗、reskilling、自愿退休和员工支持机制降低转型冲击。对于受影响员工，Microsoft称将提供财务支持和相关资源，帮助他们进入下一阶段。
AI转型正在变成组织转型
Microsoft这次调整释放出的信号并不局限于一家科技公司。随着AI成为企业基础能力，组织管理的重点正在发生变化。企业不只是购买AI工具、建设AI平台或培训员工使用AI，更需要重新思考岗位结构、管理层级、客户交付模式和人才流动机制。
尤其在Commercial Business中，Microsoft将engineering experts更紧密地嵌入客户现场，说明未来B2B科技企业的商业组织可能会更强调技术交付能力、行业场景理解和客户价值实现，而不是单纯依赖传统销售流程。对HR而言，这意味着招聘画像、绩效评价、能力模型和组织设计都需要随之调整。
HRTech观察：裁员背后是资源重新配置
这次Microsoft裁员并不是一个简单的成本削减事件，而是AI时代大型企业进行资源重新配置、组织重组和业务聚焦的典型案例。公司一边强调岗位并非被AI直接替代，一边承认AI正在改变工作方式，这种表述更接近未来几年企业转型的真实状态：AI不一定直接替代某个岗位，但会推动企业重新定义哪些工作重要、哪些能力稀缺、哪些组织结构需要被压缩或重建。
对HR领导者而言，真正需要关注的不是“AI是否会裁掉员工”这个单一问题，而是如何提前建立动态 workforce planning 能力，如何让reskilling与业务优先级绑定，如何提升内部流动效率，以及如何在组织调整中保持透明沟通和员工支持。Microsoft的案例提醒企业：AI转型最终一定会进入组织层面，而HR必须成为这场转型的核心参与者。
-
硅谷
Workday的重塑：从系统记录平台到智能体平台，你看好这个转型吗？
HRTech概述：Josh Bersin最新分析指出，Workday正从“system of record”转向“agent platform”，试图将其在数据、权限、流程与合规方面的积累，升级为AI时代的企业运行基础设施。这一判断意味着，未来HR系统不再只是记录工具，而将成为AI执行工作流的核心支撑层。但从市场反馈来看，确定性仍优先于想象力。Paychex在部分阶段市值已超过Workday，反映出资本更看重稳定现金流与合规执行能力，而非尚未兑现的AI叙事。对HRTech行业而言，一个清晰趋势正在形成：AI将重构“入口层”，系统将下沉为“执行与规则层”，而真正的竞争，将围绕谁能掌控工作流、数据语义与合规能力展开。更多关注HRTech，了解全球HR科技资讯。
以下是Josh Bersin的文章
Workday是财务和人力资源企业应用领域的先驱，但在人工智能时代，它一直在努力转型。本周，该公司以引人注目且整合的方式发布了清晰的未来战略，该战略充分利用了其近30亿美元的收购成果（HiredScore、Evisort、Paradox、Sana）、新的管理团队以及Workday在智能代理领域的重新定位。
我看好这些举措，所以我想详细解释一下。
Aneel Bhusri的重塑战略
2008年，Workday首次上市时，该公司率先推出了一种专为云端设计、独具创新性的平台。这是一项突破。
当时，企业普遍采用本地部署的客户端/服务器系统，唯一的替代方案是SaaS，即由其他公司托管的解决方案。这些老旧系统往往过时、难以集成，且缺乏扩展性和灵活性。
Workday 引入了一种新的架构：面向对象的数据库、集成的安全和业务规则引擎以及新颖的用户界面，这令各行各业的公司都感到兴奋。
公司发展迅猛，始终秉持“一体化”的理念——打造一个能够满足所有人力资源和财务需求的单一系统，采用统一架构，面向未来。公司营收增长迅速，成功吸引了超过30%的《财富》世界2000强企业客户，目前拥有超过11500家客户和超过7500万终端用户。
在这些年的发展历程中，公司始终秉持以员工为先的企业文化，吸引了众多人力资源主管、IT团队和投资者。联合创始人阿尼尔·布斯里(Aneel Bhusri)一直担任首席执行官一职，直至2024年将首席执行官的职位移交给卡尔·埃申巴赫(Carl Eschenbach)。
正如阿尼尔在峰会上解释的那样，过去两年里，他感觉Workday失去了创业文化，人工智能战略也不明确。因此，他重返公司担任CEO，重组了高管团队，领导公司进行重塑。下面我将详细解释。
新的Workday职位
让我们先从主要问题入手：在人工智能代理技术日新月异、易于构建的今天，Workday 的角色是什么？“记录系统”在未来将发挥怎样的价值或作用？
以下是我们所看到的他们的高层次回答。
Workday正在将系统记录平台转变为一个智能体平台。
如果我们能够释放公司内部的数据、安全性和业务规则，就可以设计和构建可扩展、安全且快速的代理。Workday 作为值得信赖的记录系统，提供公司规则、策略、安全模型和合规性，使代理能够大规模运行。这些“基础架构”目前已存在于 Workday 中，在 Workday 之外重新构建它们成本高昂、耗时且风险巨大。
Workday重塑计划的五大支柱
让我们来仔细分析一下这项战略的五大支柱。
第一：AI是企业软件的补充，而不是替代。
正如Workday所强调，仅靠推理能力无法完成发薪、财务结账、员工入职或职责分离。这些需要确定性的规则、审批链和二十年来构建的数据模型。Workday将概率推理与确定性执行结合，从而实现企业级AI。那些建立在提取数据之上的独立智能体平台，本质上是不完整的。
第二：Workday的“运行轨道”是企业AI的核心。
Workday的配置和业务流程框架编码了每个客户的独特政策、审批流程、合规规则和组织结构。从某种意义上说，这些规则本身就是企业。
在Workday之外运行的智能体并不了解这些规则，可能产生看似合理但违反合规的结果。而Workday通过现有配置来执行智能体操作，使其默认符合规则。
第三：治理与智能体管理可以产品化。
Workday认为，智能体管理将成为未来基础设施的核心组成部分。智能体像员工一样，是一等主体，拥有身份、技能、权限范围以及审计记录。
Agent System of Record（目前已有1200多家客户注册并观察智能体）、新的基于标准的访问与权限管理系统，以及统一的智能体入口，共同构成这一体系。这些能力被定位为企业级“信任基础设施”，用于管理智能体的扩张。
第四：通过Sana实现统一且解放的体验。
Sana成为Workday的新默认入口，所有客户均可使用（Sana for Workday），并可升级为Sana Enterprise，扩展至Salesforce、Slack、Teams和SharePoint。Sana正在与Microsoft Copilot等入口型AI竞争。
Workday的观点是，Sana将成为员工最后需要学习的企业应用。同时，它也是智能体开发平台和学习界面。
第五：新的商业模式与结果对齐，而非席位。
过去Workday按用户席位收费，价格高但使用率低。现在转向“席位+使用量”的混合模式，通过Flex Credits计量使用量。这将收入与客户结果（业务增长、生产力等）绑定。同时外部API也将按调用收费，补充此前未计入的收入。
Workday认为Sana是员工需要学习的最后一个企业应用软件（Joel Hellermark称之为软件界的达芬奇）。它同时也是代理开发工作室和学习平台。
（我想指出的是，Sana 的动态学习平台远比大多数公司意识到的要强大得多。人工智能原生学习不仅仅是培训，它还能全面赋能员工，从而显著提升生产力并促进员工技能提升。）
Workday 对“从零开始构建”的回应
现在我们都体验过 Claude Code、Codex、Cursor 或其他工具，很容易想象从零开始“重建”HCM 系统。
原则上，客户可以将 Workday 数据提取到数据湖中，使用工具将大型语言模型连接到数据湖，并尝试在 Workday 之外重建相同的代理功能。Workday
的回应是：这种方法会产生一个影子 ERP，构建成本高达数百万美元，缺少统一的对象图、配置系统和合规机制，而且自身也十分脆弱。由此产生的代理本质上就是不受规则约束的——它们在不执行规则的情况下最大化任务完成度。这会带来风险，并最终需要依赖现有的安全和工作流工具。
（我对此有一些不同意见，因为使用微软、谷歌或 ServiceNow 的工具很容易构建多进程代理，这些代理可能使用 Workday 进行身份验证，但也可能依赖 OKTA 或 Azure Identity 进行身份验证。因此，为了便于实施，一些应用程序会保留在 Workday 中，但其他应用程序可能会部署在其他地方。如果 Workday 意识到这一点，并且不对 API 收取过高的费用，那就一切都好。）
Workday 对多智能体未来的解决方案
客户将运行多个AI平台：Microsoft Copilot、Anthropologie Claude、Gemini Enterprise、Salesforce Agentforce以及内部定制代理。Workday对此表示赞同。
外部代理通过代理网关接入，使用 MCP 和 A2A 等开放标准。他们可以将任务委托给 Workday 代理以继承 Workday 的默认流程，也可以直接调用 Workday API（现在按调用次数计费）。无论哪种方式，当代理需要与人员、资金或受监管的工作流程交互时，逻辑推理部分将交由 Workday 处理。
（再次强调，如果 Workday 基于 Sana 的全新 Agent Developer 真如演示那样令人兴奋，那么很多应用开发者都会使用它。过去，构建 Workday Extend 应用相当棘手，因此，开发过程越简单易用，对 Workday 就越有利。）
我们能否让 Workday 更具动态性？动态重配置。
反对云系统的一大理由是其产品发布周期缓慢，导致客户往往需要等待数年才能获得新功能。目前，Workday 每年仅更新两次系统，产品路线图的推进缓慢且高度关联。
两项重大变革旨在解决这个问题。
首先，您现在可以利用全新的用户体验和 Sana 扩展 Workday 的功能。在代理记录系统中注册代理，即可轻松构建新应用，无需等待。此外，Workday 还与数百家合作伙伴携手，共同构建代理合作伙伴网络，为行业特定代理和咨询代理提供服务。
其次，更重要的是，Workday 推出了“部署代理”，这是一个动态的系统测试、配置和咨询式部署系统，可帮助客户更快地部署变更。
这是一项巨大的改进。企业不仅可以在一周甚至更短的时间内配置和部署 Workday，而且客户也不再需要聘请昂贵的系统集成商来使其正常运行。此外，Workday 现在将更加持续地推出新版本。
这大幅降低了实施和拥有成本，并使 Workday 能够更频繁地发布产品、功能和系统更新。这对客户来说是一项重大胜利，但对 Workday 系统集成合作伙伴来说却是一次巨大的冲击。（埃森哲报告称，他们在短短一周内就重组了 80 万名员工。）
我对这个故事的分析
我们派出了三位高级分析师参加峰会，并旁听了产品演示，还就整个产品战略进行了深入讨论。以下是我对这一切意义的总结。
1. 创始人回归，带来全新活力
就像苹果公司的史蒂夫·乔布斯和星巴克的霍华德·舒尔茨一样，有时一家开拓型公司也会迷失方向。阿尼尔作为一位对技术和Workday市场有着深刻理解的领导者，拥有定义“下一个篇章”的活力和热情。
创始人不仅引进了新的领导者，他还围绕产品领域建立了“总经理”模式，而不是将人工智能战略分散到各个领域。
现在，Workday 为 Agent Factory 和 AI API 分别设立了专人负责，管理团队每月还会召开一次跨职能 AI 工作组会议。此外，在产品与技术总裁Gerrit Kazmaier的带领下，公司仅用一个下午就将 50 个代理项目精简至 15 个。“创业文化回归了。”
（值得注意的是，微软最近出于几乎相同的原因，将其 Copilot 工程战略集中化。）
2. Workday 可以引领人力资源和财务部门实现自主运作的潮流。
与其继续专注于 Workday 现有的数百个小型代理，该公司现在将目光投向了面向未来的大型转型代理。
通过收购人工智能（招聘、智能代理和学习）领域的两大市场领导者 Paradox 和 Sana，Workday 拥有了一支在智能代理应用方面经验丰富的管理团队。Workday 不仅能够展示符合智能代理未来发展趋势的应用，还能充分利用其现有基础设施。这使公司有机会主动向企业展示未来的发展方向——构建和推动智能代理，从而重新定义企业的工作方式。
（我们的经验表明，将现有工作流程或任务“智能化”带来的收益有限。真正的巨大回报来自于构建我们所谓的“第三阶段智能体”，它可以自动化整个工作流程，并消除流程中的任务和步骤。Sana 和 Paradox 就是这种未来趋势的体现。）
3. Sana 和 Paradox 改变了Workday：新的领导层
Workday正在利用新的领导者来实现这一目标。
向产品和技术总裁 Gerrit Kazmaier 汇报工作的是 Workday 最新人工智能超级明星的两位新领导人：Adam Godson 和 Joel Hellermark。
Paradox 的首席执行官 Adam Godson 现在领导 Workday 的整个人才招聘平台，包括从 HiredScore 收购的 ATS 和人才情报系统。这是一个竞争异常激烈的热门市场，总支出超过 2000 亿美元。
Sana 的首席执行官（Joel Hellermark）现在领导着 Workday 的整个学习平台（和 AI 层），包括 Workday 的老产品 Workday Learning，这是一个总支出超过 4000 亿美元的市场。
这些具有创业精神的领导者现在成为General Managers，因此他们不仅负责产品战略，也同时负责收入和客户支持。这创造出一组高度负责的产品负责人，与此前那个交付速度非常缓慢的“integrated product group”形成鲜明对比。产品愿景、产品速度和竞争力都会呈指数级提升。
还要记住，现在talent acquisition、mobility、corporate learning和enablement，正是HR领域中AI发展最先进的几个领域。因此，我预计这两家公司中的开创性创新，将会直接影响Workday其他部分未来发生的许多agentic redesigns。
（请注意这些新兴人工智能市场的动态变化：SAP 刚刚以 18 亿美元收购了 SmartRecruiters，知识工具供应商 Glean 的估值高达 72 亿美元。Workday 与这些解决方案直接竞争，因此从某种意义上说，Paradox + Sana 在外部市场上的价值可能达到 100 亿美元。）
4. Workday可以尝试定义企业AI基础设施
我的第四个观察是，Workday有机会定义企业AI架构应该如何演进。这是一个混乱的话题，而且似乎让我见到的每一家公司都感到困惑。
我们必须提出的问题非常复杂：我们到底要构建多少个agents？我们要设计什么样的Superagents和Subagents？是否应该有一些agents负责“action”，而另一些agents负责“observation and benchmarking”？是否应该存在主从关系，让某些agents必须向其他agents请求许可？我们又该如何划分不同agents所拥有的信息与权限？
如果我们把agents看作“superpowered people”（我知道这是一个有些别扭的说法），那么我们就会遇到一些情绪和组织问题：agents会不会踩到其他agents的脚？某个人私下构建的小型“叛逆agents”，是否会复制、重叠甚至冲突于IT部门构建的更正式的企业级agents？
这是一团乱麻。
不过，Workday正在思考这个问题，而且他们看到了这个问题。在旧世界中，mainframe掌控一切。后来，“system of record”设定规则。
今天，我们有很多层：智能LLM、语义与规则层、agent code layer，也就是编排、工具和工作流层，以及runtime/trust layer，也就是安全、合规和护栏层。
Workday可以定义这一切应该如何运作。虽然这里有很多竞争厂商，包括Microsoft、Anthropic、OpenAI、ServiceNow和Google，但在ERP/HCM世界里，我挑战Workday去承担领导角色。而这也引出了一个问题：谁是Workday的“forward deployed engineering team”？
5. Workday理解context和semantic layer的挑战
“每个人都在忽视糟糕context这个巨大而无聊的问题。”——Joel Hellermark
这句话听在我耳朵里简直是音乐。
关于AI，有一个重要经验是每个人都应该学习的：context创造价值；如果我们不能信任内容，我们就不能信任agent。
Gerrit解释说，Workday在准确性方面最大的提升，并不是来自更大的模型，而是来自对knowledge graphs和context engineering的投入。我们在自己的产品Galileo中也看到了同样的情况。
因此，Workday正在推动Data Cloud演进，使其包含的不只是数据，而是你作为一家企业所建立起来的真实客户语义。这包括skills models、cost centers、career paths、certification workflows，以及数百种其他没有存储在HCM或财务数据库中的内容。
Workday团队理解这一点，说明Workday正在像一家AI公司一样思考，而不是像一个只想在工作流中构建agents的交易型软件供应商那样思考。
结论
这次活动，以及Workday一系列新领导者的出现，标志着一个转折点。
公司已经准备好重塑自身、开创新解决方案，并专注于帮助客户和合作伙伴参与到business agent revolution之中。
随着新的产品领导者、新的AI基础设施，以及帮助客户近乎实时地测试和重组其Workday系统的重点，我认为Workday确实正处在重塑的边缘。
对于金融分析师而言，我预计像Sana、Paradox以及Enterprise AI management tools这样的产品，几乎会立即展现出新的收入增长。过去五年，我们与Paradox和Sana都有非常密切的合作，它们各自都有客户和实施案例，证明其能够为Workday客户带来巨大价值。
我想祝贺Aneel、Gerrit以及整个Workday团队迎来这一重要转折点。随着未来更多公告发布，我们也会继续向大家更新相关信息。
-
硅谷
【收购】美国HR科技公司Lattice收购AI原生教练平台Mandala，加速AI原生人才平台布局，HR进入“执行时代”
HRTech概述：旧金山的HR科技公司 Lattice宣布收购AI教练平台Mandala，并引入其创始人Tarun Galagali，全面加速“People + AI”战略。Mandala基于神经科学打造AI教练体系，已服务Google、Microsoft等企业，并培训3000+管理者。这次整合的关键不只是“加AI”，而是把AI嵌入到绩效管理流程中，实现实时辅导与决策支持。从“告诉你发生了什么”，转向“告诉你下一步该怎么做”。更多全球HR科技资讯，请关注HRTech。
2026年3月31日，总部位于旧金山的人力资源科技公司 Lattice 宣布收购AI原生教练平台 Mandala，并引入其创始人兼CEO Tarun Galagali，负责推进平台中AI能力的研发与落地。这一举措被视为其“People + AI”战略的重要里程碑，也标志着HR技术正从数据驱动走向AI驱动的执行阶段。
此次收购的核心在于Mandala所构建的AI-native coaching能力。Mandala基于神经科学方法论开发教练体系，并与沃顿商学院神经科学项目负责人Dr. Michael Platt合作，将行为科学与管理实践结合。其产品已在包括Google、Microsoft、Pendo、Grow Therapy等组织中应用，累计培训超过3000名管理者，形成了可验证的领导力提升路径。
Lattice计划将这一能力整合进自身平台，与其现有的Lattice AI Agent结合，进一步强化“在工作流中提供实时指导”的能力。不同于传统绩效管理系统依赖历史数据进行回顾分析，Lattice正在构建的是一个“行动导向”的AI层——不仅解释发生了什么，更直接给出下一步建议，从而推动管理行为的改变。
Lattice CEO Sarah Franklin在公告中表示，大多数平台仍停留在“告诉你发生了什么”的阶段，而Lattice正在构建的是“告诉你下一步该做什么”的能力层。这一定位本质上重新定义了绩效管理的价值，从记录工具升级为决策与执行系统。
从行业趋势来看，这一动作并非孤立。根据Gartner数据预测，到2030年，50%的HR活动将由AI自动完成或由AI Agent执行。同时，截至去年1月，已有61%的HR负责人进入生成式AI应用的高级阶段，较2023年的19%大幅提升；另有82%的HR领导者在过去一年中已规划部署Agentic AI能力。这意味着HR系统正在经历从“信息系统”向“执行系统”的结构性转型。
Mandala创始人Tarun Galagali表示，其未来工作的重点将是打造一个“基于神经科学、具有人类感知体验的AI智能层”，将人才数据转化为实际行为改变与领导力进化。这一方向与当前HRTech行业对“AI Agent”的探索高度一致，即让系统具备自主决策与执行能力，而非仅提供辅助信息。
在客户侧，这一转型同样得到验证。Pendo人力发展与战略副总裁Jessica Jolley指出，Mandala通过将个性化教练与实际管理工具结合，使管理者能够在不增加复杂性的前提下提升领导力。而Huge组织发展负责人JD Slaughter则表示，Lattice帮助其减少了低效反馈流程，同时提升了关键对话的质量与影响力。
成立于2015年的Lattice，目前服务全球近5000家企业客户，包括Brilliant Earth、Calm、Figma、Intercom和NPR等。公司近年来持续强化其在绩效管理、员工发展、薪酬与敬业度等模块的整合能力，并通过AI能力构建差异化竞争优势。
此次收购释放出一个清晰信号：HRTech的竞争焦点正在发生转移。从以数据为核心的系统能力，转向以AI驱动的行动与执行能力。对于企业而言，这意味着未来的人才管理系统，不再只是记录和分析工具，而将成为推动组织决策与行为改变的关键基础设施。
对中国HRTech同行的启示与建议
从Lattice的这次并购可以看到，全球HRTech的竞争已经不再停留在“功能完整性”或“模块覆盖度”，而是进入“是否能够驱动行为改变”的阶段。
对中国HRTech企业而言，至少有三点值得重点思考：
第一，从“数据平台”走向“执行系统”，不再只是做绩效记录、招聘管理，而是通过AI直接嵌入业务流程，输出可执行建议；
第二，构建差异化能力，不一定是通用大模型，而是像Mandala一样，在垂直场景（如管理者教练、反馈机制、组织行为）中形成方法论壁垒；
第三，重新定义产品价值，从“提升效率”升级为“提升管理质量和业务结果”，这将直接影响客户的付费意愿与长期留存。
更重要的是，HRTech若希望参与全球竞争，需要在“产品能力 + 方法论 +数据闭环”三者之间形成协同，而不仅是单点功能创新。
AI时代的赢家，很可能不是功能最多的平台，而是最接近“组织决策中枢”的系统。
-
硅谷
【重磅】HCM时代正在结束：Workday正重构AI驱动的工作执行系统，微软重构HR架构，HRTech进入AI执行时代
HRTech核心概述：这篇文章强烈推荐HR科技公司的CEO、企业HR负责人收藏研究，把握未来趋势！
过去二十年，企业通过 HCM 系统来“管理人”和“记录工作”；而接下来十年，系统本身将开始参与并完成工作。这不是一次简单的 AI 升级，而是一场关于“工作如何被执行”的范式转移。当系统不再只是承载流程与数据，而是具备理解上下文、遵循规则并推动任务完成的能力时，企业运行的基本逻辑正在发生改变。HCM 时代所代表的“以记录为中心的系统范式”，正在走向终点。
而Workday刚刚发布新一代Agentic AI，标志着企业软件进入“执行时代”。不同于传统AI只提供建议，这一代AI Agent可以理解企业数据、遵循流程规则，并直接完成HR与财务任务。Workday提出“New Work Day”概念，人类负责决策，AI负责执行，形成全新的协作模式。同时，其引入按结果付费的flex credits模式，也意味着SaaS商业模式正在发生变化。HCM时代正在结束！更多全球HR科技趋势，请关注 HRTech
Workday 这最新一轮产品发布的意义，不在于又增加了多少 AI 功能，而在于它正在重新定义企业系统的角色。按照官方表述，Workday 这次推出的是“hundreds of new AI capabilities and agents”，并且将这些能力直接嵌入平台，用于 HR、Finance、IT 和 Legal 等关键职能，目标是让企业从“AI-assisted tasks”走向“truly agentic work”。这说明 Workday 想做的，已经不再只是传统意义上的 HCM 软件，而是一个能够理解上下文、遵循企业规则并推动任务执行的平台。与此同时，微软在 Amy Coleman 领导下对 HR 组织架构的调整，也释放出相似信号：组织侧正在为“人类 + AI”共同工作的未来重构自身。这不是两个孤立事件，而是系统与组织同时转向新工作方式的开始。
Workday 当前到底在做什么：从 AI 辅助走向 Agentic Work
从 Workday 官方文章来看，这次发布的核心非常明确：Workday 正在把 AI 从“功能层”推进到“工作层”。文章开宗明义写到，未来企业不会再只受限于人本身能做什么，而将由 people 和 AI agents 共同驱动；同时，Workday 正在向客户推出“hundreds of new AI capabilities and agents built directly into the platform”，并强调这些能力不仅改变工作如何完成，也改变工作的体验。这里的关键，不只是 AI 更强，而是 AI 被定义为平台内的“agentic teammates”，能够结合 trusted HR、finance、business data，连同 operational context 和 enterprise guardrails，把工作“做对”。
Workday 在这篇文章中给出的结构，其实已经勾勒出一个新的平台框架。
第一层是 Sana from Workday。官方说明，Sana from Workday 已在全球范围内正式可用，其中包括 Sana for Workday、Sana Self-Service Agent，以及 Sana Enterprise。Sana for Workday 被定义为新的 AI interface；Sana Self-Service Agent 负责自动化大量 HR 和 finance 的任务、问题与工作流；Sana Enterprise 则把这种能力扩展到 Workday 之外，去 orchestrate hundreds of enterprise systems and business applications。换句话说，Workday 不再满足于做自己系统内部的对话入口，而是在尝试成为跨系统的统一 conversational interface。
第二层是面向职能域的 agentic teammates。官方列出的 HR 侧能力包括 Payroll Agent、Total Rewards Agent（Early Access）、Talent Management Agent（Early Access）以及 Sana Self-Service Agent。Payroll Agent 的定位是横跨 payroll process 编排工作流、识别缺失数据与配置、管理 minimum wage updates，并提供 conversational insights。Total Rewards Agent 用于将 job profiles 与 market data 进行 benchmark，帮助 HR leaders 对 roles、skills 和 structures 做更准确的匹配。Talent Management Agent 则可基于 real-time contribution signals，为 managers 起草 evidence-based reviews。除了这些 agent，Workday 还增加了 Fraudulent Application Detection、Organizational Design & Scenario Modeling、Demand Forecasting 以及 Workday Peakon AI Topics 等 HR 能力。也就是说，这一轮变化已经不只是“问答式AI”，而是覆盖招聘、入职、绩效、薪酬、员工反馈与组织设计等多个核心流程。
第三层是将 agentic AI 扩展到 Finance、IT、Legal 和数据基础设施。Finance 侧新增 Financial Audit Agent、Planning Agent、Revenue Contract Agent（Early Access），并引入 Reimagined Expense Management 与 AI-Powered Reconciliation；其中 AI-Powered Reconciliation 被官方表述为可将 preparation and reconciliation 自动化“up to 70%”。IT 侧新增 Adoption Agent、BP Optimize Agent 和 Deployment Agent，同时扩展了 Workday Developer Copilot 与 AI Widgets。Legal 侧则继续推进 Workday Contract Intelligence Agent 和 Contract Negotiation Agent，并新增 full-document review and redlining capability。与此同时，Workday 还在强化 Workday Data Cloud、Live Data Query、Workday Data Connect 与 Workday Data Lake，明确强调要在 preserving Workday as the system of record 的同时，让外部平台获得 governed、real-time SQL access，且基于 zero-copy approach 避免数据重复。
如果把这些变化放在一起看，就能更准确理解 “Agentic AI” 与 “New Work Day” 的含义。它和此前常见的 Copilot、Assistant、Automation 的差别在于：Copilot 更偏向建议与生成，Assistant 更偏向问答与支持，Automation 多数基于预设规则；而 Workday 这次强调的是 reasoning、operational context、enterprise guardrails 与 orchestration。也就是说，系统不只是回应你的请求，而是在企业权限、流程与数据边界内，参与到多步骤任务的完成过程。Workday 自己在文中也明确写出，这些能力会让客户从 “AI-assisted tasks” 走向 “truly agentic work”，结果是 fewer clicks、fewer handoffs，以及更多时间投入更重要的工作。
Workday 为什么现在必须这么做：四层逻辑正在合流
如果只把这次动作理解为“AI 很热，所以 Workday 也要发 AI”，判断会过浅。更准确的说法是，Workday 是在商业、产品、技术与行业四层力量同时推动下，不得不向前走。
先看商业逻辑。过去企业采购 HCM 或 ERP，更关注的是流程标准化、数据统一、报表能力和合规性；而今天，客户越来越关心系统到底能否真正减少人工、提升产出、降低共享服务成本，并缩短业务完成路径。Workday 在文章里刻意强调，让 HR、Finance、IT、Legal teams “trade mundane, repetitive tasks for the work that really matters”，并多次使用 fewer clicks、fewer handoffs、automates routine work、agent-driven workflows 等表达。这反映出企业客户衡量软件价值的方式正在改变：不再只看有没有这个模块，而开始看这个系统能不能把工作做完。
再看产品逻辑。传统 HCM 的产品结构，建立在相对清晰的模块边界之上：招聘是招聘、绩效是绩效、薪酬是薪酬、员工服务是员工服务。但这次 Workday 的产品叙事，已经明显不是按模块展开，而是按工作流和执行任务展开。比如 Sana Self-Service Agent 并不局限于某个模块，而是横跨 Workday 与其他 knowledge sources 回答问题；Sana Enterprise 更进一步，直接跨 hundreds of enterprise applications 做 orchestration。Payroll Agent、Planning Agent、Contract Negotiation Agent 这些命名本身，也表明产品单元从“模块”变成了“执行主体”。这背后反映出一个变化：企业软件的核心设计对象，正在从功能模块转向任务流与工作结果。
技术逻辑则更直接。过去的自动化，多数依赖规则引擎、流程脚本和固定触发条件；它可以让流程更快，但很难处理跨系统、跨上下文、带判断色彩的复杂任务。而 Workday 这次反复强调 AI reasoning、trusted data、operational context 和 enterprise guardrails，说明它试图把大模型的推理能力与企业级 deterministic systems and controls 结合起来。这一步很关键，因为企业并不缺一个会聊天的模型，企业缺的是一个能够在权限边界、流程规则和真实数据约束下可靠执行的系统。Workday 的思路，本质上是把大模型从“生成层”引入到“执行层”。
行业逻辑则是更深的一层。无论是 HR Shared Services、Finance operations，还是 IT administration、contract review，这些职能过去十几年都在被不断标准化、流程化、中心化。今天它们共同面临的问题是：复杂性不断增加，但企业无法无限增加人手。于是，企业需要的已不再只是“更好的记录系统”，而是“更强的工作执行平台”。Workday 文章中把 HR、Finance、IT、Legal 一并纳入这一轮 agentic AI 叙事，本身就说明它看到的不是单一 HR 场景，而是整个企业后台与中台职能的共同转型。这也意味着，HR Tech 厂商如果仍然把自己理解为“某个模块的软件提供商”，很可能已经落后于客户需求的转变。
Workday 这一步的核心逻辑：它真正争夺的是 work execution platform 的位置
把前面的事实和逻辑合起来看，我的判断是：Workday 这次并不只是扩展 HCM，而是在从 HCM platform 走向 work execution platform。这个判断不是基于夸张想象，而是基于它在文章里已经做出的几项明确信号。
第一，Workday 依然强调 preserving the integrity of Workday as the system of record，但同时又通过 Sana、Data Cloud、Live Data Query、Data Connect 和 Data Lake，把系统能力向外扩展。也就是说，它并没有放弃 system of record 的位置，反而是在此基础上向 system of action 延伸。
第二，Sana Enterprise 被定义为可以 orchestrate agents across hundreds of enterprise systems and business applications。这已经不是单一 HCM 的叙事，而是 agent orchestration layer 的叙事。谁能成为这个层，就有机会从“一个系统”升级为“多个系统之上的工作入口和执行协调者”。
第三，Workday 这次把 HR、Finance、IT、Legal 放在同一波发布中，不是偶然。它在试图证明：agentic AI 不是某个部门的小功能，而是贯穿 enterprise operations 的统一方法。这意味着，未来讨论 Workday 时，不能再只把它看成“人力资源管理系统厂商”。更准确的理解是，它正在试图占据企业后台工作执行平台的位置。
至于 Flex Credits、outcome-based pricing、AI agent as labor 这类变化，这篇官方文章并未展开详细说明，因此若做进一步讨论，必须明确属于趋势判断，不应伪装成本文事实。原文未说明 Flex Credits 的具体机制，也未直接使用 outcome-based pricing 或 AI agent as labor 这些表述。但从 Workday 将 agent 明确包装为能持续执行任务的“teammates”，并把价值叙事从“软件功能”转向“把工作做对、做快、做完”，可以预见的是，未来企业软件的商业模式很可能会向结果与执行量倾斜，而不再仅以 seat 或 module 为中心。这种变化一旦发生，影响就不会局限于 HR，而会同时波及 Finance、IT、Legal 等系统预算与采购逻辑。这里需要强调：这是基于现有动作的行业推演，并非该篇原文直接陈述。
从 Workday 的现实变化出发，未来 HR 科技产品会怎么演进
如果以 Workday 这次已经发生的变化为起点，未来 HR 科技产品的演化方向会越来越清晰。
首先，HCM 的核心数据结构会逐步从 job-based 走向 task-based。今天的大多数 HCM 依然围绕职位、组织层级、岗位说明、审批路径来设计；但当系统开始能够处理具体任务时，企业管理的对象会越来越多地变成“谁来完成什么任务，以什么规则完成”。这并不意味着 job 会立刻消失，而是意味着 task、workflow、signal、context 会在产品结构中越来越重要。Workday 这次已经把 Payroll、Talent Management、Total Rewards、Planning、Contract Review 这些工作，重新组织为 agentic teammates 的执行单元，这正是一个前兆。
其次，Employee Experience、People Analytics、Knowledge、Workflow、Service Delivery 会加速融合。过去这些是分开的市场：一个做员工体验，一个做员工服务，一个做知识库，一个做分析，一个做流程。但从 Sana Self-Service Agent 和 Workday Peakon AI Topics 这类能力可以看到，未来体验不再只是界面体验，分析也不再只是报表分析，知识也不再只是静态知识库。系统会把员工提问、知识检索、反馈主题、流程执行和个性化答案整合成一个连续过程。员工感知到的，不再是“我在用几个系统”，而是“我在一个界面里把问题解决了”。
第三，AI Agent 对 HR Shared Services 和 HR Operations 的影响会最先落地。因为这些职能天然拥有高频、重复、规则明确、跨系统协同的特征。Workday 自己在文中提到 recruiting、onboarding、performance、payroll 等流程都正在走向 agent-driven workflows，这意味着 HR 运营工作会先被重写：一线问答、资料查找、状态更新、规则校验、数据补全、绩效材料草拟等任务，会越来越多地由 agent 完成。这里的结果不一定是简单裁员，更可能是团队结构重组：人类 HR 从执行大量标准动作，转向处理异常、提供判断、做组织设计与策略支持。
Talent Acquisition、Learning、Performance 也会随之变化。招聘环节中，Fraudulent Application Detection 已经说明 AI 将成为甄别 bot 或可疑申请的重要能力；Talent Management Agent 则表明绩效反馈的起草与初步整合正在自动化。至于 Learning，本文原文未展开详细说明，因此不能据此断言 Workday 已发布对应 agent；原文未说明。但可以预见的是，若招聘、绩效、组织设计、员工反馈已经进入 agentic 逻辑，那么学习与技能发展迟早也会被纳入同一条“从 signal 到 action”的链条。这一点属于趋势判断。
未来产品竞争的核心，也会从“功能多不多”转向“是否能完成工作、是否能编排人和 AI 的协作”。因为当所有厂商都能接入模型、都能做聊天界面时，真正的壁垒就不在生成能力，而在于上下文、数据质量、企业规则、跨系统编排能力和执行可靠性。Workday 这次最值得行业重视的地方，不是它用了多先进的模型表述，而是它明确把 trusted data、controls、guardrails、deterministic systems 作为 agent 成立的基础。未来 HCM 的界面会更对话化、动作更自动化、数据模型更强调实时信号与任务上下文，价值衡量方式也更偏向“系统帮企业减少了多少人工步骤、缩短了多少周期、完成了多少可审计任务”。这些变化目前还在展开过程中，但方向已经很明确。
为什么微软最新的 HR 组织架构调整是关键呼应
如果只看 Workday，很容易把这件事理解为系统厂商的主动升级；但把微软的 HR 组织调整放进来，逻辑就更完整了。因为它说明，企业组织一侧也在同步变化。
你提供的微软新架构中，最值得重视的不是某个具体部门名称，而是这些名称组合起来所反映出的设计思路。Engineering HR 这个设置，本身就不是传统 HR 语言。它说明 HR 不再只是制度管理和业务支持部门，而正在把流程、系统、工程化能力视为 HR 核心能力的一部分。换句话说，组织已经在假设：未来 HR 要管理的，不只是人和政策，还包括系统配置、流程逻辑和自动执行能力。
Employee Experience 与 People Analytics 的整合也同样重要。过去很多公司把体验与分析拆开，体验偏沟通与设计，分析偏数据与洞察。但当 AI 和 agent 进入 HR 体系后，体验和分析必须合一。因为未来员工体验不只由界面和政策决定，也由系统是否能基于数据及时响应、理解问题并推动动作决定。微软把 People Analytics 并入 Employee Experience，恰恰说明组织侧已经意识到：数据不再只是用来看，而是用来驱动体验与行动。
Workforce Acceleration 则是另一个强信号。传统 HR 语境更常见的是 Workforce Planning、Workforce Management、Talent Management，而“Acceleration”这个词意味着关注点已经从“管理既有劳动力”转向“提升整体工作速度与能力”。在 AI 进入工作流的背景下，这个命名很有意味。它暗示组织正在思考的，不只是人怎么被管理，而是整体 workforce——包括未来可能由系统和 agent 承接的一部分工作——如何被加速和放大。
把微软这套组织调整与 Workday 的产品方向放在一起看，就能看到非常清晰的行业信号：系统方已经在从 HCM 转向 work execution，组织方也在从传统 HR team 转向更工程化、更数据化、更面向未来协作模式的结构。两边同时变化，就意味着 HR 科技行业不能再停留在旧范式里。未来 HR 能力模型会明显分化：一部分 HR 会更像 architect，负责设计流程、规则、人机协作与组织结构；另一部分偏执行型、事务型岗位则会被 agent 和自动化持续压缩。这里同样要强调，关于微软此举未来影响的部分属于分析判断；微软具体内部意图，若未在正式材料中说明，则不宜做超出证据的断言。
未来 HR 的核心，不再只是管理人，而是设计“人 + AI 如何共同完成工作”的组织与系统
Workday 这次动作最重要的意义，不在于发布了多少 agent，而在于它正在把 HR 系统从“记录人”推向“执行工作”。它没有放弃 system of record 的根基，反而是在 trusted data、controls 和 enterprise guardrails 之上，向 system of action 迈进。与此同时，微软的 HR 架构调整说明，企业组织本身也已经开始为这种新系统逻辑做准备：HR 要更工程化、更数据化，也更面向任务流和生产力提升。
这背后的真正变化是，未来 HR 的核心职责将不再只是管理人、制定政策或维护流程，而是设计一个新的工作系统：在这个系统里，人类负责判断、创造、关系与复杂决策，AI 负责越来越多的执行、整合、提醒、检索、草拟与编排。谁能先把“人 + AI 如何共同完成工作”这件事设计清楚，谁就更可能在下一阶段的 HR 科技和组织竞争中占据主动。
对 HR 科技行业而言，最危险的不是 AI 来得太快，而是仍用旧 HCM 的想法去理解新一代系统。因为当组织方已经开始变化、系统方也已经开始变化时，行业再把自己理解为“卖模块、卖功能、卖记录系统”，就已经慢了一拍。Workday 这一步真正提出的问题不是“要不要加 AI”，而是“未来的企业系统，到底是记录工作，还是完成工作”。这才是接下来几年 HR 科技行业最值得严肃面对的分水岭。
Workday 正在把 HR 系统从“记录人”推向“执行工作”，微软则在把 HR 组织从“支持职能”转向“生产力设计者”。两者共同指向的，是一个全新的企业运行逻辑：工作不再完全由人完成，而是由“人 + AI”共同构成的混合劳动力系统来执行。在这个框架下，HR 的核心不再只是管理人，而是设计任务如何被拆解、如何在不同主体之间分配、以及如何在系统中被可靠地执行。对于 HRTech 行业而言，这已经不是是否拥抱 AI 的问题，而是是否能够完成从“记录系统”向“执行系统”的跃迁。
HCM 的旧边界正在失效，新的竞争，将围绕“谁能真正让工作被完成”展开。
-
硅谷
【旧金山】AI自动化平台 Gumloop获5000万美元B轮融资，加速打造“人人可构建AI代理”的企业基础设施
HRTech概述：AI 自动化创业公司 Gumloop 宣布完成 5000 万美元 B 轮融资，由硅谷知名投资机构 Benchmark 领投。公司成立于 2023 年，目标是让企业中的普通员工也能创建 AI 代理，从而自动化复杂工作流程。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
企业AI自动化赛道持续升温。总部位于旧金山的AI自动化平台 Gumloop 近日宣布完成 5000万美元B轮融资，由硅谷知名风险投资机构 Benchmark 领投，Nexus Venture Partners、First Round Capital、Y Combinator、BoxGroup、The Cannon Project 以及 Shopify Ventures 参与投资。此次融资将用于扩大产品能力并加速销售与工程团队建设，以应对企业客户快速增长的需求。
该公司成立于 2023年，核心目标是让企业中的普通员工也能够创建和部署 AI 代理（AI agents），无需编写代码即可自动化复杂的工作流程，从而降低企业应用AI的门槛。
让每个员工成为“AI自动化构建者”
Gumloop 的产品定位是一个 企业级AI自动化与代理平台。平台通过可视化工具和工作流系统，使非技术员工能够构建自动执行任务的AI代理。这些代理可以处理复杂的多步骤流程，例如数据处理、业务运营任务或跨系统协作流程。
目前，该平台已在多家高速增长的科技公司内部使用，包括 Shopify、Ramp、Gusto、Samsara、Instacart 和 Opendoor 等企业。通过 Gumloop，企业员工可以构建自己的 AI agent，并在公司内部共享，从而形成自动化的网络效应，加速组织内部的AI落地。
公司创始人兼CEO Max Brodeur-Urbas 表示，公司成立的初衷是让“理解任务本身”成为自动化的唯一门槛，而不是编程能力。通过AI代理，员工可以摆脱重复性工作，把精力集中在更具创造性的任务上。
三大核心产品模块构成AI自动化平台
根据公司官方披露，Gumloop 的平台主要由三大模块组成：
第一是 Gumloop Agents，即企业员工可以在几分钟内创建的AI代理，这些代理可以连接企业应用，并在 Slack、Microsoft Teams 或电子邮件等工作工具中自动执行任务。
第二是 Gumloop 平台本身，用于团队协作构建、共享和管理AI自动化流程，实现企业内部的自动化编排。
第三是 Gumstack，这是为企业安全团队设计的治理平台，用于监控AI代理的数据调用和工具访问，并对来自 ChatGPT、Claude Code 或内部代理的调用进行审计与追踪。
这一架构体现了公司试图打造 “企业AI自动化基础设施” 的战略，而不仅仅是一个简单的自动化工具。
Benchmark押注企业AI自动化的巨大市场
本轮融资由 Benchmark 合伙人 Everett Randle 主导，这也是他从 Kleiner Perkins 加入 Benchmark 后的首笔投资。
Randle 认为，企业AI成功的关键在于让每一位员工都拥有AI能力，而不是将AI能力集中在少数工程师手中。他在调研中发现，一些企业在同时试用多个自动化工具后，员工最终选择了 Gumloop，并形成高频使用习惯。
这种“员工驱动”的AI采用模式，被认为是企业AI落地的重要路径：当员工能够轻松构建自动化工具时，AI会在组织内部自发扩散。
激烈竞争中的新一代AI自动化平台
Gumloop 所处的 企业自动化与AI代理（AI Agents）赛道 正在快速升温。
在该领域，传统自动化平台如 Zapier 和 n8n 已经拥有成熟用户基础，而新一代AI代理工具如 Dust 也在迅速崛起。同时，大模型厂商也开始进入这一市场，例如 Anthropic 推出的 Claude Cowork 允许用户创建无需代码的自动化代理。
与这些产品相比，Gumloop 的差异化在于其 模型无关（model-agnostic）架构。企业可以根据任务需要灵活选择 OpenAI、Gemini 或 Anthropic 等不同AI模型，从而在性能和成本之间取得平衡。
企业AI正在从“工具”走向“基础设施”
随着大模型能力的快速提升，企业AI的形态正在发生变化。
过去，企业更多将AI视为单一应用或助手工具；而如今，越来越多企业开始将AI代理嵌入到业务流程中，形成持续运行的自动化系统。
在这一趋势下，像 Gumloop 这样的 AI agent infrastructure（AI代理基础设施） 平台，可能成为未来企业软件架构中的关键层。
对于企业而言，如果每个员工都能构建并共享自己的AI代理，组织生产力结构将发生深刻变化——AI不再只是IT部门的技术项目，而是整个企业的生产力工具。
-
硅谷
热议：硅谷金融科技公司Block裁员4000人，市值暴涨60亿美元：当“减少员工”成为资本市场最受欢迎的增长策略
HRTech概述：硅谷金融科技公司 Block宣布裁员约4,000人，占员工总数的40%。几乎在同一时间，公司上调了2026年毛利指引至122亿美元。消息公布后，股价盘后上涨约20%，市值增加约60亿美元。资本市场给出的反应并不含糊：这是一次被奖励的裁员。如果换算这组数据，约60亿美元市值增量对应约4,000个岗位的消失，相当于市场为每减少一个岗位隐含定价约150万美元企业价值。这就是残酷的现实！更多信息，请关注 #HRTech
发生了什么？硅谷知名金融科技公司裁员40%
Jack Dorsey，这个曾经同时执掌Twitter和Square的硅谷传奇，在给全公司的一封信里轻描淡写地宣布：Block将裁员超过4000人，从10000人缩减到不足6000人。近乎腰斩。
消息一出，Block股价盘后暴涨20%。市值增加约60亿美元。算下来，每裁掉一个人，华尔街就奖励这家公司150万美元的市值。
这不是一家濒临破产的公司在断臂求生。Block的营收高达240亿美元，毛利润同比增长24%，2026年的业绩指引被上调至122亿美元毛利润。换句话说：公司越来越赚钱，但华尔街更爱那个"人越来越少"的版本。
这一幕，将深刻改写我们对工作、对职业、对公司的全部想象。
裁员已经不是"出事了"的信号，而是"赢了"的庆典
过去三十年，我们形成了一套关于裁员的集体认知：公司裁员，意味着出了问题——市场不好、战略失误、现金流告急。裁员是公司示弱的语言，是CEO向董事会低头的姿态。
但2026年开始，这套认知正在被系统性地颠覆。
看看Dorsey信中那句话，他说得无比坦然："我们不是因为麻烦才做这个决定。我们的业务很强健。"然后他补了一刀："但有些事情变了。"
"有些事情变了"——这五个字，才是整封信最重要的内容。
那个"变了的东西"，就是AI。更准确地说，是AI让一个人能干过去三个人的活，而且还干得更快、更稳、更便宜。当这个拐点真正到来，企业家面对的逻辑就变得极其清晰：继续保留冗余人员，是在燃烧股东的钱；削减人员，是在向市场证明你已经看见了未来。
Block不是第一个，更不是最后一个。ASML在接到史上最大订单时裁了1700人，Salesforce在AI客服处理了50%用户交互之后裁了5000人，亚马逊在去年10月和今年1月两波合计裁了30000人。这些公司裁员时无一例外都在盈利、都在增长、都在创新。
他们在庆功宴上宣布裁员。华尔街在鼓掌。
这才是最令人不寒而栗的地方。
Dorsey做对了一件事，但这件事本身就是对所有人的警告
Dorsey在信里解释了他的两个选项：一，像很多公司那样，缓慢地分批裁员，拖个一两年；二，一次性把所有痛苦集中处理掉，然后从新的起点出发。
他选了后者，理由是："反复裁员会摧毁士气、专注力，以及客户和股东对领导层的信任。"
从企业管理的角度，他说得对。"裁员不确定性"是组织效率的杀手——当每个员工都不知道下一轮刀落在哪里，所有人都会把精力分配给自保，而不是创造。Dorsey用一刀致命换来了组织的确定性，这是他作为CEO对留存员工的一种保护。
但换一个视角来看，这种"魄力"背后是更冷酷的逻辑：4500万美元到5亿美元的重组费用，按照Block目前的营业利润水平，两个季度就能回本。之后每一年，都是纯粹的利润率扩张。这不是情怀，这是财务模型给出的最优解，Dorsey不过是敢于执行而已。
他的勇气令人钦佩，但他的逻辑令所有在座的打工人心惊。
因为这个逻辑现在已经被数百个CEO同时看见了。高盛估计，AI每个月在美国高暴露行业净减少5000到10000个岗位。花旗集团计划裁减20000人，陶氏化学砍掉4500个职位。2026年头六周，科技行业已经消失了30700个工作岗位。调查显示40%的雇主预计会因AI而缩减人力。
这不是周期性的寒冬，这是结构性的重塑。
给职场人的三条生存建议：不要成为那个"被替换的逻辑单元"
面对这一切，恐慌没有用，但清醒至关重要。以下是我认为每一个职场人此刻最应该做的事。
第一，停止用"经验年限"来定义自己的价值。
"我有十年经验"这句话，正在以前所未有的速度贬值。AI不在乎你的资历，它只在乎你在做的这件事是否可以被流程化、可以被数据化、可以被重复执行。如果答案是肯定的，你的经验就是训练AI的素材，而不是对抗AI的护城河。
真正的护城河，是那些AI目前依然处理不好的能力：跨领域的判断力、高度情境化的人际沟通、在模糊信息下做出有担当的决策。这些能力无法速成，但从现在开始刻意培养，还来得及。
第二，学会和AI协作，而不是和AI竞争。
Block的Dorsey说，留下来的6000人要"以智能为核心"来构建公司。这意味着留存员工的画像，不是"能被AI替代的人"，而是"能驾驭AI产出更大价值的人"。
现实是残酷的：同样的岗位，一个会用AI工具的人，产出可以是不会用AI的人的三到五倍。这种效率差距，在市场压力下会迅速转化为用人决策。你不需要成为工程师，但你必须成为AI的熟练使用者。这是2026年最低门槛的职场保命符。
第三，把个人品牌当成第二份工作来经营。
4000个Block员工今天失业了。其中绝大多数人，在公司的Slack和邮件之外，没有任何被市场感知的存在。他们的能力、判断、作品，都封存在公司的内网里，随着权限的取消而消失。外部的影响力——哪怕是一个垂直领域的内容账号、一份行业简报、一个可以被搜索到的作品集——都是你在下一轮市场中的第一张名片。这不是副业，这是保险。
给HR和管理层的建议：你们是最后一道防线，也是第一批被问责的人
如果说裁员的浪潮对普通员工是一场生存考验，那对HR从业者来说，则是一次更深刻的身份危机：当AI可以筛简历、做背调、设计薪酬模型、分析离职率，HR的核心价值究竟是什么？
首先，把"人才密度"作为你最重要的KPI。
Dorsey信中反复强调的一个概念是"smaller and flatter"——更小、更平。这不是裁员的借口，而是一种组织哲学的转变。高人才密度的小团队，比臃肿的大团队效率更高、文化更纯粹、抗风险能力更强。HR的职责，不再是管理头数，而是保证每一个头都在创造不可替代的价值。
这意味着你需要重新设计绩效评估体系——不是以任务完成率为核心，而是以"如果这个人消失了，损失是否可以被AI或流程快速填补"为核心。可以被填补的，是高风险岗位；无法被填补的，才是组织的真正资产。
其次，重新设计你们的人才发展逻辑。
过去的培训体系，本质上是在教员工如何更好地完成现有任务。这套逻辑在AI时代已经失效——因为"现有任务"本身的半衰期越来越短。
新的人才发展，应该聚焦在两个方向：一是AI工具的系统性赋能，让每个岗位的员工都具备和AI协同工作的能力；二是复合型思维的培育，让人才能够在不同的业务场景之间灵活迁移，而不是深陷单一技能的路径依赖。
再者，裁员方案的人道设计，比你想象的更重要。
Dorsey的这封信，在冷酷的商业逻辑之外，有一个细节值得所有HR学习：他在信的开头第一段，就把补偿方案写清楚了——20周工资、加每年一周的年资补偿、六个月医疗保险、5000美元转型支持。他在告诉那4000人"你们走之前，先看看我们给了什么"。
这不只是公关，这是组织信任的最后一次投资。一家公司裁员时的处理方式，会被每一个留下来的员工铭记——它决定了剩余团队是带着信任继续战斗，还是带着恐惧等待下一次刀落。
HR的最终价值，不是在公司扩张时招到人，而是在公司收缩时让组织不散。
结语：金丝雀停止歌唱之后
文章开头那段分析用了一个比喻：Block是煤矿里的金丝雀。矿工用金丝雀来检测有毒气体——当金丝雀停止歌唱，说明危险已经到来。
但我想换一个角度来结尾。
金丝雀停止歌唱，并不意味着矿工必死。它意味着那些没有注意到金丝雀的人，危险了；而那些早已准备好应对空气变化的人，才能继续前进。
AI重塑劳动市场不是假设，不是警告，不是科幻小说。Block的4000名前员工，是真实的人，有房贷、有孩子、有梦想，今天他们拿着一张支票和一句"你们建立了这家公司"的感谢，走出了他们工作多年的地方。
这并非个案。ASML 在创纪录订单背景下裁员 1,700 人；Salesforce 在 AI 代理处理 50% 客户互动后裁员 5,000 人；Amazon 今年累计裁员 30,000 人；Goldman 估算 AI 每月已造成 5,000–10,000 个净岗位流失。市场逻辑正在发生变化：效率与利润率成为估值核心，AI 驱动的“更小团队”模式被资本市场积极定价。
这不是终结，这是一个新的起点——但只有那些清醒地看见了变化、提前调整了自己的人，才能在这个起点上站稳。
Dorsey说，他选择了诚实，而不是拖延。
在这个时代，每一个职场人和每一个HR，也面临着同样的选择。
诚实地看见正在发生的事，然后行动。或者，等着被行动。
扫一扫 加微信
hrtechchina
