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
Role Redesign
2026年10月07日
Role Redesign
微软最新方法论：用 AI 重塑组织，迈向前沿企业（Frontier Firm）HRTech概述：微软发布全新《Becoming a Frontier Firm》框架，系统总结其 AI 转型经验，提出五大关键洞察：让知识工作可见化、明确风险边界、构建合适的 AI 工具组合、重塑角色与组织结构、建立持续实验文化。微软指出，AI 转型不是简单引入工具，而是对工作方式、流程与组织能力的全面重构。
在实践路径上，微软提供三条可复制模式：角色加速、流程重塑和 AI 原生孵化。从提升单个角色的效率，到重塑端到端流程，再到从零构建 AI 驱动的新型团队结构，为企业提供了不同层级的落地方案。AI 将成为组织竞争力的基础能力。迈向前沿企业，需要技术、流程与人的协同演进。微软的方法论，为企业提供了一个清晰可执行的转型路线图。
视频解读关注视频号：HRTech
微软万字报告揭秘：未来企业如何用AI重塑一切？这三大法则你必须知道
当前，企业界正普遍面临一个严峻的AI挑战：许多公司都在进行各种AI实验，但很少有公司能将这些零散的AI活动，转化为可衡量的、实实在在的业务影响。太多项目陷入了“试点炼狱”（pilot purgatory），最终只留下一堆“看起来很酷但无法扩展、无法落地、也无足轻重的演示”（shiny demos that don't scale, don't stick, and don't matter）。
为了应对这一挑战，微软提出了一个全新的组织模式——“前沿企业”（Frontier Firm）。这是一种由人领导、由智能体（Agent）运营的组织，它们像购买电力一样购买智能，并像滚雪球般让其价值复利增长（human-led, agent-operated organizations that buy intelligence like electricity... and compound it like interest）。这不仅是一个概念，更是企业驾驭AI浪潮的最终答案。
本文将从微软的深度报告中，为您提炼出最具冲击力和参考价值的三大核心法则，以及三种可落地的行动路径，帮助您理解如何将AI从“试点项目”真正转变为企业发展的核心引擎。
微软的分析揭示，“前沿企业”之所以能脱颖而出，并非依赖于其技术堆栈，而是源于其对三大基础运营法则的严格遵守。
法则一：让“看不见”的工作“看得见” (Make the Invisible Visible)
知识型工作（Knowledge work）长期以来都面临一个根本性难题：它难以被观察、衡量和改进。你无法像观察流水线一样，去观察一个人如何谈判合同，或起草一份产品发布策略，因为真正的行动发生在无形的思维和沟通之中。而一个简单却深刻的道理是：你无法改造你看不见的东西。
这正是AI转型的起点。微软劳动力转型企业副总裁Katy George指出：
“用AI进行重塑，起点并非技术，而是理解人们实际的工作方式。你无法改造你看不见的东西。” (Redesigning with AI doesn’t begin with technology. It begins with understanding how people actually work. You can’t transform what you can’t see.)
“前沿企业”解决这个问题的核心方法论，就是将工作“可见化”。通过采用“生命中的一天/一周”（day-in-the-life/week-in-the-life）研究、现场观察（Gemba walks）、用户画像地图（persona mapping）、流程挖掘（process mining）、价值流图（value stream mapping）和持续改善（Kaizen）等方法，企业可以清晰地描绘出工作流程的每一步，揭示隐藏的瓶颈、延迟和交接点，从而找到AI可以发挥最大作用的具体机会。
例如，金融运营平台Ramp通过追踪其财务流程中的每一个交接环节，发现许多微小的延迟在不知不觉中累积成了巨大的时间成本。在定位了这些问题后，他们部署了AI智能体来自动匹配收据和复核审批。最终，Ramp每月能处理500万张收据，节省了整整30,000个工时，并以创纪录的速度完成账目结算。
法则二：AI不是“外挂”，而是“基础设施” (AI as Core Infrastructure)
许多公司对待AI的态度，更像是一场“创新戏剧”（innovation theater）——将其作为公关稿和投资者电话会议上的展示品。相比之下，“前沿企业”则将AI视为与电力、网络同等重要的核心基础设施，并将其深度嵌入到核心业务流程之中。
这种思维上的根本转变，意味着企业思考的问题从“我们可以在哪里增加一些自动化？”转变为“我们如何围绕AI来重新设计工作？”。只有这样，企业才能真正开始利用AI实现复合式回报，加速业务周期，并发现全新的能力。
微软提出的实践方法是“设计合适的AI解决方案集”，即根据具体的业务需求，灵活地组合使用无代码、低代码和专业代码的工具，确保技术与业务目标精准匹配。
以LinkedIn为例，他们正在重塑整个产品开发流程，让AI成为日常工作密不可分的一部分。他们将一个名为“Mae”的内部AI智能体嵌入到开发工作流中，该智能体能自动修复超过三分之一的开发者构建问题。在这种模式下，AI不再是一个需要单独打开的“外挂”工具，而开发人员也能承担起从研究、设计到编码、测试的更广泛职责，最终结果是交付速度的大幅提升和一种由AI驱动业务表现的文化。
法则三：抵达“前沿”不是终点，而是一种实践 (The Frontier is a Practice)
AI转型没有终点线。“前沿企业”永远处于“公测版”（perpetual beta）状态，它们将每一个现有流程都视为一个等待验证的假设，并将每一次改进都视为下一次创新的燃料。
这一原则是如此基础，以至于它构成了微软分析的核心论点：
“前沿企业不会将AI简单地叠加在现有工作之上；它们从根基上重新思考工作的完成方式。” (Frontier Firms don't layer AI on top of existing work; they rethink how work gets done from the foundation up.)
这种“持续实验的文化”并非无序的、随意的尝试。它恰恰需要结构化的实验、可靠的衡量指标和严格的治理体系，以确保创新是负责任且风险可控的。团队需要系统地学习如何设计、运行和评估实验，将好奇心转化为指数级的价值。
例如，一家金融服务机构在转型过程中，首先由CEO设定了“利用AI改善客户服务”的明确目标。随后，团队绘制了核心服务流程的每一步，并重新定义了初级和高级员工的角色。这完美体现了“由人领导、由智能体运营”的原则：AI智能体处理前期的资料分析（“智能体运营”），从而将资深专家解放出来，专注于运用判断力、同理心和战略洞察力来领导客户沟通（“由人领导”）。整个过程通过培训和激励机制来推动，并以一种“展示你的工作”（show your work）的开放方式进行追踪，确保了清晰的步骤和明确的责任。
实战手册：微软给出的三种行动路径
在理解了上述三大法则之后，企业需要具体的行动路径来将理念付诸实践。微软在其自身的转型探索中，总结出了三种可供其他公司参考的落地方法。
路径一：加速个人角色 (Accelerate Personas)
方法解释： 这种方法专注于组织内的特定角色（如销售、公关、财务分析师），通过为他们配备定制化的Copilot和智能体，将优秀员工的AI使用技巧和工作流程规模化，从而整体提升该角色的绩效。其战略意义在于，它将AI的成功从一场“个人赛”转变为一场“团体赛”。
实例：微软公关部（Microsoft Communications） 他们通过为公关专业人士绘制“一天的工作”，发现了重复性高且耗时的任务。随后，团队开发了定制化的“公关Copilot”（Communications Copilot），它能够自动化处理撰写社交媒体帖子、创作故事初稿和生成FAQ等日常任务。同时，团队还在探索使用“研究员智能体”（Researcher agent）来自动生成媒体简报。这些举措让团队能将更多精力聚焦于更具战略性的核心工作，显著提升了效率和影响力。
路径二：重塑工作流程 (Reinvent Workflows)
方法解释： 这种方法着眼于整个端到端的业务流程（如财务预测、客户支持），利用AI来重新设计整个流程，以大幅减少时间消耗、资源浪费和人力投入。
实例：微软财务部（Microsoft Finance） 财务部领导层首先确定了六个对业务至关重要的核心工作流程。然后，他们将这种自上而下的战略优先级，与来自一线员工自下而上的创新想法相结合。通过公民开发者和专业IT团队的协作，他们在关键节点上构建并实施了AI解决方案。最终，公司实现了更快的财务预测、更短的合规处理时间，并达成了收入增长速度超过员工人数增长的优异成果。
路径三：培育AI原生孵化 (Cultivate AI-first Incubation)
方法解释： 这种方法最为彻底，它采用一种“零基重设”（zero-based redesign）的思路。它由一个专家团队从零开始，以AI为核心，彻底重新设计一种全新的工作方式、团队结构和业务流程。
实例：微软行业解决方案工程部（Microsoft Industry Solutions Engineering） 为了加速交付为客户定制的解决方案，该部门创建了名为“萤火虫小队”（firefly squads）的敏捷团队。这些由资深专家组成的小组拥有端到端的项目所有权，他们采用一种实验驱动的模式，利用模块化模式和AI生成的参考解决方案进行快速原型设计和代码复用，并借助GitHub Copilot智能体加速开发。这种AI原生的工作方式，最终为客户带来了成本的降低、满意度的提升，并显著缩短了特定项目的交付周期。
成为“前沿企业”的旅程，不是一次简单的技术升级，而是一场深刻的业务转型。通过坚守这三大法则——让工作可见以摆脱猜测，将AI作为核心基础设施以摆脱“创新戏剧”，以及拥抱永续的实验实践以摆脱停滞——企业才能最终挣脱“试点炼狱”的束缚，真正开启价值创造的征程。
AI变革的核心，不在于引进了多少工具，而在于我们是否敢于从根本上重新思考“工作”本身。
问题不在于AI是否会重塑你的公司——它已经在这样做了。真正的问题是，你将带领你的组织脱颖而出，还是让别人来定义未来的可能性？
附录：
《Becoming a Frontier Firm》
下载地址：https://www.hrtechchina.com/Resources/B3172FC0-35E3-6E17-CA66-EA98CD61E3E6.html
Role Redesign
Role Redesign
扫一扫 加微信
hrtechchina
