San Francisco - HRTechChina.com - 向上的力量！

San Francisco

Workday宣布收购AI身份治理平台C1.ai：从员工管理到AI Agent权限治理，HR系统正成为企业AI安全的重要入口 2026年10月13日，全球企业管理软件公司 Workday（NASDAQ: WDAY）在美国拉斯维加斯举行的Workday Rising 2026大会上宣布，已签署最终协议，计划收购人工智能身份与访问权限治理公司 C1.ai。这项交易旨在将企业员工与AI Agent的身份管理、系统访问授权和权限审计整合到Workday平台，进一步扩大Workday在人力资源、财务与IT领域的企业级AI治理能力。根据官方公告，交易预计于Workday 2027财年第四季度完成，该财季截至2027年1月31日，仍需满足惯常交易交割条件。双方未披露此次收购的交易金额。这笔收购的意义不仅在于Workday扩展了企业身份安全能力，更在于其开始尝试将人力资源系统中的员工身份、组织关系及岗位变动，与AI Agent的访问权限和运行治理连接起来。随着越来越多AI Agent进入招聘、薪酬、财务和企业运营流程，企业需要管理的对象正在从传统员工扩展到由员工与数字智能体共同构成的混合劳动力。 C1.ai是谁？从ConductorOne转向AI Agent身份安全 C1.ai的前身是ConductorOne，由Alex Bovee和Paul Querna于2020年创立。两位创始人此前均曾在身份安全公司Okta工作，拥有零信任安全和企业访问管理方面的技术经验。目前Alex Bovee担任首席执行官兼联合创始人，Paul Querna担任首席技术官兼联合创始人。公司在美国San Francisco和Portland设有办公地点。 2026年4月，ConductorOne正式更名为C1，将业务定位从传统身份治理进一步扩展至AI时代的统一身份安全平台。 C1.ai主要面向企业身份治理与管理（Identity Governance and Administration，IGA）、身份与访问管理（Identity and Access Management，IAM）及特权访问管理（Privileged Access Management，PAM）等领域，帮助企业管理员工、非人类系统账户及AI Agent的访问权限。其平台能够连接企业电子邮件、客户关系管理系统（CRM）、代码仓库、财务系统及云基础设施，并通过自动化审批、细粒度权限管理、即时授权和审计记录等机制，实现企业身份的全生命周期治理。在资本市场方面，C1.ai于2025年10月28日宣布完成 7,900万美元B轮融资，由Greycroft领投，CrowdStrike Falcon Fund及现有投资者Accel、Felicis Ventures等参与。该轮融资完成后，公司披露的累计融资额超过1亿美元。其企业客户包括Zscaler、Ramp、DoorDash、DigitalOcean和Instacart等。这意味着Workday此次收购的并非一家刚刚进入市场的AI初创企业，而是一家已经拥有企业级客户基础、身份安全产品及相关技术积累的公司。为什么Workday需要C1.ai？AI Agent正在改变企业权限管理传统企业的身份管理通常围绕员工生命周期展开。员工入职时，IT部门根据职位和部门分配系统权限；员工晋升、调岗或离职时，再相应调整或撤销访问权限。但这一流程在实际运营中仍存在大量人工操作。许多企业通过工单、电子表格和定期权限审核管理数百个应用系统。员工可能需要等待数天才能获得工作所需的系统访问权限，也可能在岗位变动后继续保留不再需要的权限。随着AI Agent开始自主执行任务，这一问题变得更加复杂。 AI Agent不一定对应传统意义上的员工账户。部分智能体代表员工执行工作，部分则可以独立运行，持续访问不同的企业应用、数据及工作流程。如果企业无法准确识别这些智能体的身份、授权范围及有效期限，就可能产生数据泄露、权限滥用和合规风险。 C1.ai于2026年3月发布的《Future of Identity Report》调查了美国508名来自员工规模超过1,000人的企业的IT及安全负责人。调查发现，95%的受访企业已经运行能够自主执行IT或安全任务的AI Agent，47%的受访企业表示其非人类身份数量已超过人类用户，但只有22%表示能够全面掌握这些非人类身份的情况。与此同时，Deloitte在《State of AI 2026》报告中指出，只有21%的受访企业表示已经建立成熟的自主AI Agent治理模式。需要注意，这两组数据来自不同研究，调查范围与样本并不相同，但共同反映出一个趋势：AI Agent的企业应用正在快速发展，而相关治理体系仍有待完善。将员工入职、调岗和离职与系统权限管理连接起来 Workday计划通过整合C1.ai，将员工身份和组织变动直接转化为企业应用的权限管理事件。例如，新员工加入企业后，Workday中的入职信息可以成为权限配置的触发条件。通过C1.ai，企业有望自动为其分配Slack、Jira、财务系统及其他业务应用所需的访问权限，减少新员工反复提交IT工单的情况。当员工从销售部门转入财务部门，系统可以根据新的岗位职责增加必要权限，同时撤销原岗位不再需要的访问范围。员工离职后，相关应用与数据访问权限也能够及时关闭。这一机制的核心，是将传统员工入职、岗位变动和离职流程，即Joiner、Mover、Leaver（JML），与企业身份治理连接起来。 Workday产品与技术总裁 Gerrit Kazmaier 表示，今天的企业正在由人类员工和AI Agent共同构成的劳动力体系驱动。通过C1.ai，Workday将帮助企业管理并执行员工与智能体在不同应用和系统中的访问权限，使其能够在正确的时间获得适当授权，从而提高工作效率、安全性及合规水平。对于企业HR而言，这意味着员工数据不再只是招聘、薪酬、绩效及组织架构管理的基础，也可能成为企业访问权限自动化的重要依据。从管理员工身份，进一步扩展到管理AI Agent 相比传统员工身份管理，Workday此次收购更具战略意义的部分在于AI Agent治理。 Workday此前已经推出 Workday Agent System of Record，旨在帮助企业登记、查看和管理AI Agent。此次引入C1.ai后，Workday计划进一步扩展这一能力，从记录企业有哪些AI Agent，发展到治理这些智能体可以访问哪些应用、数据和业务系统。这种治理不仅涉及AI Agent是否拥有账户，还包括它可以代表谁执行任务、拥有哪些权限、何时需要人工审批，以及在任务结束后如何撤销授权。例如，一个帮助招聘经理筛选候选人的AI Agent，可以被授予访问特定招聘数据的权限，但不应因此获得查看企业所有员工薪酬信息的能力。另一个负责财务分析的智能体，也应根据具体业务任务设置数据访问范围，而不是默认拥有完整的财务系统管理权限。企业还需要区分代表员工操作的AI Agent与能够独立运行的自主智能体。前者的权限可能需要受到对应员工授权范围的约束，后者则需要更独立、严格的身份与风险控制。 C1.ai首席执行官兼联合创始人 Alex Bovee 指出，企业不能继续依赖过去的IT工单模式来保障AI时代的安全。将身份治理直接融入Workday企业运营平台，将有助于企业实时管理人类员工和AI Agent的访问权限，在提高工作效率的同时控制安全风险。 Workday的战略方向：从HR管理系统迈向可信AI执行平台此次收购也需要放在Workday Rising 2026的整体产品战略中理解。在本届大会上，Workday集中展示了围绕Sana、Autopilot Agents和Trusted Agent Platform的AI战略，推动AI从提供建议的辅助工具，向能够在企业业务规则约束下执行实际任务的智能体发展。其中，Trusted Agent Platform允许企业使用不同开发工具及AI模型构建和运行智能体，并通过Agent Harness、Agent-Ready Tools及Workday Data Cloud等组件，将现有的数据权限、业务规则、审批流程与审计机制应用于AI执行过程。 C1.ai的加入，将使Workday有机会进一步强化跨系统身份与访问治理。从技术架构来看，Workday希望形成一个更加完整的闭环：首先通过HR系统掌握员工身份、组织关系与岗位职责，再通过Agent System of Record识别和管理AI Agent，随后利用C1.ai控制不同员工及智能体在企业应用中的访问权限，最终通过业务规则和审计机制管理其实际执行行为。对Workday而言，这意味着其竞争边界可能从传统HCM和财务管理软件，进一步延伸至企业AI运行治理与身份安全领域。不过，上述整合仍属于收购完成后的预期方向。Workday尚未在本次公告中披露C1.ai具体的技术整合时间表、正式产品组合、商业定价或客户迁移安排。对HR行业意味着什么？人力资源管理正在与企业AI治理进一步融合 HRTech认为，这笔收购值得关注的地方，是Workday正在尝试重新定义HR系统在企业数字基础设施中的位置。长期以来，人力资源系统主要负责记录员工信息、管理组织架构、执行薪酬和人才管理流程。企业身份安全与系统访问权限则主要由IT和信息安全部门管理。 AI Agent的发展正在使二者之间的联系更加紧密。当企业需要同时管理员工和大量数字智能体时，岗位、组织层级、汇报关系及员工生命周期信息，将直接影响智能体的权限范围与业务执行能力。HR系统因此有机会成为连接人力资源管理、身份安全和AI Agent治理的重要基础设施。对于CHRO和企业HR负责人而言，这一变化意味着HR数字化战略不能仅停留在招聘、绩效和员工服务自动化层面，还需要与IT、安全、法务及合规团队共同建立适用于AI Agent的管理机制。特别是在招聘、薪酬、员工个人信息及财务审批等高敏感场景，企业需要明确哪些任务可以由AI自主完成，哪些必须经过人工审批，以及如何保留操作记录、限制访问权限和处理异常行为。从HR科技市场竞争来看，Workday此次拟收购C1.ai也释放出一个信号：下一阶段企业级AI平台的竞争，不仅取决于AI模型能力和自动化水平，还将取决于厂商能否将业务数据、权限治理、审批规则和智能体执行能力整合为可信赖的企业级架构。交易仍待完成，AI治理能力将成为后续观察重点根据Workday公告，BofA Securities担任此次交易中Workday的财务顾问，Orrick担任法律顾问；Qatalyst担任C1.ai的财务顾问，Ashurst Perkins Coie担任法律顾问。截至2026年10月13日，双方已经签署最终收购协议，但交易尚未完成。具体交易金额、收购后的产品定价、人员整合以及技术商业化时间安排均未披露。 Workday目前服务全球超过11,500家企业和组织，其中包括超过65%的Fortune 500企业。如果此次交易顺利完成，并实现预期中的产品整合，C1.ai的身份治理能力将有机会通过Workday的平台生态获得更广泛的企业应用。对于全球HR科技行业而言，这起交易说明，AI时代的企业管理软件正在出现新的竞争方向：不仅需要管理人类员工的工作，还需要为能够自主执行任务的AI Agent建立清晰的身份、权限与责任边界。未来的HR系统可能不只是企业的人力资源信息记录中心，也将成为连接人类员工、数字智能体和企业业务规则的重要治理入口。资料来源： Workday Newsroom，2026年10月13日：Workday to Acquire C1.ai, a Leading Agentic Identity Platform for People and Agents C1.ai，2026年10月13日：C1.ai to join Workday C1.ai，2025年10月28日：C1 Raises $79 Million Series B C1.ai，2026年3月10日：Future of Identity Report Deloitte，2026年：State of AI Report

San Francisco
2026年10月14日
San Francisco

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

San Francisco
2026年10月07日
San Francisco

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。

San Francisco
2026年08月19日
San Francisco

【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

San Francisco
2026年07月23日
San Francisco

【旧金山】AI招聘平台Paraform完成4000万美元B轮融资，累计融资达 6500 万美元 HRTech概述：美国 AI 招聘平台 Paraform 宣布完成B轮融资，官方披露累计融资已达 6500 万美元；Axios 报道本轮融资金额为 4000 万美元，领投方为 Scale Venture Partners。Paraform 的定位不是传统 ATS，也不是单纯自动化工具，而是把专业招聘顾问与 AI 模型结合，打造“Agentic Hiring Platform”。公司称已服务 1000 多家企业，客户通常在约 12 天内见到最终录用候选人。在生成式AI快速重塑企业招聘模式的背景下，AI招聘基础设施赛道再迎重要融资事件。总部位于旧金山的AI招聘平台 Paraform 近日宣布完成 Series B 融资，官方披露公司累计融资总额已达到 6500 万美元。据 Axios 报道，本轮 Series B 融资金额为 4000 万美元，由 Scale Venture Partners 领投，Felicis、A* Capital 和 Liquid 2 Ventures 等机构参与投资，同时还吸引了来自 Palantir、Stripe、Shopify、Canva、Uber 等科技公司的高管投资人。作为一家成立不久却快速崛起的招聘科技公司，Paraform 正在尝试重构企业获取高端人才的底层逻辑。与传统 ATS（Applicant Tracking System）或单纯的AI筛选工具不同，Paraform 将自身定位为“Agentic Hiring Platform”，核心在于通过“专业招聘顾问网络 + AI模型能力”的深度协同，实现更高效率、更高质量的人才匹配与交付。从“流程效率”走向“结果导向”，招聘基础设施正在重构长期以来，企业招聘体系的优化主要集中在流程层面，包括职位发布、简历筛选、面试安排等环节的自动化与数字化。然而，Paraform 所代表的新一代招聘平台，正在将重心从“流程优化”转向“结果交付”，即是否能够更快、更精准地找到并锁定最合适的候选人。 Paraform 平台通过连接数千名专业招聘顾问，并结合其专有的招聘结果数据模型，对候选人的求职意愿、能力匹配度以及企业需求进行动态分析，从而实现更高命中率的推荐。公司披露，目前已帮助超过 1000 家企业完成关键岗位招聘，客户包括 Abridge、Decagon、Rippling 以及 Palantir 等科技公司。更具代表性的指标在于招聘周期的显著压缩。Paraform 表示，其客户通常在约 12 天内即可接触到最终录用的候选人，这一效率相较传统招聘模式中动辄数月的周期，具备明显优势。 AI放大“顶尖人才溢价”，招聘市场结构正在改变 Paraform 在本轮融资披露中提出了一个值得关注的判断：AI并没有削弱人才的重要性，反而在加剧人才分化，使“顶尖人才”的价值进一步集中。根据公司平台数据，约前 12% 的候选人获得了超过四分之一的 offer，而后 40% 的候选人所获得的机会总量与其接近。这一分布表明，企业在AI时代更倾向于集中资源争夺少数高价值人才，而非依赖大规模人才池。与此同时，技术岗位市场整体需求仍未完全恢复。Paraform 引用数据指出，相较疫情前高点，科技岗位数量下降约 36%，同比下降约 7%。在需求收缩的背景下，高质量人才的竞争反而更加激烈，这也进一步推动招聘模式向“精准匹配”演进。在薪酬层面，Paraform 平台候选人的平均年薪约为 26 万美元，包含股权后的总薪酬通常在 30 万至 40 万美元之间。这一数据侧面反映出其主要服务对象集中在高端技术与关键岗位市场。 “Recruiter Economy”崛起：招聘顾问正在被重新定价与多数试图“去中介化”的招聘技术不同，Paraform 选择强化招聘顾问在体系中的价值，并通过AI提升其生产力，从而构建一种新的“Recruiter Economy”。公司披露，其平台上的顶级招聘顾问收入增长显著，部分顾问实现年收入超过 100 万美元，单月收入超过 30 万美元。截至目前，Paraform 已向招聘顾问累计支付超过 5000 万美元，并预计未来几年这一数字将超过 10 亿美元。这一模式本质上将招聘顾问从传统服务提供者，转变为“基于平台的数据驱动型高效匹配节点”，在AI辅助下实现规模化与高收益并存。这也意味着，未来招聘行业的竞争，不仅发生在企业与候选人之间，也发生在“招聘能力”本身。从科技招聘走向多行业扩展，平台化能力正在验证在业务拓展层面，Paraform 正从最初聚焦的科技岗位招聘，逐步向法律等高专业门槛领域延伸。Axios 报道称，公司已与约 30 家律师事务所展开合作，并且在进入新行业时无需对核心产品进行大规模调整。这一点具有重要意义，意味着 Paraform 的平台能力具备跨行业复制潜力。一旦其“招聘顾问 + AI”的模式在更多垂直领域验证成功，其市场空间将远超传统科技招聘赛道。 HRTech 视角：招聘正在从工具竞争走向“人才获取能力竞争” 从 HRTech 行业的发展趋势来看，Paraform 本轮融资释放出一个清晰信号：招聘技术的竞争焦点正在发生转移。过去十年，HR科技的核心在于提升流程效率与系统整合能力；而在AI时代，企业真正需要的，是能够直接提升“人才获取能力”的解决方案。这不仅关系到招聘效率，更直接影响企业的增长速度与竞争壁垒。对于企业HR与招聘负责人而言，这意味着未来需要重新审视三件关键问题：第一，是否仍以流程为中心构建招聘体系；第二，如何在组织内部与外部之间配置招聘能力；第三，在AI时代如何识别并获取真正具备高杠杆价值的人才。 Paraform 的崛起，或许正代表着招聘行业从“工具时代”迈向“结果时代”的一个重要节点。

San Francisco
2026年03月20日