-
人工智能
25年没写代码，Amazon HR负责人借助AI完成10万行：员工正在从软件使用者变成“工作构建者”
HRTech概述：Amazon全球HR负责人Beth Galetti在离开一线编程约25年后，借助AI重新开始开发应用，目前已经完成超过100,000行代码。更值得关注的是，Amazon正在通过Kiro、Amazon Quick和Aza等AI工具，将软件构建能力从专业技术团队扩展至普通员工，并以25亿美元的Future Ready 2030计划补充大规模技能投资。这一案例释放出一个清晰信号：企业AI竞争正在从“谁购买了更多工具”，转向“谁能让更多员工重新设计工作”。
25年没有写代码，Amazon全球HR负责人重新成为开发者
Beth Galetti现任Amazon Senior Vice President of People Experience and Technology，负责公司的全球HR组织。她职业生涯早期曾是一名软件开发人员，参与开发包裹追踪和国际业务系统，随后逐步转入信息技术、运输网络及运营管理岗位。2013年，她原本前往Amazon面试运输业务职位，但面试官发现她在谈到人才发展时表现出强烈兴趣，最终邀请她进入HR领域。
在大约25年没有亲自编写代码之后，Galetti于几个月前开始尝试利用AI重新构建软件。她的第一个项目是一款家庭日历应用，通过与AI工具交互，几小时内便完成了一个可以实际运行的初步版本。
此后，她开始使用Amazon的AI开发工具Kiro。在一次飞往Seattle的航班上，她通过自然语言描述需求，由Kiro协助完成规划、代码编写和测试，并在航班结束前构建出一款作品提交应用。这款应用随后成为Amazon内部团队竞赛“Everyone Can Build”的基础设施。
截至文章发布时，Galetti表示自己已经借助AI完成超过100,000行代码。Amazon没有说明这些代码的具体统计周期、投入生产的比例及后续维护方式，但这一案例显示，生成式AI正在显著降低软件构建对传统编程经验的依赖。
超过1,500名员工参与，全员构建开始进入真实业务流程
“Everyone Can Build”并不是一场面向工程师的技术竞赛。Amazon向团队内所有员工开放活动，不要求参与者具备技术背景，唯一要求是使用AI开发一款能够解决工作或日常生活真实问题的应用或工具。
竞赛开放后的数周内，超过1,500名员工开始参与构建。其中，一名员工开发的应用将一项接近4小时的人工检查流程压缩至1秒。据Amazon估计，这款工具每年可以节省数万小时。另一名员工开发了名为Momo的桌面宠物，将工作任务、提醒和常用快捷方式集中在一个入口中。
这些案例所体现的价值并不只是“员工学会了写代码”，而是业务一线员工可以绕过漫长的需求传递过程，直接将自己对流程、客户和岗位的理解转化为可测试的解决方案。
过去，一名非技术员工即使发现了低效流程，也需要整理需求、争取技术资源、等待项目排期，再由开发团队完成产品设计与交付。AI降低构建门槛后，最了解问题的人可以先完成原型和局部自动化，技术团队则可以将更多资源投入底层架构、安全治理和核心产品。
Quick、Kiro与Aza，形成三层企业AI工具体系
从Amazon披露的信息来看，其企业AI布局并不是简单地向员工开放一个聊天机器人，而是在逐步形成覆盖知识、工作流、软件构建和员工服务的工具组合。
Amazon Quick是面向工作的AI助手。员工可以用它查询企业数据、开展研究、生成内容并构建自动化工作流。Amazon表示，一些过去需要数周完成的研究任务，现在可以通过Quick显著缩短周期。该产品还可以连接本地文件、日历、电子邮件以及Microsoft 365、Google Workspace、Salesforce、Slack、Zoom等企业应用。
Kiro承担的是更进一步的“构建”任务。员工可以用自然语言描述希望开发的应用，由Kiro协助规划、编写和测试。这意味着普通员工不再只能使用现有软件，也可以围绕自己的工作场景搭建小型应用和自动化工具。
Aza则是Amazon内部使用的AI workplace assistant，重点服务员工体验场景。员工可以通过Aza查询福利、薪酬、工作场所便利安排和IT信息，也可以申请休假、预订会议室或搜索内部开放职位。
三类工具对应了不同层级的工作需求：Aza解决员工服务和信息获取，Quick连接知识、研究与自动化，Kiro则将员工进一步推向应用构建。Amazon展示的不是一个孤立产品，而是一套逐步扩展员工行动能力的AI工作基础设施。
25亿美元投入未来技能，AI工具必须与人才投资同步
Amazon同时强调，仅向员工开放AI工具并不足以完成组织转型。员工是否具备理解问题、拆解任务、判断结果和持续学习的能力，决定了工具最终能够产生多大价值。
为此，Amazon推出Future Ready 2030，承诺投入25亿美元扩大教育和技能培训机会，帮助至少5,000万人为未来工作做好准备。其中，10亿美元将投入Career Choice教育福利计划，目标是继续为全球50万名员工提供技能提升支持，重点覆盖cybersecurity、software development、logistics、renewable energy及mechatronics等增长领域。
Amazon还为每名员工每年承担一次AWS AI认证考试的全部费用，认证路径从基础AI概念延伸至专业级生成式AI。通过Amazon Future Engineer、AWS Educate及Mechatronics and Robotics等项目，技能投资覆盖K-12学生、职业早期人才、在职员工和希望转型的劳动者。
这说明Amazon对未来工作的判断并非“AI工具可以替代培训”，而是恰恰相反：工具越强大，企业越需要系统性提升员工的判断力、业务理解、问题定义和人机协作能力。
真正的变化不是人人成为程序员，而是人人拥有构建能力
从HRTech视角看，Beth Galetti完成100,000行代码只是最具传播力的表层故事。更深层的变化，是企业内部的软件生产关系正在被重新定义。
AI正在把过去集中于工程团队的部分构建能力，分散到HR、财务、运营、销售和客户服务等业务岗位。未来的员工未必需要掌握完整的计算机科学知识，也不必成为专业程序员，但越来越多人需要具备用自然语言定义需求、拆分任务、验证结果和持续改进工具的能力。
这会直接改变企业的人才标准。招聘时需要评估的不再只是候选人是否会使用某款AI产品，而是其能否识别值得解决的问题、能否把复杂工作拆解为可以委派给AI的任务，以及能否判断AI输出是否准确、安全并具有业务价值。
学习与发展部门也需要从传统课程供给者转向工作转型推动者。相比组织一次通用的“AI提示词培训”，围绕真实流程开展内部构建竞赛、任务重构项目和跨职能实验，更容易把AI能力转化为可衡量的生产力成果。
10万行代码不是ROI，工作结果才是
值得注意的是，代码行数本身并不能证明AI创造了多少价值。更多代码不一定意味着更高的质量、更低的成本或更好的用户体验。AI生成的应用还可能带来数据权限、信息安全、代码质量、系统重复建设和长期维护责任等问题。
因此，企业在鼓励“全员构建”的同时，仍需要建立明确的治理边界。哪些应用可以由员工自行创建，哪些涉及敏感数据或关键决策的系统必须经过专业审核；谁负责测试、部署和维护；工具停止使用后如何处理数据与权限；这些问题都需要HR、IT、信息安全、法务和业务部门共同制定规则。
衡量此类项目的核心指标也不应是员工生成了多少代码、创建了多少应用，而应回到业务结果：流程周期缩短了多少、节省了多少有效工时、错误率是否下降、员工体验是否改善、解决方案是否能够复用，以及成果能否在安全前提下规模化。
HR正在从AI工具推广者转向工作设计者
Amazon案例对HR行业最重要的启示是，AI转型不能停留在工具采购、账号开通和使用率统计。企业真正需要回答的是：哪些工作应当取消，哪些流程可以自动化，哪些任务可以交由AI代理执行，哪些判断必须继续由人承担，以及员工如何从执行者转向AI工作的设计者和监督者。
当一位离开编程25年的HR负责人可以借助AI重新构建应用，当超过1,500名非技术员工开始直接解决工作问题，企业内部传统的岗位边界已经出现松动。未来HR的价值，不只是管理采用率，而是设计新的工作方式、能力标准、授权机制和治理体系。
Amazon正在展示一种可能的组织形态：AI不只是提高单项任务效率的助手，而是把更多员工变成能够发现问题、构建方案和改进工作的内部创新者。企业之间真正拉开差距的，也许并不是谁最早购买AI，而是谁最早形成了让员工持续创造结果的“全员构建”能力。
来源：Amazon News，《I’m an Amazon SVP who hadn’t coded in 25 years. Then I wrote 100,000 lines of code with AI.》；Amazon Future Ready 2030及Career Choice官方资料。
-
人工智能
【财报】BOSS直聘Q2营收23.99亿元、经营利润暴增32.6%：7000万月活之后，AI正在改写招聘行业
HRTech核心解读：BOSS直聘最新财报值得HR仔细看：Q2收入23.99亿元，同比增长14.1%，经营利润增长32.6%，月活首次突破7000万。付费企业客户达到720万，季度平均月活首次突破7000万。经营利润达到8.63亿元，同比增长32.6%，经营利润率从去年同期约31%提高到36%。但真正重要的不是净利润暴涨173%，而是BOSS直聘正在用AI从“招聘流量平台”转向“候选人和招聘结果交付平台”。如果这条路跑通，招聘平台、猎头、RPO和企业Recruiter的边界都可能被重新定义。
财报中最抢眼的是净利润同比增长173.1%至19.42亿元，但需要注意，其中包含了来自智谱投资的大额公允价值收益。剔除投资收益及股权激励后，调整后净利润为10.29亿元，同比增长9.4%。 更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。8月25日，BOSS直聘母公司KANZHUN LIMITED发布2026年第二季度及上半年业绩。从表面数字看，这是一份相当亮眼的财报：第二季度收入23.99亿元，同比增长14.1%；经营利润8.63亿元，同比增长32.6%；净利润达到19.42亿元，同比增长173.1%；季度平均月活跃用户首次突破7000万，过去12个月付费企业客户达到720万。
但在HRTech看来，这份财报真正值得关注的并不是“净利润增长173%”。其中相当大的贡献来自BOSS直聘对智谱的投资收益。更有价值的信号是：在中国招聘市场并没有出现全面强劲复苏、企业招聘依然高度结构化的情况下，BOSS直聘的收入增长反而从第一季度的7.6%加速到第二季度的14.1%，经营利润增速达到32.6%，同时继续增加世界杯品牌营销投入。这意味着BOSS直聘正在从过去几年依靠用户扩张驱动增长，进一步转向“用户规模+商业化效率+AI交付”共同驱动的新阶段。
更大的问题则在财报之外：如果把BOSS直聘与中国的智联招聘、猎聘，以及全球的Indeed、LinkedIn、SEEK和欧洲Stepstone放在一起看，会发现全球招聘平台正在发生一次非常一致的商业模式迁移——传统的Job Board正在消失，未来真正有价值的招聘平台，卖的可能不再是职位广告、简历和流量，而是越来越接近“招聘结果”。
第二季度收入23.99亿元，主营业务增长正在重新加速
2026年第二季度，BOSS直聘实现收入23.986亿元，同比增长14.1%，其中企业在线招聘服务收入23.840亿元，同比增长14.7%，已经贡献公司绝大部分收入。经营利润从去年同期6.512亿元增加到8.632亿元，同比增长32.6%；以季度收入计算，经营利润率从约31.0%提高到约36.0%，提升约5个百分点。调整后经营利润达到10.497亿元，同比增长19.2%。
上半年整体收入44.674亿元，同比增长11.0%；经营利润14.868亿元，同比增长36.3%。更值得注意的是成本端，上半年总经营成本及费用只从29.455亿元增加至29.888亿元，增幅约1.5%，远低于收入增长速度。其中研发费用同比仅增长1.8%，行政费用下降23.6%，销售及营销费用则增长18.9%，主要与广告投入增加有关。
第二季度尤其明显。公司销售及营销费用同比增长38.3%至5.809亿元，其中一个重要原因是赞助2026 FIFA World Cup及相关品牌营销活动。但即使在营销投入大幅增加的情况下，经营利润仍然增长32.6%，说明公司的经营杠杆正在继续释放。
这可能比单纯的收入增长更加重要。招聘平台天然具有明显的平台经济属性：一旦用户、企业、职位和求职者形成足够大的双边网络，新增交易的边际成本理论上应该持续下降。BOSS直聘目前表现出来的，正是这种网络效应逐步转化为利润率的过程。
净利润增长173%需要拆开看，智谱贡献了大量投资收益
第二季度BOSS直聘净利润达到19.423亿元，同比增长173.1%，这是最容易成为新闻标题的数字，但也最容易被误读。
第二季度，公司来自被投资企业公允价值变化的税前投资收益达到14.661亿元。2026年上半年，这部分税前投资收益累计达到20.802亿元，主要来自公司持有的Z.AI Co., Ltd.，即智谱。BOSS直聘目前持有智谱1,486,720股，约占智谱已发行股本的0.3%，投资成本只有约5270万元，而截至2026年6月30日的公允价值已经达到约21亿元。
因此，如果观察招聘主营业务，更合适的指标是调整后净利润。BOSS直聘第二季度调整后净利润为10.292亿元，同比增长9.4%；上半年调整后净利润18.854亿元，同比增长10.6%。
所以，判断这份财报质量不能用“净利润增长173%”，但这并不意味着主营业务表现不强。相反，收入增长14.1%、经营利润增长32.6%以及利润率提升，已经足够说明核心招聘业务正在改善。
回看过去三年，BOSS直聘已经从“高速用户增长”进入“规模变现”阶段
如果将第二季度数据向前拉三年，变化会更加清楚。
2023年第二季度，BOSS直聘收入14.88亿元；2024年第二季度增长至19.17亿元，同比增长28.8%；2025年达到21.02亿元，同比增长9.7%；2026年进一步增长至23.99亿元，同比增长14.1%。也就是说，经历2025年增速明显放缓之后，2026年第二季度收入重新出现加速。
用户增长的轨迹则更加明显。第二季度平均月活跃用户从2023年的4360万增加到2024年的5460万、2025年的6360万，再到2026年的7020万。过去12个月付费企业客户则从2023年的450万增加到2024年的590万、2025年的650万和2026年的720万。
这里出现了一个值得关注的变化：2024年的主要故事仍然是“用户高速扩张”，MAU增长25.2%，付费企业客户增长31.1%；到2026年，这两个指标的增速已经分别放缓至10.4%和10.8%，但收入增速反而达到14.1%。
换句话说，BOSS直聘已经不能再完全依靠新增用户讲增长故事，而需要从已有的7000万级用户网络里获得更多商业价值。这也是为什么AI、候选人交付、大客户解决方案和更深层次招聘服务开始变得重要。
中国招聘市场的竞争，BOSS直聘正在进一步拉开规模差距
如果把BOSS直聘与猎聘放在一起，平台定位和规模差异已经非常明显。
2026年上半年，同道猎聘实现收入9.89亿元，同比增长5.6%；其中企业端收入约8.20亿元，同比增长6.7%，归属于公司股东的净利润约8803万元，同比增长9.6%，经调整归母净利润约1.1亿元，同比增长13.5%。同期BOSS直聘收入达到44.67亿元，已经超过猎聘的四倍。
但这并不意味着两家公司处于完全相同的市场。BOSS直聘已经越来越接近全民级招聘基础设施，覆盖白领、蓝领、中小企业、低线城市和大型企业；猎聘仍然更聚焦中高端人才、企业客户和猎头三端生态。猎聘截至2026年6月底拥有约1.22亿注册个人用户、151.2万家验证企业和约23.1万名验证猎头，付费企业客户约6.3万家。由于企业客户定义与BOSS直聘完全不同，不能简单把BOSS直聘的720万付费企业客户直接与猎聘6.3万家客户进行比较。
有意思的是，两家公司正在走向同一个方向：AI商业化。猎聘披露，2026年上半年AI产品综合现金回款接近同比翻倍，AI Pro账号渗透率已经接近四成，新客户AI Pro覆盖率超过七成；BOSS直聘则把AI进一步延伸至AI寻访、AI辅助沟通、AI候选人交付和AI面试。
这意味着中国在线招聘下一阶段的竞争，很可能不再只是“谁有更多职位、更多简历”，而是谁能用AI把这些数据转化成更高质量的招聘结果。
智联招聘的压力，则从SEEK财报中体现得更加明显
智联招聘已经不是上市公司，因此外界很难像分析BOSS直聘一样获得完整季度数据。但其股东SEEK的2026财年报告提供了另一个观察窗口。
SEEK披露，智联招聘FY2026的gross revenue约为5.006亿澳元。与此同时，SEEK在2026财年对与智联招聘相关的股权投资和应收款累计计提约3.56亿澳元减值。SEEK在年报中明确指出，智联招聘继续受到中国宏观经济疲弱和竞争压力影响，新管理层已经开始战略调整，向符合中国经济发展优先方向的新增长领域转型。
这组信息很重要。
过去中国在线招聘市场很长一段时间的竞争逻辑，是“前程无忧+智联招聘+猎聘+后来进入的BOSS直聘”。但移动互联网时代的产品结构彻底改变了这个行业。BOSS直聘通过移动端即时沟通，把原来“发布职位—收到简历—筛选简历—电话联系”的长流程压缩为候选人与招聘者直接连接，实际上改变了招聘市场的流动性。
现在AI又可能带来第二轮结构性变化。
AI真正改变的并不是推荐算法，而是BOSS直聘准备开始“交付候选人”
BOSS直聘财报里最值得HR Tech行业关注的一句话，是公司正在利用AI推动商业模式从“traffic-based matching”向更加广泛、可扩展的“closed-loop recruitment delivery model”发展。
这句话翻译成商业语言，其实非常简单：过去平台卖“流量”，未来平台希望卖“结果”。
目前BOSS直聘求职者端的AI求职Agent已经开始覆盖职位偏好理解、简历优化、职业方向建议、职位推荐、岗位适配分析、AI模拟面试以及求职沟通反馈。企业端则包括AI寻访、AI辅助沟通、AI候选人交付和AI面试。公司披露，高端白领、金领以及大规模蓝领招聘的AI商业服务均取得较强增长，服务企业数量、交付的意向候选人数量以及单客户平均服务费均显著提升，但暂时没有披露具体收入。
这是一个非常关键的变化。
如果平台只是推荐100份简历，它还是一个招聘网站；如果平台能够理解岗位、主动搜索人才、筛选候选人、联系候选人、确认意向、完成初步面试，最后只把10名合格候选人交给企业，它实际上已经开始进入过去属于Recruiter、猎头和RPO的业务范围。
也正是在这里，中国与全球招聘市场开始出现高度一致的趋势。
美国Indeed已经开始证明：招聘网站最大的增长空间，并不是职位广告
Indeed母公司Recruit Holdings最新财报或许是全球招聘市场最值得研究的案例之一。
截至2026年6月的Recruit Holdings FY2026第一季度，其HR Technology业务收入达到28.58亿美元，同比增长20.9%；其中美国市场收入16.4亿美元，同比增长30.0%，欧洲及其他地区收入约6.1亿美元，同比增长28.5%。更夸张的是，该业务EBITDA+S利润率已经达到47.4%。Recruit还将2026财年HR Technology全年收入预期上调至114.85亿美元，同比增长18.7%。需要说明的是，这一业务板块包括Indeed、Glassdoor等产品，并非Indeed单一平台收入。
但真正值得研究的是收入增长从哪里来。
美国市场Average Revenue per Job Posting同比增长35%，Premium Sponsored Jobs等产品推动单个招聘职位的商业价值持续提升。换句话说，即使招聘职位总量不出现爆发式增长，平台仍然可以通过更高质量的匹配、更精准的推广以及更接近招聘结果的服务提高每一个招聘需求的价值。
Recruit Holdings甚至重新定义了自己的市场。
它在最新投资者材料中将2025年全球HR Matching市场规模估算为3020亿美元，其中传统“Job Advertising & Talent Sourcing”只有约340亿美元，而Direct Hire约710亿美元、Retained Search约240亿美元、Temporary Staffing约1050亿美元，Internal Recruitment Automation约680亿美元。
这实际上告诉整个招聘行业：真正巨大的市场从来就不是职位广告。
过去招聘网站只参与招聘预算最前端的一小部分；AI让平台第一次有能力向招聘流程中段和后段延伸。
LinkedIn的优势更加特殊：它拥有的不是简历数据库，而是全球职业关系图谱
截至2026年6月30日的Microsoft FY2026，LinkedIn全年收入达到198.17亿美元，同比增长11%；2026财年第四季度收入同比增长12%。不过需要特别说明，LinkedIn的收入并不只来自招聘，其业务包括Talent Solutions、Marketing Solutions、Premium Subscriptions和Sales Solutions，因此不能把198亿美元全部理解成招聘收入。
LinkedIn真正值得关注的是Hiring Assistant。
这款AI招聘Agent已经从传统关键词搜索进一步进入岗位理解、候选人发现、人才筛选、候选人沟通和招聘流程管理。LinkedIn披露，其Hiring Assistant可以在超过12亿份职业档案上运行，并且能够结合企业ATS历史候选人数据。
LinkedIn在2026年发布的数据还显示，使用Hiring Assistant的企业平均获得的“quality hires”增加11%，高需求人才招聘增加18%；随着使用时间延长，质量提升进一步扩大。需要注意，这些指标来自LinkedIn自己的平台研究方法，而不是独立第三方研究，但它至少说明LinkedIn正在有意识地把AI价值从“节约招聘人员时间”转向“提高招聘质量”。
这也是LinkedIn最难被复制的优势：它拥有的不只是简历，而是职业身份、职业关系、技能、内容互动、企业组织结构和招聘行为共同形成的Professional Graph。
AI时代，数据越丰富，Agent能够完成的任务就越复杂。
澳大利亚SEEK提供了另一个答案：职位数量下降，也可以靠“每个职位的价值”增长
SEEK的2026财年同样很有代表性。FY2026公司净收入约11.99亿澳元，同比增长10%；EBITDA约5.30亿澳元，同比增长15%，EBITDA利润率从42%提高至44%，调整后利润增长28%。
但SEEK的职位广告数量并没有同步增长。事实上，澳大利亚和部分亚洲市场的付费职位广告量仍然承压。
收入为什么还能增长？
答案是yield。
FY2026 SEEK亚太市场单个职位的收益水平增长18%，核心职位广告及增强服务收入增长10%。通过新的广告层级、Advanced ad以及value-based pricing，SEEK正在提高每个招聘需求的货币化能力。
这是招聘平台未来一个非常重要的商业模式变化：职位数量不再是唯一核心指标。
当AI能够提高匹配率、申请转化率和最终招聘结果以后，一个“真正能招到人的职位”显然应该比一个只是获得1000次浏览的职位更值钱。
欧洲Stepstone：AI之外，合规和可信招聘会成为新的护城河
欧洲市场则提供了另外一个观察维度。
The Stepstone Group旗下拥有德国Stepstone、英国Totaljobs、IrishJobs等招聘品牌，其官方定位已经非常明确：未来核心业务是“AI-driven job marketplaces”和programmatic-powered recruitment marketing。
欧洲招聘市场还有一个非常明显的结构性变化。Stepstone数据显示，德国每个职位收到的申请兴趣较2023年已经接近翻倍，而明确欢迎跨职业转换者的职位占比自2019年以来增长超过六倍。换句话说，未来的问题不是“没有申请人”，而是大量申请涌入以后，企业如何识别真正合适的人。
这也是AI最擅长、同时风险最大的领域。
欧盟已经明确把招聘、候选人筛选和人员选择相关AI列入高风险应用范畴。经过最新AI Omnibus调整后，与就业相关高风险AI系统的主要规则计划从2027年12月2日起适用，而部分AI透明度要求已经自2026年8月2日起生效。
因此，在欧洲，未来招聘平台的竞争力可能不只是“AI更聪明”，而是“AI足够聪明，同时能够证明它为什么做出这个判断”。
可解释性、偏差控制、人类监督、数据治理和审计能力，都可能从法律成本变成产品竞争力。
全球招聘网站的终局：从Job Board走向Hiring Infrastructure
把BOSS直聘、Indeed、LinkedIn、SEEK和Stepstone放在一起，一个越来越清晰的趋势正在形成。
第一代招聘网站解决的是“信息数字化”问题，把报纸招聘广告搬到互联网；第二代招聘平台解决的是“匹配效率”，通过搜索、推荐算法和移动沟通提高求职者和企业之间的连接效率；第三代招聘平台则正在进入“招聘执行”。
AI Agent可以理解岗位，可以找人，可以筛选，可以沟通，可以安排面试，甚至可以对招聘效果进行持续反馈。
这意味着所谓“招聘网站”最终很可能不再是一个真正意义上的网站。
它会越来越像一套招聘基础设施。
企业告诉系统：“我要在上海招聘20个AI工程师”“我要在美国三个月内招聘300名销售”“我要在深圳找到一个有海外工厂经验的HR负责人”，平台自动完成市场人才分析、职位生成、人才搜索、广告投放、主动寻访、筛选、沟通、面试安排和候选人排序，HR最终处理的只是少数真正需要人类判断的候选人。
到了那个阶段，招聘平台卖的就不再是“职位发布30天”。
它卖的是招聘能力。
未来最大的机会，是从340亿美元的职位广告市场进入更大的招聘交易市场
从这一点再回头看BOSS直聘这份财报，就会发现AI的战略意义可能远远大于短期贡献了多少收入。
Recruit Holdings估算的全球3020亿美元HR Matching市场中，传统职位广告和人才寻访只有约340亿美元。真正庞大的市场存在于人才招聘、猎头、灵活用工和招聘自动化。
所以未来几年全球招聘平台可能同时沿着几个方向扩张：从职位广告进入候选人交付，从搜索工具进入AI Agent，从外部招聘进入ATS和内部人才市场，从按职位收费进入按招聘效果收费，从单纯拥有简历数据变成拥有经过验证的职业身份、技能和招聘结果数据。
而随着AI生成简历、自动投递和批量申请越来越普遍，另外一种资产也会越来越昂贵——真实的人。
谁能够确认一个候选人是真实的人、拥有真实技能、真的愿意换工作，并且真的适合这个岗位，谁就掌握了未来招聘市场最稀缺的“可信信号”。
这也是LinkedIn的职业身份网络、BOSS直聘的大量即时沟通行为、Indeed的职位与申请数据、SEEK的区域招聘交易数据以及Stepstone的欧洲劳动力市场数据真正具有长期价值的原因。
HRTech观察：BOSS直聘真正的下一场战争，已经不是与另一家招聘网站竞争
从2026年第二季度的数据看，BOSS直聘在中国市场的规模优势仍在扩大。月活突破7000万、付费企业客户达到720万、收入重新加速、经营利润率继续改善，意味着它已经逐渐跨过单纯依赖用户扩张的阶段。
但它接下来面对的竞争，也会更加复杂。
未来的竞争对手不一定只是智联招聘和猎聘，而可能包括猎头、RPO、ATS、招聘自动化工具、AI Agent，甚至企业内部招聘团队过去自己完成的一部分工作。
同样的事情也在全球发生：Indeed希望从职位广告进入招聘结果，LinkedIn让Hiring Assistant成为Recruiter的AI协作者，SEEK通过更高yield而不是更多职位实现增长，Stepstone则把AI匹配和程序化招聘作为未来平台基础设施。
所以，2026年真正值得关注的问题已经不再是“AI会不会进入招聘网站”。
它已经进入了。
真正的问题是：当AI可以完成搜索、筛选、沟通、邀约甚至部分面试之后，谁能够拥有招聘流程，谁能够定义“好的候选人”，以及谁最终能够为招聘结果收费。
这场竞争决定的，可能不是下一代招聘网站是谁，而是谁会成为下一代全球人才市场的基础设施。
-
人工智能
AI裁员背后的需求陷阱:企业省下了工资，却可能同时摧毁自己的客户
HRTech核心摘要：一篇很有意思的 63 页论文《The AI Layoff Trap》提出：AI 裁员最大的风险，也许不只是员工失业，而是一场企业无法主动退出的“自动化军备竞赛”。逻辑很简单：企业用 AI 替代员工，可以获得全部人工成本节约；但员工失去收入以后，也会减少消费，而这部分需求下降却由整个市场共同承担。因此，对一家企业最理性的选择——继续自动化——可能最终成为整个行业的不理性选择。论文认为竞争越激烈、AI 越强，这种“过度自动化”反而可能越严重。技能培训和 UBI 可以缓解后果，却不一定改变企业继续自动化的动力。
真正值得 HR 关注的问题已经变成：AI 替代工作的速度，是否正在超过新工作创造和员工重新吸收的速度？
当越来越多企业开始讨论“用AI减少多少人”“一个AI智能体可以替代几个岗位”“今年还能削减多少人工成本”时，一个看起来完全符合商业逻辑的问题正在出现：如果每一家企业都通过AI裁员降低成本，最后谁来购买这些企业生产的产品和服务？
2026年6月，University of Pennsylvania 的 Brett Hemenway Falk 与 Boston University 的 Gerry Tsoukalas 更新了一篇名为《The AI Layoff Trap》的论文。两位研究者没有继续讨论那个已经被反复争论的问题——“AI到底会不会抢走人的工作”，而是提出了一个更值得企业管理者警惕的经济学假设：
即使每一家企业都足够理性，也清楚大规模失业最终可能削弱消费需求，市场竞争仍然可能迫使所有企业不断自动化和裁员，最终进入一场没有赢家的“AI裁员陷阱”。
这对于正在制定AI战略的CEO、CHRO和企业管理者来说，可能比“AI会替代哪些岗位”更加值得关注。
企业看到的是降本，但市场承担的是需求下降
论文最核心的逻辑其实并不复杂。
假设一家企业原来需要100个人完成一组工作，现在通过AI自动化，其中20个人的工作可以被机器完成。对于这家公司而言，账非常容易算：减少20个人的工资、福利和管理成本，同时保持甚至提高产出。
于是AI投资回报率看起来非常漂亮。
但问题在于，被裁掉的20个人不仅仅是企业成本表上的20项人工费用，他们同时也是消费者。
当员工失去工作后，如果他们没有迅速找到新的工作，或者新的收入明显低于原来的收入，他们的消费能力就会下降。住房、餐饮、旅行、软件订阅、汽车、零售商品乃至各种企业服务的需求都会受到影响。
可是，这部分损失不会全部落到裁掉他们的那家公司身上。
一家企业能够获得自己裁员产生的全部成本节约，但它只承担整个社会消费需求下降中的一小部分，其他损失会分散到竞争对手和整个市场。
这就是论文所定义的**“需求外部性”**：企业承担的AI裁员成本，小于整个市场真正承担的成本。
因此，对于单家公司来说，“继续自动化”可能始终是正确选择；但当所有企业都这么做时，整个市场可能走向并非最优的结果。
最危险的地方：没有企业敢成为那个“不裁员的人”
这篇论文真正有意思的地方就在这里。
如果所有公司都知道大规模裁员可能削弱未来消费需求，大家是不是可以共同放慢自动化速度？
理论上似乎可以，现实中的竞争逻辑却未必允许。
假设同行通过AI把成本降低30%，你的企业仍然维持原有员工规模，那么对方可能拥有更低价格、更高利润率和更大的技术投资空间。即使你相信整个行业最终可能因为裁员过多而受到伤害，你依然没有动力首先停止自动化。
换句话说：
不是企业不知道风险，而是企业知道风险以后仍然可能不得不继续。
论文进一步指出，在其模型中，竞争越激烈、市场中的企业数量越多，每家公司需要自行承担的需求损失比例越小，过度自动化的激励反而越强；在极端情况下，这种竞争甚至会演化成类似经济学中的“囚徒困境”：所有企业都选择更激进的自动化，但最终企业所有者和员工都可能比更克制的自动化状态更差。
论文中的模拟图尤其值得注意。在作者设定的一组参数条件下，竞争均衡下的自动化率已经超过能够使企业整体利润最大化的水平。也就是说，问题已经不再只是“企业通过裁员把利益从员工转移给股东”，而是自动化继续推进之后，连企业所有者本身也可能开始受损。
这是“AI裁员陷阱”最反直觉的地方。
AI越强，问题可能反而越严重
通常我们会认为，现在AI还有很多缺陷，未来模型能力更强、成本更低、智能体更成熟以后，企业和员工就会找到新的平衡。
这篇论文给出了完全不同的推演。
作者认为，更强的AI可能进一步扩大企业之间的自动化竞争。每家公司都会担心：如果自己不部署，而竞争对手率先使用更先进的AI，对方就可能获得成本和市场份额优势。
于是AI能力每提升一个阶段，都可能触发新一轮自动化。
论文将其描述为一种“红皇后效应”：大家不断加速奔跑，不一定是为了到达更好的地方，而首先是为了避免被竞争对手甩在身后。作者的模型显示，更高的AI生产率并不会自动消除这种需求外部性，反而可能扩大过度自动化与集体最优之间的差距。
这也解释了为什么未来真正推动企业减少岗位的力量，可能不仅来自AI自身能力，而来自同行之间的竞争压力。
一家企业宣布通过AI把运营成本降低20%，很快就会成为另外几十家公司董事会讨论的案例。
于是，“我们真的需要减少这些岗位吗？”很容易变成另一个问题：
“如果竞争对手已经这么做了，我们还能不做吗？”
现实中的Block，只是论文用来说明趋势的一个案例
论文在开篇引用了Block作为现实背景案例。作者指出，Block在2026年2月裁减了接近其约10,000人规模一半的员工，并引用CEO Jack Dorsey关于AI使许多岗位变得不再必要的判断。需要强调的是，这是论文引用的现实案例，并不是论文通过实证研究证明Block裁员产生了所谓“需求外部性”。
这个区别非常重要。
《The AI Layoff Trap》本质上是一篇经济理论论文，而不是一项对几百家公司进行追踪以后得出的实证结论。它建立的是一种可能发生的机制，而不是宣布“AI裁员已经让美国经济进入需求危机”。
作者自己也承认，模型目前采用的是单一行业、单一时期以及对称企业等简化设定，而现实经济显然更加复杂。
因此，我们不应该把它解读为“AI裁员必然导致经济衰退”。
但是，它提出的问题依然非常重要。
真正决定结果的变量，可能不是裁掉多少人，而是这些人多久能够重新进入经济循环。
HR真正应该关注的指标：AI替代速度 vs. 人才再吸收速度
历史上的每一次技术革命都消灭了大量旧任务，同时创造新的工作。
所以真正的问题从来不是“旧岗位会不会消失”。
真正的问题是：
新任务和新岗位创造得够不够快？
论文使用一个非常关键的变量来描述这个过程：被替代员工失去的工资，有多少能够通过重新就业、转移支付或其他收入来源恢复。
如果一个软件工程师的部分工作被AI自动化，但三个月以后转向AI产品管理、智能体运营或新的软件岗位，而且收入没有下降，那么他的消费能力基本没有消失。
相反，如果大量员工被裁掉以后，需要一年甚至两年才能重新就业，而且收入明显下降，那么自动化与劳动力重新吸收之间就会形成越来越大的时间差。
从HRTech的角度看，这可能意味着企业未来衡量AI转型，不能再只有一个简单指标：
“AI帮助我们减少了多少人。”
更完整的指标体系应该至少包括：
AI自动化了多少任务、多少员工完成内部转岗、多少员工获得新技能、多少新的工作任务被创造、被替代员工多久重新获得工作，以及人均生产率增长最终有没有转化成新的业务增长。
换句话说，未来真正需要管理的不是单独的“自动化率”，而是：
AI Automation Speed 与 Workforce Reabsorption Speed 之间的差距。
这可能是未来几年观察AI就业影响最重要的指标之一。
培训有用，但论文认为培训本身还不够
对于HR来说，一个自然反应是：既然AI会替代部分工作，那就进行技能提升和再培训。
论文并没有否定这个方向。
相反，作者认为，再培训能够提高被替代员工重新获得收入的比例，因此可以降低自动化造成的需求损失。当员工能够快速进入新的、更高价值的岗位时，“AI裁员陷阱”会明显减弱。
但作者同时指出，如果技能培训不能真正转化为重新就业和收入恢复，仅仅提供课程并不能完全消除问题。
这对于今天企业的AI培训是一个很现实的提醒。
真正重要的不是完成了多少小时AI培训，而是培训以后工作有没有发生变化。
员工是不是承担了新的任务？是不是进入新的岗位？是不是获得了更高的生产率？企业是不是因此创造了新的业务？
这也是为什么AI时代的企业学习与发展正在从“培训完成率”逐渐走向“工作重构”。
HRTech一直强调，企业评估AI成熟度时，不能只统计员工使用了多少AI工具。使用率不等于能力，AI普及也不等于组织转型。真正的AI转型发生在任务、流程、岗位和组织运行方式开始改变的时候。
《The AI Layoff Trap》又给这个判断增加了一层宏观含义：工作重构不仅决定企业能不能获得AI回报，还可能决定劳动者能不能重新进入新的价值创造循环。
UBI也解决不了？论文给出了一个颇具争议的结论
论文还比较了六种可能的政策工具，包括技能提升与再培训、全民基本收入、资本收入税、员工持股、企业间协商以及自动化税。
在作者建立的特定模型中，再培训和员工持股可以缩小问题，但无法完全消除外部性；全民基本收入能够改善失业者生活并支撑消费需求，却没有改变企业决定“下一个岗位是否应该被自动化”的边际激励；资本收入税同样没有直接改变企业的自动化决策。
论文认为，在这一模型框架下，唯一能够直接修正这项需求外部性的工具，是一种类似环境污染税逻辑的**“庇古式自动化税”**：如果一家企业通过自动化把部分需求损失转嫁给了其他企业，那么就对这一外部成本收费，使企业重新承担完整的社会成本。
这个建议显然会引发巨大争议。
现实世界里如何定义“一个岗位被AI替代”？AI辅助员工和AI取代员工如何区分？企业使用软件几十年来一直都在减少人工流程，什么才算“AI自动化”？不同国家税制不同，会不会迫使企业把相关业务转移到海外？
作者自己也承认，实际执行自动化税需要识别企业层面的自动化行为，存在明显的监管和测量难题；单一国家实施还可能推动AI活动向其他地区转移。
因此，“要不要征收AI自动化税”未必是这篇论文最值得企业关注的结论。
真正值得关注的是它背后的逻辑：
我们今天对于AI投资回报率的计算，可能漏掉了一些成本。
从“裁掉多少人”，转向“重新设计多少工作”
过去一年，关于AI与就业的讨论经常陷入两个极端。
一种观点认为AI将迅速替代大量白领岗位。
另一种观点认为历史上的技术进步最终都会创造更多工作，因此不必过度担心。
《The AI Layoff Trap》提供了第三种观察方式。
长期来看，新工作最终可能依然会出现；真正危险的可能是中间这段过渡期。
如果AI替代任务的速度远远超过企业创造新任务、员工重新学习技能以及劳动力市场重新配置的速度，那么即使长期最终出现新的就业平衡，短期和中期仍然可能出现巨大的结构性摩擦。
这对HR意味着什么？
未来CHRO最重要的工作可能并不是决定“哪些岗位可以裁掉”，而是帮助企业回答另外几个问题：
哪些任务应该交给AI？哪些任务仍然应该由人完成？被自动化释放出来的人应该流向哪里？新的Human + AI工作流程如何设计？企业能否通过AI创造新的业务，而不只是减少人工？
这就是AI时代“工作重构”和传统意义上的“裁员降本”最大的区别。
前者试图用AI重新设计价值创造方式。
后者只是把AI当成更便宜的劳动力。
真正好的AI转型，不应该只是让企业需要更少的人，而应该让企业能够创造过去无法创造的价值。
如果AI最终只是不断提高“每10亿美元收入需要更少员工”这个指标，那么企业确实可能获得一段时间非常漂亮的利润率。
但如果AI能够帮助企业创造新的产品、新的客户需求、新的职业和新的工作任务，那么技术带来的生产率提升才有可能重新转化成下一轮经济增长。
这也许才是《The AI Layoff Trap》对于企业真正重要的提醒。
AI时代的问题已经不再只是：
“AI能够替代多少工作？”
更重要的问题正在变成：
“当AI替代旧工作以后，我们能不能足够快地创造新的工作和新的需求？”
如果答案是否定的，那么每一家公司的AI战略可能都完全理性，但所有企业加在一起，却可能正在跑向一个并不理性的终点。
而这，才是真正的“AI裁员陷阱”。
来源：Brett Hemenway Falk & Gerry Tsoukalas，《The AI Layoff Trap》，arXiv:2603.20617，当前版本日期 June 3, 2026。本文为 HRTech 基于论文内容所做的研究解读；论文属于理论模型研究，其结论不应被直接理解为对现实经济已经发生大规模“过度自动化”的实证证明。
-
人工智能
深度专题：从HR的20个高频场景看HR AI真正的增长机会
过去两年，HR AI市场经历了一个明显变化。企业最初关注的是大模型能否生成职位描述、撰写邮件或总结文件；现在，HR开始追问更实际的问题：AI能否接入ATS、HRIS和学习平台，能否推动流程继续向前，能否减少重复操作，以及能否产生可以衡量的业务结果。
一项针对HR AI应用的研究梳理了138个工作场景，覆盖招聘、HR技术、学习与发展、员工体验、绩效管理、人才分析、薪酬福利、合规和组织发展等16个HR实践领域。其中，20个最常见的应用集中在招聘、HR平台、学习发展、绩效管理、员工沟通和人才分析六个领域。招聘相关场景占据近一半，说明目前最成熟的HR AI仍然集中在高频、标准化、数据相对清晰并且容易人工复核的工作中。
对于企业HR来说，这20个场景比“AI将如何改变人力资源”这样的宏观讨论更有参考价值。它们不仅展示了企业正在使用AI做什么，也揭示了HR AI产品最容易从哪里切入、如何形成稳定使用，以及哪些应用有机会从单点工具发展成为企业级工作平台。
20个最常见的HR AI应用，正在形成四类产品
第一类是招聘与人才获取，也是目前应用最集中的HR AI市场。
常见场景包括职位描述起草与优化、自动简历解析与筛选、招聘广告程序化优化、AI辅助搜寻被动候选人、候选人与岗位匹配、结构化面试指南生成、面试排期自动化、重复候选人识别、人才管道清理，以及面试转录与总结。
其中，职位描述起草与优化是目前最常见的HR AI应用，采用率达到20%；自动简历解析与筛选为16%；招聘广告优化和被动候选人搜寻均为12%；候选人与岗位匹配为11%。
第二类是HR平台与员工知识服务。
文件提交提醒与任务分流、HR系统内置AI Copilot，以及基于企业内部文档的知识库问答，已经成为HR平台最常见的AI功能。这类应用的共同特点，是AI不再作为一个独立聊天工具存在，而是进入员工服务、HR运营和系统操作流程。
员工提出休假、福利、薪酬或公司政策问题后，系统不仅需要回答问题，还应该识别员工身份、调用适用政策、提供对应表单，并引导员工完成下一步操作。
第三类是学习与发展。
长篇培训资料摘要、AI生成测验与情景练习、微学习内容生成、个性化学习推荐和自适应学习体验，正在成为学习平台的重要增长方向。
早期学习AI主要帮助培训团队提高内容生产效率。下一阶段，系统将根据员工岗位、能力差距、学习历史和业务任务，动态决定向谁推荐什么内容，以及在什么时间提供学习支持。
第四类是绩效、沟通和员工反馈。
AI辅助起草绩效评语、常规HR沟通、目标设定支持，以及新员工调查与反馈分析，都已经进入较常见的应用范围。
这些功能距离员工和管理者的日常工作更近，也更容易形成稳定的使用频率。但企业需要清楚区分“辅助表达”和“替代判断”。AI可以帮助管理者整理事实、改善表达和识别遗漏，却不应在缺乏业务背景的情况下，独立决定员工表现、晋升机会或后续管理措施。
企业应该从哪一个AI场景开始
很多HR团队面临的真正困难，不是缺少AI工具，而是不知道应该从哪个场景开始。
一种常见误区，是直接采购覆盖多个模块的AI平台，然后要求各部门寻找使用方式。更有效的方法，是先从企业真实存在的问题出发：哪些工作重复发生，哪些流程占用大量时间，哪些任务容易遗漏，哪些信息经常被重复查询，以及哪些结果能够被量化。
对于仍然主要依赖人工处理事务的HR团队，可以先从职位描述、日常沟通、文件摘要和培训内容生成等低门槛场景开始。
对于已经广泛使用生成式AI，但使用方式仍然零散的团队，下一步应当把AI固定嵌入招聘、员工服务或学习流程，建立模板、权限、审核和结果记录。
对于已经完成多个AI试点的团队，则需要进一步考虑系统连接、数据治理、跨流程编排和组织级AI能力建设。
HRTech推出的HR AI Forward成熟度框架与能力评测，将HR的AI发展划分为L0事务型HR、L1工具型HR、L2能力型HR和L3系统型HR四个等级、十二个阶段，帮助HR团队判断自己目前处于什么位置，以及下一步应该从工具使用、流程接入、能力沉淀还是系统建设入手。
138个应用场景解决的是“AI可以做什么”，成熟度评测解决的则是“企业现在适合做什么”。两者结合，才能避免企业一开始就进入高投入、高风险和难以衡量结果的复杂项目。
为什么招聘成为HR AI的第一增长入口
招聘之所以率先实现规模化，并不只是因为招聘科技公司更早采用AI，而是因为招聘流程天然具备适合自动化的条件。
职位描述、简历、岗位要求、候选人沟通和面试记录，大多以文本或结构化数据形式存在。职位发布、简历筛选、面试安排和候选人跟进又属于高频、重复的流程。同时，多数AI输出可以由招聘人员复核，即使出现问题，也有机会在最终录用决定前纠正。
这使招聘AI能够较快证明三类价值：减少行政操作时间、提高候选人处理速度，以及扩大招聘人员能够覆盖的人才范围。
但招聘场景也说明，模型能力不等于产品价值。一个能够生成优秀职位描述的工具，如果不能同步岗位模板、审批流程、招聘渠道和候选人数据，最终仍然只是一个低频写作工具。
真正具有增长能力的招聘产品，需要把“生成职位描述”连接到职位审批、广告发布、人才搜寻、候选人匹配、面试安排、面试记录和录用分析，让AI从内容生成进入完整招聘流程。
HR AI产品正在从内容生成走向工作流执行
从20个高频应用中，可以看到HR AI产品正在经历三个阶段。
第一阶段是内容生成。AI帮助HR起草职位描述、面试问题、绩效评语、员工邮件和培训材料。这类功能部署速度快、学习门槛低，也是企业最容易接受的起点。
第二阶段是流程协助。AI开始处理面试排期、文件提醒、简历解析、知识检索、候选人去重和会议总结。此时，产品价值不再只体现在生成质量，而是体现在能否减少操作步骤、缩短处理周期并降低流程遗漏。
第三阶段是智能编排。AI根据岗位需求推荐候选人，根据员工情况推荐学习内容，根据内部知识回答问题，并在HR系统中推动后续操作。产品开始从“回答用户的问题”转向“理解上下文并协助完成任务”。
对准备采购HR AI产品的企业来说，市场上并不缺少AI功能，真正困难的是判断不同产品属于哪个场景、能够解决什么问题、需要连接哪些系统，以及是否已经有同类客户验证。
企业可以通过HR科技云图 MapofHRTech查看招聘、人才管理、学习发展、员工体验、薪酬福利和HR数字化等不同类别的产品与服务机构，也可以下载2026 HR科技云图，作为企业开展供应商初步研究和产品选型的入口。HR科技云图同时提供动态产品目录和月度品牌榜单，帮助企业持续观察市场变化。
产品增长的核心，是占据一项高频工作
对于HR科技供应商而言，增加AI功能并不必然带来产品增长。很多AI功能在演示时非常吸引人，但用户试用几次后便不再使用，原因通常不是模型生成效果不够好，而是功能没有进入日常工作流程。
真正能够形成增长的产品，首先需要占据一项稳定发生的任务。例如，每次创建职位时自动生成和检查职位描述，每次安排面试时自动协调时间，每次完成面试后自动形成摘要，每次员工提出问题时自动从内部政策中寻找答案。
只有当AI与真实工作事件绑定，产品才可能获得持续使用。
其次，产品需要把多个孤立动作连接起来。以招聘为例，职位描述生成、招聘广告优化、人才搜寻、候选人匹配、面试指南和面试总结不应是六个彼此分离的功能，而应成为一个连续的招聘工作流。
用户不需要在不同工具之间重复复制信息，系统也能够使用前一个环节的数据支持后一个环节。
最后，产品必须建立结果反馈。AI推荐的候选人是否进入面试，生成的职位描述是否提高申请转化，学习推荐是否带来课程完成和技能改善，这些结果都应该反向进入产品。
没有反馈闭环的AI是一次性输出工具，有反馈闭环的AI才能持续改善，并形成真正的产品差异化。
对于正在建设AI产品、升级现有HR平台或已经形成客户案例的HR科技机构，可以申请加入HR科技云图产品与机构目录，让企业采购者能够在具体场景和产品类别中发现相关解决方案。HR科技云图的核心价值不是简单收录企业名称，而是将产品能力、市场分类、品牌信息和企业采购需求连接起来。
用户增长不是注册人数，而是从尝试走向工作习惯
HR AI的用户增长不能只看注册量、访问量或生成次数。企业用户是否真正采用一项产品，取决于产品能否完成从首次体验到稳定使用的转变。
用户激活的标志，不应只是打开AI功能，而是完成第一项有价值的HR任务。例如，成功生成并发布一个职位，完成一次候选人筛选，回答一个员工政策问题，或者制作一套能够直接使用的培训内容。
用户留存来自重复工作。职位描述、面试安排、员工问答、绩效评估和培训推荐都有明确的周期性。当产品能够在这些时间点主动出现，并自动带入岗位、候选人、员工或组织上下文，用户就不需要每次重新输入提示词，使用AI也会逐渐成为工作流程的一部分。
用户扩展发生在产品从个人工具变成团队系统之后。
最初可能只有一名招聘人员使用职位描述生成；随后，招聘团队开始共享模板，业务经理参与审批，HR负责人查看效率和质量数据；最终，产品扩展到更多岗位、部门和业务单元。
因此，对HR AI产品更有意义的增长指标应该包括：完成了多少真实工作流，用户是否持续重复使用，人工修改比例是否下降，流程周期是否缩短，是否有更多角色参与，以及产品是否从一个场景扩展到相邻场景。
从产品功能走向可传播的客户成果
HR AI供应商还需要解决一个经常被忽视的问题：产品已经上线，但市场并不知道它真正解决了什么问题。
仅仅宣传“接入大模型”“推出AI Agent”或“升级智能助手”，很难帮助企业买家理解产品价值。更有效的内容结构应该包括明确的业务场景、原有流程、AI介入方式、人员分工、实施周期和量化结果。
例如，与其只说产品推出了面试智能助手，不如说明它是否减少了面试记录时间、提高了面试反馈提交率，或者缩短了从面试到决策的周期。
与其只说系统能够生成培训内容，不如说明课程制作时间下降了多少、学习参与率是否提高，以及业务部门是否更快获得了需要的培训资源。
产品增长与内容增长最终需要连接在一起。产品功能提供实际价值，客户案例证明价值，行业内容解释价值，奖项和榜单进一步放大价值，最终形成企业认知、采购线索和市场影响力之间的增长循环。
目前，2026 HRTech INNO Awards已经设置HRTech创新实践奖、创新团队奖、创新产品奖，并特别设置人力资源科技AI创新产品奖。近12个月内已经形成实际应用和可量化成果的企业HR团队及HR科技产品，可以通过案例申报，将内部项目进一步沉淀为可复制、可传播的行业实践。
企业HR需要重新定义AI项目的衡量方式
当前很多企业AI项目仍然缺少清晰的价值衡量。企业知道员工正在使用AI，却不能准确回答AI节省了多少时间、改善了哪些结果，或者是否只是把工作从一个系统转移到了另一个系统。
对于职位描述生成，可以衡量起草时间、人工修改次数、审批周期和申请转化率。
对于面试排期，可以衡量人工协调时间、候选人取消率和招聘周期。
对于知识库问答，可以衡量问题解决率、人工工单减少量、响应时间和员工满意度。
对于学习推荐，可以衡量内容参与率、课程完成率、技能变化和实际岗位表现。
只有当HR把应用场景与业务指标连接起来，AI采购才会从创新试点预算进入长期运营预算，产品也才有机会从单一部门试点走向企业规模化部署。
AI应该减少低价值操作，而不是替代HR判断
AI目前最稳定的价值，是帮助HR更快地处理信息、形成初稿、发现模式和推进流程，而不是自动完成复杂的人事判断。
在招聘、绩效、薪酬、员工关系和组织调整等高影响场景中，AI可以提供信息和建议，但最终判断仍应由具备业务背景并承担管理责任的人完成。
产品需要保留人工审核、修改记录、数据来源、权限控制和员工申诉机制，而不能把“自动化程度更高”简单等同于“产品更加先进”。
对企业来说，负责任的AI应用不是降低创新速度，而是让产品更容易得到员工、管理者、法务和企业管理层的长期信任。
HR AI下一阶段的分水岭，是能否形成工作完成率
138个应用场景为企业提供了一张能力地图，而最常见的20个应用则说明，市场不会平均接受所有AI功能。
最先实现规模化的，仍然是高频、标准化、数据相对清晰、输出容易复核，并且能够产生明确业务结果的工作。
对于HR而言，正确的起点不是寻找一套能够覆盖所有场景的“万能AI”，而是找到最耗时、重复度最高、最容易衡量的几个流程，明确AI负责什么、员工负责什么，以及最终结果如何评价。
对于HR科技公司而言，下一阶段的竞争也不再是谁拥有更多AI按钮，而是谁能够把内容生成、流程自动化、数据连接和业务结果组合成完整产品。
用户不会长期为一次精彩的回答付费，但会为持续减少工作、缩短流程并改善结果的系统付费。
HR AI真正的增长机会，不在于让HR每天多使用一个聊天工具，而在于让AI进入工作发生的地方，理解组织上下文，协助完成任务，并把节省下来的时间重新投入到判断、沟通、关系和组织建设中。
HRTech将持续跟踪全球HR AI产品、企业实践、投融资、上市公司表现和HR科技市场变化。HR从业者可以阅读并下载《2026年8月HRTech行业观察报告：企业HR必须关注的五大变革》，也可以订阅HRTech每周资讯，持续获得全球HR科技产品、趋势和实践信息。
-
人工智能
【财报】ADP 2026财年收入达219.47亿美元：AI开始从产品功能走向企业级运营基础设施
HRTech核心摘要：ADP发布2026财年业绩：全年收入219.47亿美元，同比增长7%；净利润44.14亿美元，同比增长8%；调整后EPS增长11%至11.12美元。Employer Services新业务预订额达到22亿美元，客户留存率维持在92.1%。AI成为本次财报重点。ADP客户及员工全年与ADP Assist Agents完成超过1200万次对话，上线ADP Lyric HCM的客户数量增长94%，AI还被进一步嵌入服务和销售流程。ADP预计2027财年收入增长5%至6%，调整后EPS增长9%至11%。这份财报释放出一个重要信号：大型HR科技公司的AI竞争，正从聊天机器人转向薪酬、HCM、服务和全球合规工作流的全面重构。 受此消息影响，股价盘中一度达到280美元，收盘市值1092.75亿美元，更多全球HR科技动态，请访问 #HRTech
全球薪酬与人力资本管理服务商 ADP（Nasdaq: ADP）发布截至2026年6月30日的第四季度及2026财年业绩。公司全年实现收入219.474亿美元，同比增长7%，按有机固定汇率计算增长6%；净利润达到44.135亿美元，同比增长8%；调整后净利润为44.854亿美元，同比增长10%。
从盈利能力看，ADP全年调整后EBIT达到58.746亿美元，同比增长10%，调整后EBIT利润率提升80个基点至26.8%；全年摊薄每股收益为10.94美元，同比增长10%，调整后摊薄每股收益为11.12美元，同比增长11%。
第四财季，ADP实现收入54.738亿美元，同比增长7%；净利润9.786亿美元，同比增长7%；调整后EBIT为13.72亿美元，同比增长13%；调整后摊薄每股收益为2.64美元，同比增长17%。
这份财报最值得关注的，不只是收入和利润继续增长，而是ADP对AI的定位正在发生明显变化。AI不再只是附加在HCM平台上的功能，而是在逐步进入客户服务、销售、薪酬、全球HR与内部运营流程，成为企业级工作基础设施的一部分。
Employer Services保持稳健，客户留存率维持92.1%
2026财年，ADP Employer Services业务收入达到148.314亿美元，同比增长7%。该业务覆盖全球HCM、人力资源外包、薪酬、考勤、人才、福利及合规等解决方案。
全年Employer Services新业务预订额增长6%，达到22亿美元；客户收入留存率维持在92.1%。ADP同时表示，公司整体客户满意度达到新的历史高点。
第四财季，Employer Services收入达到36.967亿美元，同比增长7%；业务利润率由上年同期的33.5%提升至34.4%，同比提高90个基点。
ADP将利润率提升主要归因于两方面：一是运营生产率改善，二是客户资金利息收入增长。美国同店口径下的每客户薪资处理人数在第四财季和全年均增长1%，说明ADP客户群体中的就业增长仍较温和，但客户留存、交叉销售和运营效率依然支撑了业务表现。
ADP Assist全年完成超1200万次对话
AI成为ADP本次财报中的核心战略信号。
2026财年，ADP客户及其员工与ADP Assist Agents进行了超过1200万次对话。与此同时，已上线ADP Lyric HCM的客户数量同比增长94%。
ADP还进一步增强了内部服务与销售平台The Zone的AI能力，并表示AI工具正在被嵌入产品、服务和销售团队，用于提升质量、生产效率与客户体验。
ADP总裁兼首席执行官Maria Black表示，AI正在重塑工作的完成方式、岗位形态以及团队组织方式，这使HCM比以往任何时候都更加关键。企业需要值得信赖的合作伙伴，帮助其应对这一变化。
首席财务官Peter Hadley则指出，AI工具已经在ADP的产品、服务和销售团队中得到应用，并开始改善质量和生产效率。
从行业角度看，ADP正在展示一种不同于独立AI工具公司的路径：不是先将AI包装成单独产品，而是将其嵌入薪酬、员工服务、销售支持和HCM平台迁移流程中。对于大型企业软件公司而言，这种模式可能更容易转化为客户留存、服务效率和利润率改善。
延伸阅读｜免费下载ADP《职场人2026》全球劳动力白皮书
ADP基于覆盖36个国家、39,000多名员工的调研，进一步分析员工安全感、代际管理、无偿加班、AI落地与敬业度等关键议题。对于正在制定2027年人力资源规划、推进薪酬转型或评估AI应用的企业，这份报告可作为补充参考。
报告下载： https://www.hrtechchina.com/Survey/487D14BC-0DBE-6F25-BEB8-A97DE26CBE62
ADP Lyric HCM进入规模化推进阶段
ADP Lyric HCM上线客户数量增长94%，意味着ADP的新一代HCM平台正在从产品发布阶段进入更大规模的客户部署阶段。
对于ADP而言，Lyric HCM的战略意义不仅是替换旧系统，更重要的是建立统一的数据架构，使薪酬、HR、考勤、人才和员工服务能够在同一平台中运行，并为AI Agent提供更完整的业务上下文。
在AI时代，HCM平台之间的竞争重点正在发生变化。过去，企业主要比较模块数量、功能深度和实施成本；未来，平台是否拥有统一数据、全球合规能力、可靠工作流以及可控的AI权限体系，可能成为更关键的采购标准。
ADP拥有超过110万家客户，覆盖140多个国家。庞大的薪酬和劳动力数据规模，为其训练、部署和优化企业级AI能力提供了现实基础，但同时也意味着更高的数据安全、隐私和合规要求。
全球薪酬与国际业务需求加速
ADP表示，国际市场的新业务预订增长正在加快，企业对统一全球薪酬、全球HR和全球考勤解决方案的需求持续上升。
随着越来越多企业跨国经营，全球薪酬已经从后台行政工具转向企业全球化运营的重要基础设施。企业不仅需要在不同国家准确发薪，还需要统一员工主数据、工资标准、税务规则、考勤信息和合规报告。
这也意味着，全球薪酬市场的竞争门槛正在提高。单一国家的本地薪酬能力已经不足以满足大型企业需求，平台需要同时具备全球技术架构、本地合规知识、服务网络和稳定交付能力。
ADP在这一领域的优势来自规模、客户基础和长期积累，但也将面临Workday、SAP、Oracle及新一代全球薪酬平台的持续竞争。
PEO业务收入增长，但利润率承压
ADP PEO Services业务2026财年收入达到71.281亿美元，同比增长7%；剔除零利润福利转付收入后，收入增长5%。
全年平均工作场所员工数量约为76.2万人，同比增长2%；第四财季平均工作场所员工数量达到约77.5万人。
不过，PEO业务利润率出现下降。第四财季PEO利润率由13.2%下降至12.2%，同比下降100个基点；全年利润率下降110个基点。
ADP表示，利润率下降主要受到三方面影响：零利润福利转付收入增长更快、工伤保险费用上升，以及销售费用增加。
这一结果说明，在分析PEO业务时，不能只看总收入增长。零利润福利转付会放大收入规模，但并不会同步增加利润。更有参考价值的指标包括：剔除转付后的收入、工作场所员工数量、工伤保险成本以及分部利润率。
客户资金利息收入继续增强盈利能力
客户资金业务仍然是ADP利润结构中的重要组成部分。
2026财年，ADP客户资金平均余额达到404亿美元，同比增长7%；平均收益率由3.2%提升至3.4%；客户资金利息收入增长14%，达到13.548亿美元。
ADP客户资金投资策略带来的净贡献为13.146亿美元，同比增长22%。
由于ADP在代发薪资过程中会暂时持有大量客户资金，这些资金的余额、投资期限和收益率会直接影响公司的利息收入。因此，利率环境和客户资金规模是ADP盈利能力中不可忽视的变量。
ADP预计，2027财年客户资金利息收入将达到15.40亿至15.60亿美元，客户资金平均余额预计增长3%至4%，平均收益率预计提升至约3.7%。
这意味着，即使宏观就业增长保持温和，客户资金收益仍可能继续为ADP的利润率扩张提供支撑。
2027财年指引：收入增长5%至6%
ADP预计2027财年总收入增长5%至6%，调整后EBIT利润率扩大70至90个基点，调整后有效税率约为23%，摊薄每股收益增长11%至13%，调整后摊薄每股收益增长9%至11%。
Employer Services收入预计增长5%至6%，新业务预订额增长4%至7%，客户收入留存率预计下降10至30个基点，美国每客户薪资处理人数预计增长0%至1%。
PEO Services收入预计增长5%至7%，剔除零利润福利转付后的收入预计增长3%至5%，平均工作场所员工数量预计增长约2%。
整体来看，ADP对2027财年的判断仍然偏稳健。公司没有给出明显加速的收入预期，但仍预计利润率继续扩张、调整后每股收益保持较快增长。
HRTech观察：AI价值正在从功能展示转向经营结果
ADP 2026财年的表现，为观察大型HR科技公司的AI商业化路径提供了一个重要样本。
第一，AI的价值首先体现在运营效率，而不一定直接体现为单独的AI收入。ADP全年收入增长7%，但调整后EBIT增长10%，调整后每股收益增长11%，说明利润增长快于收入增长。AI对服务、销售和内部运营的改善，可能正在逐步转化为经营杠杆。
第二，企业级AI竞争正在从模型能力转向数据、工作流与信任。对于薪酬和HCM平台而言，AI不仅需要回答问题，还必须能够安全调用员工数据、执行流程、遵守权限并满足合规要求。ADP反复强调“trust”，本质上是在强化其在薪酬准确性、合规和客户责任方面的护城河。
第三，AI正在推动HCM平台重新集中化。过去几年，企业HR技术栈不断分散，大量垂直工具围绕招聘、学习、绩效和员工体验快速增长。但随着AI Agent需要跨系统调用数据和执行任务，统一平台、统一身份和统一数据模型的重要性重新上升。
第四，全球薪酬可能成为AI时代HCM平台的核心入口。薪酬数据天然连接员工、组织、成本、税务、时间和合规。谁能够控制全球薪酬与员工主数据，谁就更有机会成为企业AI工作流的底层平台。
ADP的财报并不意味着其已经完成AI转型，但可以确认的是，AI已经开始进入其核心经营体系。未来，市场将更加关注ADP Assist的实际使用深度、ADP Lyric HCM的客户迁移速度、AI对服务成本的影响，以及全球薪酬业务能否持续加速。
对于HR和企业管理者而言，选择HCM平台的标准也将发生变化。除了功能和价格之外，平台是否具备可靠的数据治理、全球合规、可审计的AI工作流和长期服务能力，将成为越来越重要的决策因素。
从财报到行动：企业HR可以重点关注什么
ADP本次财报所反映的变化，不应只被理解为一家上市公司的增长结果。对于正在推进HR数字化的企业，更实际的意义在于重新审视以下三个问题。
首先，企业现有的薪酬、考勤、员工数据和服务流程，是否已经形成能够支持AI调用的统一数据基础。没有清晰的数据权限、流程标准和系统接口，AI很难从问答工具升级为可执行的工作流。
其次，企业在评估AI能力时，不能只比较模型或聊天功能，还需要考察数据治理、全球合规、结果可审计性以及供应商的持续服务能力。尤其在薪酬与员工数据场景中，准确性和责任边界比单纯的生成速度更重要。
第三，跨国企业需要重新评估全球薪酬与全球HR数据架构。随着AI Agent逐步参与员工服务、数据分析和流程执行，分散在不同国家和供应商中的薪酬数据将进一步增加管理复杂度。统一全球薪酬、HR与考勤数据，可能成为企业下一阶段AI落地的基础工程。
希望进一步了解员工对AI、工作安全感、代际管理、无偿加班和敬业度的真实态度，可下载ADP《职场人2026》全球劳动力白皮书。该报告覆盖36个国家、39,000多名员工，可为企业制定人才策略、员工体验计划和薪酬转型方案提供更具体的调研依据。
免费下载报告： https://www.hrtechchina.com/Survey/487D14BC-0DBE-6F25-BEB8-A97DE26CBE62
资料来源： ADP于2026年7月29日发布的第四季度及2026财年业绩公告与投资者演示材料。
-
人工智能
AI冲击下的职场变局：年轻员工首当其冲，初级岗位入口加速收窄，AI正在重构任务，而非简单消灭岗位
高AI暴露岗位需求下降42%，AI采用企业人力却增长27%：
HRTech概述： 美国劳动力数据与研究公司Revelio Labs通过劳动力供给、企业招聘需求、就业与工资、岗位工作内容以及招聘匹配五个维度，持续追踪人工智能对美国劳动力市场的实际影响。首期数据显示，自2022年10月以来，AI暴露度最高职业的招聘需求相对于最低暴露职业下降42%；与此同时，已经采用AI的企业，员工规模增长却比未采用企业高出27%。这组看似矛盾的数据表明，AI带来的变化并不是简单的“机器取代人”，而是企业内部的任务组合、人才结构和招聘方式正在同步重构。
从预测岗位消失，转向观察正在发生的变化
围绕AI与就业市场的讨论，过去几年一直充斥着相互矛盾的判断。一些研究预测AI将大规模取代岗位，另一些观点则认为AI能够提高生产率、创造新职业并推动企业增长。
Revelio Labs推出AI Labor Market Tracker的核心目的，是减少这种以预测为主的讨论，转而通过实际劳动力数据回答一个更直接的问题：AI现在究竟对招聘、就业、技能和工作内容产生了什么影响？
该Tracker将按月更新，结合Revelio Labs自身的劳动力数据、招聘职位、薪酬信息和员工情绪数据，同时参考并更新相关学术研究结论。追踪范围包括劳动力供给、企业需求、就业与工资、岗位活动以及人才与企业之间的招聘匹配。Revelio Labs表示，其底层数据覆盖超过3000万家公司、50亿条招聘职位以及195个以上国家和地区。
需要注意的是，产品虽然使用“实时衡量”作为定位，但其首期指标主要反映截至2026年6月的劳动力市场变化，并按照月度节奏更新。更加准确的理解，应当是一个持续更新的近实时劳动力市场监测体系，而不是逐日或逐小时变化的实时系统。
高AI暴露岗位需求下降，但不等于岗位已经被AI替代
首期Tracker中最受关注的数据，是AI暴露度最高职业的招聘需求出现明显下降。
Revelio Labs正式Tracker页面显示，自2022年10月以来，AI暴露度最高职业的招聘需求相对于最低暴露职业下降了42%。这里的“AI暴露度”并不是指企业已经使用AI取代了这些岗位，而是衡量某项职业中的工作活动，有多大比例在技术上可能由当前生成式AI完成。
例如，数据整理、基础分析、文案起草、内容总结、信息录入和标准化报告等任务，通常具有较高的AI暴露度。即使企业尚未正式部署AI，也可能因为预期这些任务未来会被自动化，而减少相关岗位招聘、调整岗位职责，或者提高招聘门槛。
Revelio Labs的新闻稿以数据工程师和金融分析师等岗位为例，称AI暴露程度较高职业的招聘需求相对于低暴露职业下降36%。但公司正式Tracker页面显示的最新数字为42%。两个页面分别以2022年11月和2022年10月为比较基准，公开资料没有进一步解释两组数字差异的具体原因。HRTech建议，在引用该研究时以正式Tracker页面显示的42%为主，同时注明新闻稿曾使用36%的表述，避免将不同口径混用。
更重要的是，AI暴露度高并不意味着这些岗位已经消失。Revelio Labs发现，自ChatGPT推出以来，AI暴露度最高职业的就业增长，仅比AI暴露度最低职业低约4%。就业市场已经出现压力，但目前并没有出现与招聘需求下降同等幅度的岗位消失。
年轻员工和初级岗位正在承受更明显的压力
AI对不同职级和年龄人群的影响并不平均。
Revelio Labs的研究显示，在AI暴露度较高的职业中，年轻员工的就业表现明显弱于资深员工。22至25岁员工在相关职业中的就业增长，相对于低AI暴露职业下降约13%。
这意味着AI对劳动力市场最早产生的影响，可能不是大规模裁撤现有员工，而是减少企业对初级人员的需求。过去，许多年轻员工通过资料整理、基础分析、报告撰写、客户支持和流程操作等工作进入企业，再逐步积累行业知识和判断能力。随着这些任务被AI辅助或部分自动化，企业可能不再需要同样数量的初级员工。
这一变化会带来一个长期的人才供应问题。如果企业只保留需要经验和判断能力的高级岗位，却不断削减用于培养人才的初级岗位，未来可能出现资深人才不足、内部继任断层和管理人才供应下降。
因此，AI时代的初级岗位不应该只是被简单取消，而需要被重新设计。企业需要让年轻员工更早参与客户沟通、业务判断、AI结果审核、跨部门协作和复杂问题解决，避免其工作长期停留在最容易自动化的任务层面。
为什么AI采用企业反而增长得更快？
与高AI暴露职业需求下降同时发生的，是AI采用企业员工规模的明显增长。
Revelio Labs通过企业发布的AI integrator相关岗位，识别已经开始将生成式AI整合进业务流程的企业。研究显示，自2022年10月以来，这些AI采用企业的员工规模增长，比未采用企业高出27%。其中，高级岗位增长31%，初级岗位增长只有6%。
这组数据说明，AI可能降低企业对某些任务和岗位的需求，同时帮助企业扩大整体业务规模。企业通过自动化重复工作、加快产品开发、提高客户服务效率或扩大数据处理能力，可能释放出新的业务需求，进而增加销售、产品、管理、工程和客户成功等岗位。
换句话说，AI减少的可能是完成某项工作的单位人力需求，而不是企业整体的增长能力。一个部门可能因为AI减少部分基础岗位，但企业整体却因为生产率提升而进入新的市场，并增加其他岗位。
不过，27%不能直接理解为采用AI必然会使员工规模增长27%。Revelio Labs也明确指出，AI采用企业在正式采用AI之前通常已经增长得更快。这些企业可能本身拥有更好的资本条件、技术能力、管理体系和业务增长速度。因此，这一结果反映的是两类企业之间的增长差距，而不是已经被完全证明的AI因果效应。
AI改变工作内容的速度，可能快于改变岗位数量
Revelio Labs首期Tracker最有价值的判断，并不是哪个岗位会消失，而是AI正在快速改变岗位内部的工作内容。
传统劳动力市场分析通常关注职位数量、失业率、岗位名称和职业分布。但一个岗位本身就是多项工作活动的组合。即使企业没有取消“市场分析师”“招聘顾问”或“财务分析师”等职位，也可以重新分配这些岗位内部的任务。
例如，一名分析师可能减少数据录入、资料搜集、基础制表和报告初稿工作，转而增加AI结果审核、异常判断、业务解释和管理层沟通。一名招聘人员可能减少简历初步整理，却需要投入更多时间进行候选人验证、能力判断、关系维护和招聘流程设计。
Revelio Labs建立的工作活动差异指数显示，2026年6月，美国经济中按员工规模加权的工作活动组合同比变化达到8.4个百分点。更值得关注的是，大部分变化发生在同一职业内部，而不是因为企业从一种职业大规模转向另一种职业。
这也解释了为什么一些基于整体就业和职业分布的研究，尚未观察到明显的AI就业冲击。2026年6月，Yale University旗下The Budget Lab发布的持续追踪研究认为，当前职业结构变化尚未清晰显示与AI引入之间的关系，AI使用指标也没有表现出与就业或失业变化之间的明确联系。
两项研究并不一定相互矛盾。Yale University更关注宏观就业和职业结构是否已经发生明显变化，而Revelio Labs进一步观察岗位内部的任务构成。宏观岗位数量可能相对稳定，但岗位内部的工作方式已经发生快速改变。
正如Revelio Labs Chief Economist Lisa Simon所概括的那样，AI正在自动化部分工作，但尚未自动化完整岗位；工作内容正在快速改变，而大部分变化发生在现有职业内部。
AI也可能正在降低传统招聘信号的有效性
AI不仅改变企业招聘什么样的人，也正在改变求职者如何参与招聘。
Tracker数据显示，企业目前平均需要发布5.05个招聘职位，才能对应一次可观察到的外部招聘，同比增长264%。招聘职位与实际招聘之间的匹配效率，已经连续六年下降。
这一趋势早于ChatGPT出现，因此不能全部归因于生成式AI。但Revelio Labs认为，AI可能进一步放大了原有问题。
生成式AI降低了制作简历、撰写求职信、准备面试回答和批量申请岗位的成本。优秀候选人能够更好地展示自己，但普通申请者也能够快速生成一份看起来专业、完整且符合职位描述的申请材料。
结果是，简历和求职信的信号价值下降。企业收到更多看起来合格的申请，却更难判断谁真正具备岗位能力。企业可能因此增加筛选环节、减少与普通申请者沟通，候选人则通过提交更多申请应对较低的回复率，形成新的恶性循环。
Revelio Labs还发现，在没有获得Offer的面试评价中，候选人提及招聘人员失联、未回复或“ghosting”的比例，自2022年10月以来上升约9%。但该研究尚不能证明AI生成的申请直接导致了招聘方失联，只能说明AI可能在一个已经低效的招聘体系中增加了更多噪音。
HRTech观点：企业需要从“岗位管理”转向“任务与能力管理”
从HRTech视角看，Revelio Labs这项研究最重要的意义，是提醒企业不要再用简单的“AI替代多少岗位”来制定人力策略。
第一，企业需要将AI影响评估下沉到任务层面。一个岗位通常同时包含可自动化任务、可由AI增强的任务，以及必须依赖人类判断、信任和责任承担的任务。仅根据岗位名称决定裁员或冻结招聘，容易错过真正需要重构的工作环节。
第二，企业需要重新设计初级人才入口。不能因为AI能够完成基础工作，就完全取消初级岗位。更合理的方式，是让AI承担重复劳动，同时让年轻员工更早学习业务判断、问题分析、客户沟通和AI结果审核。
第三，企业需要更新技能模型和职业发展体系。未来岗位价值可能不再取决于员工能否完成大量标准化任务，而取决于其能否定义问题、调用AI、验证结果、理解业务并对最终决策负责。
第四，招聘团队需要重新建立人才识别信号。当简历、求职信甚至部分面试答案都可以由AI生成时，企业需要增加与真实工作相关的评估，例如结构化工作样本、情境任务、项目讨论和基于过去行为的深度访谈，而不是简单增加更多筛选工具。
第五，HR需要谨慎解释AI与就业之间的因果关系。高AI暴露岗位需求下降，不等于AI已经直接取代这些岗位；AI采用企业增长更快，也不等于任何企业部署AI都会自动获得增长。行业周期、企业规模、资本能力、组织成熟度和人才结构都可能影响结果。
AI对劳动力市场的影响，正在以多个方向同时发生
Revelio Labs AI Labor Market Tracker揭示的并不是一个简单的就业结论，而是一个正在分化的劳动力市场。
AI暴露程度较高的工作需求正在下降，尤其影响初级岗位和年轻员工；真正采用AI的企业却可能获得更强的扩张能力，并增加高级岗位；岗位名称和就业总量尚未发生全面变化，但岗位内部任务正在快速重组；招聘技术越来越强，企业与人才之间的匹配效率却可能继续下降。
AI对就业的影响不会以一次统一的冲击出现，而会分别体现在招聘需求、岗位任务、技能投资、企业增长、职业入口和招聘匹配等不同环节。
对于企业HR而言，当前最重要的问题已经不是“AI会不会取代员工”，而是企业能否在AI改变工作之前，重新设计任务、能力、招聘和人才成长体系。
关于Revelio Labs
Revelio Labs是一家劳动力智能与研究公司，通过处理和标准化公开职业履历、招聘职位、员工评价等数据，为企业、投资机构、研究人员和政府部门提供劳动力市场分析。公司表示，其数据覆盖超过3000万家公司、50亿条招聘职位以及195个以上国家和地区。Founder and Chief Executive Officer为Ben Zweig，Chief Economist为Lisa K. Simon。
文章来源：HRTech编译与解读。数据来源包括Revelio Labs、AI Labor Market Tracker及Yale University The Budget Lab。
-
人工智能
【创新大奖】2026HRTech创新奖评选提名正式启动，诚邀参与！HRTech INNO Awards，创新引领人力资源新未来！
【创新大奖】2026HRTech创新奖评选提名正式启动，诚邀参与！HRTech INNO Awards，创新引领人力资源新未来！ 2026 HRTech INNO Awards ——创新引领人力资源新未来推动人力资源科技创新，表彰行业先进
当下全球经济环境复杂多变，AI 大模型深度落地、企业全球化出海提速，人力资源数字化、智能化、全域线上化已成企业组织升级必经之路。人才竞争、组织效能、员工体验、全球化用工等多重挑战，倒逼 HR 管理模式、技术产品持续迭代创新。
HRTech 作为国内垂直深耕人力资源科技的第三方专业服务平台，长期聚焦行业前沿技术、标杆实践与产业趋势，持续输出行业榜单、专业峰会、深度内容，推动人力资本数字化高质量发展。 2026 HRTech INNO Awards 人力资源科技创新评选正式启幕，面向全行业发掘可落地、高价值、前瞻性的 HR 创新实践、优秀 HR 团队与数智产品，树立行业标杆，传递创新力量。
2026 HRTech INNO Awards 旨在表彰那些在人力资源科技领域做出杰出贡献的企业，HR团队及人力资源科技服务机构，鼓励创新、探索精神。
欢迎踊跃提名
https://www.hrtechchina.com/Survey/21484CA0-541F-A6BA-EC55-5DFADA5FDDB1
评选定位
面向企业 HR 团队、人力资源科技服务商，表彰在人才吸引、招聘选拔、培训发展、绩效管理、员工关怀、雇主品牌、全球化用工、AI 智能化落地等全 HR 场景，实现降本增效、组织增值、模式突破的创新主体；搭建行业案例共享、供需对接、品牌传播、资源链接的专业平台，以标杆力量驱动人力资源科技产业革新。
创新，需要勇气，更需要行动！
奖项设置HRTech创新实践奖（企业内部HR创新实践）
HRTech创新团队奖（企业内部HR团队）
HRTech创新产品奖（HR科技机构申请）
特别设立
人力资源科技AI创新产品奖
人力资源科技出海创新产品奖
参评核心要求
申报案例、产品落地周期为近 12 个月内，具备完整落地场景与可量化业务成果；
申报主体无行政处罚、重大负面舆情、行业失信记录；
创新方案需具备可复制性、行业参考价值，不局限单一小众场景；
所有申报材料需提交完整案例文档、数据成效佐证材料。入围主体需配合参与峰会现场标杆案例分享或线上专题访谈（部分优质项目）；
其他补充事宜
参评核心价值
权威行业认证：获得 INNO 创新官方行业标签，成为企业数字化创新转型实力背书；
全域品牌曝光：平台官网、行业公众号、垂直社群、行业峰会全渠道传播，海量 HR 专业人群触达；
供需精准对接：获奖案例纳入 HRTech 官方标杆案例库，精准匹配甲方企业数字化采购需求；
行业资源链接：免费参与线上专题沙龙、线下行业峰会，与头部 CHO、服务商面对面交流；
标杆内容沉淀：定制企业案例专访、行业专题报道，沉淀可复用市场宣传素材；
最大化利用评选结果：进行对产品的对外市场宣传 发挥在其领域的领导作用，促进产品创新和行业发展
参与评选流程
免费提名：扫描海报二维码 / 复制链接 http://hrnext.cn/Usmwh3 提交基础信息；
案例提报：初审通过后，完整上传项目实践、数据成果、落地材料；
专家评审：进入行业专家专业独立评审打分；
大众投票（部分项目）；
案例分享：部分优质项目及HR创新实践案例论坛现场分享；
颁奖典礼：获奖产品/项目，及团队现场参加颁奖典礼及颁发获奖证书。
企业奖项申请咨询：
微信：hrtech-china
邮件：hi@hrtechchina.com
机构奖项申请咨询：
微信：HRTechNice
邮件：nice@hrtechchina.com
立即提名，与HRTech一同见证和塑造人力资源科技的未来！
关于HRTechHRTech是国内首家领先的专注人力资源科技商业服务平台，作为HR领域唯一深度垂直独立的第三方专业服务机构，致力于推动人力资源科技进步与发展，持续引领行业新科技新趋势新产品新方向。HRTech核心报道HR科技创新企业与产品，关注并实时分享全球的人力资源科技资讯。定期发布行业市值榜单和HR科技云图，持续举办高品质的专业前沿峰会论坛，表彰认可业内先进。
-
人工智能
【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
-
人工智能
【西班牙】人工智能劳动力运营平台Factorial 完成了 1.5 亿美元 D 轮融资
HRTech概述：总部位于西班牙巴塞罗那的人工智能劳动力运营平台Factorial，以25亿美元的估值，完成了1.5亿美元的D轮融资。
本轮由General Catalyst领衔，Atomico和Four Rivers参与。
除了股权融资外，General Catalyst还通过其客户价值基金追加了最高5.4亿美元，使总投入资本超过7亿美元，确保Factorial在未来几年内的增长。
公司计划利用这笔资金扩大运营和开发工作。
由首席执行官Jordi Romero领导，Factorial 提供专为中小企业（SMEs）设计的基于云的人力资源（HR）和业务管理软件。该解决方案自动化并简化了复杂的行政工作流程，使企业能够摆脱电子表格和手工文书工作。该平台涵盖三个核心领域：
财务与运营：管理员工费用、工资准备、数字文件签署、企业卡管理以及IT资产/SaaS跟踪。
人力资源与人才管理：包括跟踪员工假期和缺勤、监控班次排班、绩效管理、员工入职/离职以及招聘（招聘）等工具。
考勤：它配备了自动化时间跟踪、打卡/下班解决方案以及AI驱动的班次规划。
关于Factorial
Factorial是一个人力资源管理平台，可自动化包括工时跟踪、薪资和招聘在内的各种人力资源流程。该公司平台帮助人力资源经理轻松管理员工的假期和病假，提供福利或灵活的薪酬计划，同时自动化工资发放，使客户能够自动化人力资源事务，减少错误，并深入了解其组织。
-
人工智能
在招聘过程中，人工智能能在哪些方面发挥最大作用？
HRTech概述：招聘格局正在迅速变化。随着各行业经历多轮裁员，许多企业面临着海量合格候选人，却苦于找不到明确的方法来甄别合适人选。
候选人数量的增加本应让招聘工作更轻松，但实际上却往往适得其反。优秀的候选人既可能脱颖而出，也可能被遗漏。
为解决这一问题，招聘经理们开始借助技术手段。仅在过去一年，招聘领域的人工智能应用率就从26%跃升至53%。
但采用率并不等同于实际成效。超过三分之一的组织仍完全避免在招聘中使用人工智能。即便采用，大多数也仅将其应用于筛选简历、撰写职位描述或面试问题等简单任务。
这些任务虽能加快流程，却未必能提升招聘质量。它们并未解决大多数企业面临的核心挑战：如何持续识别合适人选并做出高质量的招聘决策。
那么，AI在招聘中究竟能在哪些方面发挥最大作用？
1、人工智能能够识别技能，而非仅仅依赖关键词。
当候选人池不断扩大时，许多组织以为最难的部分已经过去。实际上，问题只是换了种形式。看似人才济济，实则暗藏筛选难题。
招聘经理突然拥有了更多选择，却缺乏更好的评估框架。缺乏这一框架，决策质量便会下降。优秀的候选人被埋没，而那些“面试表现出色”的人却在缺乏明确证据证明其工作表现的情况下顺利晋级。
人工智能能够突破关键词匹配和表面信号的局限。它能识别出那些虽走过非传统路径，却满足岗位核心要求的候选人。企业可以训练人工智能模型，使其识别不同背景下的成功模式。回想2020年，许多教师离开教育行业，转而投身销售、软件和培训服务等新领域。他们具备胜任这些岗位的技能，但在纸面筛选中，可能因缺乏相关经验而被淘汰。
人工智能能够整合面试反馈、评估数据及过往招聘结果中的规律，从而聚焦于真正与绩效相关的特质，而非仅仅关注给第一印象最深刻的候选人。
2、人工智能能够实时识别偏见模式
担心人工智能会引入新的偏见形式，这种担忧是有道理的。设计不佳且基于有缺陷数据训练的系统，必然会产生有缺陷的结果。但人们往往忽略的是，人类的决策本身就存在严重的偏见，而且这种偏见远不如人工智能那样容易量化。
基于人工智能的面试分析工具，为实时揭示偏见模式提供了契机。例如，企业无需依赖事后统计的多样性指标，而是可以利用人工智能实时分析面试中的行为表现。面试官是否总是打断某些候选人的发言？面对相似的回答，他们是否会根据回答者的身份给出不同的评分？招聘经理是否更看重熟悉感而非能力？
这些决策很少是出于有意识的判断。但它们确实构成了一种模式，而人工智能恰恰擅长揭示这些模式。以此方式运用，人工智能并非取代人类的判断，而是像一面镜子般将其映照出来，让招聘人员和招聘经理有机会在当下及时调整。
3. 人工智能可以提高用户留存率
大多数组织将招聘视为一个独立的事件：寻找、评估、选拔，然后结束。
但招聘决策的真正衡量标准在于候选人接受职位后的表现。
人工智能能够将招聘智能延伸至入职和早期绩效管理，确保被录用的候选人能够尽可能长久地留任并出色地完成工作。企业可以利用人工智能分析过往招聘数据，为新员工设定更切合实际的期望。在入职后的前30、60或90天内，优异的绩效表现究竟是什么样子的？成功的员工通常在初期会遇到哪些困难？哪些信号能够预示长期的成功？
与千篇一律的入职计划不同，新员工可以基于在该岗位上取得成功的类似员工的模式，获得更个性化的指导。
这将招聘从一次性的决策转变为一个持续的过程，组织不仅在选拔人才，更在积极提高人才成功的概率。因为当人才成功时，组织也会随之成功。
重新思考招聘，意味着重新思考能力。
如果人工智能要在招聘领域产生实质性影响，企业必须为员工提供相应支持。这意味着要进行培训并培养真正的能力，而不仅仅是确保流程合规。学习与发展部门必须引导企业完成这一技能再培训过程。
当企业投资于提升招聘经理运用人工智能的能力时，其影响会随着时间的推移而不断放大。经理们能做出更明智、更一致的决策，减少对直觉的依赖，更多地依靠结构化评估。由此带来的连锁效应包括：减少误聘、缩短员工达到生产力所需的时间，以及降低事后对学习与发展部门补救措施的需求。
招聘决策折射出组织的决策水平，因为没有什么比人才更重要的决策了。人工智能有潜力提升这一标准，但前提是它被用来挑战那些根深蒂固的假设。当组织做好招聘工作时，其影响远不止于单个岗位。更优的招聘决策将塑造更强大的团队、更强大的组织，并最终造就更强大的劳动力队伍。
扫一扫 加微信
hrtechchina
