-
流程自动化
【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。
-
流程自动化
AI时代人力运营团队（People Ops）最渴求的 3 种 AI 自动化：让 HR 从“忙但低效”走向真正的组织驱动力
HRTech概述：在人力运营（People Ops）高速数字化的背景下，企业正持续面临“忙但不见成效”的结构性难题。最新趋势显示，团队普遍最渴求的三类 AI 自动化场景分别是：招聘资料包自动生成、端到端入职流程编排，以及员工问询 AMA 智能助手。这三类工作具有共同特征——高频、重复、依赖人工记忆、易造成信息不一致，因此特别适合以 AI 重构流程。比如：AI 在招聘中可自动生成 JD、面试题库与管理者提醒，让岗位准备时间减少 80%；在入职中可自动生成 30/60/90 天计划、同步 IT 与任务分配，使新员工生产力提升 35%；在员工支持端，通过知识库驱动的 AMA Bot，可自动解答 75% 重复提问。详细请阅读，同步视频解读访问视频号：HRTech
从“忙碌”到“高效”
如果您的HR或人力运营（People Ops）团队时常感到忙碌不堪，却又觉得未能产生应有的影响力，那么这篇文章就是为您准备的。许多团队都面临着一个共同的挑战：随着公司的发展，依赖手动的流程变得越来越难以支撑，导致效率低下、错误频发。
问题不在于团队不够努力，而在于流程本身。事实是，手动的人力运营模式无法规模化。当团队的大部分时间都耗费在重复性的行政工作上时，他们就无法专注于真正能驱动业务发展的战略性任务。
手动的人力运营模式无法规模化。
好消息是，人工智能（AI）自动化正在为解决这些最耗时的难题提供强大的方案。本文将深入探讨三种最具变革性的人力运营自动化工作流，它们正在帮助团队摆脱繁琐，迈向高效。
核心要点：三种颠覆性的AI自动化
要点一：告别手动招聘，迎接AI驱动的招聘包
问题所在（手动基线）：
创建一个完整的招聘包——包括职位描述、面试问题和评分卡——是一个缓慢、不一致且充满风险的过程。每个新职位都需要从头开始，这不仅耗时，还容易导致不同经理之间的标准不一。数据显示，这个过程平均每个职位需要花费 5小时的手动准备时间，并且导致经理之间的招聘材料质量差异高达25%。
解决方案（自动化工作流）：
幸运的是，通过引入AI自动化，这个耗时且不一致的流程可以被彻底重塑。当招聘系统或Slack中出现新的职位需求时，自动化流程会立即启动。AI会根据公司的职级体系和价值观起草一份专业的职位描述，并自动生成一个完整的面试工具包（包含所需技能、面试问题和评分卡）。在整个流程中，系统会自动在关键阶段提醒招聘经理，最后由人工进行审核和发送。
带来的影响（结果）：
准备时间减少了 80%。
从职位发布到首次面试的时间加快了 25%。
服务等级协议（SLA）违规率降低了 60%。
反思：
这不仅仅是节省时间，更重要的是在关键的招聘流程中提高了速度和一致性，从而更快地为公司招募到顶尖人才。更重要的是，标准化的面试工具包减少了招聘经理的个人偏见，为实现更公平、更高质量的招聘决策奠定了基础。
要点二：实现无缝入职，从第一天起就提高生产力
问题所在（手动基线）：
手动的入职流程常常陷入混乱。新员工的30/60/90天计划要么缺失，要么过于笼统；设备订单总是延迟；IT账号需要反复催促才能开通；而同事介绍也缺乏系统性。这些混乱直接导致新员工需要长达 6周的时间才能完全进入高效工作状态，并且有 20% 的新员工在入职第一周就错过了关键的设置步骤。
解决方案（自动化工作流）：
现在，想象一个完全不同的场景。当人力资源信息系统（HRIS）中添加新员工时，AI会自动协调整个端到端的入职体验。它会为新员工量身定制一份30/60/90天计划，自动创建任务并同步到协作工具，向IT部门发送设备和账号开通清单，安排介绍会，并在关键里程碑节点提醒其直属经理。
带来的影响（结果）：
新员工达到完全生产力的时间缩短了 35%。
设备配置遗漏率为 0。
经理的跟进执行力提升了 2倍。
反思：
这彻底改变了新员工的入职体验，从第一天起就塑造了积极的公司印象，并加速了他们为公司创造价值的进程。这种积极的第一印象不仅能加速新员工的价值贡献，更是提高长期敬业度和留存率的关键第一步。
要点三：用知识机器人消除重复性员工问询
问题所在（手动基线）：
回答员工的重复性问题是人力运营团队一个“隐形的时间黑洞”。团队成员每天都在Slack或Teams中回答同样的问题，这不仅打断了他们的工作节奏，还可能因为回答者不同而导致答案不一致。数据显示，团队每周要花费 10个小时来处理重复性问询，其中 40% 的问题每个月都会重复出现。
解决方案（自动化工作流）：
这个问题可以通过智能自动化迎刃而解。通过将一个智能问答（AMA）机器人连接到公司的知识库（如Notion、公司内网等），可以完美解决这个问题。员工在Slack或Teams中提问，机器人会立即搜索知识库，提供一个有理有据、附带源链接的答案。只有当遇到无法解答的边缘案例时，系统才会将问题和摘要转交给人工处理。
带来的影响（结果）：
75% 的问询无需人工干预即可解决（这通常被称为“问题偏转率”，即衡量自动化系统独立解决问题的能力）。
团队每周处理问询的时间节省了 80%。
平均响应时间从 3.5小时 骤降至 30秒。
反思：
这使得人力运营团队终于可以从繁琐的行政事务中解放出来，将精力投入到更具战略意义和高影响力的人才发展项目中。其效率提升之巨，可以用一个惊人的数字来概括：
快700倍的响应速度
启动你的自动化飞轮
从招聘流程的标准化，到新员工入职的无缝体验，再到日常问询的即时响应，我们看到了AI自动化在人力运营领域释放出的巨大潜力。这些变革不仅仅是效率的提升，更是团队价值的重塑。
现在，是时候开始行动了。成功的秘诀在于：精准选择一个核心流程，将其深度自动化，然后静待增长的飞轮开始加速旋转。
您团队的第一个自动化飞轮将从哪里开始？
-
流程自动化
【收购】Workday 宣布收购AI 代理提供集成平台 Pipedream
HRTech概述：美国企业级 HR 与财务平台 Workday 宣布，将收购 AI 集成平台 Pipedream。Pipedream 拥有超过 3,000 款业务应用连接器，可让 AI 代理连接 Asana、Jira、Slack 等系统，从 HR 或财务系统拉取数据、发起流程、执行任务。Workday 的目标是打造一个“可执行的 AI 平台”，其中 HR 数据、财务数据、安全权限一体化，并借助 Pipedream 的连接能力，实现洞察 ＋ 行动。举例来说，绩效评估流程可以由 AI 自动启动：从项目系统抓取进展，从沟通工具征集反馈，再将结果回写至 HR 系统。这样，HR 流程变得更加智能、高效、合规。这对于关注 HR 科技趋势、流程自动化与跨系统集成的 HR从业者来说，是一个重要信号：未来的平台，不再只是报表仪表盘，而是真正能“帮你做事”的系统。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
收购将通过将其可信的人力资源与财务数据连接至 3,000 多个业务应用，从而强化 Workday 的平台，助力组织由“洞察”转向“行动”
西班牙 巴塞罗那，2025 年11 月19日 Workday Rising EMEA - Workday, Inc.（纳斯达克：WDAY），即专注于管理“人员、资金与代理（agents）”的企业级 AI 平台，今日宣布已签署最终协议，拟收购 Pipedream。Pipedream 是一家领先的为 AI 代理提供集成平台的公司，拥有 3,000 多个预构建连接器，可对接最广泛使用的业务应用。Pipedream 将赋能 AI 代理——能够在工作发生的任何地点，跨 Workday 系统与关键第三方系统，发起工作流程、提取数据、执行任务。
可信数据 + 企业连接能力：可执行 AI 的基础
在过去超过 20 年中，Workday 一直是“人员与资金”的可信记录系统，使其对组织运作方式具备深刻理解——涵盖团队结构、审批链、财务规则、支出政策、安全权限等，帮助管理公司的人力与资金数据。正是这种背景，令 Workday 在 AI 方面的路径独具一格：基于 Workday 构建的代理，可在正确时间、在正确人手中、并在正确的安全与合规框架内提供支持。
借助 Pipedream，这一智能能力将延伸至日常开展工作的 数千 款应用，当中包括 Asana、HubSpot、Jira、Recurly 和 Slack。客户将可将其业务各环节中的信息与工作流直接引入 Workday——同时在团队常用的外部应用中采取行动——为 AI 代理提供连接能力，使其从“洞察”迈向“完成工作”。
例如，一个代理可以利用 Workday 对公司组织结构的深刻理解，加速绩效评估流程：从 Jira 或 Asana 提取项目细节，通过 Slack 征求同事反馈，然后将绩效记录直接更新至 Workday。所有这些操作均在安全、自动化环境中进行，有助于确保评估及时、一致且扎根于真实工作。
“企业级 AI”的终极承诺：不仅是洞察，而是行动
Workday 平台、产品与技术高级副总裁 Gabe Monroy 表示：“企业级 AI 的终极承诺不仅在于洞察，而是行动。借助 Pipedream， AI 代理将安全连接至主要企业系统，使其能够检索数据并执行任务。Workday 将成为客户用于规划、协作、执行工作的连接系统——标志着可执行 AI 的重大进步。”
Pipedream 创始人兼首席执行官 Tod Sacerdoti 表示：“我们创办 Pipedream 的初衷是帮助人们更快且以更低复杂度通过 AI 工作。我们为拥有超过 5,000 客户与数万用户而自豪。加入 Workday 让我们能够将这种简化带给全球超过 11,000 家组织，释放 AI 驱动的工作流，使工作显著更轻松。”
构建面向工作的端到端 AI 代理平台
Workday 正在开发一套面向构建 AI 代理的端到端平台，这些代理能够提供真实的业务价值——理解公司全业务语境，并跨工作流程采取行动，以驱动有意义的成果。近期对 Sana 与 Flowise 的收购，加上此次拟收购 Pipedream，加固了这一愿景：将智能、编排与连接能力整合起来，转化“洞察”至“行动”。
通过在 Workday 可信环境内统一这些能力，公司将使客户能够设计定制代理，为其提供所需语境以作出智能决策，并连接至工作实际发生的系统——从而让这些代理真正“完成工作”。
通过开放社区加速创新
Pipedream 活跃的构建者社区将加速新连接器的创建，帮助客户迅速扩展 AI 代理的功能。结合 Flowise 的开源社区，Pipedream 将扩展 Workday 对开放开发的支持，并推动 Workday 平台持续创新。
关于拟收购 Pipedream 的细节
该交易预计于 Workday 2026 财年第四季度（截至 2026 年1 月 31 日）完成，仍受成交条件约束。 Workday 的法律顾问为 Orrick；Pipedream 的法律顾问为 Gunderson，财务顾问为 J.P. Morgan Securities LLC。
关于 Workday
Workday 是专注于管理“人员、资金与代理”的企业级 AI 平台。Workday 将 HR 与财务融合于一个智能平台，以 AI 为核心，赋能各级人员拥有清晰性、自信与洞察，迅速适应、做出更优决策并交付有意义成果。Workday 被全球 11,000 多家组织采用，范围从中型企业至 《财富》 500 强中超过 65% 的公司。欲了解更多信息，请访问 workday.com。
关于 Pipedream
Pipedream 是一个构建 AI 代理的平台。数千家公司使用 Pipedream 即时连接 APIs、自动化工作流、驱动代理产品。凭借 3,000 多个连接器、10,000 多个预构建工具、可视化工作流生成器及自然语言至 AI 代理接口，Pipedream 使知识工作者与开发者能够迅速发布强大 AI 代理。
前瞻性声明
本新闻稿包含有关 Workday、Pipedream 及 Workday 收购 Pipedream 的前瞻性声明。这些前瞻性声明仅基于当前可用信息以及 Workday 的现有信念、期望与假设。由于前瞻性声明涉及未来，因此受到风险、不确定性、假设及难以预测的环境变化（其中许多超出公司控制范围）制约。如果这些风险成真、假设不正确或我们经历意外变动，则实际结果可能与这些前瞻性声明所暗示的结果存在重大差异，因此你不应依赖任何前瞻性声明。前瞻性声明包括但不限于：拟议交易的潜在利益与效果；Workday 对 Pipedream 业务的计划、目标、期望与意图；以及拟交易的预期完成时间。风险包括但不限于：（i）交易可能不能及时完成或根本无法完成；（ii）未能实现交易预期利益；（iii）Workday 能否使 AI 代理利用 Workday 可信的财务与 HR 数据，主动发起流程并执行复杂任务、加速 Pipedream 增长并实现其对 Pipedream 业务与技术的其他计划、目标与期望；（iv）交易公告或完成可能对 Workday 的业务运营、经营结果或股价产生负面影响；（v）与收购相关的意外费用；及（vi）其他风险与因素，已在 Workday 向美国证券交易委员会（“SEC”）提交的 10-Q 或 10-K 报告及其他报告中描述，这些均可能导致实际结果与预期不同。Workday 不承担在本公告日后更新任何此类前瞻性声明的义务，也不目前计划这样做。
© 2025 Workday, Inc. 版权所有。Workday 及 Workday 标志为 Workday, Inc. 注册商标。其他品牌及产品名称为其各自所有者的商标或注册商标。 来源：Workday Inc.
-
流程自动化
AI治理的真相：为什么HR不能再置身事外？来自2025年最新报告的四大颠覆性洞察
HRTech概述：过去两年，HR 的讨论几乎都围绕着“AI 会不会取代 HR”、“AI 能不能提升 HR 的效率”，但在技术快速落地的背后，有一个更关键、却普遍被忽视的现实正在发生——AI 治理（AI Governance）正成为企业组织能力的新核心，而 HR 在其中既是最大缺席者，也是最大受益者。最新发布的《AI Governance Profession Report 2025》给出了一个清晰信号：AI 治理正在从“技术问题”变成“组织问题”；从“法律合规”变成“人才与文化变革”。
这篇文章将带你从 HR 的角度，看懂这波变化到底意味着什么。视频解读，请访问视频号：HRTech
引言：从AI热议到HR的现实困境
企业高层对人工智能（AI）的期待与日俱增，而人力资源（HR）领导者则陷入了一场日益严峻的现实困境。在这场变革中，HR的角色正被他人定义，而影响这一全新权力格局的窗口期正在迅速关闭。这已不仅是关于效率工具的讨论，而是一场关乎HR未来战略价值的生存之战。
权威机构IAPP最新发布的**《2025年AI治理专业报告》**用冰冷的数据敲响了警钟。报告显示，高达77%的公司已在着手AI治理，且对47%的公司而言，这已是排名前五的战略要务。这已不再是边缘议题，而是企业的核心战场。更值得警惕的是，报告揭示了一个惊人的事实：近乎所有企业（98%）都预计需要增聘员工来应对AI治理的需求。这不仅是一个合规挑战，更是一个迫在眉睫、规模庞大的组织与人才挑战。
然而，HR在这场游戏中身在何处？正如HR Rebooted的创始人兼首席执行官Michelle Strasburger所指出的：“作为组织政策的守护者，设计和实施能够平衡团队、降低风险并驱动最大商业影响的AI战略与治理，是HR的责任与荣幸。”现实却不容乐观。数据表明，AI治理的版图正在被划分，而HR却可能被排除在外。
本文将深入解读这份权威报告，为您揭示四个可能颠覆HR传统认知的“真相”。我们将不仅呈现数据，更会深度剖析“这对HR意味着什么”，并提供切实可行的“HR行动指南”，帮助您抓住这稍纵即逝的机会，从规则的被动接受者，转变为企业负责任AI生态的关键架构师。
1. 洞察一：反直觉的“治理先行”策略已成主流，等待观望等于落后
传统观念是“先应用，后治理”——引入新技术，待问题出现后再制定管理政策。然而，《2025年AI治理专业报告》揭示了一种全新的、更具前瞻性的主流模式，这对HR规划未来工作方式发出了明确的信号：游戏规则已经改变。
报告中最令人惊讶的发现之一是，“治理先行 (governance first)”已成为一种普遍的企业策略。数据显示，在那些尚未使用AI的企业中，已有高达30%启动了AI治理的相关工作。
这对HR意味着什么？ 这彻底颠覆了HR部门的传统工作模式。HR习惯于在新的软件或工具引入后，才开始制定配套的使用政策。但AI的系统性风险——从招聘歧视到绩效评估偏见——要求HR必须转变思维。我们不能再等到AI工具在全公司铺开后才被动地“打补丁”，而必须在技术大规模部署前就深度介入，参与顶层设计，确保“以人为本”的原则从一开始就嵌入AI应用的DNA中。
HR的行动指南：从“被动响应者”到“主动设计者” HR领导者必须将AI治理前置，将角色从政策的执行者转变为规则的设计者。
发起风险评估：在企业计划引入任何新的HR Tech或AI工具（如AI简历筛选、员工情绪分析软件）之前，主动联合IT、法务及合规部门，共同发起全面的风险与影响评估。
嵌入政策框架：将AI伦理和负责任的使用原则，提前整合进现有的管理框架中。修订《员工手册》、招聘政策和绩效管理流程，明确AI工具使用的边界和规范。
学习行业先例：全球人才公司Randstad的案例极具启发性。他们很早就意识到AI在招聘这一高风险领域应用的潜在影响，因此早在2019年就着手定义了一套AI原则，确保其技术应用从一开始就走在合规与道德的轨道上。
将治理前置，不仅是风险规避，更是战略远见。当HR完成了这一步，下一个问题自然浮现：这项关键工作，究竟由谁来主导？
2. 洞察二：AI治理并非HR的“独角戏”，而是需要主动融入的“跨职能联盟”
明确AI治理的组织归属和HR在其中的定位，是确保其发挥影响力的前提。然而，报告数据给出的答案可能会让许多HR感到警醒。
当被问及哪个部门对AI治理负有主要责任时，报告显示，目前的主导者是隐私部门 (22%)、法务与合规部门 (22%) 以及 IT部门 (17%)。一个最刺眼的数据是：没有任何一家受访企业 (0%) 将HR列为主要负责部门。
这对HR意味着什么？ 这是一个强烈的信号：尽管AI的应用深刻影响着组织的“人”，但HR在企业的AI治理架构中并非天然的核心玩家。然而，这并非意味着HR已被边缘化。报告同时强调，构建AI治理体系需要一个“村庄的共同努力 (it takes a village)”。更重要的是，数据显示，有21%的企业预计HR部门将在未来承担更多的AI治理职责。更深层次的数据揭示了一个关键趋势：在更成熟、规模更大的AI治理团队中，HR的角色变得愈发重要。当治理团队规模达到11-20人时，HR的参与预期跃升至33%；当团队规模为21-30人时，这一比例更是高达50%。这正是HR主动出击、确立自身价值的战略机遇期。
HR的行动指南：采取“联盟策略”，而非争夺“所有权” HR的最佳策略不是去争夺AI治理的“所有权”，而是成为这个跨职能联盟中不可或缺的“粘合剂”与“赋能者”。
锻造正式合作机制：主动与法务、IT、隐私和安全等部门建立合作关系。报告指出，39%的公司已经设立了AI治理委员会，HR应积极争取成为其中的核心成员，贡献在员工关系、组织文化和道德伦理方面的专业视角。
主导AI素养提升：发挥HR在组织变革管理、内部沟通和员工培训方面的核心优势，主导全员的AI素养（AI Literacy）提升计划。TELUS公司的实践堪称典范，他们通过向所有团队成员提供数据和AI扫盲项目，并建立一个由业务部门专家组成的“数据管家 (data stewards)”网络，成功地将治理文化渗透到业务的方方面面。
拥抱跨部门协作的复杂性：正如Credo AI的创始人兼首席执行官Navrina Singh所观察到的，接受当前治理结构的分散性，并从中找到合作的切入点。
当HR成功融入这个联盟后便会发现，真正的挑战不仅在于“由谁来做”，更在于“需要什么样的人来做”，而这恰恰是HR可以掌握主动权的关键所在。
3. 洞察三：真正的AI人才缺口，是既懂技术又懂合规的“治理专家”
在AI时代，当企业热议“AI人才抢夺战”时，目光大多聚焦于算法工程师。然而，报告揭示了人才缺口的另一面——一个对HR而言更具战略价值的新战场。
数据显示，23.5%的受访者表示，找到合格的AI专业人才是交付AI项目的一大挑战。报告进一步解释，这里所指的“合格人才”并非技术开发者，而是那些能够驾驭和管控AI风险的复合型人才——即**“AI治理专业人才 (AI governance professionals)”。他们不仅需理解AI技术，更要具备治理、风险和合规（GRC）的深厚知识，并能将复杂的法律要求转化为企业内部可执行的政策。而前文提到的98%的企业预计需要增聘AI治理人员**，更是将这一人才缺口的巨大规模暴露无遗。
这对HR意味着什么？ 这一发现直接将AI治理的挑战与HR的核心职能——人才战略、招聘与发展——紧密联系起来。既然HR在治理所有权上（洞察二）处于劣势，那么其最强大的战略反击就是成为这一稀缺人才的独家供应商。HR的战场不能局限于“如何用AI工具”，更要上升到战略层面，思考“如何为公司储备管理AI的人”。这为HR提供了一个从后台支持走向前台战略赋能的绝佳机会。
HR的行动指南：将“AI治理人才”纳入战略性劳动力规划 HR部门应立即行动，将这一新兴的人才类别纳入其战略性劳动力规划（Strategic Workforce Planning）中。
修订招聘标准：在招聘法务、合规、IT等相关岗位时，将AI治理知识或相关认证（如报告中提到的AIGP认证）作为优先考虑或必备条件。
启动内部“增能 (upskilling)”项目：与其向外苦苦寻觅，不如向内挖掘潜力。为公司现有的隐私、法务、风险管理等领域的员工设计专项培训，帮助他们补充AI知识，使其成长为内部的AI治理专家。IBM正是通过抽调不同背景的专家组建核心团队，并对业务部门的合规专员进行系统性培训，成功构建了其治理能力。
明确HR的监督角色：HR必须认识到自身在确保AI合规使用与维护员工信任方面的关键角色。正如Upright HR创始人Brian Kosicki所强调的：
即便拥有了合适的专才，若没有足够的权威，他们的努力也可能付诸东流。这便引出了第四个，也是关乎成败的洞察。
4. 洞察四：领导力层级比部门归属更重要，高级别负责人是信心的关键
对于AI治理这样一项需要打破部门壁垒的复杂项目，其成功的决定性因素往往不是技术或流程，而是领导层的支持和清晰的问责机制。报告中的一组数据有力地证明了这一点，也为CHRO向董事会建言提供了强有力的论据。
数据显示，总体而言，52%的企业对遵循《欧盟AI法案》等严格法规有信心。 但当我们将负责人的级别考虑在内时，情况发生了戏剧性的变化：当公司最高级别的AI治理负责人是高级副总裁（SVP）或以上级别时，这一信心比例飙升至71%！
这对HR意味着什么？ 这一发现的深刻含义在于：AI治理的成功与否，并不完全取决于它被安置在哪个具体部门，而更多地取决于负责人的级别、其所能调动的资源以及其在组织中的话语权。高级别领导的直接参与，能确保AI治理被视为一项严肃的战略要务，而非一个孤立的、仅为应付检查的合规任务。
HR的行动指南：在公司治理层面推动建立清晰的问责制 作为公司高管团队的一员，首席人力资源官（CHRO）应从更高层级的公司治理角度出发，推动建立强有力的AI治理问责机制。
任命高级别负责人：向CEO和董事会明确建议，应任命一位SVP或更高职级的负责人来统一领导公司的AI治理工作，确保其拥有跨部门的决策权和资源调配能力。
融入高管绩效考核：为了确保AI治理得到持续的关注和投入，应推动将AI治理的进展和关键风险指标，纳入高管团队的绩效考核（KPIs）体系中。
以身作则，加强HR领域的监督：HR自身在人才招聘等领域使用AI时，由于涉及高风险决策，更需要高级别的监督。可以借鉴Randstad的经验，他们不仅设立了AI指导委员会进行战略决策，还成立了独立的数据道德咨询委员会来审视伦理问题，构建了多层次的治理架构。
当治理的问责机制在最高层得以确立，AI治理才能真正从纸面走向实践。
HR的战略抉择——做规则接受者还是规则制定者？
数据描绘了一幅清晰的图景：AI治理的架构正在被快速搭建，无论HR是否参与其中。这是一个**“治理先行”（洞察一）的时代，由一个HR目前“所有权”为零的“跨职能联盟”（洞察二）所主导，这个联盟由高级别领导**（洞察四）挂帅，并且他们正迫切地寻找市场上极度稀缺的**“治理专家”**（洞察三）。这并非又一项合规任务，而是关乎企业未来组织形态的架构性工程。
面对这股浪潮，HR正站在一个关键的战略十字路口。您的选择不再是成为“旁观者”还是“架构师”，而是成为“规则的接受者”还是“规则的制定者”。您可以被动地等待其他部门制定好规则后去学习和执行，也可以主动出击，利用HR在组织文化、人才发展和道德伦理方面的独特优势，成为这场变革中不可或缺的核心力量。
正如万事达卡（Mastercard）的首席隐私与数据责任官Caroline Louveaux所言，这不仅是责任，更是机遇：
“我们已将负责任的AI融入创新流程，并专注于提升AI素养，以确保组织各层级都为AI做好了准备。……我们期待与该领域的合作伙伴共同努力，从而建立信任，让AI惠及世界各地的每一个人。” — Caroline Louveaux, Chief Privacy and Data Responsibility Officer at Mastercard
当AI正在重新定义工作时，HR将如何重新定义自己的角色？是成为规则的被动执行者，还是成为信任的主动守护者？
在未来6到12个月内，您将采取哪一项具体行动，来确保HR在公司的AI治理蓝图中占据一席之地？
-
流程自动化
超级经理的崛起：AI 时代的新型管理角色
Josh Bersin 在最新文章《The Rise of the Supermanager》中提出：未来的管理者不应只是简单协调者，而应成为真正的 Supermanager（超级经理） —— 协同 AI 重塑流程、赋能团队、主导创新。虽然 AI 工具能够带来个体效率提升（约 10–20%），但这只是底层红利。若要撬动组织生产力边界，就必须走向多流程自动化和全面流程重构。Supermanager 会主动在自己的职能边界内“实验”、推动 AI 应用、引导团队创新。
我从未见过像 AI 这样大规模、快速、而且充满乐观情绪的技术投资。2025 年，Google、Nvidia、Meta、Microsoft、OpenAI 和 Amazon 的资本支出接近 9000 亿美元，相当于美国 GDP 的近 3%。
为什么如此乐观？因为企业相信，AI 是未来的生产力技术，而且越早让公司拥抱 AI 越好。
但到目前为止，实际结果喜忧参半。
虽然人们被 AI 工具所吸引，但美国 GDP 却在下滑（从 2023 年的 2.9% 降至 2025 年预计的 1.8%，上半年甚至出现 -1.6% 的负增长），企业利润也在放缓。IT 行业利润增长 34%，金融服务增长 10%，但其他行业利润大幅下滑，说明 AI 的盈利目前主要集中在 AI 公司自身。
这就是一个关于承诺、期望和众多好点子的故事。
大企业的难题
AI 的潜力毋庸置疑。我们在研究与咨询中也彻底革新了工作方式，实现了在几乎不增加人手的情况下保持增长。
但对那些有着几十年官僚体系、繁多职位层级的大型组织而言，要真正实现生产力的提升并不容易。
我们调研了数百家公司，正在开展一项重大研究。在 HR 领域，已经有超过 100 个 AI 应用场景，可以改善招聘、员工支持、发展与生产力。例如渣打银行已经用 AI 来评估绩效和撰写评语。
然而，正如 MIT 最近的一项研究所示，真正的“流程再造”还没有到来。
四阶段框架与生产力极限
在我们的四阶段框架中，一个人使用 AI 代理来加速工作是相对容易的。OpenAI 的数据显示，41% 的使用场景是“信息检索”，其次是写作、数据分析和回答复杂问题。这些“个人生产力技巧”确实能带来帮助，但提升的上限通常只有 10–20%。
那么，如何实现“多流程自动化”，真正重构工作的方式？
这就是管理的职责所在，也是我今天要讨论的。
管理模式的演变
我研究管理已有 30 年，这是一条曲折的道路。它可以追溯到 Peter Drucker 的《卓有成效的管理者》，之后经历了 Jack Welch 的裁员式管理、Howard Schultz 的员工关怀、Brene Brown 的勇敢领导、John Mackey 的有意识资本主义，再到 IBM 的敏捷管理和 Zappos 的“无管理者”实验（最终失败）。
管理从来是一个充满新思想的领域，模式层出不穷。但我今天要讨论的是：在 AI 世界中，有效管理正在发生怎样的变化？
两大变化：赋能与实验
在过去十年中，出现了两大深刻变化：
赋能（Empowerment）
员工比以往更有自主权，能获取大量信息和强大工具。
互联网和疫情让员工获得前所未有的自由，他们不会再回到过去。
实验（Experimentation）
技术民主化让变革不再完全来自上层，而是更多自下而上推动。
一线团队不只是执行者，而是创新与变革的源头。
这两点在当今商业世界全面展开。忽视它的企业将面临风险。
微软、Meta 等公司快速转向 AI，依靠项目驱动的领导文化。拜耳、联合利华、汇丰、万事达、Spotify 和飞利浦等企业的成功，也源于小型自治团队承担改进责任。
今天，与过去不同的是，超级经理无需等待高层委员会批准。他们直接在前线实验、迭代并推动变革。
打破组织惰性
随着技术飞速发展，职位与头衔反而成为阻碍（“这不是我的工作”）。超级经理则打破这种模式，主动承担责任，推动成长与改进。他们拥抱新思想，分享探索经验，把 AI 的实践直接带入业务，而不是等待总部下达“项目指令”。
这种趋势的原因在于：AI 与过去的技术不同。
ERP、云计算、移动互联网等技术往往需要大量 IT 投入和多年建设。而 AI 是一种 终极民主化技术，任何人都能学习使用。最具创新的人，可能是最年轻或资历最浅的员工，因为他们“通过实践学习”，没有旧有 IT 习惯的束缚。
这就是所谓的 “超级员工效应（Superworker effect）”：每个人都可能成为高绩效者，经验的价值相对下降。新想法可能来自任何地方，最贴近客户或流程的人反而能创新最多。
管理角色的转型
AI 让监督与绩效考核变得更容易，因为它能跟踪行为和结果。这使得领导者可以从繁琐的监督中解放出来，专注于战略、辅导、协作和工作再设计。
因此，经理不会消失，而是角色被重新定义：
监督和绩效管理是基本职能；
真正优秀的经理要在流程再造、实验与增长方面脱颖而出。
传统的“推动业绩”“强化竞争”依然重要，但现在被放到学习与成长的语境下。问题从“你今天完成了什么”变成“你今天学到了什么”。
超级经理带来信任、支持和同理心，帮助员工在 AI 时代学习、重塑与成长。
我们是否需要更少的经理？
如果管理者只做监督工作，那确实可能被 AI 代理取代。但这类“空壳经理”本就存在多年，未来会更快被淘汰。
真正的超级经理则不同：
他们协调跨团队的创新；
在生产力项目上进行理性投资或果断止损；
促进知识共享、团队协同和优先级一致性。
这才是未来管理者的核心价值。
我并不认为“中层经理”会消失，而是他们的工作内容正在重新定义。能推动超级经理行为的公司，将在新世界中脱颖而出。
AI 带来的不只是技术，而是管理模式的再造。
如果过去十年是“数字化转型”，
那么未来十年就是“管理重构”。
超级经理不会是额外的头衔，而是企业在 AI 时代必须具备的关键能力。
-
流程自动化
【美国】下一代工作管理平台SmartSuite获得3800万美元融资，推动全球扩张并改革工作管理
下一代工作管理平台 SmartSuite 宣布在 3800 万美元融资的推动下进行全球扩张。最新投资包括由 Canapi Ventures 领投、Sorenson Capital 和 High Alpha 参投的 1300 万美元新 A 轮融资。在 A 轮融资之前，SmartSuite 还获得了由创始人主导的 2500 万美元种子投资，这反映了风险资本对 SmartSuite 重新定义工作管理的使命的极大兴趣。
2024 年，SmartSuite 实现了 300% 的增长，其用户群已超过 50,000 名专业人士，遍布 100 多个国家的 5,000 多家企业。公司的平台深受各类组织的信赖，包括苹果银行、Credit One Bank、加州大学洛杉矶分校、乔治城大学、蓝十字蓝盾、Sunday Riley、Lyneer Staffing Solutions、Datawatch 和加州大学伯克利分校。这笔投资将进一步推动 SmartSuite 重新定义工作管理、加速全球应用、扩大市场推广计划以及增强其统一无代码平台的使命。
“Canapi Ventures 总裁兼普通合伙人 Walker Forehand 说："SmartSuite 能够为各种规模的企业和金融机构消除治理、风险和合规 (GRC) 等固有复杂流程中的复杂性，这一点深深吸引了我们。“SmartSuite的用户已超过50,000家，其快速增长清楚地表明，各行各业的公司都在寻求一种现代化的工作操作系统。SmartSuite 的无代码方法正在重塑团队协作、计划和执行的方式--所有这些都在一个单一、直观的平台内完成。
SmartSuite 提供全面的一体化解决方案，集项目管理、流程自动化、文档协作和实时团队协调于一体。通过与行业专家合作创建的 200 多个预建工作流模板，企业可以将 SmartSuite 无缝集成到运营中--无论是销售、人力资源、营销、合规、IT、财务、GRC、网络安全还是运营工作流。
此外，SmartSuite 与包括 Slack、Microsoft、Google、HubSpot、Salesforce、Jira、Make 和 Zapier 在内的 5,000 多个应用程序深度集成，确保团队可以在整个技术堆栈中协调工作流，而不会中断现有流程。
“苹果银行第一副总裁 Jonathan Ruf 说："管理复杂的业务流程不应该像一个不可能完成的难题。“SmartSuite 使我们能够统一从法律审批和合规性工作流到跨职能协作的所有流程，而不会增加复杂性。现在，它已成为整个银行不可或缺的工具。”
越来越多的金融机构、财富 500 强企业和高增长企业开始采用 SmartSuite 进行治理、风险和合规性（GRC）管理，而传统的解决方案往往既繁琐又过时。
“SmartSuite 联合创始人兼首席执行官 Jon Darbyshire 说："GRC 绝不应与核心业务相分离。“随着我们在 2024 年实现 300% 的增长，很明显，企业正在寻找一种全新的方法--将合规、风险和安全操作整合到日常工作管理中。SmartSuite 提供了这种灵活性，帮助企业适应不断变化的合规要求，同时在各团队之间保持统一的真相来源，而成本仅为传统 GRC 产品的一小部分。
关于SmartSuite
SmartSuite 由 Archer Technologies 的原班人马 Jon Darbyshire 和 Tara Darbyshire 以及 Peter Novosel 创立，旨在通过将强大的无代码灵活性、协作性和自动化整合到一个单一、直观的平台中，彻底改变业务流程管理。在将 Archer 卖给 EMC（现在的戴尔科技公司）之后，Darbyshires 亲眼目睹了企业如何在零散的工作流程、电子表格和过时的工具中挣扎。他们花了近三年的时间开发出一种无缝、用户友好的解决方案，能够统一跨团队和跨行业的工作管理。
-
流程自动化
【金蝶云】智能财务“硬核”技术之数字挖掘与机器人流程自动化
财务管理是企业管理的中心环节，是企业实现基业长青的重要基础和保障。近年来，中央企业认真贯彻落实党中央、国务院决策部署，高度重视财务管理工作，持续优化管理手段，不断创新管理模式。同时，随着“大智移云物区”等现代信息技术的迅猛发展，给企业财会领域数字化的变革带来了巨大的空间。
智能财务作为一种新型的财务管理模式在现代财务管理环境下应运而生，它试图借助机器智能部件（包括智能软件和智能硬件）和人类财务专家共同组成的人机协同系统，去完成组织中复杂的业务和财务管理活动，并在管理中不断扩大、延伸和部分替代人类财务专家的作用。
结合多年对企业财务数字化转型的观察和调研，小编将从本篇文章开始以系列的形式对智能财务中应用的关键技术进行全方位分析，本篇主要聚焦数据挖掘与机器人流程自动化在智能财务中的应用，欢迎关注与交流。
对智能财务，参照业界的一般理解，借鉴智能制造的定义，智能财务定义如下：智能财务是一种新型的管理模式，它基于先进的管理理论、工具和方法，借助于智能机器（包括智能软件和智能硬件）和人类财务专家共同组成的人机协同智能管理系统，通过人和机器的有机合作，去完成企业复杂的财务管理活动，并在管理中不断扩大、延伸和部分替代人类财务专家的活动；智能财务是一种业务活动、财务会计活动和管理会计活动全功能、全流程智能化的管理模式。
相对传统的纯人工财务、电算化财务和信息化财务，智能财务在信息处理方面有着显著的优势：它可以借助于RPA、模式识别、专家系统、神经网络等技术，自动、快速、精确、连续地处理财务工作，帮助财务人员释放从事常规性工作的精力，去从事更需社交洞察能力、谈判交涉能力和创造性思维的工作；智能财务还可以借助于全面而非抽样的数据处理方式，自动地对财务活动进行风险评估和合规审查，通过自动研判处理逻辑、寻找差错线索和按规追究责任，最大限度保障企业的财务安全。
智能财务不仅是财务流程中部分环节的自动化，也不仅是某个财务流程的整体优化和再造，而是财务管理模式，甚至是财务管理理念的革命性变化，它借助于人机深度融合的方式来共同实现前所未有的新型财务管理功能。
智能财务是建立在云计算、大数据、人工智能等新技术基础上并结合企业互联网模式下的财务转型升级与创新发展的实践而产生的新形态，通过大数据技术进行建模与分析，利用人工智能的技术提供智能化服务，为企业财务转型赋能，帮助企业打造高效规范的财务管理流程，提高效率，降低成本，控制风险，从而有效促进企业财务转型。
壹
数据挖掘
（一）数据挖掘技术概述
数据挖掘技术是通过分析大量数据来揭示有意义的新关系、趋势和模式的过程，其出现于20世纪80年代后期，在大数据和人工智能领域研究中具有较高的研究意义和应用价值。数据挖掘利用了来自如下一些领域的思想：①来自统计学的抽样、估计和假设检验；②人工智能、模式识别和机器学习的搜索算法、建模技术和学习理论。数据挖掘也迅速地接纳了来自其他领域的思想，这些领域包括最优化、进化计算、信息论、信号处理、可视化和信息检索。
数据挖掘技术需要数据库系统提供有效的存储、索引和查询处理支持。源于高性能（并行）计算的技术在处理海量数据集方面常常是重要的。分布式技术也能帮助处理海量数据，并且当数据不能集中到一起处理时更是至关重要。同时，可以通过高度自动化地分析企业的数据，来帮助企业作出归纳性的推理，从而实现挖掘出潜在的模式，来帮助决策者减少风险，调整市场策略，作出正确的决策。
数据挖掘的过程由以下三个阶段组成：①数据准备。指从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集，包括规律寻找和规律表示。规律寻找，是用某种方法将数据集所含的规律找出来。规律表示，是指尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。②数据挖掘。其任务有：关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。③结果表达和解释。通过数据挖掘技术发现的知识需要进行表达和专家解释，通常需要考虑可用性、准确性和可理解性等指标来对结果进行评价。
机器学习、数理统计等方法是数据挖掘进行知识学习的重要方法。数据挖掘算法的好坏将直接影响到所发现知识的好坏，目前对数据挖掘的研究也主要集中在算法及应用方面。其中关联分析法、人工神经元网络、决策树和遗传算法在数据挖掘中的应用很广泛。
（二）数据挖掘在财务中的典型应用分析
1.数据挖掘技术在企业盈利能力分析中的创新应用
企业盈利能力即为企业获得利润的能力，还是企业组织生产活动、销售活动及财务管理水平高低的全面体现，并且更是企业在激烈市场竞争中占据有利位置的有力保障。企业盈利能力所需分析的指标，具体包括销售净利率、销售毛利率、净资产收益率、资产收益率等。
企业依托数据挖掘技术，结合财务报表、凭证、账目等财务数据，挖掘出可计算以上指标的数据开展分析，获取企业盈利能力分析所需的结果，然后依据获取的结果集合企业今后的发展趋势评估，找出企业今后的盈利能力及其存在的不足，进而实现对数据挖掘技术在企业财务管理中的有效应用。
2.数据挖掘技术在企业投融资管理中的创新应用
投融资管理涉及的内容主要包括参与投融资项目的财务测算、成本控制等一系列活动。结合上级建立的投融资方案及防范风险措施，从而实现企业盈利的最大化。
在对企业投资管理进行分析过程中，应当对投资项目科学可行性予以分析，由此需要引入各式各样的统计工具及模型。与此期间，数据挖掘技术可实现对投资环境、行业相关运行状况等数据信息的实时动态提供，利用该部分数据信息构建数据模型，可切实挖掘出有助于企业投资决策的信息，为企业投资决策正确性、有效性提供有力保障。
在对企业融资管理进行分析过程中，融资方式、融资渠道、融资金额量等均是企业所需深入了解的重要环节。为了实现对适当资金数的有效筹集，企业必须要掌握外部环境与企业自身对资金使用的特征，对不同融资方式的风险、成本进行对比。
与此期间，企业通过引入数据挖掘技术，依托回归分析模型等评估企业需求筹集资金量，还可依托关联模型对一系列融资方式、融资渠道进行分析，挖掘出最理想的融资方式、融资渠道，尽可能让企业以最小的风险及成本筹集到需求的资金。
3.数据挖掘技术在企业财务管理中创新应用
数据挖掘技术在企业财务管理中创新应用，可表现出一系列的优势，具体而言：①数据挖掘技术所利用的基础数据，既涉及企业财务报表中的数据，又涉及非财务数据及其他相关数据，诸如企业运营管理数据、企业客户管理数据等。②在企业财务管理中，既可采用钻取、旋转等方式对各项数据开展深入分析，还可对各项数据开展统一管理，并从中挖掘出有价值的分析数据。③数据挖掘技术可促进挖掘出潜在的投资者。所以，近年来数据挖掘技术在企业财务管理中得到越来越广泛的推广。
贰
机器人流程自动化
（一）机器人流程自动化概述
机器人流程自动化(RPA，Robotic Process Automation)，即通过使用用户界面层中的技术，模拟并增强人与计算机的交互过程、执行基于一定规则的可重复任务的软件解决方案。RPA也被称为数字化劳动力(Digital Labor)，是数字化的支持性智能软件，能够完成以往只有人类才能完成的工作，或者成为高强度工作的劳力补充。从功能上来讲，RPA是一种处理重复性工作和模拟手工操作的程序，可以实现数据检索与记录、图像识别与处理、平台上传与下载、数据加工与分析、信息监控与产出这五大功能；与其他应用程序相比，RPA的特点主要有24小时机器处理；基于明确规则编写脚本；以系统外挂形式部署操作；模拟用户操作与交互动作。
已有不少企业在办公领域采用RPA以取代一些重复和烦琐的日常流程，包括财务管理、税务管理、合规管理、数据科技、金融、人力资源等领域。根据市场研究公司Transparency Market Research的研究，2017年，全球机器人自动化市场规模达到了11亿美元，2018年至2026年，预计可实现28.1%的年复合增长率。RPA发展如此之快，其原因在于，企业渴望利用技术提升工作效率与质量，降低人工成本，而传统软件系统开发需要选择种程序语言，如C++、Python或者Java等，之后程序员需要全面、详细、逻辑严谨地从头编辑程序脚本。而RPA不同于传统的软件系统，其大部分是通过直接录制的方式捕提用户的操作规则，不需要编辑程序。除此以外，与IT系统相比，RPA投资回报周期短，成本低；与增加人力劳动相比，RPA可以为企业降低人工成本，减少出错率。
（二）机器人流程自动化在财务中的应用分析
财务机器人是机器人流程自动化(即RPA技术)在财务领域的具体应用。财务机器人在RPA技术的基础上,针对财务的业务内容和流程特点,以自动化替代财务手工操作,辅助财务人员完成交易量大、重复性高、易于标准化的基础业务，从而优化财务流程，提高业务处理效率和质量，减少财务合规风险,使资源分配在更多的增值业务上,促进财务转型。
根据全球知名咨询公司高德纳（Gartner）发布的一份关于RPA在企业财务部门应用的调查报告，该报告对全球150家企业的CEO（首席执行官）、CAO（首席会计官）和CFO（首席财务官）进行了采访和数据搜集。调查显示，企业在应用RPA之后，平均每年可以为财务部门节省25,000以上个工时。对于拥有四十多人的财务团队的公司而言，每年可以节省878,000美元的人力支出成本。企业可以将财务机器人视为组织中的虚拟劳动力，对于财务工作中基于明确规则的可重复性工作流程，财务机器人是能够在特定流程节点代替传统人工操作和判断的财务自动化应用。
RPA适合财务中大量重复和有明确规则的流程，在财务中较多应用RPA流程包括：账务处理、发票认证、发票查验、银行对账、费用审核和发票开具等。例如在银行对账方面。通常，公司每月需要对数十个银行账户进行银企对账，同时涉及对多种业务类型的核对，需要处理成千上万的网上银行数据和金融凭证数据。在过去，需要人工手动下载网上银行数据，这一过程耗时并且易出错，并且当对账涉及“一对一”或“多对多”的复杂情况，错误更是经常发生。借助于RPA，财务机器人可以自动登录网上银行并从系统获取数据开始，自动生成当月余额调节表，实现银企端对端调节自动化。对比结果，RPA的方式效率有了较大幅度提升，并且错误率大大降低。在对账处理方面，财务部往往需要对业务信息进行详细对账处理，对账过程中涉及多家银行，上千笔的对账业务量，数据量很大。用RPA自动表单处理机器人代替传统手工操作后，可以极大节约财务人员有效工作时间。
在企业变革的内生驱动因素、RPA技术与财务业务特点相吻合的客观基础以及财务共享服务中心大量出现等众多因素推动下，财务机器人正在得到越来越广泛应用。
-
流程自动化
人工智能在软件测试中的作用
在软件测试中使用人工智能（AI）可以实现流程自动化，让IT解决方案提供商最大限度地提高客户满意度，缩短开发周期。
医疗保健、制造、物流和金融等多个行业都在利用人工智能来简化流程。将人工智能纳入框架中，很大程度上包括使用物联网设备和基于AI的应用程序来控制和自动化相关流程。这些AI应用的成功或失败，都会对企业产生相应的影响。因此，在部署之前，对这些APP的测试变得至关重要。然而，软件测试有其自身的一系列挑战。这些挑战包括缺乏相关意识，在实际应用中可扩展性、性能、稳定性和功能等方面也充满挑战。在软件测试中使用人工智能可以帮助克服这些挑战，使软件测试过程自动化，减少繁琐。下面将讨论在软件测试中使用人工智能的一些好处。
在软件测试中使用人工智能的好处
人工智能可以帮助清除软件测试人员面临的瓶颈。在人工智能的帮助下，软件测试过程的自动化具有潜在的好处，其中包括：
提高准确度
人工测试中难免会出现错误，尤其是在做重复性的任务时，错误是必然会发生的。而在软件测试中使用人工智能，可以减少在测试阶段出现错误的概率。AI软件对数据进行分析，并以预期的准确性一次又一次地完成任务，AI可以在几秒钟内捕捉到BUG，可以快速识别出出现错误的代码行。因此，测试人员可以快速对代码进行修改，或者由于机器学习能力，AI软件本身就可以进行修改。这种自动化的过程，为测试人员释放了时间，让他们可以执行其他类似的重要任务。
缩短时间
手动测试是一个缓慢的过程，而且每一次代码变更都需要新的测试，消耗的时间和之前一样多。而AI可以用来实现测试流程的自动化。AI能够快速的提供精确和连续的测试，可以在短时间内模拟成千上万的测试。因此，大大减少了测试所需的时间。
加速上市时间
上述两种好处的结合可以帮助开发人员和实施者，在软件测试中使用人工智能来缩短测试所需的时间，从而更好地进行应用开发。因此，最终的产品可以尽早地进行市场推广、广告宣传，并部署到商业上使用。这样一来，开发者可以更快地开发出更小bug的产品，客户也可以最早开始使用产品，最终终端客户也可以开始使用产品。因此，这对双方都是一个双赢的局面。
软件开发过程的复杂性增加了，同时，预期的交付时间也大大缩短了，在软件测试中使用AI可以大大帮助开发者。这反过来也会使采用这些解决方案的企业受益。在人工智能方面的初始投资可能会被证明是昂贵的，但从长远来看，企业可以保证获得更大的经济回报。
以上由智能的AI翻译完成，仅供参考
消息来源:https://www.bbntimes.com/technology/the-role-of-artificial-intelligence-in-software-testing
-
流程自动化
Box改进了工作场所自动化工具Relay，推出了新的任务和文件请求功能
文/KYLE WIGGERS
Box于2016年9月首次推出Relay，这是一个业务流程自动化工具，用于跨一系列系统将招聘、预算和销售活动串在一起。这个无代码、云托管的工作流创建器是与IBM合作设计的，建立在Box workflow(它的前身)之上，它使用户能够跟踪实时的工作进度，并在内部和外部与他人协作。
Box首席执行长列维(Aaron Levie)今年2月在旧金山举行的摩根士丹利(Morgan Stanley)科技、媒体和电信大会上调侃了新版Relay。新的中继功能强大的工作流引擎，精简的仪表盘，新的触发器和条件菜单-这只是开始。
除了经过改进的工作流设计器和引擎(它们都支持顺序和并行多步骤流程)之外，Relay现在还可以基于日期、下拉菜单、多选和打开文本字段等元数据属性路由内容。它的增强仪表板提供了对历史的可见性，允许流程所有者查看创建、更新或删除工作流的可导出列表，或者选择用户创建和管理自己的工作流。也许最重要的是，Relay现在与Box的其他部分更加紧密地集成在了一起，它不仅可以从Box平台api中获益，还可以从与Microsoft Office 365和DocuSign、自动推送通知和协作特性的预构建集成中获益。
新的Relay目前是在私人测试版之前，一般可在6月。Box表示，它将同时提供免费的Lite版和付费版。
Box今天还宣布了对Box Tasks的更新，它的工具针对一步审批和文件请求链接等流程进行了优化，这是一个漂亮的功能，旨在简化来自同事、合作伙伴和客户的内容提交集合。更新后的任务中心界面将在一个视图中整理所有任务，并提供推送通知，使用户能够通过手机批准任务。现在，人们可以将任务分配给组，并获得关于哪些任务被拒绝或批准的可导出报告，或者在Box Relay工作流中选择性地触发任务。通过文件请求链接，用户可以生成可共享的url，无需注册Box帐户即可将文件拖放到文件夹中，并允许上传内容自动启动Relay中的进程。
新任务是公开测试版，当它首次运行时，所有Box用户都可以免费使用。请求文件链接现在可用。
“企业中的工作流被破坏了，特别是当它涉及到业务内容时。今天的许多解决方案都与应用团队已经使用的应用程序断开连接，被锁定在应用程序背后，不支持安全的外部协作，而这在当今的全球数字经济中是至关重要的，”首席产品官Jeetu Patel说。“全新的Box Relay为我们日益协作的业务流程带来强大的自动化。企业现在有一个用于安全内容管理、工作流和协作的平台，这是为我们今天的工作方式而构建的。”
Relay、Box Tasks和File Request Links捆绑了三个企业套件一起发布：Digital Business、Digital Workplace和Digital Workplace Global。这三种服务都包括内置的批量折扣列表价格、用于内容生命周期管理的Box治理和用于企业级支持的Box Premier服务。
以上为AI翻译，内容仅供参考
原文链接：Box revamps workplace automation tool Relay, debuts new Tasks and File Request features
-
流程自动化
自动化招聘流程的新时代
文/ Suresh Sambandam
过时的招聘流程永远无法建立具有高质量雇员的团队。为了使您的组织的基础与高影响力的员工队伍保持一致，现在是时候从人工招聘和职位发布转向社会招聘和招聘自动化。
招聘流程平均需要23天，但是当遇到大量简历和繁琐的任务时，它可能会延续好几个月的痛苦。超过一半的人力资源经理每天花费超过三个小时履行行政职责，让他们有时间紧迫，并迫使他们做出可能会后悔的招聘决定。
在自动化的新时代，招聘人员可以呼吸新鲜空气。招聘自动化简化了招聘流程的每一步，使招聘人员能够增强控制和跟踪能力，同时通过及时沟通和最新技术给候选人留下深刻印象。如果你已经准备好同时减轻文书工作的负担并提高寻找能够坚持下去的顶尖人才的前景，那么现在是时候考虑人力资源招聘流程的自动化了。
您可以通过以下几种方法将自动化融入当前流程中。
新员工要求
如果重要的细节遗漏在工作岗位上，那么候选人和工作职责最终会失调，而顶级候选人则会陷入困境。
新员工请求应用程序中的标准化模板可确保在作业说明中不会省略任何信息。直线经理和人力资源工作人员在工作流程中进行协作，而不是通过电子邮件串，来整合强制性资格，所需技能和首选工作经验。笔记本电脑或移动设备上的通知会提示及时反馈和批准，以尽快获得招聘广告。
采购候选人
从第一天起为申请人提供有吸引力的专业招聘体验，让候选人留下来，而不是通过缓慢、无吸引力的过程来驱走他们。
利用社交媒体人力资源工具是与大量高技能工人联系的必要条件。根据人力资源管理协会的统计，84％的公司使用社交媒体进行招聘，通常是寻找被动的求职者。申请人跟踪应用程序可以从一个位置在多个站点上发布作业描述以简化发布。
筛选申请人
手动跟上电子表格中的所有申请人是很费劲的，但申请人跟踪系统可以立即处理应用程序，由于工作流软件和电子表格/数据库应用程序之间的集成，可以快速排序大量数据。还可以添加特定于行业的限定符以检查凭证和资格兼容性。
自动招聘应用程序通过关键字管理将候选人列入候选名单，以淘汰那些不符合最低要求的人。申请人信息实时更新，允许管理人员遵循最新数据。应用程序通知使直线经理可以询问有关申请人的问题，并立即批准或拒绝。
面试
如果创建面试预约空档涉及人力资源部门和部门负责人之间的多次电子邮件交换，则需要时间进行新流程。调度模块可以调整管理人员的日历，自动将候选人放置在开放时段中以进行面试时间，将访谈设置在一起以进行更准确的比较，同时消除对恼人的电子邮件字符串的需求。
为每个面试邀请撰写和发送相同的电子邮件会进一步延长流程。但只需点击一下，电子邮件就会自动发送给具有面试邀请和建议时间的顶级候选人，包括有关建筑或停车访问的详细信息。在面试之后，自动化工作流程可以启动背景检查并对所选候选人进行参考检查，确保不会错过任何后续步骤。
录取通知书
选择候选人后，文件将继续存在。自动招聘工作流程不是累积纸质文件夹或手动扫描和保存表单，而是可以在云上安全地生成和保存数字签名的要约信函，合同和其他招聘文档。它变得更好 - 所有的调低字母也可以自动生成并发送给剩余的候选人。
新手上路
通过一致、简化的入职流程，员工可以在第一周开始工作并开始感觉自己是一名有价值的团队成员。欢迎电子邮件、技术访问、相关联系信息、入职培训计划和培训都可以通过自动化工作流程进行设置和安排。新员工不是坐在那里等待信息，而是获得了进入新角色所需的一切。
管理人员和新员工可能会担心集中式工作流程系统中的敏感信息落入坏人手中，但带有个人数据和密码的文档可以标记为隐藏或只读以获得最高安全性。
评估招聘流程
四分之三以上的员工走出门，出于可预防的原因退出。顺利开展工作对于留住人才和发展蓬勃发展的业务至关重要。定期评估招聘等人力资源流程对于保持公司前进至关重要。
自动化的招聘工作流程使HR管理人员能够通过交互式仪表板创建报告，该仪表板显示招聘流程中大多数候选人的工作时间，招聘流程通常需要多长时间，以及成功与不成功申请的比例。
输入自动化的年限
如果您的招聘流程受到手工工作和电子邮件过载的影响，那么就应该考虑HR流程自动化了。利用技术解决方案不仅可以减少决策后悔（减少75％），更替率（减少59％）和招聘成本，还可以通过建立一支忠诚、有才能的员工队伍来增加公司的内在价值。只需十五分钟即可试用您的第一个招聘自动化应用程序，让您高枕无忧，并获得一流的竞争性招聘流程。
以上为AI翻译，内容仅供参考
原文链接：The New Age of Automation in the Recruitment Process
扫一扫 加微信
hrtechchina
