HR leadership - HRTechChina.com - 向上的力量！

HR leadership

HR的影子AI行动指南：从隐蔽使用到负责任 AI 的组织能力建设 HRTech概述：影子AI （Shadow AI）正在成为企业的真实现状：员工早已在日常工作中使用 AI，但往往“不敢说、不敢公开”。这不是违规，而是组织真实需求的外露，是基层对效率的自主追求。影子 AI 暴露的是心理安全不足、工具体验落差，以及组织学习断裂。HR 的角色正在发生改变：不再只是制度执行者，而是 AI 文化的塑造者、心理安全的设计者、治理框架的共同构建者。四步框架——心理安全、显性化、白化机制、Responsible AI 建设——将帮助企业把“地下创新”转化为组织能力。谁能更早拥抱 Shadow AI，谁就能在下一轮 AI 浪潮中领先。一、当 AI 早已走进一线，却还停留在管理者PPT里在很多企业的管理层会议上，AI 依然是战略汇报中的一个章节，是技术团队路演中的一个亮点，是外部大会上反复出现的关键词；但在员工的真实日常工作中，AI 早已“悄悄上岗”。销售用 ChatGPT 改邮件、运营用生成式模型写文案、HR 自己也可能用 AI 写 JD、起绩效评语、梳理政策……只是，这一切往往都发生在“未报备、未批准、未纳管”的状态下。这就是所谓的 Shadow AI（影子 AI）：员工在未正式获批、未纳入官方工具体系的前提下，自行使用各类 AI 工具完成工作目标。现有研究与市场观察都在指向同一个事实：员工实际使用 AI 的比例，远高于企业管理层的认知。而且，越是高绩效、越接近业务一线的员工，越有动力去寻找更高效的工具，也越可能成为影子 AI 的重度用户。对 HR 管理者而言，Shadow AI 不仅是一个技术或安全问题，更是一个组织问题与文化问题。如果只是简单将其视为“违规操作”，采取封堵、禁用、隔离等手段，只会把本就隐蔽的使用推向更地下的角落，让企业既承担风险，又完全丧失学习机会。本指南的出发点，是从 HRTech 与组织文化的视角，帮助 HR 管理者把 Shadow AI 从“地下水”引向“有渠道的水利系统”，把分散、隐蔽的个体实验，转化为安全、可控、可持续的 Responsible AI（负责任 AI）能力。二、重新理解 Shadow AI：从“违规现象”到“欲望路径（Desire Path）” 如果从传统 IT 管理的视角，Shadow AI 与 Shadow IT 一样，是“未授权应用”，理应被列入风险清单。但如果我们转换视角，会看到另一层含义：Shadow AI 更像是校园里的“欲望小路（Desire Path）”——学校规划了标准道路，然而师生会按照自己的效率和习惯，踩出一条更加真实的路径；这条路径，往往比设计者想象的要合理得多。在企业中，Shadow AI 的出现，首先说明官方工具与流程无法完全满足一线需求。员工之所以绕过内部系统使用外部 AI 工具，往往不是为了规避规则，而是为了完成目标、节省时间，甚至是为了弥补现有系统的不足。其次，Shadow AI 折射出一种“不敢公开的创新”。许多员工其实已经在积累自己的提示词库、工作流模板和小型自动化流程，但出于对“被认为偷懒”“被质疑是否算自己的贡献”“被误读为岗位可被替代”的担心，他们选择不公开、不分享、不沉淀。换句话说，Shadow AI 是员工用脚投票之后留下的轨迹，是组织真实 AI 需求和真实效率突破的“热力地图”。如果企业只是从合规层面、技术控制层面去理解 Shadow AI，就会错过它作为“需求信号”和“创新线索”的价值。这也是 HR 需要主动介入的关键原因：如何将这种制度外的创新、隐蔽的效率实践，转化为可治理、可复制的组织能力。三、Shadow AI 暴露的三大管理缺口：心理安全、工具落差与学习断裂要把 Shadow AI 当成机会，首先要承认它是组织管理上的一面镜子。当前大量影子 AI 的存在，至少揭示了三类典型缺口。第一，AI 心理安全感缺失。员工不敢公开承认自己使用 AI，是因为在当前文化氛围下，“用 AI 完成工作”并未被正式定义为一种被鼓励的能力，反而可能被解读为“偷懒”“不够专业”，甚至被视为未来裁员时“可以被机器人替代”的证据。如果没有心理安全感，员工就不会主动说明“这里我用到了 AI”，更不会愿意把自己的 AI 工作流分享给组织，这直接阻断了企业学习的可能性。第二，官方工具与真实需求之间存在明显落差。很多企业已经在搭建内部大模型平台或 AI 助手，但常见问题包括响应缓慢、调用复杂、上下文受限、接入场景单一，甚至与员工日常使用的应用脱节。一线员工用外部 GPT 等工具可以在 30 秒完成的任务，内部工具可能需要数分钟甚至更长。一旦体验差距过大，Shadow AI 就几乎不可避免。第三，组织学习与治理机制断裂。当前不少企业对 AI 的管理仍停留在“政策下载”“使用禁令”“统一培训”的层面，缺少一个真正面向业务的、可持续的 AI 学习和治理循环：哪里出现了新的 AI 工作流，如何被发现、如何被评估、如何被白化（纳入官方）、如何被复制推广。结果是，员工的创造性实践被锁在个体层面，组织既看不到风险，也看不到机会。四、HR 在 Shadow AI 中的独特角色：文化定义者与行为架构师在 AI 治理的角色分工中，IT 负责技术护栏和安全架构，高管层负责战略方向与问责机制，而 HR 的核心职责在于“人”和“行为”。这意味着，HR 在 Shadow AI 问题上的角色，不是简单地转发 IT 的禁用公告，而是要通过文化、制度、激励与能力建设，把一个隐蔽、分散、个体化的现象，转化为公开的、可讨论的、可治理的集体实践。其一，HR 是 AI 心理安全感的主要设计者。心理安全感不是一句口号，而是涉及绩效评估逻辑、能力模型定义、晋升标准、沟通语境的一整套机制。HR 需要帮助管理层明确：使用 AI 是一种能力，不是作弊；公开分享 AI 使用经验，是一种贡献，而不是可疑行为。只有这样，员工才会相信“说真话是安全的”，AI 使用才能从影子状态走向阳光之下。其二，HR 是 AI 文化的塑造者。HR 可以引导企业从“工具导向”转向“文化导向”：与其问“我们有没有自己的大模型”，不如问“我们的员工能不能自然地把 AI 作为工作伙伴”。这种文化关乎是否鼓励尝试、是否允许试错、是否鼓励跨团队分享，以及是否把“AI 流畅性（AI Fluency）”写进人才画像与能力模型之中。其三，HR 是 AI 能力建设与治理框架的共同设计者。在岗位说明书、培训发展、人才盘点和组织发展项目中，HR 完全可以把“与 AI 协作的能力”“构建 AI 工作流的能力”“识别和审查 AI 输出风险的能力”作为新一代核心能力维度，并与 IT、安全、法务共同搭建 Responsible AI 的制度框架和教育体系。五、HR Shadow AI 行动框架：从察觉现象到建立负责任 AI 体系要从战略层面走向具体行动，HR 可以参考一个“四步式”行动框架：心理安全 → 显性化与分享 → 白化与护栏 → Responsible AI 体系化。第一步：建立 AI 心理安全感，明确“用 AI 是被鼓励的行为”HR 需要与高管层一起，向全公司发出清晰、统一的信息：在合理边界下使用 AI，是被鼓励的；在工作中说明自己使用了 AI，不会削弱对个人能力的认可；凡是能够证明 AI 使用为业务带来实质价值的案例，都可以成为正面的组织故事。这种信息不应停留在“口头安抚”，而要落实到绩效评估标准、KPI 设定、团队例会、内部沟通中，甚至体现在领导者自身的示范行为里。只有当员工真正相信“用 AI 和说明用 AI 都是安全的”，Shadow AI 才会从“要隐藏”的状态转向“可以讨论”的状态。第二步：建立 Shadow AI 显性化与分享机制，把个体经验变成组织资产当心理安全感初步建立后，HR 应主动设计可持续的分享机制。例如，设立跨部门 AI 使用经验分享会或内部“AI Demo Day”，开设专门的 Slack/飞书频道收集高效提示词与工作流，鼓励团队每季度提交一到两个“AI 提效案例”。同时，HR 可以配合设立激励机制，如“季度最佳 AI 工作流”“年度 AI 创新团队”等，以非物质荣誉与适度物质奖励相结合的方式，让员工知道：不仅可以公开，而且值得公开。在这一阶段，HR 的重点不在于立刻统一工具，而在于尽量全面地看见：哪些岗位、哪些业务场景、哪些流程已经自然地被 AI 改造；在哪些地方，Shadow AI 已经成为事实标准。这些信息会成为后续治理和产品化的坚实基础。第三步：与 IT 共建“白化机制”和技术护栏，从影子实践走向合规落地当大量 Shadow AI 使用场景被可视化之后，HR 应与 IT、安全、法务组成联合治理小组，对这些场景进行分级评估：哪些场景风险较低，可以通过简单规范直接纳入官方工具；哪些场景涉及敏感数据，需要通过技术手段（如脱敏、私有化部署、安全网关等）重构方案；哪些场景暂时不宜使用外部公共模型，需要专门设计替代路径。所谓“白化机制”，并不等同于“一刀切审批”，而是一个将影子实践纳入正式工具链与风控体系的过程。例如，将员工实践中最常用的提示词整理成组织级 Prompt Library，将高频工作流固化为一键调用的自动化模板，将临时性质的“复制粘贴+外部网站”操作替换为安全 API 或内部模型调用。HR 在此过程中的角色，是确保白化过程不压制真实需求，避免以管理的名义牺牲体验，从而促使员工再次转向影子路径。第四步：构建以 Responsible AI 为目标的治理体系，将 AI 融入人才与组织发展当显性化、白化和护栏搭建初步完成，组织就进入了 Responsible AI（负责任 AI）的建设阶段。此时，HR 需要协同其他关键职能，搭建一个长期可运行的治理体系，而不是一次性的专项项目。在制度层面，可以明确 AI 使用政策，包括可用场景、敏感数据边界、必须进行人工复核的情形、生成内容的署名与责任划分等；在能力层面，可以将 AI 相关能力写入岗位能力模型和晋升标准，将提示词能力、AI 判断能力、工作流设计能力、风险识别能力等，作为人才发展的新维度；在教育层面，可以设计分层培训体系：对所有员工提供基础 AI 素养课程，对管理者提供“AI 驱动团队”的领导力课程，对关键岗位提供场景化的深度训练。更进一步，HR 还可以推动将 AI 相关数据纳入组织诊断与人才盘点：例如，团队内部 AI 使用质量与频率是否与业务成效相关，哪些团队在 AI 采用上明显落后，哪些岗位的任务内容已经悄然改变，需要调整职位说明与绩效权重。这些工作会让 Responsible AI 不仅停留在“安全与合规”的层面，而真正延伸到“能力与竞争力”的层面。六、典型应用场景：从招聘到绩效，Shadow AI 如何转化为治理样板在具体实践中，HR 可以从几个典型场景入手，将 Shadow AI 转化为治理范例。在招聘领域，许多企业已经观察到候选人利用 AI 优化简历与面试回答，同样也有招聘团队使用 AI 来撰写 JD、筛选简历、生成面试问题。HR 可以先通过工作坊收集招聘团队真实使用 AI 的方式，识别其中哪些做法有助于提高效率与候选人体验，哪些做法可能带来偏见或不透明的风险。随后，通过明确政策与技术手段，构建一个既利用 AI 增效，又能保证公平与可解释性的招聘流程，并在内部公开这些标准，以减少阴影和猜忌。在绩效与评价场景中，部分管理者可能已经使用 AI 来草拟绩效评语或反馈。HR 不应简单禁止，而应明确：AI 可以作为辅助撰写工具，但不可以替代管理者的主观判断；最终的评语内容必须由管理者审核并承担责任。同时，HR 可以为管理者提供“如何借助 AI 写出更清晰、更具建设性的反馈”的培训，将 Shadow AI 使用引导到有益和规范的方向。在日常运营和知识管理中，员工可能已经在用 AI 整理会议纪要、编写操作手册、归纳流程和 FAQ。HR 完全可以将这些实践纳入知识管理体系：通过统一工具和流程，确保重要内容可以被沉淀、可被搜索、可被版本管理；同时，对不同类型内容设置清晰的访问与保密等级，避免知识资产流失或误用。七、从 Shadow AI 到 Responsible AI 的飞轮从 HR 的视角，Shadow AI 不是短期要消灭的现象，而是长期需要理解和引导的“地下创新能量”。一味压制，只会带来更隐蔽的使用与更高的不可控风险；积极引导，则可以形成一个健康的飞轮：员工自发实验 → 组织建立心理安全与分享机制 → 高价值实践被识别并白化 → 在治理框架下标准化与规模化 → 反馈到文化与能力体系 → 刺激下一轮更高质量的实践。在这一过程中，HR 的角色正在发生根本变化：不再只是制度的执行者，而是 AI 文化的设计者、AI 能力模型的定义者、跨职能治理框架的共同架构者。那些能够主动拥抱 Shadow AI、从中提炼出组织机会并搭建 Responsible AI 体系的 HR 团队，将为企业赢得的不只是效率，还有在下一轮技术周期中持续演进的能力。当我们不再只把 Shadow AI 看成“要被消灭的影子”，而是把它视为“正在书写中的真实 AI 采用路线图”，HR 才真正有机会站到 AI 治理的前台，成为组织转型的关键推动者，而不是被动跟随者。最后，HRTechChina在2024年就发起推动HR工作中实践负责任AI的倡议（简称RAIHR），我们呼吁所有的人力资源行业同仁一同参与，共同构建和推广RAIHR的理念，RAIHR框架包含六个关键方面：透明性、公平性、隐私性、安全性、道德性和持续性。我们倡议每一位HR专业人士在其企业内部积极主导RAIHR的实施，并鼓励HR科技产品的开发和使用都围绕这一框架展开，以实现真正的可持续发展！我们更相信RAIHR是所有参与者和倡导者的未来关键竞争优势。 Responsible AI in HR（RAIHR） Responsible AI in HR（RAIHR）是指在HR实践中的AI应用遵循高标准的道德和透明性原则，确保AI决策过程公开、可审查，并且对所有利益相关者公正无偏。这包括在招聘、员工发展、绩效管理等HR功能中，AI技术的使用既促进了工作效率，也增强了员工的工作体验和满意度。

HR leadership
2025年12月07日
HR leadership

AI不是“理解”人类，而是“预测人类”：前Google人力资源副总裁Laszlo Bock谈职场的下一个十年挑战在一场广受关注的主题演讲中，前Google人力资源副总裁Laszlo Bock分享了他对“AI如何重塑未来工作形态”的深度洞察。这不仅是一场关于技术的讲座，更是一份面向HR群体的战略警告和实践指南。非常值得推荐给大家！他的核心论点可以归结为三点：AI并不真正“理解”语言，它只是预测下一句话最可能出现什么词；AI将迅速改变职场结构，尤其是初级岗位和事务性工作的消失；HR若不掌握数据能力和实验逻辑，将失去为员工发声和引导组织转型的机会。人类直觉无法判断AI边界：它看世界是“token”，不是意义 Laszlo用一个看似简单但极具颠覆性的观点开场：AI不是在“思考”，而是在“预测”。他指出，大型语言模型（LLMs）是通过将语言拆解成“token”（语言单位）进行训练的。这些模型并不具备语义理解能力，而是基于庞大的语料库，预测下一个最有可能的token。比如，当你问AI“生成一个1到100之间的随机数”，你可能经常得到“42”这个答案。这并不是因为42有任何数学意义，而是因为它在互联网上出现频率高——尤其是在大量关于《银河系漫游指南》的内容中。这种基于“频率预测”而非“逻辑理解”的模式导致AI具备一种“锯齿状的能力边界”——即它在某些任务上表现卓越，但在看似相似的任务上却经常出错。例如，它可以写出流畅的商业邮件，但无法准确区分事实与虚构；它可以写诗，但很难遵守准确的格式要求；它可以下棋，却经常做出输局的决策。正因为如此，我们人类在评估AI能否胜任某项任务时，往往会被自己的“直觉”误导。 AI提升了工作绩效平均值，但并不意味着每个人都会受益 Laszlo引用了BCG与哈佛商学院的联合研究，展示AI对员工绩效的实质影响。在这项研究中，团队设计了18种与真实工作情境接近的任务，从数据分析到创意思维，从说服性表达到战略建议。结果发现，当员工使用AI工具协助完成任务时，整体绩效水平显著提升，原本员工间28%的能力差距被缩小至5%。这意味着，未来的职场中，“差距”会被压缩，“平均”成为常态。听起来似乎是件好事，但Laszlo却抛出一个值得HR深思的问题：如果每个人都变得“高效”，组织会如何反应？是减少工时？提高薪酬？还是干脆将“平均线”当作新标准，进一步压缩人力成本？这并非杞人忧天。历史经验告诉我们，技术进步往往首先带来“效率红利”，但最终这些红利会在某些层级被资本所吸收，而不是自动回流到员工手中。职场结构正在重构：五类岗位首当其冲在对未来工作的预判中，Laszlo明确指出了五类岗位或将迅速减少，甚至消失。首先是离岸外包型工作。随着AI在数据处理、文档生成等任务中的普及，企业将更倾向于直接部署AI模型，而非将工作转包给人力成本较低的国家。其次是初级岗位，尤其是在咨询、银行、律师事务所等以“精英路径”著称的行业。大量初级岗位的主要任务是处理数据、制作PPT、整理分析报告，这些恰恰是AI擅长的内容。第三类是事务性小时工，例如快餐店点单员、呼叫中心客服等。这些岗位过去被认为是“不可被机器取代”的人机交互工作，如今正被AI语音助手、聊天机器人、自动点餐系统等迅速替代。第四，组织将逐渐发现一个更棘手的问题：中层管理人才短缺。Laszlo预测，未来4至7年内，具备协调能力、能带团队、能处理人际复杂问题的管理者将变得极为稀缺，因为AI可以替代事务执行，但无法承担信任建立、冲突调和、判断取舍等高度人性化的职责。最后，是那些“以为安全”的专业性岗位，例如金融分析师、法律助理、初级产品经理等。如果其主要职责是信息归纳与逻辑输出，同样处于AI威胁之下。 HR需重新定位：别再做“感觉派”，而要成为“实验派” Laszlo在演讲中特别点名了HR行业的一个致命短板：很多政策和项目的设计并没有建立在实证基础之上，而是靠“经验”与“感觉”。他列举了一些广泛存在的误区，例如：提高员工内推奖金，并没有显著提升推荐量；健康激励项目（如健身补贴）往往吸引的本来就是健康人；看重名校背景的招聘标准，与员工实际绩效无关，甚至有时是负相关；培训项目6个月后的绩效反而下降；要求员工返岗的政策，降低了满意度，但并未提升生产力。这些都说明，缺乏实验和数据支持的HR决策，可能带来反效果。因此，他呼吁HR团队要向科学靠拢，掌握A/B测试、因果验证、数据解读等基本实验方法。特别是在部署AI相关工具和流程时，必须通过“高质量实验”来判断其真正影响，否则就只是被技术牵着走。企业该如何准备？Laszlo提出六条实践路径为了帮助企业和HR真正应对AI带来的变革，Laszlo提出了六条务实的建议。这些建议并不需要企业“砸钱买AI”，而是聚焦于“组织能力”的构建。第一，清洗和集中数据。数据质量是AI成功的前提，脏乱差的数据只会导致错误的预测和决策。第二，建立统计和实验能力。无论是HR项目还是AI工具的效果评估，都必须靠科学实验说话。第三，设立“AI专责角色”。组织中应有一位专门负责AI探索的人，持续关注行业动态，并定期向管理层报告AI试点进展。第四，选择业务最痛的地方，或个人最热情的领域作为AI试点起点。这样更容易获得支持与反馈。第五，培养员工的学习能力，并将其作为招聘标准。因为我们无法预测未来五年最需要的技能，但可以培养出善于学习的员工。第六，保持耐心。AI转型不是一蹴而就的。强生公司就用了三年时间，通过系统实验才明确AI的价值落点。 HR的第二次“高光时刻”已到来 Laszlo的结尾令人动容。他说，疫情期间，HR成为企业最重要的部门之一——引导组织远程办公、调整政策、守护员工心理健康。今天，随着AI浪潮席卷而来，HR再次站在战略变革的第一线。而这一次，HR面临的不是临时危机，而是长期结构性重塑。一个真正成熟的HR团队，必须不仅能理解人，也要能理解技术；不仅能提出人本关怀，也能设计科学流程；不仅能代表员工发声，也能为组织盈利模式注入长期主义。这既是一份挑战，更是一份召唤。 AI时代来临，每一个组织都必须重新思考“人”的价值。而HR，正是那个最应该引领答案的人。 Laszlo Bock的这场演讲，值得每一位HR反复阅读、深入讨论，并在组织内部真正落地。如果你还没有准备好，不如从这六件事做起。如果你已经在路上，欢迎把这篇文章分享给更多同行，一起构建一个更智慧也更有人性的未来职场。备注： Laszlo Bock背景介绍：前 Google 全球人力资源高级副总裁（SVP of People Operations），Humu 联合创始人，已退出管理岗位，AI 与组织变革思想领袖。畅销书：《Work Rules!》（2015）《重新定义公司：谷歌是如何运营的》

HR leadership
2025年07月14日
HR leadership

CHRO如何在Agentic AI时代引领转型？-从工具使用者到组织智能架构师 HRTech概述：在AI快速演进的背景下，一种全新的人力资源战略正在崛起——Agentic AI。与传统自动化不同，Agentic AI 更强调“人机协作”，由HR主导、AI支持，共同实现更高效、更可信、更具战略性的决策模式。CHRO将不再只是执行者，而是组织智能的塑造者。他们将管理AI治理、建立伦理规范，并重塑人才战略与工作模式。在AI技术席卷各行各业的当下，HR也站在了关键转型的风口浪尖。但这一次，变革不再是简单的流程自动化，而是一场围绕“智能协作”展开的深层重构。一场名为“Agentic AI”的革命正在悄然开启，而CHRO（首席人力资源官）正成为这场革命的核心引领者。过去十年，AI在HR中的应用多集中于效率层面，例如自动筛选简历、智能排班或聊天机器人。人们习惯性地把AI当成一套“流程优化工具”。然而，在Agentic AI崛起的今天，这种理解已远远不够。所谓“Agentic AI”，并非仅指具备感知、预测和处理能力的AI系统，更强调它在组织中作为“主动代理者”的角色。换句话说，它不再是“被调用的工具”，而是“共同参与决策与价值创造的智能个体”。这对CHRO而言，既是一场挑战，更是一场空前的战略机遇。 CHRO的角色，将从“流程守门人”走向“组织智能架构师” 在《Agentic Carousel》报告中，HR的AI成熟度被划分为五个阶段，每一个阶段都对CHRO提出了新的要求。在最初阶段，HR引入AI主要为了减负降本，例如RPA自动化、招聘系统、考勤管理工具。此时的CHRO，更多是“效率优化者”，关注系统选型与ROI。进入第二阶段，AI开始赋能洞察。HR团队借助AI进行离职率预测、招聘渠道分析或薪酬对比。这一时期的CHRO，要成为“洞察翻译者”，能够将数据解读转化为业务语言，支撑高层决策。而真正的转折点，发生在第三阶段——协作。Agentic AI的概念在这一阶段真正落地。HR开始引入智能推荐引擎、AI教练、员工发展路径推演等新型产品。AI不再仅服务于流程，而是与HR共建体验。CHRO的角色也随之转型，成为“人机协作推动者”。接下来，是最难但也是最关键的第四阶段：信任建立。AI的使用引发隐私、偏见、透明度等伦理问题，这一时期的CHRO，不再只是HR部门的负责人，而是组织中AI治理的倡导者与建设者。他们必须从零建立伦理框架，设定治理边界，与法务、IT、风控部门紧密协作，确保AI在组织内“用得对、用得稳、用得明白”。最终，顶尖的CHRO将进入第五阶段，成为真正的“组织智能架构师”。此时的AI已融入企业战略执行链条，HR也不再是传统的支持职能，而是构建“人+机”共生系统的中枢——既理解人性，也管理算法；既制定人才策略，也操控技术杠杆。 Agentic AI的核心：不是替代人类，而是赋能人类 Agentic AI强调的是主动性与人类协同。它不是接管HR的工作，而是把HR从繁杂冗余中解放出来，让HR团队更聚焦于影响力建设、战略落地与文化引导。在这种模式下，CHRO的重点工作也随之改变。他们不再只关心绩效制度是否公平、薪酬是否具有市场竞争力，而是开始构思：我们的AI招聘系统是否存在潜在偏见？员工是否信任他们的职业成长轨迹是AI建议的？组织是否具备基于AI洞察灵活重构团队的能力？我们是否已建立起可以透明追责的AI治理体系？这些问题，过去并不属于HR的核心关注，但如今，CHRO必须站在这些议题的最前线。三个关键行动，构建AI时代的战略型HR中枢首先，CHRO要搭建AI伦理与治理机制。这不是IT或法务部门的任务，而应由HR牵头，设立跨部门委员会，定义AI的边界与员工知情权，推动透明与信任的组织文化。其次，要推动技能结构的系统性升级。AI不会自动提升组织智能，它需要人类理解、引导、解释。CHRO要重构培训体系，将AI素养、数据分析、跨职能协作、文化演进等能力融入人才发展路径。第三，要以**“战略运营核心”的定位重塑HR架构**。不再把HR当作后台，而是将其升级为企业的“智能中控室”。通过AI与人协同，HR能实时洞察员工状态，预测团队动能，辅助管理层制定业务决策，真正参与业务成长。未来的HR，不是更自动化，而是更智能化、更人性化如果说过去的HR转型靠的是系统实施、流程重组与服务共享，那么未来的HR转型靠的将是战略主导、文化重塑与智能融合。 Agentic AI不是一项技术趋势，而是一场范式转变。它要求CHRO具备前所未有的综合能力——理解人性、驾驭技术、治理复杂系统、引领组织文化。这正是未来最强CHRO的进化之路。

HR leadership
2025年07月03日
HR leadership

Josh Bersin说：HR组织将部分被AI取代——这是件好事我(Josh Bersin)热爱人力资源这个职业。这些从业者负责招聘、人才发展、领导力培养，以及诸多企业中最重要的问题。尽管HR在历史上常被视为合规职能，但如今它的重要性比以往任何时候都要高。举个例子：在过去20年里，CHRO的薪资增长速度是CEO的5倍，这反映了HR角色的重要性正不断上升。不过，我们也必须坦诚地面对现实：AI正在扰乱我们的角色。本周，IBM正式宣布，其AI代理现在能够回答94%的常见HR问题，而且除高层领导外，“HR业务伙伴”这一角色几乎已被淘汰。因此，CEO计划裁减HR人员编制，将预算转向销售和工程团队。我们需要接受一个现实：我们正处于一个“加速度时代”。也就是说，AI的能力发展速度，远超组织的适应能力。因此，我们必须主动出击，重新设计企业架构。就HR而言，我们两年前提出的“系统性HR模型”现在正被AI全面自动化。我对IBM的案例非常熟悉，它很好地展示了所有HR团队正在前往的方向。多年前，时任CHRO的Diane Gherson开启了一系列AI项目，自动化了招聘、薪酬分析和绩效管理流程。她曾在8年前的大会上分享，IBM的薪酬工具“CogniPay”（于2018年推出）如何利用AI根据技能提出薪酬建议。这款工具领先于当今的“以技能为基础”的策略，自动化了大量原本由经理决定的绩效和薪酬决策。自那以来，IBM走得更远了。在我最近与现任CHRO Nickle Lamoureux 的交流中，她告诉我，AI代理可以协助撰写绩效评估、制定发展计划，并为管理者和高管提供绩效决策建议。我完全相信这一点，因为我每天都看到Galileo（注：Josh Bersin 公司产品）在为企业做这些事。（你可以看看他们最新的 Mercury 发布版本。）这会对HR角色和岗位产生什么影响？很明显，许多岗位会被淘汰。以学习与发展（L&D）或HR业务伙伴为例，我预计HR人员/员工的比例可能会减少20%-30%，甚至更多。这意味着这些人可能会转向管理AI平台，成为变革顾问（这是AI还无法胜任的），或转向组织设计、学习架构和数据管理等领域。我认为这其实是好事。尽管我们都担心AI会“抢走我们的工作”，但必须记住，我们的真正职责不是“完成任务”，而是“创造价值”，解决复杂问题。在这个不断“爬升价值曲线”的过程中，我们必须学会使用AI、开发AI解决方案，并从系统角度思考企业如何运作。我最近采访了一位WPP的出色HR负责人，他和他的团队利用OpenAI与Reejig（智能工作平台）等AI工具，将65,000个岗位名称精简为600个。这个项目涵盖了数据管理、业务分析、变革管理和领导力等多个维度。最终成果是WPP获得了重构其市场战略、创新方式与增长路径的巨大机会。这正是我们希望HR团队做的事情。随着越来越多的“智能代理”进入市场（参见我下面的图示），HR专业人士将不得不训练它们、部署它们，并“管理”它们的长期发展。这包括分析跨部门数据、将结果用于决策优化，并将我们的关注点从“招聘周期”“课程完成率”等过时指标，转向“转化为营收的时间”“实现生产力的时间”“客户服务成熟时间”等更有价值的指标。你看出趋势了吗？在技术加速的时代，我们要尽可能主动拥抱变化。停止只想着通过裁员节省多少钱（这只是短期收益），而要聚焦于如何创造价值。这才是AI带来的真正好处：更优质的客户服务、更快的产品上市、更高的创新能力。从某种意义上讲，所谓“HR被裁员”的故事，其实是“HR正在爬上价值链”的故事——这是个积极变化。而对HR从业者来说，这也是一次个人转型的契机。

HR leadership
2025年05月19日