-
员工体验
【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。
-
员工体验
深度解读：微软为何突然重构HR？AI时代组织运营模式的一次前置升级
HRTech核心解读：微软近日披露的一轮HR组织调整，表面上看是一次高层分工与汇报关系的重排，实质上却是AI时代下人力资源运营模式的一次系统升级。Amy Coleman上任Chief People Officer满一年之际，微软正在把HR从传统的支持系统，重构为更贴近业务节奏、更能驱动组织适应与资源重配的能力系统。对于所有HR同仁来说，这次调整的意义，远不止于微软自身。
微软HR架构大调整：从“稳定运营”走向“敏捷适应”的转型
如果只把微软这次变化理解为一次人事调整，很容易忽略它真正的分量。Amy Coleman在内部备忘录中写得非常直接：技术、工作方式与组织结构都在演变，而变化速度已经超过现有 运营模式和决策节奏原本所能承载的范围。她进一步指出，微软不再只是被要求“为稳定而扩张”，而是需要“为适应性而扩张”，并帮助企业建立新的节奏。
这句话几乎可以视为整轮重构的总开关。它说明微软看到的问题并不是某个单点 HR 流程不够好，而是原有 HR 体系建立在相对稳定、可预期、线性扩张的增长逻辑之上；而进入 AI 时代之后，业务优先级、产品节奏、组织接口与人才需求正在快速重排，原来的 HR 架构已经难以匹配这种变化。
这一背景与微软整体组织演进是同步的。根据原始材料，微软在 AI 时代正重新调整其产品与高管格局，包括整合 Copilot AI 工具团队，安排 Mustafa Suleyman 聚焦于 2025 年 11 月成立的 AI superintelligence 团队，同时也在 Rajesh Jha 退休之后推进 Office、Teams、Windows 等业务的管理交接。换句话说，HR 的变化不是孤立动作，而是微软整体组织为 AI 时代重新校准 运营模式的一部分。
从这个意义上说，这次 HR 重构并不是传统意义上的“HR优化”，而是微软在 AI 时代重新定义 HR 角色的一次系统性动作：HR不再只是承接业务提出的人才、流程与政策需求，而是要更深地参与组织如何响应变化、如何重配资源、如何让人和AI共同工作这些更根本的问题。
微软新的HR架构，到底是怎样一套系统
从 Amy Coleman 的内部备忘录来看，微软此次重构最重要的不是“换了谁”，而是“按什么逻辑重新组织HR”。在她之下，新的People组织被分成几个更清晰的能力模块，每个模块都更直接地对应业务结果，而不是传统意义上的职能分工。
首先是 Engineering HR。微软将所有工程 HR 团队整合到 Mel Simpson 领导之下，由她担任 CVP, Engineering HR。备忘录中特别提到，她当前已与 Copilot、Microsoft 365、Windows、Devices、MAI 和 OCTO 等团队紧密合作；在新的结构下，她与团队将面向所有工程领导者展开协同。 这意味着微软明确把工程人才支持作为独立且关键的业务接口，而不是再分散在多个 HR 线条中处理。
其次是 Employee Experience，由 Nathalie D'Hers 担任 CVP, Employee Experience。此次最值得关注的变化之一，就是由 Kanwal Safdar 领导的 People Analytics 团队将并入 Employee Experience 组织，向 Nathalie D'Hers 汇报。Amy Coleman 对此的解释非常明确：如果微软要提供 AI-first 的产品与体验，就必须更有意识地把“体验如何被设计”与“洞察如何被生成和应用”连接起来。她还提到，相关领导团队将在未来一个月内进一步定义，如何在保留 People Analytics 团队既有合作优势的同时，把分析资源更贴近业务。
第三个模块是 Total Rewards，由 Mike Cyran 担任 CVP, Total Rewards，直接向 Amy Coleman 汇报。Fred Thiele 已被晋升为 CVP, Global Benefits and Mobility，Mark Breer 负责 Executive Compensation、Global Equity Programs 以及 MAVS TR，两人都向 Mike Cyran 汇报。Amy Coleman 在 备忘录 中强调，薪酬与福利是员工体验与业务结果的共同核心，在工作方式持续变化的情况下，企业如何奖励与投资员工，比以往任何时候都更加重要。她还特别提到 Mike Cyran 在全球 pay equity、高绩效文化与差异化薪酬体系上的经验。 这说明微软并没有把 rewards 看作成本控制工具，而是明确视为支持高绩效与业务优先级的重要杠杆。
第四个模块是 Global Talent Acquisition。微软在 备忘录 中表示，人才战略就是竞争战略，而能否赢得未来，取决于是否能在竞争高度激烈、节奏不断加快的市场里招到最优秀的人才。因此，公司正在进入任命 dedicated Global Talent Acquisition leader 的最后阶段，该负责人将直接向 Amy Coleman 汇报。在这一负责人到位之前，Kristen Roby Dimlow 继续领导 GTA。 这里最值得注意的是 Amy Coleman 对“single owner”的强调：招聘必须由一个单一负责人全权带领，才能真正帮助业务扩张、提速并做出正确判断。
第五个模块是 People & Culture。微软将 HR4HR 与 Culture & Inclusion 合并，成立新的 People & Culture 团队，由 Leslie Lawson Sims 担任 VP, People & Culture。Diana Navas-Rosette 作为 GM, Culture & Inclusion，向 Leslie Lawson Sims 汇报。Amy Coleman 对这个新组织的定义很关键：它既是 People 团队如何运作的“引擎”，也把关键的 inclusion 工作织入到日常运作之中。 从原文可以看出，微软并没有否定 inclusion 的重要性，而是改变了它的组织位置——从相对独立的倡议型单元，转向与 People 运营和企业文化更深融合的日常机制。
第六个模块是 Global Talent Development。微软将 Talent Management、Leader Development、Manager Capability 与 Aspire 放在同一体系之下，由回归微软的 Wyatt Cutler 担任 VP, Talent Development。Leah Colson 与 Rawan Shalhoub 分别从 Talent Management 和 Manager Excellence & Development 向 Wyatt Cutler 汇报。Amy Coleman 对这一重组的描述是：把这些能力放在一起，可以加速微软最持久的业务优势之一——人的能力。 这说明微软在发展模块上的目标，已不仅是提供培训与发展项目，而是更系统地建设管理者、领导者与团队的能力。
第七个模块则是这次重构中最具前瞻意味的部分：Workforce Acceleration。微软新设这一 dedicated team，由 Justin Thenutai 担任 VP, Workforce Acceleration，Karen Kocher 领导的 Learning & Skilling 团队向其汇报。Amy Coleman 在 备忘录 中将 skilling、redeployment、workforce planning 以及 emerging human-agent collaboration 放在同一段中，并明确指出，这是一组相互连接的能力，能够帮助微软以不同方式思考人才与组织再造，并加速整个 workforce。 这一段几乎揭示了微软对未来 HR 战场的判断：AI时代的核心问题，已经不只是“如何招聘更多人”，而是“如何提升技能、重新配置人才、规划 workforce，并设计人和 agent 的协作方式”。
此外，Amy Coleman 还在备忘录 中回顾了几位关键领导者的离开与退休，包括 Lindsay-Rae McIntyre 将于 3 月 31 日离职，去担任外部公司的 Chief People Officer；Kristen Roby Dimlow、Chuck Edward 与 Dawn Klinghoffer 将在本财年末退休。 这些变化说明，这次重构并非简单增量叠加，而是与领导层交接、新旧模式更替同步发生。
从这张组织图中，读懂微软真正要改变什么
如果把这次结构变化放在传统 HR 语境下，很容易得到一个表层结论：微软是在做组织整合、职责收拢、汇报关系重排。但从你前面提供的截图解读与原文一起看，微软要改的其实是 HR 运营模式本身。
首先，它反映出 HR 正从“稳定型支持系统”转向“适应型组织系统”。过去很多大型企业的 HR 架构，是为了支撑规模化与一致性建立起来的，强调标准流程、明确分工、稳定运行。而微软在备忘录 中明确提出，现有 运营模式 和 decision rhythms 已经无法适应变化的速度。 这意味着问题不在于 HR 做得不够努力，而在于原有模式更适合稳定时期，不适合 AI 时代的持续重组。
其次，People Analytics 被并入 Employee Experience，说明数据分析在微软内部不再只是“看板”和“报告”的生产机制，而是被要求嵌入员工体验与业务决策闭环。原文中 Amy Coleman 强调，要把 how we design experiences 与 how we generate and apply insights 更有意识地连接起来。 这几乎可以被理解为微软对 People Analytics 角色的重新定义：分析的终点不是产生洞察，而是推动更快、更贴近业务的行动。
再次，Engineering HR 的统一收拢，说明微软正在把 HR 更深地嵌入核心产品和工程优先级之中。Copilot、Microsoft 365、Windows、Devices、MAI、OCTO 这些团队并不是普通业务单元，而是微软当前与未来产品竞争力的核心组成。 当这些工程团队在 AI 时代加速迭代时，HR若仍然分散、滞后或被动响应，必然跟不上业务节奏。Engineering HR 被集中到一个更清晰的结构之下，本质上是让 HR 支持能力与工程组织的速度重新对齐。
最值得 HR 同行认真思考的，是 Workforce Acceleration 的成立。Amy Coleman 并没有把这一模块仅仅定义为 learning 或 workforce planning，而是把 skilling、redeployment、workforce planning 与 human-agent collaboration 统一起来。 这意味着微软已经把未来 workforce 的核心问题看作一个系统问题：员工的技能如何更新、内部人才如何重配、岗位结构如何规划、人和 AI agent 如何协同，这些不能再被拆开处理。对于 HR 而言，这是一种相当清晰的信号：未来的关键不只是“招到谁”，而是“现有 workforce 如何被重新组织和加速”。
People & Culture 的变化同样值得重视。Lindsay-Rae McIntyre 作为 Chief Diversity Officer 离开后，微软并没有在原文中宣布一个同样独立的替代职位，而是由 Leslie Lawson Sims 领导新的 People & Culture 团队，并将 Culture & Inclusion 纳入其中，Diana Navas-Rosette 向其汇报。 这不是简单削弱 inclusion，而是组织哲学的变化：文化与包容不再主要以独立倡议的形式被推动，而是被要求更深地织入 People 团队的日常运作、领导行为与组织机制之中。
Amy Coleman的一周年感悟，其实是这次改革的管理哲学
如果只把 Amy Coleman 的一周年文字看作一封感性短文，会错过它最有价值的部分。她在那段感悟里写道，如果一项工作不能加速业务、不能帮助团队做出最好的工作，就应该停下来问一句，为什么还要做。接下来她提到的三句话——“Clarity beats complexity”“Build with, not just for”“Unlearning matters just as much as learning”——并不是抽象价值观，而更像是这次重构的 operating philosophy。
“Clarity beats complexity” 对应的，首先就是结构与流程的简化。在微软的重构中，我们看到的是更清晰的能力模块、更直接的负责人、更明确的汇报关系，以及对 single owner 的强调。尤其在 Global Talent Acquisition 中，Amy Coleman 明确写到，这项工作需要一个 fully dedicated 的负责人。 这背后对应的就是一个很朴素但很重要的管理判断：复杂会降低速度，而在 AI 时代，速度不再只是执行效率问题，而是组织竞争力本身。
“Build with, not just for” 则解释了为什么 HR 必须更深嵌入业务与员工场景。Engineering HR 的集中、Employee Experience 与 People Analytics 的结合、对 employee 作为 customer 的强调，都是在告诉我们，微软不再满足于 HR 设计一套制度“交付给业务”或“交付给员工”，而是要在业务真实运转的场景中与之共同构建解决方案。原文中 Amy Coleman 也强调，微软需要构建那些反映领导者和员工“今天如何工作”，并能预判“明天需要什么”的体验。 这本质上就是共创逻辑，而不是传统支持逻辑。
“Unlearning matters just as much as learning” 则是最容易被低估的一句。很多企业在谈转型时，都强调学习新能力，但真正阻碍变化的，往往不是没有新知识，而是放不下旧模式。微软这次重构中最鲜明的一点，正是它在主动拆解一部分旧的 HR 组织惯性：People Analytics 不再独立运行，Culture & Inclusion 不再维持原有结构，Workforce Acceleration 作为新模块被明确放到前台。这说明微软并不是简单叠加新项目，而是在主动让出空间，用新的能力模块替换旧有组织路径。
从这个角度看，Amy Coleman 的周年感悟其实不是对过去一年的情绪总结，而是对这次变革提供的认知框架。她写的是简单的语言，但背后对应的是一套很明确的组织观：HR要更清晰、更贴近业务、更敢于放下旧的路径依赖。
这次微软改革，对所有HR同仁意味着什么
对 HR 同行而言，微软这次调整最重要的价值，不在于照搬它的组织图，而在于它揭示了几个已经越来越清晰的趋势。
第一，AI 时代 HR 的核心竞争力，正在从流程管理转向组织适配能力。过去 HR 的成熟度，往往体现在制度健全、流程清晰、合规稳健；但在变化速度不断加快的今天，更关键的问题是，HR能否帮助组织更快感知变化、更快决策、更快调配资源。Amy Coleman 在原文中的判断已经很直白：过去的运营模式 与 decision rhythms 不再适用。 这意味着“稳定”不再足以定义优秀 HR，适应性才是。
第二，HR 的价值正在从支持业务转向加速业务。Amy Coleman 的那句标准已经非常清楚：如果一项工作不能 accelerating the business，就要反问自己为什么做。对很多 HR 团队来说，这其实是一个很严格的要求。它意味着 HR 不再只以满意度、覆盖率、执行率来证明价值，而要更直接地回答：是否让业务更快、更准、更具组织能力。
第三，People Analytics 的终点不是报表，而是决策。微软将其并入 Employee Experience，并强调 insight-to-action 的连接，就是在告诉我们，分析能力如果不能嵌入业务与体验，就仍然停留在支持层。 未来更重要的，不是 HR 是否有 analytics 团队，而是 analytics 是否真正改变决策质量和速度。
第四，Talent Development 的目标不再只是课程覆盖率或培训项目完成率，而是组织能力建设。微软把 Talent Management、Leader Development、Manager Capability、Aspire 放在同一结构下，就是在强调发展不应再以项目为中心，而要以能力为中心，以组织需要什么能力、管理者需要什么能力、如何建立可持续的人才梯队为中心。
第五，Workforce Planning 与 Human-Agent Collaboration 很可能会成为未来 HR 最关键的新战场。微软把 human-agent collaboration 明确写进 Workforce Acceleration 的定义里，这一点极具标志性。 它意味着领先科技公司已经不再把 AI 只看作提升效率的工具，而开始把“人如何与 agent 协作”视为 workforce 设计的一部分。对 HR 来说，这将直接影响岗位设计、技能模型、组织边界与人才再配置逻辑。
最终，微软这次调整传递出的最重要信号是：领先科技公司正在把 HR 从“人事支持功能”升级为“组织资源调度与能力重构系统”。这不是概念上的夸张，而是组织图、汇报关系与能力模块共同指向的方向。微软不是第一个谈 AI 对 HR 影响的大公司，但它这次给出的，已经不是观点，而是一套更接近实际 运营模式的答案。
给HR同仁的核心启示
对所有 HR 同行来说，微软这次改革真正值得借鉴的，不是具体岗位名称，也不是是否设立一个叫 Workforce Acceleration 的部门，而是背后的三个判断：第一，HR必须以业务速度为参照系，而不是只以流程完整性为参照系；第二，HR必须把数据、体验、人才发展与 workforce 重配放到同一个更大的组织适配框架中去理解；第三，HR未来的角色，不再只是维护秩序，而是帮助组织在持续变化中完成资源重组、能力升级与人机协同设计。
如果说过去优秀的 HR 是把支持系统做得更稳，那么未来更关键的 HR 能力，可能是把组织系统调得更快。微软这次重构之所以值得所有 HR 同行认真研究，就在于它展示了一种越来越清晰的趋势：在 AI 时代，HR 不再只是围绕“人”运转，而是开始围绕“组织如何持续适应变化”来重建自己。
-
员工体验
【英国】AI福利智能平台Origin完成3000万美元A+轮融资，打造全球员工福利“单一数据源”系统
HRTech概述：总部位于伦敦的AI福利平台Origin宣布完成3000万美元A+轮融资，累计融资超过5000万美元。公司打造的“全球福利智能平台”正在改变企业管理员工福利的方式。Origin的核心在于其AI引擎Cuido™，能够将分散在不同国家、保险公司和合同文件中的福利数据统一整合，形成可分析、可决策的系统。
总部位于伦敦的企业福利科技公司Origin宣布完成3000万美元A+轮融资。本轮融资由Notion Capital领投，Felix Capital、Acadian Ventures及全部现有投资人继续跟投，同时公司还获得了HSBC Innovation Banking UK提供的增长资金支持。至此，Origin在过去12个月内累计融资已超过5000万美元。
在当前企业成本压力持续上升、全球用工结构日益复杂的背景下，员工福利正成为企业继薪酬之后的第二大人力成本，但长期以来却缺乏系统化、数据化的管理能力。Origin正是从这一“高支出、低透明”的核心痛点切入，试图通过AI技术重构全球福利管理基础设施。
Origin将自身定位为“Enterprise Benefits Intelligence（企业福利智能）平台”，其核心价值在于为跨国企业构建一个统一的福利数据“单一真实来源（single source of truth）”。在传统模式下，企业的福利信息分散在不同国家、不同供应商、保险公司、经纪人以及各类合同与文档中，往往以PDF、政策文本或本地系统的形式存在。这种高度碎片化的结构，导致企业很难快速回答一些最基础的问题，例如：当前福利覆盖范围是什么、福利成本为何变化、不同地区之间的差异在哪里。
Origin通过其AI引擎Cuido™对这一问题进行系统性重构。Cuido™是一套专门针对全球福利场景训练的Artificial Benefits Intelligence系统，能够自动解析和结构化来自保险政策、合同条款、续约文件、经纪报告及供应商平台的数据，将原本非结构化的信息转化为统一、可查询的数据库。基于这一能力，企业可以首次获得对全球福利支出、风险暴露及运营效率的全面可视化。
与通用型AI工具不同，Cuido™不仅停留在文档理解层面，而是进一步打通了福利库存、成本结构、风险管理与绩效数据之间的关系，从而输出具有可执行性的洞察。例如，系统可以识别重复保障、价格异常、治理缺口以及未被管理的续约流程，并为企业提供优化建议，包括整合供应商、简化福利设计以及建立自动化治理机制。
该平台已与多家全球大型企业联合开发，包括Pfizer、Comcast和BP等典型的跨国组织。这些企业普遍在数十个国家运营，涉及数千家福利供应商以及复杂的合规环境，对数据整合与治理能力提出极高要求。Origin的解决方案正是在这一复杂场景中验证了其价值。
根据公司披露的案例，一家客户通过Origin平台将13个本地保险政策整合为一个区域性方案，实现了约20%的成本节约。这一成果不仅体现了AI在福利管理中的直接财务价值，也进一步说明福利数据具备被系统性优化的巨大空间。
从行业视角来看，Origin所代表的趋势正在逐渐清晰。过去二十多年中，企业在财务、供应链、人力资源管理系统等领域已基本完成数字化转型，但员工福利作为高度分散且依赖本地市场的领域，始终未能进入统一的数据体系。随着AI技术在非结构化数据处理上的突破，这一“最后一块未被数字化的企业职能”正在被重新定义。
本轮融资也将重点支持Origin在两个方向上的扩展。一方面，公司将进一步深化与HCM系统的集成，使员工能够在其日常工作系统中直接获取个性化、实时的福利信息与支持，从而提升员工体验。另一方面，Origin计划构建更完善的合作伙伴平台，连接经纪人、咨询公司、保险公司及退休金服务提供商，推动整个福利生态向更高效、更数据驱动的方向演进。
Notion Capital表示，其持续加码投资的原因在于Origin团队在过去一年中展现出的执行力与产品清晰度。Felix Capital则强调，全球福利市场长期处于复杂且低效的状态，而Origin正在构建这一领域的基础设施层。
随着医疗成本持续上涨、企业对成本控制与员工体验的双重要求不断提升，福利管理正逐渐从“后台行政职能”转变为“战略性数据资产”。Origin的快速发展，意味着这一领域正在从信息碎片化走向智能化和系统化，也标志着HR科技正在进入一个以“数据智能”为核心的新阶段。
-
员工体验
最新研究：AI效率越高，人却越来越忙，一场正在发生的知识工作规则重写
HRTech概述：AI原本被认为可以帮助员工减少工作量、提升效率，但一些企业内部观察研究却发现了相反的趋势。研究人员在一家科技公司进行了为期8个月的跟踪观察，发现AI让员工完成任务更快，但并没有减少工作时间，反而让员工承担了更多任务。这一趋势意味着，AI不仅在改变工作效率，也在重塑知识工作的规则。对于企业来说，真正的挑战并不是是否使用AI，而是如何在效率提升的同时，避免工作强度持续上升。
人工智能正以前所未有的速度进入知识工作领域。从代码生成、文档撰写到数据分析与设计辅助，AI被广泛认为是下一轮生产力革命的核心驱动力。企业普遍期待，AI能够减少重复劳动，让员工更高效地完成工作，并最终释放时间用于更具创造性的任务。然而，一些企业内部观察与组织行为研究却揭示出一个值得警惕的趋势：AI并没有像预期那样减少工作量，反而在许多场景中加速了工作的节奏，并扩大了员工承担的任务范围。
AI带来的不是“少做”，而是“多做”
在一项针对科技企业的长期观察研究中，研究人员对约200名员工的实际工作方式进行了持续跟踪，并进行了40多次跨职能访谈。研究最初的目标是理解AI工具在真实工作环境中的效率提升效果，但最终结果却显示出一种完全不同的趋势。
许多员工表示，AI确实让他们完成任务的速度明显提高。例如，原本需要数小时撰写的文档可以在AI辅助下迅速生成初稿，复杂的分析报告也可以通过提示词快速形成结构框架。然而，当任务完成得更快时，员工并没有因此减少工作时间，而是倾向于主动承担更多项目或更多任务。AI所节省的时间并没有转化为休息时间，而是被重新填充为新的工作内容。
这种现象形成了一种典型的“效率填充效应”：技术提高效率之后，工作量往往随之增加，而不是减少。
任务启动成本的降低扩大了工作范围
AI还显著降低了工作的启动门槛。过去，一些任务之所以没有被执行，是因为准备成本较高。例如整理内部报告、编写总结或进行初步分析，这些工作往往需要较长时间准备。但在AI工具的帮助下，员工只需输入简单提示词即可生成初步内容。
这一变化带来的结果是，更多任务被启动和完成。表面上看，这是一种效率提升；但从组织运作角度来看，它实际上扩大了员工的工作范围，使单位时间内的任务数量明显增加。AI不仅让任务完成得更快，还让更多任务成为“值得做”的事情。
团队竞争推动工作节奏不断加快
AI还改变了团队内部的行为逻辑。当团队中部分成员开始利用AI显著提高产出时，其他成员会自然产生比较压力。如果某位同事借助AI一天完成多个项目，其余成员很容易担心自己的效率被视为不足。
即使管理层从未正式提高绩效要求，这种由同事之间的比较产生的“隐性竞争”也会逐渐改变团队节奏。随着时间推移，原本由技术带来的效率提升会转化为新的默认标准。团队整体工作速度随之提升，而这种变化往往是在没有明确管理决策的情况下发生的。
研究人员将这种过程称为“工作量爬升”（Workload Creep）。最初，它表现为生产力提升；随后，它成为新的绩效基准；最终，它演变为组织内部的隐性期望。
AI模糊了工作与生活的时间边界
AI还在改变工作的时间结构。传统知识工作通常依赖完整的时间块，例如集中数小时撰写报告或完成分析任务。但AI让许多任务可以在碎片时间完成。员工可以在午餐时间生成文档初稿，在会议期间让AI整理笔记，或在晚间快速修改AI生成的内容。
这种变化虽然提高了灵活性，但也使工作逐渐渗透到原本属于休息的时间段。很多员工开始在更多时间点与工作保持连接，从而模糊了工作与生活之间的边界。
压力在组织层级之间出现明显分化
研究还发现，AI带来的压力在组织层级之间分布并不均衡。一线执行层员工，例如工程师、产品经理、设计师和运营人员，承担了大部分由AI加速带来的任务扩张。他们需要更快地完成更多工作，同时持续保持高效率。
相比之下，管理层和高管往往更关注整体生产率指标，因此对这种压力变化的感受较弱。这种结构性差异容易导致组织内部形成不同的认知：管理层看到的是效率提升，而执行层感受到的则是工作强度增加。
技术提升效率，但制度决定结果
从历史经验来看，类似的情况并不罕见。电子邮件、即时通讯工具和远程办公技术在过去几十年中都曾带来类似影响。通信效率的提升往往会加快工作节奏，并延长工作时间。
AI的特殊之处在于，它不仅提高沟通效率，还直接参与任务执行，因此对工作节奏的影响更加明显。如果企业只是把AI视为单纯的生产力工具，而没有建立相应的管理机制，那么效率提升很容易自动转化为更高的工作强度。
企业需要重新设计AI时代的工作规则
在AI时代，企业真正需要思考的问题并不是“是否使用AI”，而是“如何管理AI带来的生产力变化”。一些领先组织已经开始尝试新的管理方式，例如重新设计绩效评估标准、明确AI使用边界，并避免将短期效率提升直接转化为更高的任务指标。
只有在合理制度框架下，AI带来的效率提升才可能真正释放员工的时间与创造力，而不是变成新的压力来源。
AI改变的不只是效率，而是整个工作结构
从更宏观的视角看，AI正在重新定义知识工作的运行方式。当技术能够显著提高个人效率时，组织如何设定工作节奏、分配任务以及保护员工的可持续工作状态，将成为未来管理的重要课题。
效率本身并不会自动带来自由。如果缺乏制度设计和管理规则，技术进步往往会被转化为更高的工作要求。AI带来的真正挑战，并不是技术本身，而是组织如何在效率与可持续工作之间找到新的平衡。
HRTech特别说明：AI并没有减少工作量，而是在很多情况下扩大了工作量（workload expansion）。不过需要先说明一点：这段文字在社交媒体上广泛传播，但目前并没有一个公开发表的 Berkeley正式学术论文完全对应这段描述的所有数据（例如“83% workload increase、200 employees、8 months embedded research”）。类似结论在多个研究中确实存在，但具体数字很可能是社交媒体的简化或二次传播。因此，理解其逻辑比纠结具体数字更重要。
-
员工体验
忘掉你所知的HR：重塑人力资源的4个惊人AI洞见
AI正在把HR推向一次真正的“长期重置”。信息洪流、工作污泥、AI代理的出现，让传统HR模式迅速失效。关键不在于用什么工具，而在于HR是否能重新设计工作流、明确AI边界，并用透明的数据治理赢得员工信任。未来的HR不再只是执行者，而是“体验工程师”，通过人机协同打造真正有吸引力的员工体验。AI不是替代HR，而是在考验HR是否准备好进化。
你听说过“work slob”（工作污泥）吗？这是今年的年度新词。随着人工智能的普及，组织内部的提案和新倡议的数量达到了前所未有的峰值，正是这种信息的绝对“体量”催生了这个词。在这场信息洪流中，HR 领导者正处于变革的中心。然而，许多人感觉自己像个初学者，面对汹涌而来的变化不知所措。
本文将拨开迷雾，揭示 HR 领导者在这个新时代中脱颖而出所需的最具冲击力、甚至有些反直觉的核心洞见。这些不仅仅是技能，更是重塑 HR 职能、驱动未来的新思维。
洞见一：超越基础指令——精通为 HR 工作流设计的“提示工程”
当下 HR 所需的 AI 技能，远不止是下达“写一首抑扬格五音步的诗”这类基础指令。真正的核心技能是“为 HR 工作流编写提示（prompting for HR workflows）”。这意味着你需要掌握如何创建结构化的提示，用于生成合规的职位描述，或者设计能够优化 HR 服务中心流程、减轻行政负担的提示。
这项技能之所以至关重要，是因为它关乎效率的本质性提升。它不是将 AI 仅仅作为一个外部工具来使用，而是将其深度融入 HR 的核心职能，重新设计工作流程，从而释放组织的真正潜力。
然而，掌握这项技能的第一步，出人意料地与技术无关。在接触任何 AI 工具之前，你首先要做的是与团队坐下来，识别业务流程中的真正差距和痛点。如果你不带着清晰的目标去接触技术，你最终解决的只会是供应商想卖给你的那个问题。因此，真正的 AI 转型始于对业务需求的深刻洞察，而非技术本身。
洞见二：AI 使用的“3C 法则”——何时应该放手，何时必须坚守
为了在日常工作中清晰地决策何时使用 AI，一个实用的决策框架至关重要。通过整合不同专家的见解，我们构建了一个三维度的“3C”决策模型，它能清晰地界定 AI 的应用边界、赋能领域及投资回报路径，形成一个完整的战略框架。
• 何时绝对不能使用 AI： 在处理涉及承诺 (Commitment)、危机 (Crisis) 和 冲突 (Conflict) 的场景时，应避免使用 AI。这包括最终的招聘决策、薪酬设定、处理员工个人危机或调解内部冲突。在这些高度人性化的时刻，人的判断、同理心和亲身参与是任何技术都无法替代的。
• 何时应该拥抱 AI： 在需要激发创造力 (Creativity)、促进协作 (Collaboration) 以及建立连接 (Connection) 的领域，AI 是一个强大的赋能工具。无论是用于头脑风暴、辅助团队协作，还是帮助员工建立更广泛的内部联系，AI 都能显著提升效率和成果。
• 如何利用 AI 实现投资回报（ROI）： 真正的竞争优势并非来自标准化的“开箱即用”方案。要实现真正的投资回报，必须针对组织的具体背景 (Context)、独特的文化 (Culture) 和服务的客户 (Customers)，对 AI 工具进行深度专业化定制。
洞见三：数据是新基石——从“数据素养”到“透明治理”
“垃圾进，垃圾出 (garbage in, garbage out)”这句经典论断在 AI 时代显得尤为重要。HR 领导者必须深刻理解输入 AI 系统的数据质量和类型，因为这直接决定了输出结果的有效性和公正性。
因此，数据治理变得至关重要。它不仅在于保护敏感的员工数据，更在于建立一种透明的沟通机制。HR 领导者必须有能力向员工清晰地解释 AI 是如何被用于做出关键决策的，例如薪酬计算或绩效评估。这关乎信任的建立和企业文化的健康发展。
“这真的是关于建立‘玻璃盒’，而不是‘黑匣子’……HR 领导者需要有能力……向员工解释 AI 是如何被用来管理劳动力的。”
当未来的 AI “代理”开始为我们自动协调人才与岗位时，我们对数据源的理解和掌控将变得更加攸关重要，直接决定了这些自动化决策是提升效率还是制造混乱。
洞见四：人机协同的艺术——成为“体验工程师”
未来 HR 的核心技能可能不再是我们传统意义上所理解的任何一项，而是一个全新的身份：“体验工程 (experience engineering)”。
这意味着 HR 专业人士的角色将从执行者转变为设计师。他们的核心任务是利用 AI 等先进工具，精心打造能够吸引、激励和留住顶尖人才的员工体验。这个新角色融合了品牌营销的吸引力、销售的推动力以及服务的关怀精神。因此，“体验工程”不仅是一项新技能，它更是一种根本性的身份重塑，预示着整个 HR 职业的演进终局。
抓住最后的重置机会
人工智能为 HR 带来的，绝不仅仅是一套新工具，而是一次深刻的、根本性的职能重塑。如果说新冠疫情是第一次“重置”，那么“AI 则是持久的重置 (AI is the lasting reset)”。它为 HR 提供了一个前所未有的机会，使其能够真正成为驱动组织未来的核心力量。
我们的内心深处一直渴望帮助每个人在组织中找到自己的位置，并做出最大的贡献。当技术终于能让我们大规模地实现这一愿景时，我们准备好迎接这个未来了吗？
-
员工体验
人力资源的未来：人工智能驱动的7大趋势正在重新定义2026年的人才战略
2026 年，HR 将迎来真正的分水岭。AI 不再只是自动化工具，而是开始主导招聘、员工服务与人才发展的整体编排。多智能体 AI、非结构化人才数据、超个性化体验，正在重塑 CHRO 的核心职责。这篇文章系统梳理了 7 大关键趋势，值得所有 HR 管理者认真一读。
重新定义2026年人才战略的7大人工智能驱动趋势
人工智能、自动化和数据如何重新定义未来的工作、劳动力规划和人才招聘。
随着人工智能系统的日趋成熟和数字化转型加速，2026年将成为人力资源领导者们具有里程碑意义的一年。包括来自顶尖风险分析师的洞见在内的最新研究和技术趋势报告揭示了劳动力战略、人才招聘、员工体验和组织设计等领域即将发生的巨大变革。
本指南详细分析了每位首席人力资源官都应该关注的2026 年最重要的人力资源趋势，以及这些趋势对您的人才战略的影响。
1. 人工智能劳动力协调将取代人工人力资源流程
这对首席人力资源官 (CHRO) 为何至关重要：
新一代多智能体人工智能系统正在将人力资源工作从任务自动化转变为端到端的工作流程编排。人工智能将越来越多地独立管理招聘步骤、合规任务、入职流程和日程安排等工作，而不再需要人力资源团队手动协调这些环节。
主要影响
更快的招聘和入职流程
更一致的政策执行
行政瓶颈减少
招聘人员和人力资源团队转向战略性工作
2. 人力资源领导者最终将释放非结构化劳动力数据的力量
企业拥有的人才数据比以往任何时候都多——简历、电子邮件、绩效评估、面试、技能概况、培训内容——但其中大部分仍然是非结构化的，并且没有得到充分利用。
2026年将是转折点
先进的人工智能现在可以将杂乱的人力资源数据转换为支持以下功能的结构化格式：
预测性人才建模
技能差距检测
留存率预测
个性化发展路径
招聘绩效分析
首席人力资源官现在应该做什么：
评估人力资源数据准备情况
识别数据熵最高的系统
开始构建“人力资源知识图谱”
3. AI语音代理将变革招聘、入职和人力资源服务交付方式
人工智能语音助手正在成为 2026 年的一大趋势，并迅速从客户服务扩展到人才招聘和员工体验领域。
首席人力资源官应预期的应用场景：
自动化候选人预筛选
面试安排和后续跟进
福利和入职指南
实时员工支持
提供多语种人力资源服务台
为什么这很重要
语音人工智能可以减少摩擦、缩短周期时间、提高可访问性，并大规模地提供类似人类的响应速度。
4. 高度个性化的候选人和员工体验流程将成为标准
到 2026 年，个性化将成为人力资源的一项基础能力，由多模态人工智能驱动，该人工智能能够理解个人偏好、职业模式、沟通风格和技能发展轨迹。
人工智能驱动的个性化示例
基于技能和求职意向的职位推荐，而非关键词推荐。
定制化的招聘信息
自适应学习路径
个性化健康提醒
员工旅程图实时更新
5. 制造业、能源和基础设施的复兴将带来新的人才压力
科技、人工智能、机器人和电气化正在推动实体产业的复兴：制造业、物流业、能源业、建筑业、生物技术业和工业自动化业。
这对首席人力资源官意味着什么：
新兴劳动力群体
技术和贸易技能人才严重短缺
能力模型的快速演变
对具备人工智能能力的产业人才的竞争日益激烈
应采取的行动
更新人才预测和劳动力战略
投资于持续技能再培训基础设施
与职业技术院校建立伙伴关系
6. 人工智能代理将代表员工和求职者使用人力资源系统
到 2026 年，人工智能代理将越来越多地作为员工和人力资源系统之间的交互层。
示例
填写申请表
请求提供人力资源政策详情
更新员工信息
获取休假或福利信息
引导候选人完成复杂的工作流程
这就要求首席人力资源官确保人力资源内容既能被人阅读，又能被机器阅读。
7. 随着人工智能协调招聘人员、经理和员工，人力资源工作将变成“多人协作”模式。
人工智能正在进入分析师所说的多人游戏模式——这意味着不同的人工智能代理可以与利益相关者合作，管理端到端的流程。
对人力资源部门而言，这意味着：
招聘人员与候选人经纪人协调
经理代理人协调发展建议
调度员协商可用性
学习代理推荐课程和学习路径
组织影响
更具凝聚力的决策
减少交接摩擦
更好的员工和候选人体验
更高的运营一致性
首席人力资源官在2026年应该优先考虑哪些事项
为了充分利用这些趋势，首席人力资源官应重点关注以下四个战略支柱：
1. 构建适用于人工智能的人力资源数据基础
包括数据治理、元数据标准和结构化知识层。
2. 重新设计人才流程以适应人工智能的协调，而不是渐进式自动化。
要从端到端的旅程角度来思考。
3. 为人工智能辅助角色做好人力资源准备
提升人工智能监管、故障排除和战略性人类决策方面的技能。
4. 在人才生命周期的各个阶段提供深度个性化的体验
从吸引人才到培养人才再到留住人才。
展望未来
2026 年，那些将人工智能视为工作设计、执行、衡量和体验方式的代际变革，而不是附加功能的首席人力资源官们将会获得回报。
及早拥抱这些趋势的组织将在以下方面表现优异：
速度
人才竞争力
成本效益
员工体验
劳动力适应能力
人力资源的未来不会是自动化，而是需要精心策划。引领这场变革的首席人力资源官们将为未来十年的劳动力创新树立标杆。
-
员工体验
AI-First 时代：首席人事官的5个新标准
HRTech概述：波士顿咨询公司（BCG）的最新研究指出，企业在AI转型中最大的误判，并非技术路线选择错误，而是低估了首席人力资源官（Chief People Officer, CPO）在战略层的关键作用。在AI重塑商业版图的浪潮中，CEO们纷纷投资算法、平台与模型，却常常忽视一个更深层的现实：技术可以提升效率，唯有人才能重建信任。
真正的“AI-First企业”，CPO不再是执行AI战略的“配角”，而是引领组织再造与能力重构的核心驱动力。
推荐阅读了解，视频解读可以访问视频号：HRTech
重新定义CPO在AI时代的战略价值
在企业竞相拥抱人工智能的浪潮中，CEO们最常见也最致命的误判，是一种 foundational strategic error that directly correlates with value destruction：低估了首席人事官（CPO）在转型成功中所扮演的核心角色。他们常常将CPO定位为AI战略的“支持者”——一个负责执行和协调员工过渡的角色，而非从一开始就参与塑造战略、重塑组织关键能力的“引领者”。
这是一个代价高昂的错误。最新调研数据显示，尽管几乎所有企业都在尝试应用AI，但仍有高达60%的公司未能从其AI投资中产生实际价值。与之形成鲜明对比的是，表现最优的5%的公司（BCG称之为“未来型公司 (future-built companies)”）正在解锁巨大的商业回报，其营收增长、股东总回报和EBIT利润率分别比落后者高出1.7倍、3.6倍和1.6倍。这一差距的根源，并非仅仅是技术的优劣，而是企业在重构“人机协同”这一全新运营模式上的根本性失败。
为了弥合这一差距，企业必须重新设计工作流、重塑岗位架构、大规模提升员工技能，并赢得一线员工的信任——尤其是在那些最初并非为生成式AI（GenAI）或AI代理而设计的职能部门。所有这些职责都直指CPO。本报告旨在为人力资源领域的专业人士深入解读，为何CPO必须完成从战略支持到战略引领的角色转变，并详细剖析未来AI-First CPO必须具备的五项核心领导力新标准。
--------------------------------------------------------------------------------
1. 战略角色的演变：从人事管理者到企业“能力架构师”
AI时代从根本上颠覆了CPO的核心职责：其使命不再是维护和渐进式优化现有组织，而是要以前所未有的魄力，对工作结构、领导方式和组织适应性进行一场颠覆性的重构。这意味着，CPO的角色正在从传统的人事管理者，演变为企业的“首席能力架构师”（Chief Capabilities Architect）。
传统CPO职责
AI-First CPO（能力架构师）
核心：维护与渐进式发展
核心：颠覆与重构
- 人才规划与招聘
- 重新设计整合AI的工作流
- 领导力发展
- 重塑岗位架构与角色期望
- 薪酬福利管理
- 主导大规模、持续性的员工技能提升
- 绩效评估体系
- 制定衡量AI真实价值（如生产力）的KPI
- 塑造积极的企业文化
- 在变革中建立并维护员工信任
“首席能力架构师”这一新角色要求CPO具备深刻的战略性和概念性思维。他们必须能够精准判断：哪些工作应由人类完成，哪些可以交由AI承担？如何构建能够无缝整合AI工具的新工作流程？这是一项艰巨的挑战，随着AI技术的不断迭代，CPO需要持续地对岗位进行“拆解”与“重组”，并决定何时引入新人才、为谁提供何种技能提升。然而，这种前瞻性的技术架构能力必须与一种永恒的领导力优势相结合——即深刻的共情能力，以引导焦虑的员工，将他们对未知的恐惧转化为拥抱变革的热情。
这一角色的紧迫性已在领先企业中得到印证。数据显示，那些从AI中获得卓越回报的顶尖公司，在为员工提供结构化的AI学习项目方面的可能性是落后者的四倍。这不仅是投资力度的差异，更是战略优先级的体现。
这种深刻的角色转变，要求CPO必须具备一套全新的思维模式与核心能力。接下来的章节，我们将深入探讨这些具体的能力标准。
--------------------------------------------------------------------------------
2. AI-First CPO的五项核心领导力标准
尽管目前拥有直接AI转型经验的CPO凤毛麟角，但决定其成功与否的关键，并非履历本身，而是其是否具备适应AI革命的特定思维模式和技能组合。CEO们应运用以下五项标准作为评估其CPO是否具备“AI-First”领导力的核心框架。
2.1. 标准一：具备强烈的“AI好奇心”与实践经验
在ChatGPT亮相全球近三年之际，一位卓越的CPO不应再仅仅停留在“讨论”AI的层面，而必须成为AI的积极使用者和实践者。这种“AI好奇心”并非空谈，而是体现在具体的行动中：
亲自使用：积极试用各类AI工具，理解其潜力和局限。
内部试点：在人力资源部门内部率先启动AI试点项目，以亲身体验应用过程中的障碍，并探索解决方案。
定义价值：着手制定能够衡量真实价值创造（如生产力提升、效率增益）的KPI，而非满足于流于表面的参与度或活动指标。
建立技术语感：CPO无需成为技术专家，但必须具备足够的实践经验和技术流畅度，以便能够主导战略对话，并对AI将如何重塑劳动力提出清晰、有根据的见解。
2.2. 标准二：拥有领导“范式转移”的转型经验
虽然直接的AI转型经验尚属稀缺，但其他类型的大规模变革经验（如重大的技术转型或颠覆性的行业运营模式重塑）同样至关重要，其经验具备高度的可迁移性。
拥有此类经验的CPO对变革的艰巨性有着深刻的理解。他们曾亲眼见证新技术如何重新定义角色和工作流程，这为他们提供了一套预判阻力点、管理利益相关者焦虑、并驾驭转型过程中非线性混乱的心理“剧本”。更重要的是，他们在过往的转型中，已经培养出一种关键能力：识别并解决那些可能拖延甚至破坏敏捷转型的心理、实践和管理层面的障碍。 这种洞察力让他们在引导AI转型时，更不易被人性层面的挑战所颠覆。
2.3. 标准三：具备在模糊中“构建结构”的能力
最成功的CPO能够将创新思维与严谨、结构化的方法相结合，从而将团队的创造力引导至价值最高的领域。当他们参与转型决策时，他们带来的不是一堆悬而未决的问题，而是一个清晰的行动框架。这种结构化思维通常表现为：
立即解决: 他们明确了“3个当前就能回答的问题”。
验证假设: 他们对另外“3个问题已形成有力假设，并正通过实验验证”。
监控未来: 他们识别出“4个到2027年才需解决，但正密切监控其加速信号的问题”。
这种能力确保了CPO在战略讨论中，始终能带着清晰的优先级和可行的方案，推动议程向前发展，而不是让讨论陷入无休止的开放式提问中。
2.4. 标准四：能够与员工构建并管理“新的社会契约”
AI转型的最大阻力并非来自技术，而是源于信任的缺失。为了直接应对这一挑战，CPO必须主动构建并管理一份与员工的“新社会契约”。员工们普遍担忧自己的工作岗位会因此消失、被降级或失去原有的意义。这些真实存在的恐惧会逐渐侵蚀员工的使命感，并固化为对变革的阻力。
这份契约是建立信任、引导变革的关键，其核心要素包括：
清晰阐明公司为何以及如何使用AI。
明确界定相关的决策将如何制定，确保过程的透明度。
公开定义成功的标准将如何衡量，让员工理解变革的目标。
理想情况下，这份契约应在转型之初，通过征求各级员工的意见来共同制定，从而建立广泛的共识和认同感。
2.5. 标准五：勇于在决策层“主张应有席位”并挑战现状
在AI转型中，CPO的角色绝不能被视为次要。他们必须心安理得地主导公司的人才战略，并深度参与公司的重塑过程，在决策桌上拥有不容置疑的一席之地。
这意味着CPO需要具备无畏的挑战者精神，能够勇敢地挑战组织内固有的假设——即使这些假设来自CEO本人。只有这样，才能确保人才战略与公司整体的AI战略紧密结合、切实可行，而不是沦为纸上谈兵。
最终，一位AI-First的CPO是三个身份的结合体：一位高瞻远瞩的战略大师、一位推动变革的创新者，以及一位信任的捍卫者 (trust champion)。
--------------------------------------------------------------------------------
3. 引领企业迈向AI驱动的未来
定义一家AI-First公司的标准，绝不仅仅是其技术实力或算法的先进性，更在于其如何有效地重塑工作方式，并带领全体员工共同迈向未来。这使得CPO的角色变得前所未有的重要。
对于CEO而言，其在AI时代的首要任务，就是挑选、赋能并支持一位能够胜任这一重塑使命的CPO。未能做到这一点，并非简单的授权失误，而是一种领导力的根本性缺失，它将不可避免地把公司归入那60%停滞不前的落后者行列。只有确保CPO有能力、有信心在这个主角位置上发光发热，他才能真正引领整个组织，穿越变革的迷雾，迈向一个截然不同的、由AI驱动的未来。
-
员工体验
AI重写规则：2026年HR领导者的五项关键优先事项
在AI加速重塑工作的时代，HR已不再只是管理制度与流程的职能部门，而是组织智能化与文化变革的核心驱动力。面对AI带来的结构性变革与技能重构，2026年的HR领导者必须从战略高度重新定义“人”的价值与“工作”的边界。未来HR的使命在于引领AI转型、重塑组织结构、构建以技能为核心的灵活体系，并将AI素养纳入专业能力核心。这不仅关乎技术，更关乎组织信任、文化韧性与长期增长。本文将系统阐述AIHR报告中的五大优先方向，帮助HR专业人士把握AI时代的领导力关键。视频解读请关注视频号：HRTech
AI驱动下的组织再造
2026年，人力资源领域正经历自工业革命以来最深刻的变革。生成式AI与智能自动化的快速渗透，使组织必须重新思考“工作”本身的定义。AI不再只是技术项目，而是牵动人、文化与治理的系统性转型。根据Cisco《AI Readiness Index》数据，98%的企业表示必须尽快在AI上取得实质成果，但同时91%的企业尚未具备推动AI文化的准备度。在这种背景下，HR的角色不再是执行，而是引领。未来的HR领导者应聚焦五项核心优先事项，以重新定义“人力资源”在智能组织中的战略地位。
一、共同领导组织AI转型（Co-lead Organizational AI Transformation）
在AI浪潮中，技术部门常被视为主导者，但现实表明：AI项目的成功取决于文化与人的准备度，而非算法精度。AIHR的调研显示，87%的组织尚未准备好捕捉AI的潜在价值。仅有少数企业，如Moderna，将HR与IT整合为一个战略单元，共同构建“AI协作治理模型（AI Co-Leadership Model）”，实现技术部署与员工文化并行落地。
HR的首要任务，是建立“人本导向的AI治理体系”。这意味着：
在AI卓越中心（AI CoE）中确立HR的决策席位；
绘制AI对岗位与技能的影响地图（Impact Map）；
建立员工信任机制，通过内部“AI公开论坛”与透明沟通来减少焦虑。
关键数据支持：
59%的组织必须在12个月内展示AI投资回报；
91%的组织文化尚未适配AI环境（Cisco AI Readiness Index, 2025）。
换言之，AI不是IT项目，而是组织设计项目。HR是AI转型的社会架构师。
二、将AI产能再投资于增长与创新（Reinvest AI Capacity Gains into Growth）
AI平均每年可为员工节省超过120小时（Google, 2025），但时间节省并不等于组织成长。AIHR的分析指出，若企业将效率红利仅用于裁员与成本控制，将导致组织知识断层与信任崩塌。IBM在2024年的案例证明了这一点——企业因AI自动化裁员8000人，随后又因创新停滞不得不重新招聘。
未来的HR领导者应将AI带来的时间盈余转化为“学习资本”，通过以下方式推动再投资循环：
能力再培养（Reskilling）：识别AI替代风险岗位，建立内部技能迁移通道；
创新投入（Innovation Time）：为员工预留5%–10%的创新探索时间；
组织福祉（Wellbeing）：监测技术压力（Technostress）指数，防止产能过载。
关键数据支持：
86%的CHRO认为整合数字劳动力已成为核心职责（Salesforce, 2025）；
30%的企业预期因AI带来生产力增长，但仅19%计划同步提升员工学习投资。
AIHR建议企业制定“产能再投资ROI模型”，以员工参与率、创新项目数量与技能增长率为衡量标准。
三、重构HR体系以支持跨职能成果（Redesign HR for Cross-Functional Outcomes）
AI的价值在于连接，而传统HR的结构在于分割。AIHR的研究指出，42%的HR团队认为现有系统无法支撑战略执行，45%的HR结构对业务目标支持力不足。在AI驱动的组织中，HR不再是孤立职能，而是“跨职能网络（Cross-Functional Network）”的一部分。
领先企业正通过**“HR敏捷小组（HR Pods）”**取代传统的职能部门：
以业务成果为导向（如员工留存率、技能转化率）；
成员来自HR、IT、业务部门与分析团队；
每季度复盘成果并调整策略。
例如，微软在其AI劳动力优化项目中，采用跨部门数据小组形式，将招聘、绩效与学习系统打通，实现了员工生命周期的智能化管理。这种结构不仅提升了响应速度，也让HR成为企业创新的引擎。
关键数据支持：
HR数字化市场正以25%的年增长率扩张（Grandview Research, 2025）；
63%的HR专业人士表示尚未准备好领导数字化转型（AIHR HRBP Model Research）。
未来的HR不再是“人力资源中心”，而是“成果交付网络”。
四、从人头数转向技能数（Move from Headcount to Skill Count）
AI与灵活用工平台的崛起，使“岗位”这一概念逐渐被“技能”取代。Deloitte研究表明，技能驱动型组织比传统组织高52%的创新力，57%的应变力，更有63%的绩效领先概率。
AIHR指出，未来组织的竞争力将取决于技能的深度与可流动性（Skill Depth & Mobility）。这意味着HR需要：
建立AI辅助的技能图谱（AI-enabled Skills Taxonomy）；
允许员工、合同工与AI代理人（AI Agents）按项目灵活协作；
将绩效与激励机制从职位导向转为成果与技能导向。
某全球制造集团在AI驱动的技能生态建设中，通过AI自动识别员工技能并匹配项目需求，项目完成效率提升了35%。
关键数据支持：
77%的高管认为灵活技能流动是未来组织韧性的关键（Deloitte, 2025）；
73%的员工认为基于技能的实践将提升工作体验与公平感。
技能将成为新的“货币”，HR的任务是建立其“流通机制”。
五、将AI素养打造为HR的核心竞争力（Build AI Fluency as a Core HR Capability）
AI素养（AI Fluency）不只是会用AI工具，而是能理解其逻辑、治理与伦理。AIHR在2025年调研了1500名HR专业人士，发现：
仅35%的人认为自己具备AI协作能力；
61%的HR几乎未参与AI项目；
38%的人依靠自学AI工具。
AI素养包含四个层面：
认知层（Awareness）：理解AI原理、限制与潜在风险；
应用层（Application）：将AI嵌入招聘、绩效与学习流程；
伦理层（Ethics）：识别偏见、防止算法歧视；
领导层（Leadership）：推动组织在“负责任AI”框架下运作。
AIHR提出“T型HR模型（T-Shaped HR Model）”，将AI能力与商业洞察、人文判断并列为核心专业能力。正如AIHR首席科学家Dieter Veldsman所言：“AI素养将成为HR的新语言，谁能流利表达，谁就能定义未来。”
从管理者到智能组织的共同设计师
AI的普及意味着HR职能正被彻底重塑。未来的HR领导者不仅要懂人，更要懂算法；不仅要能管理员工，更要能管理智能系统。AIHR认为，HR将成为连接技术理性与人文温度的桥梁。他们的成功，不仅取决于技术采用速度，更取决于是否能引导组织在效率、信任与意义之间找到平衡。
2026年的人力资源领导者，将不再是事务执行者，而是智能组织的共同设计师（Co-Designer of Intelligent Organizations）。
来源：AIHR《HR Priorities 2026 Report》，2025年11月发布。(参考文献包括Cisco AI Readiness Index, McKinsey State of AI 2025, Deloitte Skills-based Organization Report, Salesforce Agentic AI Impact Study, Grandview Research 2025.)
-
员工体验
全球HR能力报告：超过一半HR低估了AI转型的挑战
HRTech概述：在AI驱动的新时代，人力资源正在经历前所未有的能力裂变。《全球HR能力报告》通过对13,000多名HR专业人士的研究发现，超过一半的HR团队对自身应对AI转型的能力缺乏信心。报告指出，未来HR的竞争力将由五大核心要素决定：商业敏锐度、数据素养、数字敏捷、人员倡导与执行卓越。然而，现实中多数HR仍停留在事务管理阶段，对业务理解不足，对技术应用信心不强。AI的浪潮不仅重塑岗位与流程，更在重新定义HR的角色与价值。
想要掌握这场变革的关键，就必须以数据为依据、以数字化为引擎。关注HRTechChina，获取最新全球HR趋势与AI转型洞察。
在AI加速重塑组织的时代，人力资源部门正站在一场能力重构的门槛上。最新发布的《Future-Ready HR Skills Report（未来型HR技能报告）》通过对13,000多名全球HR专业人士的调研，为“面向未来的人力资源能力”描绘了全景图。关注视频号：HRTech 获取视频解读。
报告揭示了一个令人警醒的现实：
超过一半的HR团队承认，他们没有信心能够真正满足企业对人力资源职能的期待。
这份研究不仅是关于“HR需要学习什么”，更是关于“HR如何重新定义自己”的答案。
一、五维度重塑：未来HR的核心能力地图
报告认为，面向未来的HR需要具备五大核心能力：
商业敏锐度（Business Acumen）：理解商业逻辑，将人力决策与价值创造直接挂钩。
数据素养（Data Literacy）：从数据中提炼洞察，驱动基于证据的决策。
数字敏捷（Digital Agility）：懂得何时、如何、为何使用技术以创造业务影响。
人员倡导（People Advocacy）：在变化中坚守公平、包容与价值导向。
执行卓越（Execution Excellence）：将战略转化为结果，解决复杂问题并推动落地。
这五大领域共同构成HR的“未来能力模型”，而现实中，HR群体在这些方面的差距仍然明显。
二、能力错位：HR的“信心陷阱”
1. 商业敏锐度：懂业务，才有发言权
73%的HR自认为具备商业理解力，但“商业流利度（Commercial Fluency）”是得分最低的子能力。在服务岗位上，这种差距更为突出；相反，那些直接参与战略制定的HRBP得分明显更高。
结论： HR若想成为决策层的一部分，必须理解利润模型、市场动态与客户需求。
2. 数据素养：从报告到洞察的进化
人力资源拥有史上最丰富的数据，却仍未能把数据转化为决策力。最大短板不是工具，而是**“数据翻译力”与“故事化表达”**——也就是让数据真正说服业务。
AIHR指出：“Insight without action is just noise.” —— 洞察若无法落地，只是噪音。
优秀的HR不仅能读懂数据，还能讲出影响决策的故事。在未来三年内，“数据翻译力”将成为HR是否能参与公司决策的分水岭。
真正具备数据素养的HR，能用一页图表讲清决策依据，用一句洞察带动组织行动。
3. 数字敏捷：技术不再是选项，而是生存力
数字敏捷是目前HR最薄弱的领域。仅39%的受访者认为自己擅长使用数字工具，而经验的积累并未显著改善这一点。很多HR“会用系统”，却不会评估ROI或选择合适的工具。
未来的关键在于： 技术思维与业务判断的融合。数字化不是HR的“额外技能”，而是能力底座。
4. 人员倡导：价值导向的领导力回归
74%的HR表示对“以价值为导向”充满信心，但在“伦理与风险应对”上存在明显短板。报告指出，真实的组织历练比任何课程更能塑造HR的价值观。
优秀的HR懂得在变革中守住边界，在组织利益与员工权益之间找到平衡。
5. 执行卓越：让战略真正落地
82%的HR对自己的执行力充满信心，但“分析型问题解决”仍是普遍弱项。执行力不是“多做”，而是“做对”。
真正的执行卓越，是能在复杂环境中保持方向感与持续性，并通过数据衡量结果，而非过程。
三、四大转型优先级：从“泛学”到“定向成长”
报告最后总结出未来HR能力建设的四个关键方向：
聚焦基础（Focus on Fundamentals）：商业流利度、数据翻译力、数字决策力，是HR的生存底线。
宽度与深度并行（Build Broad and Deep Skills）：未来HR应既懂人，又懂数、懂业务、懂技术。
以曝光驱动学习（Learning Through Exposure）：能力成长源自跨部门协作、实战项目与真实场景，而非年资堆积。
看清真实能力（Understand Real Capability）：不同职能、人格与行为模式决定HR的发展路径，应以“行为画像”而非“职位等级”来评估。
四、90天落地蓝图：从认知到实践
报告提出可操作的三步路径：
第1月：诊断与对齐评估团队在商业理解、数据与工具应用上的差距，确定两个可量化业务目标。
第2月：实战与复盘发起跨部门OKR项目，组织“数据驱动决策”模拟演练。
第3月：数字化落地试点自动化流程或AI工具应用，将结果与业务指标直接挂钩。
这份“90天计划”帮助HR从学习走向执行，实现能力的真正转化。
HR的未来，不在AI，而在人
报告的结尾写道：
“HR团队的成功，取决于他们的技能是否仍具相关性。”
AI不会取代HR，但会淘汰那些不懂业务、不会用AI、缺乏判断力的从业者。未来的HR将不只是“人事管理者”，而是能用数据和洞察驱动组织成长的战略伙伴。
面对AI浪潮，中国的HR正站在全球转型的同一起跑线上。要抓住时代机遇，关注HRTechChina，获取更多关于HR数字化转型、AI应用与全球趋势的最新解读。
-
员工体验
刚刚:Workday宣布11亿美元收购瑞典AI驱动的知识学习平台Sana，打造AI驱动的“未来工作入口”
HRTech概述：Workday 将以11亿美元收购瑞典AI企业知识平台公司 Sana，计划于2026财年Q4完成交割。Sana 以 AI 智能体（Sana Agents）与 AI 学习平台（Sana Learn）闻名，已服务超100万用户。未来 Sana 将与 Workday 的员工与财务数据深度整合，实现知识检索、流程自动化、内容生成与个性化学习体验，服务 Workday 生态内7,500万用户。此举标志着 Workday 迈向“未来工作入口”战略，加速企业AI变革。
Workday出手11亿美元拿下Sana
2025年9月16日，Workday, Inc.（纳斯达克代码：WDAY）在Workday Rising 2025大会上宣布，已与总部位于瑞典斯德哥尔摩的AI企业知识平台公司Sana签署最终收购协议，交易金额约为11亿美元，将收购Sana全部流通股权。
该交易预计将在Workday 2026财年第四季度（即2026年1月31日前）完成，需满足惯常交割条件。交割完成后，Sana将成为Workday全资子公司，其核心产品Sana Agents和Sana Learn将继续以独立品牌形态发展，并全面融入Workday的AI战略版图。
Sana此次交易的顾问为DLA Piper，Workday方面的财务顾问为Allen & Company LLC，法律顾问为Orrick。
Sana：AI原生的企业知识与学习平台
成立于2016年的Sana，长期专注于AI原生企业知识与学习平台的研发，核心产品包括：
Sana Agents：一套无代码AI智能体构建平台，可用于构建企业内部任务自动化代理，支持文档检索、内容生成、洞察分析、流程执行等全链条工作流，且所有操作通过“Agent System of Record”机制记录，保障安全与合规；
Sana Learn：AI驱动的企业学习管理与内容创作平台，集课程生成、知识库搭建、个性化辅导、互动学习于一体。
目前，Sana已服务全球数百家企业、超过100万名用户。其客户案例包括：
某全球电动车制造商：员工学习参与度提升 275%；
一家拥有7,500名员工的欧洲安装行业分销商：课程开发周期从 4个月缩短至4天；
某全球金融科技公司：内容创作周期从 3周缩短至3小时。
Sana曾获得多轮风险投资支持，投资方包括Merck旗下基金与Polestar创始团队等，凭借其AI原生技术在企业培训和知识管理领域建立了领先地位。
战略意义：打造“未来工作入口”平台
根据Workday产品与技术总裁Gerrit Kazmaier的表述，Sana的加入将成为Workday打造“未来工作入口（front door for work）”战略的核心支点。Workday计划将Sana的知识搜索、智能体和学习系统，与其在人力与财务领域的独特数据上下文深度整合，实现以下目标：
知识与数据融合：实现跨Workday、Google Drive、SharePoint、Office 365等多源数据的统一检索；
智能体驱动工作：通过Sana Agents提供任务自动化、主动推荐、洞察推送、绩效管理等AI服务；
学习与技能重构：利用Sana Learn的AI内容生成与个性化辅导功能，加速员工技能建设、内部流动与再培训计划；
个性化体验升级：基于员工角色、团队构成与绩效数据，主动提供定制化仪表盘、流程工具和学习资源。
届时，全球超过7,500万名Workday用户将能够在同一平台内完成数据获取、流程执行、内容生成与技能学习，极大提升工作效率与体验一致性。
产品互补：强化Workday学习与前端智能化能力
Sana的两大核心产品与Workday现有产品形成互补：
Sana Learn 将为Workday Learning注入AI生成式课程开发、个性化辅导与互动学习等能力，解决企业对“规模化+个性化”学习内容的迫切需求；
Sana Agents 则补足了Workday在前端智能体、跨系统知识检索与工作流执行方面的能力，使员工可以用自然语言发出指令，系统自动完成数据整合、流程审批、绩效分析等任务。
这意味着Workday未来的用户体验将从“提供数据平台”转向“提供智能助手”，从而显著提高员工生产力与系统使用粘性。
行业观察：Workday的AI版图加速成型
长期关注企业HR科技领域的分析师Josh Bersin指出，此次收购不仅是产品线补强，更是Workday整体战略架构的根本性跃迁。通过引入Sana的AI原生架构，Workday将从“后端交易系统”向“前端AI体验平台”转型，从而在以下几个方向强化竞争力：
技术维度：实现AI原生知识图谱、生成式学习内容、智能体平台三位一体的闭环；
用户体验维度：统一知识、数据、行动与学习入口，减少用户在多系统之间切换；
商业维度：借力Sana成熟的企业客户基础与快速迭代的AI产品，将大幅提升Workday的客户粘性与交叉销售潜力。
在全球企业加速投入AI转型、人才再培训与内部流动的大背景下，Workday通过此次收购切入企业知识与学习赛道的“AI上层建筑”，有望显著扩大其在HR科技市场的总体可寻址市场（TAM），并建立长期壁垒。与此同时，SAP收购SmartRecruiters、Oracle强化AI Copilot等竞争者动作频频，Workday此举也被视为正面回应市场竞争的关键举措。
财务与运营前景
Workday目前尚未披露此次收购对未来财务业绩的具体影响，但表示将于后续财报更新指引。本次交易仍需监管及惯常交割程序完成。分析人士预计，此项收购将以增长性投资的形式纳入Workday整体战略支出，短期对利润率或有压力，但将强化其在人才管理与AI企业应用领域的长期增长潜力。
HRTech评论：
这笔价值11亿美元的收购交易，标志着Workday在企业AI平台转型道路上迈出了关键一步。未来，Sana的AI能力与Workday在人员与财务数据的优势结合，将重塑企业用户与员工的交互方式，为全球客户带来更智能、更主动、更个性化的工作体验，也为Workday在AI驱动的下一代企业应用竞赛中奠定领先地位。
值得注意的是，Workday近年已多次通过并购快速补充AI能力：包括2023年收购Helios（AI技能匹配引擎）、2024年收购HiredScore（人才智能与内部流动AI平台），以及2025年初收购Paradox部分团队以强化AI招聘助理功能。此次整合Sana，则进一步补齐了Workday在知识检索、任务自动化与AI学习内容生成上的关键能力模块，显示其正以“拼图式并购”策略加速构建AI时代的企业中台能力。
新闻来源：
Workday 官方新闻稿（PRNewswire，2025年9月16日）
Josh Bersin《Workday Acquires Sana to Transform Its Learning Platform – And Much More》（2025年9月）
扫一扫 加微信
hrtechchina
