人工智能 - 北美华人人力资源协会

人工智能

AI人才价格战彻底失控？顶级研究科学家新聘股权冲上5000万美元 NACSHR核心摘要：AI人才真正贵在哪里？可能不是工资，而是股权。Pave × Nua Group 最新报告显示，AI Research Scientist 新聘股权中位数最高已达 472万美元，部分湾区顶级公司的高级人才 P90 股权包甚至达到 4500万–6000万美元。更重要的是，AI Engineer、ML Engineer、Research Scientist 已经形成完全不同的人才市场。做招聘、薪酬和组织设计的HR值得看看这组数据。当企业还在讨论“AI Engineer到底应该比普通软件工程师多付多少工资”时，AI人才市场本身已经发生了更深层次的变化。 Pave 与 Nua Group 最新发布的《The State of AI Talent: A Compensation & Workforce Report》基于 Pave 覆盖 9,000+ 家企业的实时薪酬数据库，对 15,000+ 名映射至AI和机器学习岗位的员工进行分析。Pave的数据通过企业 HRIS、ATS 和 Equity Management Systems 持续连接，并结合企业融资、规模和上市状态等信息进行分析。从 NACSHR 的角度看，这份报告最值得关注的并不是“某些AI人才拿到了数千万美元股权”这样吸引眼球的数字，而是一个更重要的变化：AI人才正在从一个笼统的技术标签，演变成多个拥有不同岗位定义、人才供给、薪酬曲线和股权策略的独立人才市场。 AI人才已经不能再放在一个“AI Engineer”岗位里管理过去几年，很多企业招聘AI人才时，常见做法是在 Software Engineer 基础上增加“AI”标签，然后适当提高薪酬。但 Pave 和 Nua Group 认为，这种方式已经越来越难以准确反映市场。报告将技术人才从传统软件开发到前沿AI研究划分为五个连续层次：Software Engineer、AI-Capable SWE、AI Engineer、ML Engineer 和 AI Researcher。其中最容易产生混淆的是 Software Engineer 与 AI Engineer 之间的 AI-Capable SWE，这并不是一个已经高度标准化的独立岗位，因此在职位名称和 Level 判断上最容易产生混乱。 AI Engineer 与 ML Engineer 的差异则更加明确。AI Engineer 主要工作在 application layer，将现有模型和算法嵌入产品、API、基础设施和生产系统；ML Engineer 更靠近 model lifecycle，负责模型开发、优化、统计方法以及支撑模型运行的数据和工程管道。实际人才结构也已经出现明显分层。在 Pave 数据库的AI/ML员工中，ML Engineering 占56.2%，AI Research Scientist占23.4%，AI Engineering占17.0%，Computer Vision Engineering占2.2%，MLOps Engineering占1.2%。这意味着，对于企业HR而言，“我们要招聘AI人才”已经不是一个足够明确的人才需求。真正的问题应该是：企业究竟需要开发模型的人、优化模型的人，还是把模型转化为产品和业务能力的人？基本工资并没有失控，真正拉开差距的是股权 AI人才薪酬市场最值得注意的一个现象，是基本工资和股权正在呈现完全不同的走势。从 Base Salary 看，三个核心AI岗位族之间实际上相对接近。P6级别的中位基本工资中，ML Engineering为 $321K，AI Research Scientist为 $311K，AI Engineering为 $294K；到了M6管理级别，三者分别为 $347K、$340K和$304K。也就是说，在高级岗位上，ML Engineering的基本工资甚至高于AI Research Scientist。真正出现巨大分化的是 Equity。 AI Research Scientist 的 P6 中位新聘股权达到 $4.09M，M6达到 $4.72M。相同P6级别，AI Engineering为 $1.48M，ML Engineering为 $1.60M；M6则分别约为 $1.12M和$2.02M。AI Research Scientist的股权价值已经超过另外两个岗位族两倍。需要特别说明的是，这里的数字不是“年薪”。报告定义的是 New Hire Equity（Gross, Intended, Annualized），即新员工股权奖励的预期毛值年化价值。把“$4.72M”直接描述成“AI科学家年薪472万美元”是不准确的。但这个数据仍然揭示了一个非常重要的趋势：企业争夺顶尖AI人才的主要竞争工具，正在从现金工资转向股权。 5000万美元级别的股权不是普遍行情，但顶端市场确实已经被重新定价更加惊人的数字出现在报告第18页。 Pave针对一个非常具体的市场进行了筛选：AI Research Scientist、San Francisco Bay Area、私营企业、累计融资$1B–$5B+。在这个高度竞争的人才市场中，P6和M6级别90分位的新聘股权已经进入 $45M–$60M 区间，其中报告特别展示了 $51.4M 的90分位股权价值。这个数字需要正确理解。它不是“美国AI Research Scientist普遍可以拿5000万美元”，而是代表在旧金山湾区、融资规模达到数十亿美元、争夺最顶尖AI研究人才的少数私营科技企业中，企业为了赢得某个关键候选人，已经愿意突破传统薪酬体系的边界。这也是为什么现在市场上不断出现顶级AI研究人员获得巨额 package 的新闻。这些案例不是普通市场价格，却已经成为顶端人才市场的真实价格信号。人才越高级，AI Research Scientist的溢价越明显另一个容易被忽略的问题，是三个AI岗位族本身的人才结构并不相同。 AI Engineering明显更加年轻，P1–P2初级人才占 23.97%；ML Engineering这一比例只有 9.13%，AI Research Scientist为 11.26%。相反，AI Research Scientist中P5–P6高级人才占比达到 22.76%，是三个岗位族中最高的。这意味着AI Research Scientist薪酬更高并不仅仅是因为“Research Scientist”这个Title更值钱，而是因为这个岗位市场本身更集中于高级、稀缺并能够直接影响模型能力的专业人才。而且股权差异随着Level提升迅速扩大。AI Research Scientist从P4开始明显拉开差距，到P6中位新聘股权达到 $4.09M，大约是其P1水平的20倍。因此，对企业而言，AI人才成本真正危险的地方往往不是招聘一个普通AI Engineer，而是当业务突然决定需要一位能够改变产品、模型或技术路线的高级AI研究人才时，传统薪酬Band可能瞬间失去参考价值。企业规模越大，AI岗位体系越开始专业化 AI人才的组织成熟度同样存在明显差异。只有 12% 的1–99人企业拥有至少一名AI/ML人才，而在3,000人以上企业中，这一比例达到 91%。管理体系的差距更加明显。在已经拥有AI/ML Individual Contributor的公司中，1–99人企业只有 17% 配备专门的AI/ML Manager，而3,000人以上企业达到 72%。很多中小企业的AI人才仍然由普通Engineering或Data Science负责人管理。更值得关注的是大型企业正在快速拆分AI岗位。3,001人以上企业中，只拥有一种AI/ML Job Type的比例从2024年的 52.4%下降到2026年的19.0%；同期拥有三种及以上AI/ML Job Types的比例则从 14.3%提高到50.0%。这反映出的不仅仅是招聘需求增长，而是 AI Job Architecture正在成熟。过去企业可能只有一个“AI Team”，未来则会逐渐形成 Research、ML Engineering、AI Engineering、MLOps、Computer Vision等不同岗位体系，对应不同Level、Career Path、Compensation Band和Manager结构。 AI人才不仅贵，也更难留企业面临的第二个挑战是Retention。 Pave数据显示，过去12个月AI/ML Individual Contributor的Turnover为 21.8%，而同一批企业Software Engineering为 16.8%；Manager层面，AI/ML为 22.6%，Software Engineering为 18.9%。报告中的Turnover同时包含主动和非主动离职。这说明AI人才市场正在形成一个典型循环：外部市场价格快速上涨，新员工以更高价格进入，现有员工发现自己的市场价值变化，随后带来Retention、内部公平和薪酬压缩问题。对于HR和Total Rewards团队而言，仅仅解决“Offer能不能发出去”已经不够，还需要同时考虑 New Hire Equity、Refresh Grant、Internal Equity以及关键人才Retention。 AI人才竞争仍然高度集中在美国，尤其是California AI人才市场的另一个现实是地域高度集中。在Pave样本中，California集中了美国49.3%的AI/ML人才，其中大部分位于San Francisco Bay Area。从全球看，美国拥有 57.3%的AI/ML人才，明显高于美国在全球Software Engineering人才中的44.8%占比。United Kingdom分别为6.3%和4.5%；India的情况正好相反，拥有全球13.2%的Software Engineering人才，却只有5.6%的AI/ML人才。对于北美企业尤其是希望在湾区之外建立AI团队的公司，这意味着“Remote”并不会自动解决人才供给问题。真正成熟的AI人才池依然高度集中，地域竞争仍然会直接影响招聘周期和薪酬价格。不是所有企业都应该和OpenAI式公司争夺Research Scientist Nua Group在报告最后提出了一个非常值得企业管理层关注的框架：Know Your AI Lane。它把企业分成三种类型。第一类是 AI Innovators。这类企业自己建设基础模型和核心AI基础设施，需要AI Research Scientist、ML Engineer和AI-Capable SWE。对于这类企业，现金薪酬可能直接脱离传统Band，而股权成为争夺核心人才的主要工具。第二类是 AI Integrators。这类企业不是开发基础模型，而是把AI嵌入自己的产品中。核心岗位通常是AI Engineer，只有在需要深度模型定制时才大量使用ML Engineer，AI Research Scientist通常并不是必要岗位。第三类是 AI Implementers。这类企业主要利用现有AI提高内部运营效率，往往需要AI Engineer和AI-Capable SWE，把现成模型接入企业流程和系统，而不是自己重新训练基础模型。对应的薪酬策略也完全不同：AI Innovators往往需要突破标准薪酬Band，并使用大额新聘股权；AI Integrators可以采用标准薪酬Band加结构性AI Premium，并适度提高股权；AI Implementers则更多保持标准Band，只对少数关键岗位给予溢价和股权。这可能是整份报告对大多数企业最有价值的提醒：不要因为AI很重要，就误以为每家公司都需要最昂贵的AI人才。 NACSHR观察：AI时代，HR首先要解决的不是“付多少钱”，而是“究竟在买什么能力” 过去企业面对人才短缺时，最常见的问题是：“市场P50是多少？我们需要付到P75还是P90？” AI正在改变这个逻辑。企业首先需要完成Job Architecture：明确AI Engineer、ML Engineer和AI Research Scientist分别承担什么任务，什么情况下需要AI-Capable SWE，什么情况下才真正需要Research Scientist。岗位没有定义清楚，再精准的薪酬Benchmark也没有意义。其次，HR需要把Cash和Equity作为两套不同的竞争机制管理。Pave的数据已经证明，Base Salary并不是顶级AI人才价格分化最大的部分，真正能够突破传统市场曲线的是Equity。第三，AI人才Benchmark的更新速度必须高于传统岗位。报告最后建议Compensation Team把AI/ML Pay和Equity Band视为一个“moving target”，保持足够宽度，并比其他Engineering岗位更加频繁地重新审视。最后，企业必须先回答一个战略问题：我们究竟是一家AI Innovator、AI Integrator，还是AI Implementer？如果企业只是希望用AI改善客服、销售、HR、财务或内部运营，却按照顶级AI实验室的方式招聘Research Scientist，不仅会大幅增加人才成本，也可能出现“花了最贵的钱，却买错了能力”的情况。 AI人才市场正在进入新的阶段。下一轮企业之间真正的差距，不只是“谁愿意给更高的工资”，而是谁能够更准确地定义工作、识别关键能力、设计岗位体系，并把现金、股权和人才战略放在同一个框架中管理。对于HR来说，这也意味着AI带来的变化已经从“如何招聘AI人才”，进一步进入了 Job Architecture、Compensation Design、Equity Strategy和Workforce Planning 的核心领域。来源：Pave + Nua Group，《The State of AI Talent: A Compensation & Workforce Report》，2026年8月。

人工智能
2026年08月24日
人工智能

AI用得更多，却更加悲观：美国年轻劳动力对未来工作的态度正在逆转美国年轻人正在出现一个值得HR关注的“AI悖论”：用AI最多的一批人，也正在成为最担心AI的一批人。Pew最新调查显示，30岁以下美国成年人中，55%对AI“担忧多于兴奋”，2021年只有31%；73%认为AI未来20年会减少美国工作岗位，2024年还是61%。但与此同时，18—29岁群体已有66%使用AI聊天机器人。企业只培训员工怎么用ChatGPT、Copilot或Agent已经不够了。员工真正想知道的是：AI用了以后，我的岗位会怎么变？哪些任务消失？哪些能力变得更值钱？我的下一份工作在哪里？AI转型的下一站，可能不是工具，而是工作设计、职业路径与员工信任。美国年轻人对人工智能的态度正在发生明显变化。 Pew Research Center最新调查显示，在18—29岁的美国成年人中，55%表示自己对AI“担忧多于兴奋”，这一比例在2021年仅为31%；与此同时，73%的年轻人认为，未来20年AI将导致美国工作岗位减少，高于2024年的61%。值得注意的是，这并不是因为年轻人不会使用AI。另一项Pew调查显示，18—29岁美国成年人中已有66%使用AI聊天机器人。换句话说，最熟悉AI、使用AI最积极的一代，同时也正在成为越来越担心AI影响职业未来的一代。 AI使用率提高，不代表员工更加相信AI 过去两年，很多企业衡量AI转型时，重点关注员工是否使用ChatGPT、Copilot或各类AI Agent，以及AI培训覆盖率、使用频率和效率提升。但新的问题正在出现：员工可能越来越会使用AI，却并不意味着他们对自己的职业未来更加乐观。对于刚进入职场的年轻员工而言，这种焦虑尤其容易理解。当企业不断强调“AI可以让一个人完成过去三个人的工作”“AI Agent能够替代大量重复性任务”时，员工自然会进一步追问：减少的岗位究竟是谁？入门级工作是否还会存在？我的职业发展路径在哪里？因此，AI Adoption并不等于AI Acceptance。企业如果只推动工具落地，却不解释岗位和职业路径的变化，AI越强大，员工的不确定感反而可能越强。 HR需要开始回答“工作将如何改变” 对于企业HR而言，下一阶段AI转型的重点不能只是继续增加AI培训课程，而需要进入更深层次的工作设计。企业需要逐步讲清楚：哪些任务未来会被AI自动化，哪些工作将由“人+AI”共同完成，哪些能力会因为AI变得更加重要，以及员工应该如何完成能力升级。尤其是在招聘、绩效、人才管理甚至组织调整开始越来越多使用AI之后，透明度和沟通机制会变得更加重要。如果员工无法理解AI如何参与企业决策，AI很容易从生产力工具变成新的“管理黑箱”。年轻人的AI焦虑，本质上也是职业安全感问题目前的数据并不能证明AI已经造成美国大规模直接裁员。Gallup的2026年调查中，在近期因裁员失去工作的受访者里，只有约1%明确将AI或自动化视为主要原因。但这恰恰说明了另一个值得企业关注的问题：AI对现实岗位的影响，与员工对未来岗位的担忧之间正在形成明显的预期差。企业不能简单告诉员工“AI不会取代你”，更有效的方式是告诉员工：你的哪些工作会改变，公司准备如何帮助你完成能力迁移，以及新的职业机会在哪里。从NACSHR的角度来看，未来企业AI转型真正考验的，不只是技术部署能力，而是组织能否重新建立员工对未来工作的信心。 AI时代优秀的企业，不应该只是拥有更多AI工具，而应该让员工清楚看到：AI改变工作的同时，自己仍然拥有清晰的成长路径和新的价值空间。来源：Pew Research Center、Gallup，2026年相关调查。

人工智能
2026年08月19日
人工智能

当AI不断取代各种职位的时候，HR岗位反而增长约6%，为什么？！ NACSHR核心摘要：AI大规模进入企业之后，HR会不会成为最先消失的部门？Josh Bersin最新分析给出了完全不同的答案。基于Lightcast职位数据，过去约20年HR相关岗位年复合增长约1.2%，而AI发展最迅速的最近24个月，HR岗位反而增长约6%。真正减少的，是HR Assistant、Recruiting Coordinator、Training Administrator等行政和流程型工作；增加价值的，则是HRBP、招聘判断、People Analytics、复杂员工服务和工作设计。美国BLS也预计，2024–2034年全部职业增长约3%，HR Specialists增长6%，L&D Specialists增长11%。所以AI没有让HR消失，而是在重新划分HR工作的价值：流程被AI接管，人必须向判断、咨询、数据和业务问题上移。你觉得呢过去两年，几乎所有关于AI与人力资源的讨论，最后都会落到一个问题：当AI能够筛选简历、回答员工问题、生成培训内容、分析人才数据，甚至开始参与绩效管理和组织决策之后，企业还需要这么多HR吗？从直觉上看，HR似乎应该成为最先被AI压缩的职能之一。但Josh Bersin最近的一组观察，给出了一个看起来有些反常的答案：AI投入越来越多，美国HR岗位不仅没有明显消失，最近24个月反而增长约6%。这并不意味着AI没有影响HR。恰恰相反，真正发生的变化可能比“裁掉多少HR”更深刻——AI正在重新定义什么样的HR工作值得由人来完成。 HR岗位没有消失，但HR内部的工作正在重新分配 Josh Bersin引用Lightcast招聘数据指出，过去约20年，HR相关职位保持约1.2%的年复合增长；而在生成式AI快速普及的最近24个月，HR岗位增长反而达到约6%。这与很多人此前的预期完全不同。过去企业部署HR系统，往往意味着流程自动化；今天部署生成式AI和Agent，更进一步意味着大量知识型、事务型工作也可以被机器处理。因此，一个自然的推论是：HR部门应该需要更少的人。但Bersin观察到，企业真正做的并不是简单“删除HR岗位”，而是在重新组合工作。 HR Assistant、Recruiting Coordinator、Training Administrator等大量依赖流程、协调和信息处理的角色，确实正在受到自动化影响。但与此同时，企业对员工关系、人才判断、组织设计、技能发展、领导力、数据分析以及业务咨询等能力的需求并没有减少。所以真正消失的，往往不是整个Job，而是Job里面的一部分Tasks。这可能是理解AI与就业关系最重要的区别之一。 AI首先淘汰的是任务，而不是职业名称传统讨论经常把问题简化成：“AI会不会取代HR？”，但企业实际上并不是按照职位名称决定哪些工作交给AI。 AI不会首先判断：“这个人是HR，所以我要取代他。” AI取代的是更具体的任务：整理信息、回答标准问题、安排会议、生成文档、总结数据、制作初步报告、匹配简历、生成培训材料。一个HR岗位可能包含20项不同工作，其中10项可以被AI明显加速，5项可以部分自动化，而另外5项仍然需要人的判断。于是企业面临的并不是简单的“要不要这个岗位”，而是：剩下来的时间，HR应该拿来做什么？如果AI让一名招聘人员减少大量简历筛选和面试安排工作，那么他的价值就必须转向人才判断、Candidate Experience、Hiring Manager咨询以及复杂人才市场分析。如果AI可以自动回答大量福利和政策问题，那么员工服务团队就必须把更多精力放到复杂员工关系、特殊案例和管理者支持。如果AI可以迅速生成培训课程，那么L&D真正的价值就不再是“制作多少门课”，而是判断企业需要什么能力，以及如何真正推动员工能力改变。这其实是一场HR工作的价值迁移。事务型HR正在减少，但专业型HR正在变得更重要 Josh Bersin说传统HR行政和流程型工作可能仍然占到HR岗位的30%—40%。这部分恰恰也是AI最容易产生效率提升的地方。例如，在Walmart、Standard Chartered等企业，大量基础员工服务、Onboarding和Benefits问答可以通过技术处理，HR人员则可以转向更加复杂的员工绩效、家庭需求和员工关系问题。在Travelers、Polestar等企业，L&D团队过去可能需要数周甚至数月开发一门课程，现在可以借助AI快速生成视频、Simulation和即时学习支持。在招聘领域，排期、沟通和初步筛选越来越自动化，但企业同时越来越重视候选人真实性、人才质量、面试判断和面对面互动。 People Analytics同样如此。过去大量时间消耗在Survey、Benchmark和报表制作上，现在HR分析人员必须更直接地回答业务问题：为什么关键人才离职？哪些团队的生产力正在下降？AI正在如何改变岗位技能？企业应该重新配置哪些人才？所以我们看到的不是HR价值下降，而是低价值HR工作被不断剥离之后，剩余HR工作的价值门槛正在提高。 HRBP可能是这一轮变化最典型的岗位 Josh Bersin特别提到Panasonic、Accenture等企业正在重新定义HRBP。过去很多企业所谓的HRBP，实际上仍然承担大量流程协调、政策解释、员工事务和内部资源对接工作。 AI和HR平台逐渐接管这些基础任务之后，一个真正的HRBP应该越来越像内部管理顾问。他必须理解业务战略、组织能力、领导团队、人才结构和成本效率，并能够和业务负责人一起回答：我们为什么招不到这些人才？哪些岗位应该被AI重新设计？哪些团队应该增加Headcount，哪些应该减少？未来两年真正需要什么技能？组织架构是否仍然适合当前业务？这类工作并不会因为AI而减少。相反，企业拥有越多AI工具，管理者面对的组织问题反而可能越复杂。这也是为什么AI时代一个看似矛盾的现象开始出现：企业越来越自动化，但同时越来越需要能够处理复杂人才和组织问题的人。 AI提高效率，并不必然意味着Headcount同比例下降这也是Bersin这篇文章最值得企业管理者思考的地方。很多AI商业案例仍然采用一个非常传统的ROI公式： “这套AI工具可以节省多少人工时间，因此可以减少多少人。” 但这种计算方式忽略了一个重要事实。知识工作与流水线生产并不完全一样。如果AI让HR节省30%的时间，企业不一定会马上减少30%的HR人员。企业可能选择让HR处理更多复杂问题，提高服务质量，加快招聘，提高管理者效率，推动技能转型，或者承担过去没有能力开展的组织项目。换句话说：Productivity Gain并不自动等于Headcount Reduction。它也可能意味着Capability Expansion。这也是为什么我们会看到AI使用快速增长的同时，部分知识型职业仍然保持就业增长。技术减少了一部分工作，但同时提高了组织能够解决问题的上限。对HR而言，真正值得担心的不是岗位消失，而是价值停留在流程层从NACSHR的角度看，Josh Bersin的观察并不能简单理解为“HR是安全的”。恰恰相反。它释放出的职业信号其实非常明确。如果一个HR的核心价值仍然来自录入数据、安排面试、整理报表、回答标准问题、制作培训材料或者执行固定流程，那么AI对这个岗位的冲击几乎是确定的。真正有增长空间的，是那些能够把AI转化成更高业务价值的人。未来HR越来越需要理解业务、判断人才、设计组织、处理复杂员工问题、推动领导力发展、进行Workforce Planning，并重新设计Human + AI共同工作的方式。换句话说，未来企业衡量HR价值的方式可能会发生变化。过去是：你完成了多少HR流程？未来可能是：你帮助组织解决了什么问题？ HR不会消失，但“只会做HR流程”的HR正在失去保护层 “HR岗位最近24个月增长约6%”是一个很容易传播的数据。但如果只记住这个数字，反而会错过这篇文章真正重要的部分。 Josh Bersin真正描述的并不是“AI无法取代HR”。而是一个更复杂的现实： AI正在大量取代HR工作中的低复杂度任务，同时把HR推向更复杂、更专业、更接近业务的位置。 Job还存在，但Tasks已经变化。岗位数量可能增长，但岗位要求也在提高。 HR团队仍然存在，但每一个HR需要创造的价值正在重新被定义。因此，AI时代真正的问题已经不再是：“未来企业还需不需要HR？” 而是：“当AI可以完成大量传统HR工作之后，企业为什么还需要你？” 能够回答这个问题的人，可能不仅不会被AI淘汰，反而会进入一个价值更高的HR时代。 NACSHR认为，这才是“HR岗位仍在增长”这组数据背后，真正值得全球HR专业人士关注的信号。

人工智能
2026年08月13日
人工智能

73%的美国HR将员工反馈列为首要指标：企业福利正在从“提供账户”转向“员工真正会用” NACSHR核心解读：这项调查覆盖300多名负责HSA及福利支出账户的HR专业人士。73%的受访者表示，员工反馈是重新评估福利供应商时最重要的因素。接近六成HR会收到员工关于合资格消费、报销申请、账户使用、截止日期和结转规则的问题。55%的HR希望获得更灵活的福利选项，52%希望供应商提供更简单的员工教育和更好的技术。虽然57%的HR已经在福利培训中使用AI，但很多员工仍然缺乏实际使用账户的信心。这说明，福利科技的竞争已经从后台账户管理转向员工体验。供应商不仅要管理资金和合规，还要帮助员工在正确时间理解规则、完成操作，并减少HR承担的重复支持工作。企业为员工提供健康储蓄账户、弹性支出账户和其他福利项目，并不代表员工能够真正理解和使用这些福利。 InComm Benefits近期发布的《The Spending Account Experience Gap》调查显示，北美企业HR对福利供应商的期待，与员工在实际使用福利账户时的体验之间，仍然存在明显差距。调查于2026年4月开展，覆盖300多名负责管理健康储蓄账户及其他福利支出账户的HR专业人士。报告反映出的核心问题并不是企业没有提供福利，而是福利规则、技术平台和员工教育没有真正转化为简单、清晰、可操作的员工体验。 73%的HR将员工反馈作为重新评估供应商的首要因素调查显示，73%的受访HR表示，在重新评估福利支出账户供应商时，员工反馈是最重要的考虑因素。“员工体验”也成为HR对现有福利账户供应商最主要的不满之一。过去，企业评估健康储蓄账户和福利支出账户供应商时，通常更加关注管理费用、系统功能、投资选项、合规能力以及与薪酬或人力资源系统的集成。但对员工而言，他们最直接的判断标准通常更加具体：账户是否容易使用，报销流程是否清晰，余额和处理状态能否随时查询，遇到问题时能否快速获得准确答复。这意味着，福利供应商的竞争重点正在发生变化。账户管理和合规能力仍然是基础，但员工实际使用体验正在成为影响企业续约、更换供应商和福利满意度的重要因素。近六成HR持续处理员工的账户使用问题调查显示，接近六成受访HR会收到员工关于福利支出账户的问题或担忧。员工最常提出的问题包括：哪些商品或服务属于符合资格的支出，如何提交报销申请，账户应该如何使用，报销或消费有哪些截止日期，以及未使用余额是否可以结转。这些问题看起来基础，却会持续占用HR团队的时间。员工遇到不确定情况时，通常不会仔细阅读篇幅较长的福利手册或计划文件，而是直接向HR寻求帮助。因此，企业即使已经购买了数字化福利管理平台，HR仍然可能成为事实上的福利客服中心。对于北美企业HR而言，这一问题尤其值得重视。HR团队通常还需要同时负责招聘、入职、薪酬、绩效、员工关系、劳动合规和保险管理。如果大量时间被用于重复回答账户余额、消费资格和报销状态等问题，福利技术就没有真正实现降低行政负担的目标。员工不是不关心福利，而是不确定如何使用报告提出了一个值得企业重新思考的问题：员工使用福利的积极性不足，不一定代表员工不重视福利，也可能是员工不知道应该如何使用。 HSA、FSA及其他福利支出账户往往涉及税务规则、合资格支出、收据要求、年度选择、使用期限和余额结转。对于HR和福利专业人士而言，这些概念相对熟悉，但对普通员工而言，理解和操作门槛并不低。如果员工无法确定一项医疗费用是否符合报销条件，担心操作错误，或者不了解资金的使用期限，他们可能会选择暂时不使用账户，甚至放弃原本可以获得的福利价值。由此产生的结果是，企业投入了福利预算，员工却没有充分使用；HR不断回答问题，员工仍然认为福利复杂；企业认为已经提供了有竞争力的福利，员工却没有形成相应的价值感知。灵活性、教育和技术成为三项主要改善方向调查显示，55%的受访HR认为，更灵活的福利选项有助于改善员工体验；52%的受访者认为，企业和供应商需要提供更加简单的福利教育；另有52%认为，需要通过更好的技术工具改善员工体验。这三个方向说明，改善福利体验不能只依靠增加预算或者增加更多账户类型。福利灵活性需要建立在员工能够理解和选择的基础上。过多选项如果缺乏清晰解释，反而可能增加员工的决策负担。福利教育也不能只集中在Open Enrollment期间。员工在年度注册阶段可能理解了账户的基本概念，但几个月后真正发生医疗支出时，往往已经忘记具体规则。更有效的方法，是在员工需要采取行动的时间节点提供支持，例如在发生合资格消费时提供提示，在报销申请被拒绝时说明原因，在余额即将到期时提前提醒，并通过移动端或自助服务平台让员工快速找到答案。技术的价值也不应只体现在后台效率，而应体现在是否能够减少员工操作步骤、降低错误率，并减少HR需要人工介入的次数。 57%的HR已经使用AI开展福利教育报告显示，55%的受访HR对在人力资源部门使用AI工具持积极态度，57%的受访者已经在福利教育或培训中使用AI。 AI正在逐渐进入福利问答、员工沟通、培训材料制作和自助服务等场景，但调查结果也说明，仅仅部署AI工具，并不会自动解决员工福利体验问题。如果AI只是将复杂的福利手册转换成聊天问答，员工仍然可能获得笼统、难以执行的回答。真正有价值的福利AI，应当能够结合员工所在的福利计划、账户类型、账户状态和实际问题，提供更加具体的操作指引。与此同时，福利管理涉及医疗、税务和个人信息。企业在引入AI工具时，还需要关注数据隐私、答案准确性、计划文件优先级，以及复杂问题转交人工支持的机制。 AI可以帮助HR减少重复性咨询，但不能替代正式的福利计划文件、专业保险顾问和必要的人工判断。北美HR应重新审视福利供应商的评估指标这份报告对北美HR最直接的启示，是福利供应商的评估标准需要从传统的功能清单，进一步延伸至员工实际体验。企业在下一次评估或续约福利账户供应商时，可以重点考察员工问题首次解决率、客服响应时间、报销处理周期、自助服务完成率、账户实际使用率、未使用余额情况、员工满意度，以及HR每月处理福利问题所投入的时间。企业也可以定期收集员工反馈，了解员工在哪些环节最容易遇到困难。员工不使用某项福利，可能是因为福利本身缺乏吸引力，也可能只是因为操作复杂、说明不清或缺少及时提醒。对于企业而言，真正有效的福利方案，不只是完成账户开设和年度注册，而是让员工清楚地知道自己拥有什么福利、何时可以使用、如何使用，以及遇到问题时可以向谁寻求帮助。当员工能够独立、顺畅地使用福利时，企业的福利投入才能真正转化为员工满意度、留任能力和雇主品牌价值。 NACSHR保险服务：协助企业重新评估员工福利与商业保险方案对于正在规划、续保或重新评估员工福利方案的北美企业，NACSHR保险服务可协助企业了解员工健康保险及相关保险需求，包括Medical、Dental、Vision等员工福利，以及Workers’ Compensation和企业商业保险方案。 NACSHR建议企业在续保或计划生效前提前启动评估，不仅比较保费和保险计划，也应综合考察员工实际需求、使用体验、企业预算、保险网络、福利沟通及后续服务能力。企业HR或管理者如需了解员工福利保险及商业保险方案，可访问NACSHR保险服务网站：insurance.nacshr.org。

人工智能
2026年08月05日
人工智能

2027年美国雇主医疗成本逼近15年高位：企业需要重新审视员工健康福利策略核心摘要：美国雇主医疗福利成本可能再次大幅上涨。Segal发布的2027 Health Plan Cost Trend Survey预计，医疗计划成本趋势中位数将达到9.9%，逼近15年高位，处方药成本预计增长11.5%。GLP-1抗肥胖药物、高价专科药、医疗机构整合和通胀仍是主要推手，但报告还指出两个容易被忽略的因素：AI提升医疗编码强度，约占住院成本增长的20%；No Surprises Act争议仲裁中，医疗服务提供者约88%的案件胜诉，自2022年以来估计增加约50亿美元系统成本。对企业HR而言，仅靠提高员工自付比例已难以解决问题。窄网络、直接签约、透明PBM合同、就医场所引导和持续理赔分析，将成为2027年福利成本管理的核心工具。医疗福利正在从年度续保工作，转变为一项长期的数据与供应商治理能力。美国雇主医疗福利正在进入新一轮高成本周期。 Segal发布的《2027 Segal Health Plan Cost Trend Survey》显示，2027年美国雇主赞助医疗计划的成本趋势预计继续接近两位数。其中，PPO/POS计划预计增长9.9%，HMO/EPO计划预计增长9.1%，高免赔额健康计划HDHP预计增长9.7%；门诊处方药成本趋势预计达到11.5%，门诊Specialty Drugs/Biologics预计达到11.9%。这是医疗和处方药成本预测接近15年来最高水平的一年。对于美国企业，尤其是正处于团队扩张、跨州招聘或美国业务快速发展阶段的华人企业而言，这并不仅意味着下一次保险续保可能更贵。更重要的是，医疗福利成本正在从一个年度采购问题，演变为涉及预算、人才竞争、员工体验、药品管理和供应商治理的长期经营问题。医疗成本趋势接近10%，但不等于保费一定上涨10% 首先需要区分“health plan cost trend”和企业最终收到的续保涨幅。 Segal将健康计划成本趋势定义为人均允许理赔成本的变化，即符合保险条件的医疗收费扣除医疗网络折扣后的金额。趋势预测是保险公司、承保人员和精算师测算未来医疗成本的重要依据，但不等同于一家企业最终的保费涨幅。企业实际续保结果还会受到员工年龄结构、家庭参保比例、所在地区、历史理赔、高额索赔、计划设计、保险公司管理费用、员工缴费比例和供应商合同谈判等因素影响。对于自保计划，趋势会更直接地反映在企业承担的理赔成本中；对于全保险计划，保险公司还会结合企业自身经验和市场费率确定最终报价。因此，9.9%不应被简单理解为“所有企业的医疗保险都会上涨9.9%”，但它明确反映出整个市场的承保和定价环境仍然承受较大压力。医院价格与门诊利用率同时上升本轮医疗成本上涨并不是由单一因素造成的。 Segal发现，医院服务成本主要由价格通胀推动。医院端价格因素对趋势的贡献达到6.7%，利用率因素贡献3.5%。工资上涨、临床人员短缺、药品和医疗用品成本、医院整合以及运营效率问题，都在持续抬高每次住院和门诊服务的价格。医院劳动力成本约占其总成本的60%。随着临床人员短缺持续存在，医院需要支付更高工资，同时患者病情复杂度和临床严重程度上升，也意味着每次住院需要投入更多人员、监测和专业护理资源。医生服务则呈现不同特征。医生服务的价格因素贡献约2.4%，利用率因素贡献约4.0%。行为健康需求、人口老龄化、慢性病增加以及患者病情复杂程度上升，都在推动医生、门诊和后续诊疗服务使用量增加。这意味着企业仅通过与保险公司重新谈判费率，很难完全解决成本问题。医疗机构本身的价格上涨和员工使用医疗服务数量的增加，正在同时推动计划成本上升。 AI既可能提升效率，也可能推高医疗账单人工智能正在成为美国医疗成本结构中的一个新变量。医疗机构越来越多地使用AI进行医疗记录、诊断编码和revenue-cycle management。更精细的documentation和coding可以帮助医疗机构完整记录患者的诊断和并发症，但也可能在患者实际接受的治疗没有明显变化时，提高账单中的病情复杂度和报销金额。报告援引相关研究指出，在住院成本整体增长9%的情况下，约20%的成本增长由coding intensity推动，而不是来自患者接受了更多医疗服务。这并不意味着AI本身必然增加医疗成本。AI同样可以被保险计划和雇主用于payment integrity、欺诈检测、理赔审核、异常编码识别和员工医疗导航。真正的问题是，AI究竟被用于改善临床结果和减少浪费，还是主要被用于提高医疗机构的收入获取能力。对于雇主和HR而言，未来评估医疗福利供应商时，不能只关注其是否使用AI，还需要进一步了解AI具体解决什么问题、节省如何计算、是否提供可验证的数据，以及节省是否真正回到企业和员工。 GLP-1正在重塑企业处方药预算处方药是2027年健康福利成本中压力最明显的部分。 Segal预计，2027年门诊处方药趋势将达到11.5%，Specialty Drugs/Biologics趋势达到11.9%。报告指出，药品组合变化是推动处方药成本上涨的首要原因。越来越多高价、单一来源的新药和专科药进入市场，并被用于癌症、免疫性疾病、罕见病、细胞与基因治疗以及慢性病管理。 GLP-1类药物尤其值得企业关注。这类药物已经从糖尿病治疗扩展到肥胖、心血管风险、睡眠呼吸暂停等适应症，未来还可能用于更多疾病。适用人群扩大、治疗周期延长以及员工需求上升，使GLP-1成为药品支出增长的重要来源。 Segal的SHAPE数据表明，2025年覆盖抗肥胖GLP-1药物的计划，处方药成本趋势达到18.3%，其中8.8个百分点来自GLP-1；不覆盖抗肥胖GLP-1、主要覆盖糖尿病用途的计划，处方药趋势为10.5%，其中1.2个百分点来自GLP-1。两类计划之间存在7.8个百分点的差距。这个数据说明，是否覆盖GLP-1并不是简单的“覆盖”或“不覆盖”问题，覆盖条件、BMI标准、prior authorization、step therapy、持续用药要求以及生活方式管理项目，都会直接影响企业最终成本。对于HR而言，完全排除抗肥胖药物可能影响员工体验和健康公平性；无限制覆盖则可能给企业预算带来难以持续的压力。更加可行的做法是结合企业规模、员工需求、预算能力和临床标准设计有条件的覆盖方案。 No Surprises Act仲裁正在形成新的系统性成本 No Surprises Act原本旨在减少员工遭遇意外医疗账单的风险，但其Independent Dispute Resolution仲裁机制正在产生新的成本压力。报告指出，医疗服务提供方在相关争议中的胜诉率达到88%，部分仲裁结果的支付金额是正常网络内费率的3至4倍。自2022年以来，IDR机制估计已经为医疗系统增加约50亿美元成本，包括更高的医疗服务支付和行政处理费用。更值得注意的是，IDR还可能影响网络内合同谈判。当医疗服务提供方认为通过退出网络并进入仲裁可以获得更高支付时，其与保险公司谈判网络价格的能力也会增强。最终，这些成本会通过保险费率和自保理赔成本传导给企业和员工。新药而非旧药涨价，正在成为处方药成本的主要来源完整报告中的实际理赔数据进一步说明了药品成本结构的变化。 Segal数据显示，2025年实际处方药趋势达到12.4%，高于2024年的10.4%。过去五年内上市的新药贡献了7.0个百分点，占2025年处方药成本趋势的接近60%。这意味着当前药品支出增长并不只是现有药物价格上涨，而是越来越多价格更高的新治疗方案快速进入市场，并在临床中被更早、更广泛地使用。皮肤疾病、偏头痛和银屑病等治疗领域的药品成本增长也十分明显。生物制剂和靶向药物在多个适应症中扩大使用，使企业药品预算面临更加分散、更加复杂的成本来源。对企业而言，仅依靠PBM提供的总体折扣或返利数字，已经不足以判断药品计划是否具有成本竞争力。HR和财务团队需要进一步分析药品组合、专科药渠道、formulary、biosimilar采用率、prior authorization规则以及PBM关联机构的费用结构。 PBM返利不能代表企业真正节省了成本 Segal报告中的11.5%处方药趋势是在PBM rebates之前计算的。在提供相关数据的受访机构中，返利中位数约占2027年预计处方药allowed costs的30%。较高返利看似可以抵消一部分药品成本，但企业不能只以返利金额判断PBM合同价值。部分高返利药物同时具有较高的标价，PBM也可能通过管理费、专科药房收费、临床项目收费和关联公司安排获得其他收入。因此，企业需要从“返利最大化”转向“净成本最小化”，重点审查： PBM是否100%传递制造商返利；企业是否拥有完整审计权；专科药是否被导向PBM关联药房；合同中的spread pricing、administrative fees和clinical program fees是否透明；低WAC biosimilars是否获得合理的formulary位置。真正重要的不是PBM承诺返还多少资金，而是企业支付的最终净药品成本是否具有竞争力。企业健康福利需要从年度续保转向全年管理 Segal调查显示，采用多种成本管理策略的企业，其计划成本趋势通常低于相对被动的计划发起人。医疗福利方面，企业正在重点采用digital health solutions、高额理赔人员管理、AI理赔与支付审核、窄网络以及site-of-care steerage。药品福利方面，主要策略包括GLP-1管理、专科药管理、biosimilar策略、prior authorization、step therapy和custom formulary。企业可以从以下几个方向入手。第一，提前启动续保准备。不要等到保险公司正式提供续保报价后才开始比较。企业应提前90至120天整理员工人口、参保结构、计划使用率、重大理赔和员工反馈。第二，重新评估计划设计。不同免赔额、copay、coinsurance、HSA和员工缴费结构，会影响企业成本和员工实际负担。降低企业保费不应简单等同于提高员工自付。第三，审查网络和就医场景。通过Centers of Excellence、窄网络和site-of-care steerage，将适合的手术、输液和检查转移至ASC、独立门诊或居家场景。第四，建立GLP-1和专科药管理规则。覆盖政策应包括临床资格、prior authorization、持续治疗标准和用药效果评估。第五，审查PBM及保险供应商合同。企业需要关注总净成本、数据访问权、审计权、费用定义和绩效保证，而不只是表面上的折扣和返利。对在美华人企业而言，保险策略需要更早进入经营规划许多在美华人企业在发展初期，会把员工健康保险视为招聘完成之后再处理的行政事项。但随着团队人数增加、跨州招聘、员工家庭参保和管理层福利需求变化，健康保险会迅速成为一项重要经营成本。特别是进入续保阶段后，企业可能同时面临保费上涨、员工对福利升级的要求、不同州网络覆盖差异，以及财务预算压力。此时，仅比较不同保险公司的一张报价表，通常不足以支持决策。 NACSHR长期关注北美华人企业的人力资源管理、员工福利和用工实践。基于企业在实际运营中遇到的需求，NACSHR也在持续完善保险与员工福利相关服务，希望帮助企业更系统地评估健康保险方案，而不是只在续保最后阶段被动接受涨价。 NACSHR保险服务可围绕企业员工健康福利需求，协助企业进行现有计划review、续保报价比较、员工与家庭参保结构分析、计划设计评估，以及医疗、牙科、视力等福利方案的综合讨论。对于团队扩张或首次建立员工福利的企业，也可以结合员工人数、所在地、预算和招聘需求，梳理适合的保险实施路径。保险产品最终是否适合一家企业，取决于企业所在地、员工人数、参保条件、保险公司承保要求和具体保单条款。任何方案都不应只依据市场平均趋势作出决定，而应建立在企业自身数据和实际需求之上。最后的话 2027年的美国雇主医疗福利市场，正在同时受到医院价格、医疗服务利用率、GLP-1、高价新药、AI编码、行业整合和仲裁机制的推动。对企业而言，真正的挑战并不是一次9%或10%的续保涨幅，而是医疗成本可能长期保持在较高水平。健康福利管理也因此不能继续停留在“每年比较一次报价”的阶段。未来更有效的福利策略，需要HR、财务、管理层、保险顾问和供应商共同参与，通过数据分析、计划设计、药品管理、合同治理和员工沟通，在成本可持续性与人才吸引力之间建立新的平衡。 NACSHR将继续关注美国员工福利市场变化，为华人企业和HR专业人士提供更贴近实际经营场景的趋势解读、专业交流与保险服务支持。有员工健康保险续保、首次建保或计划review需求的企业，可与NACSHR联系 ( https://insurance.nacshr.org/ )，提前评估现有福利结构与2027年成本风险。本文根据《2027 Segal Health Plan Cost Trend Survey》整理，内容仅用于行业信息交流，不构成法律、税务、保险或投资建议。具体保险方案及承保条件以保险公司、保单文件和适用法规为准。

人工智能
2026年07月27日

人工智能

经济与AI焦虑下员工选择“留下”：Mercer 调研显示 73%美国员工暂不跳槽近日，全球人力资源咨询机构 Mercer 发布了其最新年度研究报告 Inside Employees’ Minds 2026，该报告基于超过 4,500 名美国雇员的调研结果，揭示了当前劳动力市场一个耐人寻味的趋势：尽管经济不确定性和人工智能（AI）快速变革带来了前所未有的压力，但大多数员工并未打算离开现有岗位。相较于近几年频繁的人员流动，73% 的美国员工表示他们目前没有认真考虑跳槽，这一比例较2023年的68%进一步攀升。然而，这一看似“稳定留任”的现象，并不意味着员工对工作更忠诚或更满意，而是反映了他们在面对外部不确定因素时的理性权衡和风险规避心理。一、理性留任背后的真实驱动力在通胀持续、医疗成本上升和宏观经济波动加剧的背景下，员工在职业选择上的判断逻辑发生了变化。Mercer 报告指出，70% 的受访者因通胀和生活成本居高不下感到财务压力增加，76% 关注关税及其他宏观经济影响可能带来的连锁反应，56% 甚至担心这些因素最终会影响到自身的岗位稳定性。此外，预计医疗成本今年上涨 6.7%，为过去15年来最高涨幅，这对低收入和小时工群体的影响尤为显著。在这样的经济现实中，薪酬再次成为员工考虑就业选择时最核心的因素。不论是吸引人才还是留住现有员工，薪资因素均位居首位，其次是医疗福利的保障。报告还指出，薪酬透明度已成为重要的基本期待——超过40%的候选人在没有看到薪资区间时不会投递简历。这一现象表明，对于求职者而言，仅有一个职位机会已不足以构成吸引力，明确的薪酬结构和晋升机制正在成为求职市场的基础条件。二、AI落地缓慢但焦虑提前爆发在技术驱动转型浪潮下，人工智能已成为企业内部讨论的重心之一。尽管多数组织倡导AI工具的采用，但员工端的实际使用情况却明显滞后——仅约四分之一的员工表示他们在日常工作中经常使用AI工具，而另一部分员工仍未开始应用AI。这种实际应用与企业预期之间的差距，反映出员工对于AI转型的认知尚未完全成熟。更值得关注的是，超过一半的受访者认为新技术将影响工作安全性，显示出一种普遍存在的“焦虑预期”。与其说员工担心AI技术本身，不如说他们在担心无法清晰判断自身在未来岗位中的定位及技能匹配。这意味着企业如果不能提供明确的AI转型路线图、清晰的角色变化说明和可执行的技能发展路径，员工更可能将AI视为风险，而非机会。 Mercer 的研究团队指出：“当组织能够有效管理员工的日常工作量、明确技能优先级并持续投资员工发展时，AI可以成为推动个人和组织成长的通路，而非焦虑的根源。” 三、灵活性与可兑现的工作体验成为新期待对于工作安排和福利体验，员工的关注重点已经从“福利多寡”转向“是否真的能用得上”。数据显示，大多数员工能够完整使用带薪休假，并且能够根据需要安排休假时间，这与员工的身心健康和家庭照护需求密切相关。无论是混合办公模式、弹性工时安排，还是带薪休假制度，员工更希望这些政策能够兑现，而不是停留在制度层面。这一点在一线岗位和小时工群体中尤为突出。他们的日常工作安排和领导支持程度直接影响到他们能否真正享受这些休假权益，从而影响员工的整体幸福感和对组织的信任感。四、内部发展机会成为留任关键 Mercer 报告显示，高敬业度和高留任意愿的员工往往能够在公司内部看到清晰的职业发展路径。在具有明确晋升机制和内部流动机会的组织中，员工更愿意选择“留下并积极投入”。这一趋势尤其在科技和金融服务行业表现明显，而在医疗与零售等行业中，员工对发展路径的信心则相对较弱。这表明员工对于职业成长的关注已从外部跳槽机会转向企业内部的成长空间。他们不再简单地将跳槽视为晋升渠道，而是希望通过现有组织的技能提升和岗位轮换来实现职业进步。五、员工分层体验差异明显不仅整体趋势值得关注，行业和人群内部的体验差异同样显著。医疗、零售及低收入工种的员工普遍面临更大的财务压力和心理负担，而科技与金融服务行业的员工则表现出更高的敬业度和对职业发展的信心。此外，拥有五到十年工作经验的中坚力量员工在留任意愿和组织投入方面表现尤为突出。这一分化趋势强调了HR在制定人才策略时不再适用于“一刀切”的方法，而需要根据不同岗位、收入水平和职业阶段设计个性化方案，以提升资源投入效能和员工满意度。六、对北美HR的影响与行动建议综合 Mercer 的调研结果可以看出，当前美国劳动力正在进入一种新的稳定与谨慎并存的阶段。员工不选择跳槽并不意味着他们真正稳定，而是在权衡风险和机会后做出的理性选择。在这一背景下，企业与HR组织应重点关注以下几点：构建薪酬透明机制：公开薪资区间和晋升机制，以降低信息不对称带来的不确定感。明确AI转型路线图：提供清晰的角色变化说明、技能要求及培训支持，使AI成为成长杠杆。强化技能发展路径：结合岗位变化设计可执行的员工发展计划，将学习成长与绩效目标结合。提升灵活性体验：确保弹性工作安排和带薪休假等政策真正可用，而非停留在制度层面。分群制定人才策略：针对不同岗位、行业和职业阶段设计差异化留任方案，提高投入回报效率。提升组织沟通透明度：高频、可信的沟通能够显著增强员工对组织的信任和对未来的预期感。对于北美HR而言，未来的留才竞争已不再简单依赖市场供需状况，而更取决于组织能否提供“可预测的职业未来感”。能够有效降低员工的不确定性，并将短期留任转化为长期忠诚的组织，将在人才竞争中获得显著优势。

人工智能
2026年02月10日
人工智能

Workday 联合创始人 David Duffield 再向康奈尔大学捐赠 3.715 亿美元，累计捐赠达 5.5 亿美元 2026 年 1 月 22 日，康奈尔大学宣布获得1962 届本科（电气工程）与 1964 届 MBA 校友、Workday 联合创始人 David A. Duffield 的一笔 3.715 亿美元捐赠承诺。这是该校历史上金额最大的一笔单笔个人捐赠。随着此次捐赠落地，Duffield 对康奈尔大学的累计捐赠总额已达到约 5.5 亿美元，成为学校历史上最重要的校友捐赠人之一。作为回馈，康奈尔大学同时宣布将工程学院正式更名为Cornell David A. Duffield College of Engineering（David A. Duffield 工程学院）。在 HR 科技与企业软件行业，Duffield 是一个极具标志性的人物。他先后创办两家改变全球企业管理方式的软件公司： PeopleSoft —— 1990 年代企业 HR/ERP 系统核心供应商之一Workday —— 全球主流云端 HCM 与财务管理平台，服务数千家大型企业与机构其中，Workday 已成为全球人力资本管理（HCM）市场的关键基础设施厂商，被广泛应用于招聘、薪酬、绩效、财务与组织管理等核心场景，是现代 HR Tech 生态中最具影响力的 SaaS 平台之一。从行业发展脉络看，Duffield 的创业路径几乎完整覆盖了企业软件三次重要转型：本地部署 ERP → 云端 SaaS → 数据与智能化企业管理系统。PeopleSoft 定义了早期 HR 信息化标准，而 Workday 则推动了云原生 HCM 的全球普及。此次捐赠的资金将主要投向工程与前沿技术创新领域。根据康奈尔大学披露，资金将分配至三个方向：建立 Duffield Legacy Fund（2.5 亿美元），用于支持工程学院的长期战略发展与核心科研项目。设立 Duffield Launch Fund（约 7,150 万美元），用于学院设施更新、研究支持与增长机会把握。教育卓越基金（约 5,000 万美元），将用于加强教学质量、人才培养与创新教育实践。值得注意的是，2025 年 Duffield 已向康奈尔捐赠 1 亿美元用于扩建 Duffield Hall。本次追加捐赠后，其累计支持金额达到 5.5 亿美元规模，远超多数高校单一校友历史贡献纪录。对于长期关注 HR Tech 与企业服务软件赛道的从业者而言，这不仅是一笔教育领域的大额慈善捐赠，更是一位企业软件时代代表性创业者的长期资本布局。从 PeopleSoft 到 Workday，再到高等工程教育投资，Duffield 的轨迹持续围绕“企业组织效率与人才体系升级”这一核心主题展开。在全球 HR 科技产业迈向 AI 与自动化的新阶段之际，这类来自创始人的长期技术教育投入，也折射出企业软件行业对下一代工程与创新人才培养的高度重视。 David A. Duffield, co-founder of PeopleSoft and Workday, has pledged a $371.5M gift to Cornell University — the largest single donation in the school’s history. His cumulative contributions now total about $550M, resulting in the renaming of the Cornell College of Engineering to the Cornell David A. Duffield College of Engineering. Funds will support strategic opportunities, infrastructure, research, and educational excellence.

人工智能
2026年01月24日
人工智能

AI时代的招聘攻略： 2026年美国的五大招聘趋势 AI 已全面进入招聘流程，87% 的招聘团队和 67% 的候选人都在用AI，带来前所未有的效率与信息过载。劳动力市场继续分化，蓝领与医疗持续缺人，白领岗位需求疲软；AI技能岗位快速增长。候选人对雇主信任度下降，仅67%信任雇主，他们会通过社交媒体和AI“事实核查”企业文化。70% 的求职从Google开始，86% 通过社交平台查岗，招聘正在转向“搜索+社交”主导的精准营销模式。科技不是为了减少沟通，而是帮助HR把更多时间用于高质量的候选人互动。这些趋势将深刻影响2026年的招聘策略。新常态已至人才招聘团队正面临着一系列日益严峻的挑战：高利率、关税不确定性和更严格的移民政策共同带来了持续的经济压力，招聘步伐普遍放缓，而人工智能则已从前沿“炒作”迅速转变为日常“习惯”。这些因素在2026年将进一步加速，巩固了我们当前所处的“新常态”。但这并非危机，而是一个孕育创新方法的机遇。本文将深入探讨塑造未来一年招聘格局的五大关键趋势。 1. AI军备竞赛：效率与挑战并存人工智能已全面进入主流，深刻改变了招聘的攻守双方。数据显示，高达87%的人才招聘决策者和67%的求职者正在积极使用AI工具。招聘官利用AI撰写职位描述、总结简历和生成面试问题；而求职者则用它来研究公司、比较薪酬并为特定职位量身定制简历。这种双向应用带来了一个全新的挑战：招聘渠道中充斥着大量经由AI润色、内容高度相似的简历，这使得识别真正具备所述技能的合格候选人变得异常困难。这一局面不仅在技术供应商之间引发了一场提供更优筛选工具的“军备竞赛”，也促使雇主们迫切地需要采纳更先进的AI解决方案以保持竞争力。更具变革性的是，人工智能正在重塑求职者发现工作的方式。我们正见证“提示词搜索”（prompt-based searching）的兴起。想象一下，求职者不再是在谷歌上搜索“我附近的仓库工作”，而是向ChatGPT这样的工具输入：“我是一名42岁的仓库工人，正在克利夫兰寻找一份每周站立工作时间少于30小时的职位。我有叉车安全认证，并且只希望在周二到周六工作。”生成式AI将返回高度定制化的职位推荐。这种对话式的求职体验正成为新常态，促使雇主必须升级其招聘网站以适应这一趋势。 “人才招聘团队正面临双重挤压——人手减少，资金缩减，同时还要承受展示如何有效利用人工智能的巨大压力。” —— Matt Plummer，Appcast首席产品官 2. 劳动力市场分化：冰火两重天 2026年的劳动力市场将呈现出日益加剧的分化。整体就业增长放缓，失业率已攀升至4.3%，创下自2021年以来的新高。市场内部的差异尤为显著，这在很大程度上是由特定的经济政策驱动的：体力劳动岗位（“Standing-up” jobs）：熟练技工、农业、建筑业和医疗保健等岗位面临着持续的劳动力短缺。更严格的移民政策导致依赖外国出生工人的行业劳动力池萎缩，加剧了招聘困难。白领岗位（“Sitting-down” jobs）：市场营销、人力资源和专业服务等岗位的需求持续疲软。关税政策增加了商品生产行业的成本，抑制了消费者需求，从而导致相关领域的企业缩减招聘目标。在整体降温的市场中，医疗保健行业一直是就业增长的“主力军”，但其前景也面临不确定性。联邦医疗补助（Medicaid）的大幅削减可能威胁到数十万个直接和间接的医疗岗位。与此同时，一场围绕AI人才的激烈争夺战正在上演。与AI技能相关的职位发布量在过去18个月里翻了一倍多，薪酬也大幅飙升，成为冷却经济中的一个显著亮点。 “2026年的情况将与今年非常相似，但挑战会更加严峻。由于移民政策，招聘体力劳动者将变得更难；而对于白领岗位，需求低迷和招聘目标缩减的状况可能会持续。” —— Andrew Flowers，Appcast首席经济学家 3. 雇主品牌危机：信任跌至谷底求职者对雇主的信任度正在急剧下降。根据爱德曼（Edelman）的信任度调查报告，公众对雇主“做正确的事”的信任度在该研究的26年历史上首次出现下滑。普华永道（PwC）的调查数据也揭示了巨大的认知鸿沟：只有67%的员工信任他们的雇主，而高达86%的领导者却认为自己深受信任。如今的求职者对企业的宣传信息持高度怀疑态度，68%的人认为商界领袖会故意误导公众。他们利用AI和社交媒体来核实雇主的说法，并与员工的真实体验（如社交媒体上的帖子）进行比对。其结果是，“企业承诺”已失去效力。求职者，特别是Z世代，需要的是证明公司言行一致的“具体证据”，他们希望公司在气候变化、心理健康、多元化、公平与包容等重大社会议题上有明确的立场和行动。此外，由于对人工智能取代工作的担忧和普遍的经济不安全感，员工们更倾向于“抱紧工作”（job hugging），将职业稳定性放在首位。 “你不能只说‘我们关心你’。求职者辨别谎言的能力非常强，过度修饰的语言现在听起来就像空话。重要的是能够拿出证据，证明你言行一致。” —— Erika Boutain，Appcast雇主品牌策略师 4. 招聘即营销：在搜索与社交中触达人才招聘官必须主动去到求职者聚集的地方。数据显示，70%的求职搜索始于谷歌，而86%的求职者会在求职过程中使用社交媒体。这意味着招聘策略必须全面转向数字化平台，主要通过两种方式触达人才：社交广告：触达那些可能对合适机会持开放态度的被动求职者，在他们日常浏览信息流时建立品牌认知。付费搜索广告：精准定位那些正在积极寻找相关职位、意向明确的主动求职者。成功的关键在于由AI驱动的超个性化技术。这种技术摒弃了传统的“广撒网”模式，转而采用类似电子商务的精细化运营。它能够分析候选人的在线行为和社交媒体信号，预测他们可能感兴趣的职位类型以及薪酬、福利、灵活性等关键决策因素，最终实现像“Netflix风格的职位推荐引擎”那样的精准匹配。这不仅优化了广告支出，也显著提高了申请转化率。 “人工智能与行为定位的结合，正在帮助我们探索新的方式，将求职者与符合其兴趣的职位联系起来，并简化他们与工作机会的互动过程。” —— Alexandra Horwitt Anema，Appcast数字媒体总监 5. 回归人性化：用技术解放招聘官技术的最终目标不是取代人类，而是增强人类的能力。数据显示，72%的人才招聘领导者乐观地认为，AI将让他们能够更专注于工作中‘人性化’的一面；同时，78%的领导者相信AI工具将使他们更有效率。面对AI驱动下激增的申请量，理想的工作流程是：让AI处理海量的、重复性的任务，如简历初筛、候选人排序和面试安排。这使得招聘官能够解放出来，专注于更高价值的活动，例如深入评估候选人的实际能力、探讨文化契合度以及与顶尖人才建立稳固的关系。前瞻性的人才团队正在构建一种**“人工参与更少，但整体互动体验更佳”**的工作模式。这种人机协作不仅提高了效率，也为所有求职者（而不仅仅是最终被录用者）带来了更优质、更透明的体验。 “我们将加倍投入技术，以带回招聘中至关重要的人性化元素。” —— Matt Plummer，Appcast首席产品官结论：拥抱变革 2026年是人才招聘团队重新思考长期流程、重塑战略的一年。成功的关键在于平衡AI驱动的效率与定义卓越招聘所必需的人性化关怀。我们仍处于探索阶段，最好的策略是大胆试验、衡量一切，并支持那些被证明有价值的投入。那些保持好奇心并对变革持开放态度的人，将定义2026年及未来的招聘成功。最终，正如Appcast首席执行官Matt Molinari所指出的：“拥抱变革的人和公司将成为赢家。”

人工智能
2025年12月04日
人工智能

Josh Bersin:人工智能能战胜人类直觉做决策吗？不可能多年来，我们一直在争论 AI 是否能用于人类决策，比如：该雇佣谁？该提拔谁？薪酬多少合适？以及数百种其他决策。领导者每天都面临复杂、艰难的抉择——我们能信任 AI 来替我们做决定吗？我的观点是：不能。这正是我最新一期播客的主题。什么是直觉？什么是情绪？我们都知道所谓“第一类思维”（Type 1 Thinking）——也就是直觉反应——在我们日常生活中扮演着主导角色。比如你见到一个人、坐在一个会议中，突然就知道“该雇谁”或“该怎么做”，即使数据很难查证。我最近深入研究了遗传学、情绪与直觉，并得出结论：再强大的 AI “超级智能”，也无法替代我们的情绪。而这些情绪，来自我们的成长背景、过往经历，甚至基因组成——往往比数据更具洞察力。作为一名工程师，我当然推崇数据与科学，因此并不是在否定算法与数据驱动决策。但我在人力资本领域的研究一再证明，是“人类直觉”在补充、辅助，并最终确定那些 AI 给出的建议。 AI 做决策的局限性在哪里？ AI 系统依赖“概率神经网络”进行训练，模型会从已有数据中学习，再用来判断新信息——写一段代码、生成一张图、创作一篇文章，它做得确实很出色。这是因为它可以瞬间把所有训练内容当作一个巨大的“数据集”，并用向量计算给出答案。但这都基于一个假设：数据本身就足够全面，能够包含足够多的观点和洞察。如今，大多数大型 AI 实验室已承认“可索引的数据已经用尽”，所以开始制造“合成数据”——也就是 AI 用已有数据生成新数据，以此来扩充模型。问题来了：这些数据缺失了什么？如果你研究情绪理论（至少有六种主流理论），你会发现大多数观点都认为，一个人“对一件事的感觉”源于其生活经历、刺激源（所见所闻所感）以及基因。而“基因”这个维度，则是几百万年人类进化的产物。所以即使某个商业决策在逻辑上是合理的，但我们每个人对数据的解读都是不同的，而我们的反应也由经验和人性所驱动。这就是为什么在一个高管会议上，大家面对同一组营收与市场数据，却会得出完全不同的结论：比如一个人说：“我们做得不错，该庆祝！”另一个则说：“为什么没更快增长？我们本可以更好！” 为什么人类决策更有优势？人类互动千差万别，有人积极进取，有人保守稳重。这种“直觉差异”正是一些公司在市场中脱颖而出的关键。那这种直觉来自哪里？来自我们几百万年的进化历史与独特的“表观遗传能力”（epigenetic capabilities）。换句话说，人类智能与直觉，源于我们的家族基因、成长经历与历史背景。以我自己为例：父亲那边是音乐家与科学家，母亲家族是商人。我最终成了一个热爱商业与人力工作的工程师。而因为父母都是企业家，我也成了一个有野心、敢冒险、喜欢挑战的人。这些人类“能力”，本质上是历史和基因的组合，它们在我们的情感、直觉、性格和智慧中展现出来。 AI 决策能超越人类吗？绝不可能。很多人用丹尼尔·卡尼曼的书《思考，快与慢》来解释这个问题。书中提出： “快速思维”是直觉， “慢速思维”是分析。尽管这个划分广受欢迎，但现实更复杂。AI 在“慢速分析”方面确实做得不错，但仍然极其“幼稚”。比如让 Grok 来解释“杰弗里·爱泼斯坦事件”，它会给出一段生硬的描述，但完全没有触及人类直觉所捕捉到的“这是个肮脏、混乱、令人羞耻的丑闻”。我想表达的是：无论 AI 如何发展，也无论企业在数据中心上投入多少资金，它都无法复制人类在基因、历史与演化层面累积的智能。举几个例子你就明白了：当你开车经过街口，看到一个小孩站在路边，你的本能反应是“她可能会突然冲出来”。当你在会议中感到“这个决策不对”，你会下意识决定“我们先别急，明天再看看感觉”。而 AI 呢？它只会基于逻辑推演立即给出一个“答案”。总结：人类直觉，在AI时代更重要这种“情绪 + 本能 + 遗传”的判断力，正是人类与众不同的关键所在。正因如此，我们才会有乔布斯与盖茨的不同，马斯克与奥特曼的差异。我们必须正视并尊重这些“人类智能”的组成部分，它们比以往任何时候都更重要。

人工智能
2025年07月27日
人工智能

Is The HR Profession As We Know It Doomed? In A Strange Way, Yes. I just spent a week in London meeting with several dozen companies and most of the discussion was about AI. The overwhelming majority of the conversations were about how companies are struggling, pushing, and agitating about the implications of AI, both within HR and within their teams. Coming from the CEO and CFO, HR team are under intense pressure to automate, improve their services, and reduce headcount with AI. Yes, we know AI is a technology for growth and scale, but the main message right now is “hurry up and do some productivity projects.” And “Productivity,” as you know, is a veiled way of saying “Downsizing.” So before I get back to HR, let me discuss downsizing. It’s absolutely true that almost every company we work with has too many people. Why? We have a sloppy way of hiring people, allocating resources, and managing work. We delegate “headcount” to managers and they go out and hire as many people as they can. We don’t really teach (or incent) managers how to build “productivity,” we actually do the opposite. We tend to reward them for “hiring more people.” The result is a problem I just talked about with a large advertising company: too many weird jobs and no consistency or structure to our work. This particular company has around 100,000 employees and more than 60,000 job titles. In other words almost every job is “invented for this person.” It’s insane. The whole reason we have companies (and not individual craftsmen) is to build scale. If we expect every individual manager to figure out how to scale, we’re more or less designing low productivity into the business. There are some simple models we use: call centers, global services groups, shared services, capability communities, and centers of excellence. But that kind of high-level productivity design is now becoming obsolete. In this new era of high-powered multi-functional agents, we need to go much further. Elon Musk likes the “first principles” approach. Fire everyone and start from “first principles,” only hiring the people you urgently need to build, sell, and support your product. That may work in small companies but when you’re big there are too many “support services” to consider. One of the companies we are working with has “program managers” and “project managers” and “analysts” sprinkled all over the organization in random places. In other words, their core staff don’t know how to manage projects, programs, or data. So there’s a bunch of overhead staff doing this for them. Drives me crazy. This took place because there was no discipline in hiring, so each group “bulked up” with staff. This is really business as usual. Organization design is an old, crusty, under-utilized domain so most companies barely think about it. IBM told me a few years ago that their “org design” strategy is to “hire a high performing executive and let him or her figure it out.” I hear that, it’s quite common. The bottom line is this: if we want to get a sound ROI from all these AI tools and agents we have to get a lot smarter about “work design.” And that is not building org charts, it’s the basics of figuring out our workflows, areas of common and uncommon process, and where and how we can automate. Most of our clients have tons of productivity systems already (ServiceNow, Salesforce, Workday, whatever), but they either don’t know how or don’t have the discipline to use them well. So they just keep hiring people. As an engineer I see this visibly all the time. It’s very easy to delegate a “problem” to a person, and not think about it as “plumbing.” But it is plumbing. As Tanuj Kapilashrami from Standard Charter put it, we need to focus on plumbing first, then we figure out where to apply AI. This means we can’t just cross our fingers and hope that the Microsoft Copilot is going to make everyone more productive. We need to look at business processes and skills at the core, and then literally reinvent our companies around these new AI tools. And skills are very important. The reason companies hire a bunch of “analysts” and “project managers” is because individuals and existing managers just aren’t good at their jobs. We all need to learn how to project manage, schedule, and analyze work. That way these high-powered specialists can work on big things, not sit in staff meetings taking notes (where AI note-takers do this well). (By the way, I have to guess that we’ll soon have AI agents for project management, program management, and functional analytics, so those staff jobs are going to be automated next!) How Does This Impact HR Let’s get back to HR. Given this massive effort to re-engineer and implement AI, where does HR fit? Well fundamentally HR is tasked to build process, expertise, and advisory services around the “people processes” in the company. That means hiring, developing, managing, paying, rewarding, and supporting people. It’s a big mission, and when we start to focus on “productivity” then HR must be involved. The general belief is that a “well run” HR team has about a 1:100 ratio to the company. In other words, if you have 10,000 employees you’re going to have around 100 HR people. And the HR team doesn’t just run around doing things, they buy and build HR technology for scale. So HR itself, as a “plumbing” type of operation, needs to be “lean and mean.” If your CEO wants you to hire 50 top notch AI engineers you can’t just start phoning everyone you know: you must decide precisely how you’re going to do this in a scalable, efficient, and highly effective way. (AI engineers are rare, they’re hard to hire!) So your little HR team has to think about productivity. Should we outsource this? (Which is a cheap and dirty way to look productive.) Should we buy a talent intelligence or sourcing system? Should we hire three high-powered recruiters? You know where I’m going. We have to find a way to “be productive” while we try to “make the company productive.” This means we, as a support and advisory function (HR professionals spend a lot of time coaching and supporting managers) have to stop creating forms and checklists and implement AI agents as fast as we can. Why? Because so much of our work is transactional, workflow-oriented, and administratively complex. And AI can do a lot of amazing things, like “assessing the skills of an AI engineer” for example. (Our AI Galileo can literally evaluate a recorded interview and give you a pretty good assessment of an individuals skills, mapped against the Lightcast, SHL, and Heidrick functional and leadership models.) Let’s assume we do this well, and HR technology vendors give us good products. We wind up with amazing recruiting agents, AI agents for employee training, onboarding, and coaching, AI agents that help with performance management, AI agents for succession and careers, and AI agents that deal with all the myriad of personal benefits and workplace questions people have. Where do we end up? Do we “automate away” our own jobs? Well, in a way the answer is yes. AI, through its miraculous data integration and generation capabilities, can probably do 50—75% of the work we do in HR. All this is far from built out yet, but it’s clearly coming. (We just talked with a large pharmaceutical company that is “all-AI” and they manage a team of 6,000+ scientists and manufacturing experts with only ten people in learning and development. They’ve automated training, compliance tracking, onboarding, leadership support, and all the details of training operations.) Could you do all that for a fast-growing 6,000 person company with 10 people? I doubt it. Most companies would have more than 10 people in sales training and sales enablement alone. So here’s my point. HR, like other functional areas in our companies, is going to have a real-life identity crisis. If you can’t figure out how to move your HR function up the maturity level quickly (check out our Systemic HR maturity model) someone’s just going to cut your headcount (the Elon Musk approach). Then you’ll be figuring out AI in a hurry. (Galileo can assess your HR maturity with its “consulting mode,” by the way.) I’m not saying this is easy. The AI products we need barely exist yet. But the pressure is on. You shouldn’t wait for the CFO to point his “productivity gun” in your face, you have to get ahead of this wave. Start pushing yourself to fix plumbing, check out the new tools in the market, get your IT team involved, and redesign your work using your own expertise. Many surprisingly good things will happen. Let me give you an example. A few years ago Chipotle adopted an AI-based agent system for recruiting, effectively automating a complex workflow for hiring. Not only did it save millions of dollars, the “speed and quality” of hiring went up so high the CEO talked about it as their top “revenue driver” with Jim Cramer on CNBC. In other words this “identity crisis” in HR is a good thing. Our recruiting, training, and employee services groups are too big. AI can automate enormous amounts of this work. So my advice is this. As the AI wave sweeps across your company, get out your old “org design” book and start redesigning how your HR team operates right now. Then you can go to the AI vendors and tell them what you want. That’s the secret to keeping HR in tip-top shape. Will HR go away? Well a lot of the process, data management, and support roles will absolutely change. And yes, employees and job candidates will happily use intelligent bots instead of calling their favorite HR manager. But as a Superworker, you, as an HR professional will do more interesting things. You’ll become a consultant; you’ll manage and train AI systems; and you’ll have much more real-time information about the strength and weaknesses of your company. We’re just going to have to lean into this AI wave to get there. As AI agents arrive, it’s time to seriously re-engineer HR. And this time it’s not a transformation, it’s a reinvention. Bottom line is this. Don’t wait for Workday, SAP, or some other vendor to “invent” a tool that changes your HR operation. You should do it yourself first and bring your IT people with you. That way you’ll buy and build the AI systems you need, and the result will be a new career, an even better HR function, and the opportunity to help your company move from “hiring” to “productivity” in the future. 我刚刚在伦敦与数十家企业进行了为期一周的交流，大部分讨论都围绕着AI展开。绝大多数对话的主题是：公司在应对AI带来的影响时，感到焦虑、推动、甚至焦躁不安，这种焦虑不仅体现在HR部门，也体现在各业务团队中。在CEO和CFO的压力下，HR团队正被要求加速自动化、优化服务、并通过AI实现人员精简。虽然我们都知道AI是一种能够促进增长和规模化的技术，但当前传递出的主要信息是：“赶紧推动生产力项目。” 而所谓的“生产力”，实际上就是“裁员”的委婉说法。先谈谈裁员几乎我们接触的每一家企业，都的确存在人员过剩的问题。这是为什么呢？因为我们的招聘、资源配置和工作管理方式本身就非常低效。我们将“编制名额”下放给各级管理者，而他们则倾向于尽可能多地招聘人员。我们并没有真正教导或激励管理者如何构建高效的生产力，反而往往奖励他们“扩大团队规模”。结果就是，像我最近在一家大型广告公司看到的那样，组织中充满了各种各样的职位，但缺乏统一性和结构性。这家公司有约10万名员工，却设有超过6万个不同的岗位头衔——几乎每个职位都是为某个人量身定制的，这种做法显然荒谬。企业存在的根本目的，是为了实现规模化。如果每个部门经理都各自为战，自行搭建团队架构，那无异于将低效深植于企业之中。虽然我们有一些基本的组织效率模型，比如呼叫中心、全球服务中心、共享服务、能力中心等，但这些传统设计在当下正逐渐过时。在高性能多功能AI代理全面普及的时代，我们必须走得更远。从“第一性原理”重构组织？ Elon Musk 推崇“第一性原理”方法——即解散现有团队，只从零开始招聘最核心、最迫切需要的人员。这种方法在小型公司或许奏效，但在大型企业中，由于存在大量“支持服务”，简单地“砍掉重建”并不可行。现实中，很多公司在各个角落散布着项目经理、程序经理、分析师等职位，因为核心员工缺乏管理项目、推进计划、或进行数据分析的能力。由于招聘过程中缺乏严格的标准和规划，各部门纷纷自行扩编，导致组织臃肿、效率低下。组织设计本来就是一门古老且被严重忽视的学问，多数公司对此缺乏系统化思考。IBM 曾表示，他们的组织设计策略是“聘请一位高绩效高管，让他/她自己摸索出解决方案”——这实际上是行业普遍现象。 AI真正改变的，是“工作设计” 如果我们希望从AI工具和代理中获得真正的投资回报率，就必须彻底重新思考“工作设计”——不仅仅是画组织结构图，而是要厘清工作流程、标准化与非标准化的业务环节，并找出可以自动化的领域。尽管大多数企业已经部署了大量的生产力系统（如ServiceNow、Salesforce、Workday等），但由于缺乏使用这些系统的能力或纪律，反而持续地通过“增加人手”来解决问题。作为一名工程师，我对此体会尤深。将问题推给某个人远比优化底层“管道”来得容易。然而，管理工作流程就像修建城市水管系统——如果基础设施不合理，再先进的AI工具也无济于事。正如渣打银行Tanuj Kapilashrami所说：“必须先修好管道，才能合理应用AI。” 这意味着，我们不能指望微软Copilot之类的工具神奇地提升员工生产力。我们必须从根本上重新审视业务流程与员工技能，并围绕AI重新设计整个企业运作模式。员工技能，未来的关键企业之所以聘请大量“分析师”和“项目经理”，往往是因为普通员工和管理者缺乏项目管理、时间安排、数据分析等基本技能。未来，所有人都需要掌握这些能力，而不再依赖大量辅助人员。高阶专业人才应当专注于重大事务，而不是出席会议做会议记录（AI记录工具早已能胜任此事）。（顺便提一句，我预测很快就会出现AI项目经理、AI程序经理、AI数据分析师——这些岗位也将逐步被自动化！）那么HR会怎样？回到HR领域，当企业致力于重塑流程、导入AI时，HR的角色至关重要。 HR的本质任务是构建并管理围绕“人”的各项流程：招聘、培养、管理、薪酬、激励与支持等。这项使命极为庞大，当公司将焦点转向“提升生产力”时，HR必须积极参与。一般认为，一个运作良好的HR团队与公司整体人数的理想比例是1:100。也就是说，一家拥有1万名员工的公司，大约需要100名HR人员。而优秀的HR团队不仅自己高效运作，更会采购、搭建技术系统，以实现规模化管理。举例来说，如果CEO要求你招聘50名顶尖AI工程师，你不能只是随便打几个电话，而是要设计一套高效、可扩展的方法。这可能包括外包、引进人才情报系统、招聘高端猎头，等等。总之，HR自身也必须成为高效运作的样板。因此，HR团队必须迅速引入AI代理，取代大量重复性事务，尤其是那些依赖工作流、流程管理和行政性处理的工作。比如，我们的Galileo系统已经可以自动评估候选人的面试表现，并将其技能映射到Lightcast、SHL和Heidrick的领导力模型。未来，HR工作会消失吗？某种程度上，答案是肯定的。凭借出色的数据整合和生成能力，AI可以完成50%-75%的HR工作。目前这些AI系统尚未完全成熟，但趋势已经非常明显。我们刚刚与一家大型制药企业交流，他们已经基本实现了“全AI化管理”，以仅10人规模的学习与发展团队，服务6000多名科学家和制造专家。他们通过AI自动完成了培训、合规追踪、入职辅导、领导力支持等任务。对于大多数公司来说，这种效率简直是难以想象的。 HR将迎来身份危机未来，HR必须迅速向更高的成熟度迈进（可以参考我们提出的Systemic HR Maturity Model）。否则，就会像Elon Musk那样，被大规模裁员，并被迫在短时间内仓促上马AI项目。我并不是说这条路轻松易行。事实上，市面上真正成熟的AI HR产品还非常有限。但压力已经到来。 HR不能等着CFO拿着“生产力枪”指着自己，必须主动出击，修好内部“管道”，试用新工具，联合IT团队，重新设计工作模式。这样，你将能主动选择适合自己公司的AI系统，并构建一个全新的、充满机遇的职业未来。结语：HR的重塑与再创造让我们看看Chipotle的案例。他们通过部署基于AI的招聘代理，成功自动化了复杂的招聘流程，不仅节省了数百万美元，还大幅提升了招聘速度和质量。甚至在接受CNBC采访时，CEO将这一成果称为公司的“主要营收驱动因素”。这场HR身份危机，其实是一个难得的机遇。我们今天的招聘、培训、员工服务团队规模普遍过大。AI将能够自动化其中大量工作。我的建议是：在AI浪潮席卷而来之前，立即拿起你尘封已久的组织设计手册，重新设计HR团队的运作方式。这样，当面对AI供应商时，你可以主动提出自己的需求，而不是被动接受他们的产品。未来HR不会消失，但大量传统流程、数据管理与支持岗位将发生剧变。员工与候选人也会越来越习惯通过智能机器人，而非人力HR来解决问题。不过，真正优秀的HR专业人士，将会变成超能型人才（Superworker）——你将成为企业战略顾问、AI系统训练师，并且能够实时掌握公司人才与流程的整体健康状况。这次，不再是简单的“转型”，而是真正意义上的“再创造”。

人工智能
2025年04月26日

12 3 》

订阅NACSHR周报

HR Jobs

外企德科（FESCO Adecco）寻找 Part Time 猎头合伙人合作性质：纯佣金远程兼职，非全职雇佣，Fr 2026年08月10日
Sales Assistant/Warehouse Assistant（销售支持） About Us When we 2026年07月24日
您好，我是 HiTHIUM（海辰储能） HR Kristina。我们目前在 Dallas（Mesquite）招聘一位 2026年07月13日
Manufacturing Cost Accountant At HiTHIUM, we're not just le 2026年07月09日