全球劳动力报告深度解读：AI时代最大的挑战，不是裁员，而是员工的工作已经改变，组织却还没有跟上人工智能究竟会取代多少工作？这是过去两年企业管理者、人力资源负责人和员工反复讨论的问题。但随着AI真正进入企业运营，一个更加现实、也更加复杂的问题正在浮现：即使员工没有失去工作，他们原来的工作是否已经发生了根本变化？如果岗位职责、技能要求和工作方式都在改变，企业现有的人才管理体系是否还能够支持员工持续成长？
2026年10月5日，企业管理软件公司Workday发布最新《Global Workforce Report: The Adaptability Advantage》（全球劳动力报告：适应力优势）。报告基于Workday平台劳动力数据及全球员工和企业决策者调查，试图回答AI正在如何改变就业市场、岗位结构、招聘、员工技能和职业发展。
报告最重要的一组数据是：40%的企业决策者预计AI将提高现有员工的生产力，34%预计工作内容或岗位结构发生变化，33%预计出现新的岗位或技能，而预计员工总数减少的比例为28%。
这些数据并不意味着AI不会导致裁员，也不能据此断言未来就业规模一定保持稳定。事实上，受访企业对AI的预期可能同时包含生产力提升、岗位调整和人员减少。但至少在当前阶段，企业对AI的期待已经明显超越简单的人力成本削减，开始转向如何重新组织工作、配置技能和提高业务效率。
对于北美华人人力资源管理者而言，这份报告揭示了一个值得高度重视的趋势：AI转型正在从技术部署进入组织重构阶段。真正考验HR专业能力的，不再只是帮助员工使用AI，而是帮助企业重新定义工作，并让员工在持续变化中找到自己的职业发展方向。
一、员工没有换工作，但他们的工作已经变了
Workday副总裁Phil Willburn在报告中提出了一个非常具有代表性的观察：“Employees may not be changing jobs, but their jobs are changing around them.”
员工可能没有更换工作，但他们周围的工作正在发生变化。
这句话揭示了当前劳动力市场一个容易被忽视的现象。从招聘、晋升和员工总数等传统指标来看，全球就业市场整体似乎处于相对停滞状态。企业没有大规模扩张招聘，内部晋升增长缓慢，员工流动也不像过去那样活跃。
但是，企业内部发生的变化远比这些数字呈现的更加剧烈。
Workday调查发现，38%的员工在过去一年经历了企业重组或组织结构调整，32%表示企业存在空缺岗位长期不补充人员的情况，30%观察到新岗位被创造，23%的受访者所在组织经历了裁员或岗位冗余削减。
也就是说，即使企业的员工总数没有明显变化，组织内部的工作分配、岗位职责和人员结构仍然可能经历大幅调整。
例如，过去一名Recruiter可能需要大量时间筛选简历、安排面试和联系候选人。随着AI招聘工具投入使用，这些重复性工作可以部分自动化，Recruiter可能因此需要将更多精力投入人才评估、业务沟通和招聘策略。
同样，对于HRBP而言，过去大量时间可能花在整理员工数据、生成报告和回答常规人事问题上；未来，这些任务可能越来越多地由AI辅助完成，而HRBP需要承担更多组织诊断、管理者支持和人才决策工作。
这些变化不一定伴随着岗位名称的改变，却可能实质性改变岗位的价值和能力要求。
从NACSHR的专业视角看，企业过去主要按照Job Title管理人才，但AI时代越来越需要从Task和Skills两个维度重新理解岗位。岗位是否存在是一回事，岗位内部究竟由哪些任务构成、哪些任务可以自动化、哪些能力必须由人承担，则是另一回事。
未来企业HR不能只关注Headcount Planning，还必须开始关注Work Redesign。
二、AI技能需求发生分化：会使用AI，正在成为基础能力
Workday报告中最值得关注的另一组数据，是基础AI技能需求下降25%，而应用型AI技能需求增长51%。
根据Workday对554家企业岗位招聘数据的分析，从2025年9月至2026年7月，企业对AI技能的要求正在发生显著变化。基础AI技能，例如日常使用AI工具、Prompting和Copilot，相关岗位需求在2026年1月达到高峰后下降了25%。
与此同时，Applied AI Skills持续增长，整体增幅达到51%。这些技能主要涉及Machine Learning、Workflow Automation、Large Language Models以及AI Engineering等实际应用能力。
这里需要特别强调：基础AI技能在招聘信息中的需求下降，并不代表企业不再需要员工使用AI，也不意味着这些技能失去了实际价值。更合理的理解是，随着AI工具普及，基础使用能力正在逐渐成为许多岗位的默认要求，而不再总是需要被单独强调的专业技能。
这与过去办公软件普及的过程有相似之处。当越来越多的知识工作者都能够使用Excel、PowerPoint或者其他办公系统时，企业真正重视的就不再只是员工会不会操作软件，而是能否利用工具解决实际业务问题。
AI也正在经历类似的变化。
对于企业HR而言，这意味着培训策略需要升级。过去一年，很多企业的AI培训主要围绕如何使用ChatGPT、Microsoft Copilot或其他生成式AI工具展开。这些培训有其价值，但如果长期停留在工具介绍和Prompt技巧层面，就很难真正推动组织生产力变化。
未来更有价值的学习发展体系，应当围绕实际业务场景展开。例如，招聘团队如何利用AI改善候选人匹配质量，HR Operations如何重新设计员工服务流程，Compensation团队如何提升数据分析能力，HRBP如何借助AI辅助组织诊断与劳动力规划。
企业需要建立的不仅是AI Literacy，更是将AI转化为实际工作成果的能力。
三、员工并不缺乏适应意愿，真正不足的是企业支持
人力资源管理者在推动AI转型时，经常会面临一个问题：员工是否愿意接受变化？
Workday的调查结果提供了一个值得重新思考的答案。
65%的员工表示，如果未来岗位所需技能发生变化，他们有信心进行适应；79%的员工表示，自己知道未来取得成功需要哪些技能。但是，只有66%的员工认为，雇主真正帮助他们发展这些技能。
这13个百分点的差距，反映出员工技能认知与组织发展支持之间存在明显落差。
员工可能已经意识到AI正在改变工作，也愿意接受新技能培训，但他们未必知道企业究竟希望自己如何改变，更不确定完成学习之后能否获得新的发展机会。
这种矛盾在AI重度使用者中更加明显。
在几乎所有工作中使用AI的员工中，62%认为AI可能降低自己当前技能的市场价值，但同时有76%认为AI会创造新的职业发展机会。
这意味着员工对AI的态度并不是简单的支持或反对，而是同时存在期待与担忧。
他们看到了效率提升的机会，也意识到自己过去积累的某些专业能力可能正在发生贬值。
对于北美华人HR而言，这一点尤其值得重视。许多企业拥有不同文化背景、不同年龄层和不同专业经历的员工，各类员工对AI转型的理解、接受程度和职业焦虑可能存在差异。对于跨国经营、团队分布在不同地区的企业，这种沟通与支持的复杂性还可能进一步增加。
HR不能仅仅通过一封邮件宣布公司开始采用AI，也不能把员工参加培训的次数当作转型成功的证明。
企业更需要回答员工几个具体问题：我的岗位未来会如何变化？哪些任务将由AI承担？哪些技能仍然具有长期价值？公司是否提供学习资源？如果我掌握了新技能，是否能够看到明确的内部发展机会？
AI转型过程中，员工最需要的可能不是更多关于AI的口号，而是更清晰的职业发展预期。
四、内部人才流动正在停滞，传统职业发展模式面临挑战
Workday报告显示，57%的企业内部横向岗位流动同比下降。全球员工的12个月滚动晋升率约为8.1%，整体基本没有明显增长。
更值得注意的是员工为何无法实现内部流动。
在尝试申请内部岗位的员工中，22%认为内部选拔程序不够公平，22%遇到岗位被暂停、撤销或改变的情况，17%表示经理不支持内部转岗。
而在过去一年没有申请内部岗位的员工中，44%表示对当前岗位满意，但27%表示没有看到有吸引力的内部机会。
这组数据揭示的问题可能比单纯的晋升率下降更加深刻。
过去企业内部的职业发展路径相对清晰：员工通过积累经验、完成绩效目标、承担更多职责，逐步获得晋升或转岗机会。
但随着AI改变工作内容、组织结构持续调整、部分企业控制新增岗位，传统依赖职位数量增长和管理层级扩张的职业发展模式正在受到挑战。
员工可能持续学习新技能，却发现原来熟悉的晋升路径不再存在；企业可能不断要求员工提升适应能力，却没有同步建立新的岗位转换机制。
如果企业不能解决这一矛盾，员工对学习和转型的积极性就可能逐渐下降。
Workday自身的案例提供了一种可能的解决方向。公司部署Fetch——HiredScore AI for Talent Mobility的一项能力——利用AI帮助招聘团队将内部人才与开放岗位进行匹配。部署后，Workday报告其内部人才流动同比增长45%。
这一案例说明，内部人才发展不仅取决于有没有岗位，还取决于企业能否识别内部人才的能力，并让相关机会被员工和招聘团队看见。
对于企业HR而言，这意味着Talent Marketplace、Skills Intelligence和Internal Mobility不应被视为几个相互独立的系统。
真正有效的人才管理体系，应当将员工现有能力、岗位技能要求、学习发展资源和内部机会连接起来。
尤其对于一些希望控制招聘成本、同时需要持续推进AI转型的企业，重新发现和配置已有员工的能力，可能比一味依靠外部招聘更加重要。
五、AI让招聘申请量暴增，却没有真正解决人才匹配问题
AI正在改变招聘市场的另一端。
Workday调查发现，84%的求职者已经在求职过程中使用AI，其中47%利用AI撰写或修改简历、求职信等材料，34%利用AI准备面试或评估。在使用AI求职的人群中，42%表示AI增加了自己申请的岗位数量。
随着AI降低申请成本，企业收到的申请数量明显增加。
从2025年7月至2026年7月，企业每发出一个Offer对应的申请数量中位数，从58份增加到69份。
其中，Technology & Media行业从147份增加到207份，同比增长40.4%；Financial Services行业从77份增加到98份，同比增长27.2%。
但是，招聘申请量显著增加，并没有带来同等程度的招聘效率提升。报告显示，整体岗位填补周期仍然维持在约60天。
34%的招聘经理表示，岗位难以填补的主要原因是候选人缺乏所需技能；33%认为候选人对薪酬、工作地点或灵活性的期望与岗位要求不一致。
这反映出一个值得HR关注的新问题：AI正在让候选人更容易申请工作，但并没有让企业更容易找到真正合适的人。
对于Recruiter而言，未来的挑战可能不再是如何获得更多简历，而是如何从大量申请中准确识别真正具备岗位能力、学习潜力和业务适配度的人才。
Workday workplace psychologist Dr. Liz Pavese在报告中指出，传统招聘系统和思维模式过度依赖职位名称及固定候选人画像，招聘经理需要进一步识别候选人的Transferable Skills和Adjacent Capabilities。
这意味着招聘评估需要逐步超越简历关键词和过去的Job Title，更多关注候选人的实际能力、问题解决方式和可迁移技能。
对于北美华人HR，尤其是服务于科技企业、专业服务机构和跨国企业的招聘团队，这一变化具有直接的实践意义。
当越来越多候选人使用AI优化简历和求职表达时，企业更应该提升结构化面试、工作样本评估和技能验证的质量。同时，在使用AI招聘工具时，也需要关注候选人隐私、评估公平性，以及所在地适用的就业和自动化决策相关要求，避免把效率提升建立在新的合规风险之上。
六、员工暂时留下，不代表他们真正愿意留下
当前劳动力市场还有一个容易让企业产生误判的现象：员工流动相对缓慢，但员工对组织的认同感并不一定同步提高。
Workday数据显示，典型企业的两年员工留任率从2024年7月的73.3%下降至2026年7月的70.5%。
与此同时，27%的员工表示未来12个月可能寻找外部工作机会，而报告中的年度自愿离职率约为16%。
这说明一部分员工虽然尚未离职，但已经开始考虑外部发展机会。
特别是在招聘需求相对疲软、外部岗位竞争加剧的环境中，员工可能因为经济压力、职业风险或者缺乏合适机会而暂时留在现有企业。
这种留任并不能自动等同于员工满意度或组织忠诚度提高。
Workday进一步发现，只有59%的员工认为雇主真正关心自己这个人，58%认为影响员工的组织变化得到了公平处理。
在员工成长体验方面，Career Path的积极评价比例仅为63%，明显低于Mentoring的81%和Learning的79%。
这些结果非常值得企业HR警惕。
企业可能提供了培训课程，也建立了导师机制，但员工依然看不到自己未来能够走向哪里。
这就解释了为什么单纯增加培训预算或者学习资源，未必能够解决员工参与度和留任问题。
员工真正需要的，不只是学习机会，而是学习与未来职业发展的连接。
对于正在经历组织调整、岗位重构或AI转型的企业，透明沟通、公平的人员决策和清晰的职业发展预期，可能比单纯强调企业文化更加重要。
NACSHR认为，HR管理者尤其需要关注那些“没有离职、绩效尚可，但对未来发展缺乏信心”的员工。这类风险往往不会立即反映在Turnover指标中，却可能逐渐影响员工主动性、知识共享、创新意愿和组织信任。
七、大型企业收缩与中小企业增长并存，北美人才市场需要重新观察
Workday报告还呈现了另一个重要变化：不同规模企业的就业增长正在明显分化。
2026年上半年，企业总体员工规模增长接近零，但大型企业和中小企业的表现存在较大差异。
在Workday研究样本中，拥有100,000名以上员工的超大型企业贡献了约74%的净员工人数下降，但仅占样本员工总数的26%。
相比之下，较小规模企业仍然表现出更明显的增长动力。
按照报告中的Headcount Trajectory Index，Emerging/SMB达到58.4%，Midmarket为51.0%，Enterprise为48.9%，Large Enterprise为44.3%，30,000人以上的Majors仅为42.8%。
这些数据反映的是Workday客户样本内不同规模企业的人员变化趋势，不能直接代表整个美国或加拿大劳动力市场。但它提示企业，不同规模公司的招聘需求与人才管理重点，可能正呈现明显分化。
大型企业可能更加关注组织效率、AI投资回报和内部人才重新配置，而中小型成长企业可能仍然面临业务扩张、人才招聘和管理能力建设的压力。
对于北美华人HR而言，这也意味着人才管理策略必须与企业发展阶段相匹配。
大型跨国企业可能需要更加成熟的Skills Framework、Talent Marketplace和Workforce Planning能力；处于增长阶段的中小企业，则可能更需要灵活的招聘体系、跨职能人才培养和高效率的HR运营支持。
尤其对于在北美持续发展业务的华人创业企业和跨国企业，AI应用可以成为提高组织效率的重要机会，但前提是企业能够明确哪些工作真正适合自动化，哪些岗位需要重新设计，以及哪些关键人才能力必须持续投入。
八、NACSHR观察：AI时代，HR正在从人员管理走向工作设计
如果将Workday报告中的数据放在一起分析，可以发现一个更加深层的趋势：AI正在改变企业人力资源管理的基本逻辑。
过去，HR系统主要围绕员工和岗位展开。招聘负责把人带进组织，绩效管理评价员工表现，学习发展帮助员工提升技能，人才管理决定晋升与继任，薪酬福利则围绕岗位和员工关系设计。
这些模块虽然相互关联，但在不少企业中仍然是相对独立运作的。
然而，AI正在打破这种边界。
当岗位中的部分任务由AI完成时，Job Description就需要调整；当工作内容发生变化时，Skills Framework需要更新；当员工掌握新的能力时，企业需要重新评估内部岗位匹配；当AI提高团队产能时，绩效目标和管理方式也可能需要改变。
这些变化最终会影响招聘、培训、绩效、薪酬、组织结构和员工关系。
因此，AI时代的人力资源转型不应该被简单理解为“给HR增加一些AI工具”。
更重要的是重新建立Work、Skills、People和Technology之间的关系。
从NACSHR的角度看，未来企业HR的专业价值，可能越来越体现在四个方面。
首先，是能够理解业务和岗位如何被AI改变，而不是仅仅根据管理层提出的人员需求执行招聘。HR需要参与岗位任务分析、组织结构讨论和工作流程优化。
其次，是能够识别企业未来真正需要的能力，并把技能要求转化为员工可以理解的发展路径。技能体系不能只是用于招聘筛选，更应该成为内部培养和人才配置的基础。
第三，是能够帮助管理者处理组织变化中的人际关系和信任问题。AI可以生成岗位分析和培训建议，却不能自动建立员工对管理者的信任，也无法替代企业对公平性和员工体验的责任。
第四，是能够利用数据改善人才决策。企业需要将传统Headcount、Turnover和Time to Fill等指标，与内部人才流动、技能差距、岗位变化和员工职业发展体验结合起来，而不是孤立地观察某一个数字。
真正有竞争力的HR组织，将不只是管理企业现有的人力资源，而是能够持续帮助企业重新配置人与工作的关系。
九、北美华人HR可以从哪些具体行动开始？
对于正在制定2027年人才战略的企业，NACSHR建议将AI转型从抽象讨论转化为可以执行的管理议题。
第一步，重新审视关键岗位。 企业不需要一开始就重构所有Job Description，可以优先选择招聘、客户服务、财务、人力资源运营、市场营销等AI影响较明显的职能，分析现有岗位的任务构成，识别哪些工作可以自动化、哪些需要人工审核，以及哪些职责可能因此发生变化。
第二步，开展技能差距分析。 不要只问员工是否会使用AI，而要根据真实业务流程，判断员工需要哪些AI工具应用能力、数据分析能力、流程设计能力和专业判断能力。对于现有员工，应重点识别可以通过培训和实际项目获得的新能力。
第三步，将培训与内部机会连接。 如果企业希望员工持续Reskill，就应当尽可能提供明确的岗位发展方向。对于无法立即提供晋升的企业，也可以通过跨部门项目、横向发展、岗位轮换和新的专业职责，为员工建立成长空间。
第四步，让Manager成为转型的重要参与者。 企业应当鼓励管理者定期与员工讨论岗位变化、未来技能需求和职业发展，而不是只在年度绩效评估时讨论目标完成情况。对于涉及AI的组织调整，还应明确经理在员工沟通、公平评价和培训支持方面的责任。
第五步，建立更合理的AI转型衡量指标。 AI工具使用率和培训完成率可以作为过程指标，但不应成为衡量转型成功的唯一依据。企业还应关注实际工作效率、员工技能提升、内部流动机会、岗位匹配质量、员工信任和业务结果。
对于资源有限的中小企业，可以从一两个关键职能开始试点，不必追求一次性建设复杂的人才管理平台。对于组织规模较大、业务覆盖多个国家或地区的企业，则应当逐步建立跨职能、跨地区的岗位与技能治理机制，同时注意不同司法辖区在员工数据、招聘决策和劳动关系方面的要求。
需要指出的是，以上建议是NACSHR基于报告提出的企业管理实践方向，并非Workday报告已经验证有效性的统一实施方案。企业仍需根据自身业务结构、员工规模和管理成熟度进行调整。
十、结语：AI时代真正的竞争优势，是组织持续适应变化的能力
Workday将这份报告命名为《The Adaptability Advantage》，其核心含义不只是要求员工学习新技能，而是强调企业需要建立能够持续适应变化的组织能力。
在AI持续进入企业的过程中，一些传统任务可能减少，一些岗位可能重新组合，新的技能和职业机会也可能不断出现。对于员工而言，这意味着过去依靠一套专业技能长期维持职业竞争力的模式正在受到挑战。
但对于企业而言，挑战同样巨大。
如果企业不断要求员工提高效率，却无法解释岗位未来的发展方向；如果企业持续投入AI系统，却没有同步调整工作流程和管理机制；如果员工努力学习新技能，却看不到组织内部的发展机会，那么AI技术带来的生产力潜力就可能无法充分转化为长期组织能力。
值得注意的是，Workday报告并未证明AI已经全面减少裁员，也没有证明AI必然提升企业就业规模。它真正揭示的是，在就业总体增长相对平缓的背景下，工作内容、技能需求和员工职业预期正在持续变化。
而这种变化可能比单纯的岗位增减更加深刻。
对北美华人HR而言，未来的专业竞争力也将越来越取决于能否深入理解业务，参与组织设计，推动人才转型，并在效率提升与员工发展之间建立合理平衡。
企业需要的不只是能够执行招聘、薪酬和员工关系工作的HR，更是能够帮助管理层理解未来工作模式、支持员工适应变化，并共同建设高绩效组织的人力资源领导者。
AI时代最值得企业警惕的，或许不是某些岗位正在消失，而是员工的工作已经发生改变，企业的人才管理制度却仍然停留在过去。
这也给所有HR管理者留下了一个值得深入讨论的问题：当企业开始用AI重新定义工作时，我们是否已经准备好重新定义人力资源管理本身？
关于NACSHR
NACSHR（北美华人人力资源协会）致力于连接北美华人人力资源专业人士、企业管理者及行业合作伙伴，推动人力资源领域的专业交流、实践分享与跨行业合作，持续关注AI、组织转型、人才管理、劳动法规及未来工作的发展趋势。
官方网站：https://www.nacshr.org
资料来源与研究说明
Workday, Inc.，《Global Workforce Report: The Adaptability Advantage》，October 2026。本文主要参考完整22页报告，涵盖岗位变化、招聘趋势、AI技能、内部人才流动、员工留任及企业规模差异等内容。
Workday / PR Newswire，《Workday Global Workforce Report: AI Is Rewriting Jobs More Than It's Cutting Them》，October 5, 2026。官方新闻稿：https://www.prnewswire.com/news-releases/workday-global-workforce-report-ai-is-rewriting-jobs-more-than-its-cutting-them-302898076.html
研究方法说明： Workday的Global Workforce Reporting结合Workday Human Capital Management、Workday Peakon Employee Sentiment及Workday Recruiting相关数据，涵盖12个主要行业、5种企业规模及19个国家，并使用不同的样本面板进行分析。两项补充调查分别为2026年9月的Q3 Global Workforce Survey（N=6,001，其中决策者相关问题约1,780人），以及2026年8月的AI@Work Survey（N=5,944）。调查覆盖美国、英国、加拿大、澳大利亚、法国和德国。部分指标为新增或暂定指标，报告明确要求将观察结果视为描述性趋势，而非直接因果证据。
本文由NACSHR北美华人人力资源协会根据Workday官方研究报告及新闻稿整理、分析并撰写。文中数据来自原始研究，行业判断及管理建议为NACSHR基于报告作出的独立专业解读，不代表Workday官方立场。
组织重构
2026年10月06日
组织重构
【NACSHR论坛回顾】AI 时代的组织正在被重新定义：当中层被砍掉、面试被作弊、白领被取代
NACSHR 观察｜AI 正在把企业组织从“人力规模竞争”推向“人机协同效率竞争”
过去几年，企业谈 AI，更多是在谈工具、系统和效率提升。员工用 ChatGPT 写邮件，工程师用 AI 辅助写代码，HR 用 AI 生成 JD、筛选简历、制作培训材料，这些变化已经足够明显。但如果只把 AI 理解为一种新的办公工具，就会低估它对企业组织的真正影响。
AI 正在改变的不是某一个岗位的工作方式，而是企业配置劳动力、设计组织结构、评估人才价值和管理协作关系的基本逻辑。它把企业从过去的“人力规模竞争”，推向一种新的“人机协同效率竞争”。在这个新阶段，真正重要的问题不再是企业有多少人，而是每一个核心员工背后能调动多少 AI 能力；不再是组织层级是否完整，而是决策链路是否足够短、工作流是否足够智能、顶尖人才是否能够被最大化放大。
这也是 NACSHR 2026 夏季论坛中，关于 Organizational and Collaboration Model in AI 讨论最值得关注的地方。来自 AI 原生创业公司、大型科技企业、投资领域和 HR 管理实践的一线观察共同指向同一个结论：AI 时代的组织变革已经不再是未来趋势，而是正在发生的现实。
AI 正在重构白领劳动力市场，企业不再按传统 Headcount 思维设计组织
长期以来，企业增长与人员规模高度绑定。收入增长通常意味着团队扩张，团队扩张意味着更多岗位、更多中层、更多流程和更多管理节点。传统组织设计的底层逻辑，是通过层级分工和管理体系，把大量不同能力水平的人组织起来，形成稳定产出。
但 AI 正在打破这个假设。
在 AI 原生公司中，一个顶尖人才的产出能力，已经不再只是个人能力本身，而是“个人能力 × AI 工具 × Agent 工作流”的综合结果。当一个懂业务、懂技术、懂 AI 的核心人才，能够通过 AI 把自己的工作效率放大 10 倍、20 倍，甚至更高时，企业对团队规模的依赖就会明显下降。
Jobright.ai 的案例很典型。作为一家 AI 招聘相关公司，其全职员工不到 10 人，但已经实现约 700 万美元 ARR。这样的组织并不是简单意义上的“小团队”，而是每位核心员工背后都有一组 AI Agent 在持续工作。过去需要更多人完成的信息收集、匹配、沟通、分析和执行任务，正在被人机协作系统重新承接。
这意味着，未来企业的组织能力不能再简单用员工数量衡量。一个 10 人团队，如果每个人都能高效调用 Agent、自动化工作流和 AI 决策辅助系统，其实际组织产能可能远高于一个传统意义上的百人团队。未来 HR 做组织规划时，必须从 Headcount Planning 进入 Capacity Planning，即不仅要看有多少人，还要看每个人能够调动多少 AI 能力、管理多少自动化流程、完成多少过去需要团队协作才能完成的任务。
这也是为什么“10 人公司做到 1 亿美元 ARR”在未来可能不再是极端案例，而会成为 AI 原生组织的重要样本。AI 正在让公司规模与收入规模之间的关系发生松动，企业增长不再必然对应人员线性扩张。
中层管理的价值正在被重新审视，组织扁平化将成为更强趋势
AI 对组织结构最直接的冲击之一，是对中层管理价值的重新评估。
在传统企业中，中层管理者承担着非常重要的角色：上传下达、协调资源、推进项目、监督执行、整合信息、跨部门沟通。这些角色过去是必要的，因为组织越大，信息越容易断裂，部门越多，协作成本越高。中层管理者的存在，本质上是在帮助组织降低复杂性。
但问题在于，中层管理本身也会制造新的复杂性。更多层级意味着更长的汇报链条、更慢的决策速度、更高的会议成本和更强的组织惯性。当 AI 可以承担大量信息整理、任务拆解、项目跟踪、数据分析和沟通辅助工作时，企业自然会重新计算中层管理的投入产出比。
AI 时代的高效组织，往往不再依赖厚重的中间管理层来维持运转，而更倾向于让顶尖个体直接面对问题、客户和结果。组织结构会变得更扁平，决策链条会变短，管理者的角色也会从“信息中转站”转向“判断力提供者”和“组织能力设计者”。
这并不意味着所有中层管理者都会消失，但意味着传统中层的价值基础正在发生变化。过去依赖协调、汇报、跟进和流程推动形成的管理价值，会被 AI 快速压缩；而真正能够理解业务、做出判断、设计机制、发展人才、推动组织转型的管理者，价值会进一步上升。
对 HR 来说，这将是一个非常现实的挑战。未来企业做组织重组时，不能只从成本控制角度看中层，而要重新定义中层岗位的价值模型：哪些管理工作可以被 AI 替代？哪些管理能力必须保留在人身上？哪些中层管理者可以升级为 AI 工作流 Owner？哪些岗位其实只是传统流程下的协调冗余？
中层不会简单消失，但“只做沟通协调”的中层会越来越难以证明自身价值。
大企业 AI 转型不能停留在工具采用，真正的转型发生在工作流层面
很多企业今天已经开始推广 AI，但大多数还停留在工具采用阶段。公司给员工开通 ChatGPT、Copilot 或其他 AI 工具账号，组织 AI 培训，鼓励员工用 AI 提高效率。这些动作有价值，但它们并不等于真正的 AI 转型。
真正的 AI 转型，发生在工作流层面。
大型科技企业的实践已经显示，AI 转型至少可以分为几个阶段。第一阶段是个人效率提升，员工把 AI 当作辅助工具，用来写邮件、总结材料、生成代码草稿、制作文档。这是最容易启动的一步，但它对组织结构的改变有限。第二阶段是确定性工作流自动化，即企业开始把 AI 嵌入重复、可预测、规则清晰的流程，例如简历初筛、合规审查、员工问答、数据整理和报告生成。第三阶段则是 Native AI Workflow，也就是从一开始就围绕 AI 重新设计流程，让 AI 成为工作系统中的基础组成部分，而不是外接工具。
这里的差别非常关键。一个 HR 团队使用 AI 写 JD，只是效率提升；但如果企业重新设计招聘流程，让 AI 负责市场人才地图扫描、候选人初步匹配、沟通节奏管理、面试反馈汇总、Offer 风险分析，而 HR 负责判断、关系建立和关键决策，这才是真正的工作流重构。
同样，一个工程师使用 AI 生成代码，只是工具采用；但如果企业重新设计软件开发流程，让 AI 参与需求拆解、测试生成、代码审查、部署检查和文档维护，人类工程师主要负责架构判断和复杂问题解决，这才是组织能力升级。
这也是大型企业 AI 转型最容易误判的地方。工具使用率不等于转型成熟度，员工活跃度不等于组织生产力跃迁。企业真正需要衡量的是：有多少核心流程被 AI 重构？有多少岗位职责已经被重新定义？有多少绩效指标已经从“完成任务”转向“管理人机协作结果”？有多少管理者真正理解 AI 原生工作流？
如果 HR 仍然把 AI 转型理解为培训项目或工具推广项目，就会错过这场变革的核心。AI Workforce Transformation 的关键，不是让员工都会用 AI，而是让组织重新设计工作。
AI 原生公司与传统企业的效率差距，正在成为新的竞争分水岭
AI 对企业的影响速度，并不是平均发生的。它取决于两个因素：行业属性和企业基因。
从行业看，软件、SaaS、知识服务、内容生产、客户支持、数据分析等领域，最容易被现有大模型重构。这些行业的核心产出本身就是代码、文本、流程、分析和知识交付，与 AI 能力高度匹配，因此变化速度最快。相比之下，制造业、物流、硬件和线下服务行业涉及大量物理世界数据、现场执行和设备协同，短期内转型速度相对较慢。但随着机器人、传感器、工业数据系统和物理 AI 的发展，这些行业未来 3 到 5 年也可能迎来更深层变化。
从企业基因看，AI 原生公司和传统企业之间的差距会更加明显。AI 原生公司没有旧系统、旧流程和复杂层级包袱，从第一天开始就把 AI 当作核心生产力，因此可以直接设计小团队、高自动化、高人均产出的组织模型。传统企业则往往要面对历史流程、既有组织结构、人员惯性、系统集成和合规约束，转型路径更长，也更容易停留在工具采用阶段。
Cursor 与 Google 这类对比之所以引发关注，并不是因为大公司没有技术能力，而是因为组织模型不同。AI 原生公司可以用极少的人创造巨大的市场影响力，而传统大公司即使拥有大量人才和资源，也可能因为层级、流程和历史系统，导致人均产出效率被明显拉开。
未来企业竞争会越来越像一场“组织效率密度”的竞争。过去企业比拼的是人才总量、资金规模、品牌资源和市场渠道；未来还要比拼单位人员能够创造多少产出、组织能以多快速度完成试错、团队能否围绕 AI 重构流程、管理层能否接受更小但更强的组织形态。
这对 HR 的影响非常深远。HR 不仅要招聘人才，还要判断人才是否适合 AI 原生工作方式；不仅要设计组织架构，还要设计人机协作架构；不仅要管理绩效，还要衡量 AI 放大后的真实产出。
远程面试正在被 AI 击穿，招聘评估必须从“回答能力”回到“真实产出”
AI 对招聘的冲击，已经不只是简历筛选自动化或面试效率提升。更现实的问题是：AI 正在让传统面试的可信度下降。
候选人可以用 AI 优化简历，让经历看起来更完整、更专业、更匹配岗位要求；也可以在远程面试中借助 AI 实时生成答案。面试官看到的是流畅的表达、清晰的逻辑和标准化的回答，但很难判断这些内容究竟来自候选人的真实能力，还是来自 AI 的即时辅助。
这让传统招聘流程面临一个根本性问题：过去企业通过简历和面试来判断候选人能力，但现在这两个环节都可以被 AI 显著“美化”。简历越来越完美，回答越来越标准，候选人的真实能力却不一定同步提升。
因此，一些硅谷初创公司已经开始减少传统面试轮次，转向更接近真实工作的评估方式。例如，在基础筛选之后，企业邀请候选人与团队进行一到两天的付费协作，按照一天 500 到 1000 美元的标准支付费用，让候选人在真实任务中展示能力。相比反复进行电话面试和行为面试，这种方式更能观察候选人的问题拆解能力、沟通方式、交付质量、协作习惯和学习速度。
这代表招聘逻辑的一次重要转向：从评估“候选人如何回答问题”，转向评估“候选人如何解决问题”。从相信简历和面试表现，转向相信真实场景中的产出。对高价值岗位、核心岗位和 AI 原生岗位来说，这种变化会越来越重要。
HR 和 Talent Acquisition 团队需要重新设计评估体系。未来的面试不应只是问答环节，而应包含工作样本测试、真实任务模拟、协作型评估、试点项目和可验证的产出结果。尤其是在远程招聘环境下，企业必须重新建立 Hiring Authenticity，即招聘真实性。否则，AI 会让企业在错误候选人身上付出更高代价。
白领岗位不会平均消失，而会出现更剧烈的 K 型分化
AI 对劳动力市场的影响，不是简单地让所有白领岗位同时贬值。更准确地说，它会带来结构性分化。
一方面，大量中等水平、重复执行型、标准化交付型白领岗位，会面临更大压力。只要一个岗位的主要价值来自信息整理、基础分析、文档生成、流程跟进或标准化判断，就很容易被 AI 部分替代，或者被少数更强的人才借助 AI 工具覆盖。
另一方面，真正具备专业深度、判断力、创造力和跨领域能力的人才，价值会被进一步放大。AI 并没有降低顶尖专家的重要性，反而让他们变得更加稀缺。因为大模型能力的提升，越来越依赖高质量专业数据、复杂判断和专家反馈。顶级医生、资深律师、奥数竞赛选手、行业专家正在参与 AI 模型训练、测试和评估。在某些高端数据标注和专业反馈场景中，专家时薪可以达到 300 到 500 美元，甚至更高。
这是一种典型的 K 型分化：顶尖人才价值继续上升，普通执行型岗位价值承压。AI 并不是让专业能力变得不重要，而是让“真正高质量的专业能力”变得更重要。过去一些中等能力岗位还能依靠流程、经验和组织惯性维持价值，未来这些岗位会不断被 AI 和更强的人才挤压。
这对 HR 的薪酬体系和人才策略提出了新要求。企业不能再用过于平均化的薪酬带宽对待关键人才，也不能再用传统职级体系理解专家价值。未来组织中，少数真正能够定义问题、训练 AI、判断结果、解决复杂问题的人，可能需要被给予更高的薪酬弹性、更大的项目空间和更直接的组织影响力。
同时，HR 也需要帮助组织重新识别哪些岗位正在被 AI 压缩，哪些岗位正在被 AI 放大，哪些人才应该被重新培养，哪些能力已经不再具有长期竞争力。人才管理的重点，将从岗位管理转向能力组合管理。
HR 的角色必须升级：从流程管理者转向组织转型设计者
AI 时代对 HR 最大的挑战，不是 HR 工具是否智能，而是 HR 是否能够成为组织转型的设计者。
过去，HR 很多工作围绕制度、流程、招聘、员工关系、绩效和合规展开。这些仍然重要，但已经不够。AI 正在改变企业的岗位结构、协作方式、管理半径、能力模型和绩效定义。如果 HR 不能理解这些变化，就很容易被动执行业务部门提出的裁员、重组和效率要求，而无法真正参与组织未来的设计。
未来 HR 至少需要承担四个新角色。
第一，HR 要成为 AI 工作流重构的参与者。业务部门了解具体流程，技术团队了解工具能力，但 HR 更应该理解岗位、能力、协作和组织影响。一个流程是否适合 AI 重构，重构后岗位职责如何变化，员工能力如何补齐，绩效如何衡量，这些都需要 HR 深度参与。
第二，HR 要成为人才结构重估的推动者。AI 会让部分岗位被压缩，也会让部分岗位价值上升。HR 必须帮助企业建立新的人才地图，识别关键人才、可替代岗位、可升级岗位和需要重新培养的人群。
第三，HR 要成为招聘真实性的守门人。当 AI 让简历和面试表现越来越容易被包装，HR 必须推动更真实、更贴近工作的评估方式，确保企业看到的是候选人的真实能力，而不是 AI 优化后的表演能力。
第四，HR 要成为组织学习能力的建设者。AI 变化速度极快，企业不可能靠一次培训完成转型。组织必须形成持续学习、快速试点、不断复盘和跨团队扩散的机制。HR 应该成为这个学习循环的推动者。
真正可行的 AI 转型，不是全公司运动，而是从小团队和具体场景开始
对于多数企业而言，AI 转型最危险的做法，是一开始就把它包装成宏大的全公司战略，但缺乏具体场景和真实产出。这样的项目很容易变成口号、培训和工具采购，最后难以证明价值。
更现实的路径，是从小团队、具体场景和可衡量工作流开始。比如，HR 可以选择招聘筛选、员工问答、政策查询、绩效反馈整理、培训内容生成、合规文档初审或 People Analytics 报告生成作为试点。每个试点都应该明确三个问题：原来的流程需要多少人、多少时间、多少成本；AI 介入后哪些环节被改变；最终在效率、质量、体验或风险控制上产生了什么结果。
只有通过一个个真实的成功案例，企业才能逐步建立对 AI 的信任，也才能让管理层看到 AI 转型不是抽象概念，而是可以落地的组织能力升级。
对 HR 个人而言，最重要的是保持足够强的好奇心和行动速度。AI 时代的能力差距，不会等到十年后才体现，可能六个月就会拉开。那些主动试工具、改流程、做试点、理解业务场景的 HR，会越来越接近组织决策中心；而只把 AI 当作“技术部门的事”的 HR，则可能在组织重构中失去话语权。
写在最后：AI 时代的组织，不是人少了，而是组织能力被重新计算了
AI 对组织的影响，不应被简单理解为裁员、替代或降本。更深层的变化是，企业组织能力的计算方式变了。过去，一个组织的能力主要由人员数量、岗位体系和管理层级决定；未来，一个组织的能力将由核心人才质量、AI 工作流成熟度、Agent 协同能力、组织学习速度和管理者判断力共同决定。
中层管理会被重新定义，招聘流程会被重新设计，白领岗位会被重新定价，顶尖人才会被重新争夺，HR 的角色也会被重新定位。这不是某一个行业的局部变化，而是未来企业组织管理的底层变化。
NACSHR 关注这一议题，是因为 HR 必须站在这场变革的前面。AI 时代真正稀缺的，不只是技术能力，而是能够理解技术、组织和人的复合型管理能力。企业需要的不只是会使用 AI 工具的员工，更需要能够重新设计工作、重新配置人才、重新定义组织效率的 HR 领导者。
未来的组织不会简单变成“更少的人”，而会变成“更强的人 + 更智能的系统 + 更短的决策链路 + 更高密度的组织能力”。对于 HR 来说，真正的问题不是 AI 会不会改变组织，而是我们能否在组织被改变之前，主动参与定义新的组织形态。
这正是 NACSHR 持续推动 AI 与 HR 议题讨论的原因。面对 AI 时代的组织重构，HR 不能只做旁观者，也不能只做执行者。HR 必须成为理解趋势、连接业务、推动试点和设计未来组织能力的关键角色。
组织重构
组织重构
组织重构
扫一扫
添加客服
