AI智能体 - 北美华人人力资源协会

AI智能体

趋势？欧莱雅上线“全球 Beauty Tech Agentic Platform”，打通SAP与Salesforce等核心系统 L'Oréal Launches Global Agentic AI Platform to Transform Enterprise Operations 核心摘要：欧莱雅正式推出全球Agentic AI平台，标志着企业AI进入“执行时代”。该平台基于Multi-LLM与Multi-Cloud架构，通过MCP协议打通SAP、SuccessFactors、Salesforce与ServiceNow，实现AI智能体在真实业务系统中的操作能力，而非仅做分析辅助。更值得关注的是评论区透露的行业趋势：AI挑战已从“模型能力”转向“运营与治理”。包括Agent行为的实时控制（Runtime Control）、规则漂移带来的持续治理问题，以及多步骤决策链中的风险管理，正在成为企业落地AI的核心难题。这意味着企业正从“软件系统”走向“AI执行系统”，HR系统也将从记录工具升级为执行引擎。AI不再只是效率工具，而是正在重塑组织运行方式的基础设施。更多信息可以关注 HRTech 当大多数企业仍在讨论如何通过AI提升效率时，L'Oréal 已经将AI推进到了一个更深层次：让AI直接进入企业执行系统。其最新发布的 Beauty Tech Agentic Platform，并不是一个传统意义上的AI应用平台，而更像是一个“企业级AI操作系统”的雏形。这一动作的核心意义在于，企业不再只是“使用AI”，而是在构建一个由AI智能体驱动的运行体系。这标志着AI从辅助工具，正式进入企业的执行层。从辅助到执行：AI角色的根本变化在 Etienne Bertin 的表述中，有一个非常关键的转变：企业正在从“帮助人完成任务”，走向“与AI智能体协同完成工作”。这不仅是技术能力的提升，更是AI角色的重新定义。过去的AI主要承担信息处理和辅助决策的角色，例如生成内容、分析数据或提供建议。而在Agentic AI模式下，AI智能体可以直接连接企业核心系统，并执行实际操作。例如，通过MCP（Model Context Protocol），该平台将AI智能体与 SAP S4HANA、SAP SuccessFactors、Salesforce 以及 ServiceNow 等系统打通，使其具备真正的业务执行能力。这意味着企业正在从“System of Record（记录系统）”迈向“System of Execution（执行系统）”，AI开始参与而不仅是支持业务运行。真正的挑战：不是构建AI，而是运营AI 如果仅从架构角度来看，Multi-Cloud、Multi-LLM以及数据治理已逐渐成为企业级AI的标准配置。但评论区的讨论揭示了更深层的现实：AI的难点已经不在“能不能做”，而在“如何管、如何用”。来自 Mounir Nejjai 的观点指出，企业不能仅依赖可观测性（Observability）来理解AI行为，而需要构建一个“运营层”（Operations Layer），能够实时干预AI的运行。这种转变类似于从“监控摄像头”升级为“安全运营中心”。换句话说，未来企业需要具备的是一种新的能力：对AI进行持续运营和调度，而不仅仅是部署和监控。这也意味着一个新的技术与产品方向正在出现，即“Agent Operations（智能体运营层）”。 AI治理进入“持续化时代” 另一个关键问题在于，AI系统的规则并非一成不变。随着模型、数据和环境的变化，AI行为会发生“漂移”。这意味着传统的“上线前设定规则”模式已经失效。企业需要建立持续治理机制，包括行为审计、策略动态更新以及自动纠偏能力。这一变化使AI治理从一次性合规动作，转变为长期的运营能力。对于HR及企业管理者而言，这意味着未来不仅需要理解AI，还需要具备管理AI的能力，类似于管理团队或业务流程。风险的本质：来自“连续决策链” 来自 Alamine Ahamada 的评论揭示了Agentic AI最核心的风险之一：单个动作的正确性并不能保证整体系统的安全。在传统系统中，决策往往是单点的，而在Agent系统中，AI会进行多步骤连续决策。这种“决策链”可能在每一步都合理，但最终结果却偏离预期。因此，企业需要构建“运行时控制（Runtime Control）”能力，在AI执行过程中实时监控和干预其行为，而不是仅在设计阶段进行风险控制。数据与用例：决定成败的关键变量尽管Agentic AI在技术上已经具备可行性，但其商业价值的实现仍然受到基础条件的制约。来自 Maire Orusaar 的观点指出，真正的挑战在于主数据质量、成本控制、安全以及用例选择。这一判断揭示了一个现实问题：许多企业能够构建AI系统，但无法实现规模化应用。原因在于缺乏高质量数据、清晰的业务场景以及合理的成本结构。因此，在Agentic AI的早期阶段，企业之间的竞争将更多体现在数据能力与场景设计能力上，而非模型本身。组织层面的重构：HR角色正在被重写来自 Stephanie Lutz 的评论指出，这一变化本质上是企业运营模型的演进，而非单纯的技术升级。这一判断对于HR领域尤为重要。当AI智能体进入企业执行层后，组织内部将发生多方面变化。员工将不再只是使用系统，而是与AI协作；决策将由“人主导”转变为“人机协同”；岗位能力也将从执行流程转向管理和优化AI。这意味着HR系统将从“记录工具”升级为“执行引擎”，而HR角色将从流程管理者转变为AI运营与治理的参与者。未来的关键问题：AI是否理解“意图” 在众多讨论中，一个较少被关注但极为重要的问题是，AI如何理解客户或员工的“意图”。来自 Jana Bobosikova 的提问直指这一核心。如果AI仅基于规则和历史数据进行决策，其能力仍然局限于执行流程。只有当AI能够理解并整合“意图数据”，才能真正实现决策优化和体验提升。这也预示着未来AI发展的一个方向：从“流程驱动”走向“意图驱动”。结语：企业正在进入“Agent驱动时代” 欧莱雅的这一举措，清晰地展示了企业AI发展的下一阶段路径：从软件驱动，走向智能体驱动。企业不再只是构建系统，而是在构建一个由AI参与运行的复杂生态。这一转变的核心不在于技术本身，而在于企业是否具备运营、治理和规模化AI的能力。对于HRTech行业而言，这意味着竞争逻辑的根本变化：未来的关键，不再是系统功能的丰富程度，而是是否能够构建一个可控、可运营且具备业务价值的AI智能体体系。这场变革才刚刚开始。

AI智能体
2026年04月07日
AI智能体

UKG《2026 工作场所三大超级趋势》深度解读：AI、人才生态与赋能时代的组织重塑未来三年企业必须面对的关键变化：AI 加速落地、人才生态系统兴起、以及从员工投入感走向“赋能时代”。报告指出，尽管 78% 的企业已经使用 AI，但 74% 尚未真正获得价值，关键不在技术，而在组织文化、透明沟通与技能差距。全球人才短缺持续恶化，让企业必须建立灵活的人才生态，包括全职、合同工、gig 人才与 AI agents 的协作模式。同时，敬业度已无法支撑组织绩效，高信任、赋能型文化将成为核心竞争力。未来的赢家，将是那些既能用好 AI，又能激发员工潜力的组织。在一个不断被技术与人口结构加速重塑的时代，工作的本质正在悄然改变。企业面临的不仅是数字化带来的流程革新，更是对组织结构、人才模型、管理方式与文化基础的全面挑战。UKG 在《Workplace Evolution: Megatrends Defining 2026 and Beyond》中给出的三大巨趋势——以人为本的 AI、人才生态系统的崛起、以及员工赋能时代的到来——并不是简单的流行话题，而是未来三到五年影响组织持续竞争力的关键支点。本篇深度解读旨在帮助 HR 与业务领导者理解这些趋势的底层逻辑，从而更具前瞻性地重构组织能力。一、AI 的价值不是技术本身，而是“以人为本”的组织设计过去两年的生成式 AI 大热，使得企业纷纷投入大量预算采买工具、建设模型，但 UKG 的数据显示，**尽管 78% 的组织至少在一个业务领域使用了 AI，却有高达 74% 尚未看到可衡量的业务回报。**这与其说是技术问题，不如说是组织心态与适配方式的问题。 AI 的真正价值不在于自动化，而在于释放组织的人类创造力。当重复性的行政事务被系统接管，当手册查询、福利理解、排班与可用性管理不再消耗大量精力，员工便能把时间与认知投入到更具意义的沟通、创新与复杂决策中。然而，要实现这一目标，组织必须跨越两个核心障碍：其一是员工对 AI 的不安情绪，其二是技能差距导致的“会用但不敢用”“敢用却不会用”。报告显示，75% 的前线员工愿意让 AI 处理某些任务，但只有 38% 真的使用 AI，原因在于组织很少提供明确的目标、培训与安全感。尤其对于担心被取代的前线员工而言，透明沟通比任何技术部署都更关键。企业需要说明“为什么用 AI、AI 能做什么、不能做什么”，让员工看到 AI 是赋能工具，而不是削减劳动力的信号。 AI 的时代已经到来，但 AI 真正的竞争力属于那些愿意重新设计人机协作方式、并把员工视为核心主体而非配角的组织。二、人才短缺时代的答案不是加快招聘，而是构建“人才生态系统” 全球人才短缺已成为不可逆现实。UKG 援引 ManpowerGroup、制造业与零售业数据指出：74% 的企业找不到所需技能人才，90% 的制造企业因人力不足影响利润，零售行业同样面临巨大压力。然而，企业若依旧把人力规划等同于“填补岗位”，将愈发难以应对波动的市场与不断扩张的技能差距。UKG 提出的关键词是 “人才生态系统”，意味着组织不再仅依赖全职员工，而是可以同时调动：全职与兼职员工合同工、临时工 gig 灵活用工内部流动人才 AI 劳动力（AI agents）未来的组织将不再以岗位结构为核心，而是围绕“技能 × 任务”的动态组合方式运作。企业首先要做的不是招聘，而是盘点现有人才：谁具备可迁移的技能？谁能通过短期培训承担更高价值的工作？哪些任务适合交给 AI 或合约人才完成？这种“去岗位化思维”正在成为组织敏捷性的核心。然而挑战在于，多数企业尚未具备这种能力——**32% 的 HR 没有追踪员工技能的系统，57% 的 HR 没有内部人才 marketplace 工具。**这意味着企业内部大量潜力被浪费，甚至导致员工因为看不到成长路径而离开。人才生态系统的构建不仅提高效率，也是对抗人才荒的关键策略。组织必须从“招聘驱动”转向“技能驱动”，让人才在组织内部流动，而不是不断流失。三、从“投入感”走向“赋能时代”：真正提升绩效的不是 engagement，而是 enablement 过去十年，员工敬业度（engagement）几乎成为 HR 的 KPI，但现实是：敬业度不升反降。Gallup 的数据显示，2024 年全球敬业度下降至 21%，并造成约 4380 亿美元的生产损失。UKG 指出，造成这一趋势的根源在于组织文化的不信任、管理方式的控制性，以及员工缺乏自主权与资源。因此，报告提出一个更具变革性的方向：员工赋能（Enablement）。赋能并不是“员工开心就好”，而是让员工：具备完成工作所需的资源拥有决策空间能够掌握信息感受到信任拥有成长与贡献机会在组织文化中，当控制减少、透明度增加、心理安全感提升时，员工才真正能够发挥最大价值。UKG 数据显示：**高信任文化可带来 42% 的额外投入（discretionary effort）。**这意味着赋能并非“软文化”，而是实实在在的绩效驱动因素。然而，目前仍有大量组织存在“双重文化”——**47% 的前线员工认为企业对高层与基层执行不同标准。**这正是导致投入感低迷与员工流失的关键原因之一。因此，赋能时代要求组织在制度、工具、沟通与文化上实现一致性，特别是为前线员工提供可访问的数字工具，让他们不再被排除在信息链之外。赋能不是 HR 的福利项目，而是战略能力。未来的组织竞争，不仅是技术与人才的竞争，更是文化与信任的竞争。四、中小企业（SMBs）更需要理解这些趋势，因为它们影响更直接、速度更快 UKG 在报告中专门为中小企业做了解读。相比大型企业，SMBs 的结构更简单、灵活性更高，因此也更容易从 AI、人才生态与赋能模式中获益或受损。 AI 可以成为 SMB 的“副驾驶”，自动化大量行政工作，让本就精简的团队把时间投入到高价值工作中。但这种价值要实现，必须让员工理解它、愿意用它并具备使用能力。人才生态系统对于 SMB 的意义则体现在成本敏感度上：通过灵活用工与技能透明化，可以避免过度招聘，保持组织弹性。而赋能机制更是提升员工留存与忠诚度的关键，在小团队里任何人的流失都可能带来直接损伤，因此“赋能＝韧性”。 SMBs 未来最重要的不是“规模”，而是“敏捷性”。而敏捷性来自技术支持、人才灵活性与文化信任三者共同作用。五、未来三年 HR 的关键任务：重建“技术×人才×文化”的组织能力 UKG 的结论是明确的：未来的工作不是被动变化，而是主动重塑。组织必须同时具备三种关键能力：第一，AI 增强能力（AI Augmentation）——让技术真正融入工作流，而不是停留在工具层面。第二，技能驱动的人才策略（Skills-based Workforce Strategy）——用技能替代岗位思维，实现内部流动与敏捷配置。第三，赋能型组织文化（Enablement Culture）——以信任、透明、自主为核心，实现从“管理劳动”到“激发潜力”的转变。未来不属于技术，而属于能把“人 × 技术 × 数据 × 文化”融合成新型组织能力的企业。正如 UKG 在报告结尾强调的：“工作正在被重塑，无论组织是否准备好。”那些主动构建未来能力的企业，将以更快速度适应变化、抵御波动，并在竞争中保持持续优势。

AI智能体
2025年12月10日

订阅NACSHR周报

HR Jobs

GOFO物流公司开放岗位：HRBP助理（Onsite）-支持OPT,可Sponsor H1b。工作地址：Chino, 2026年04月15日
GOFO物流公司开放岗位：HRBP主管（Onsite）-可Sponsor，H1b transfer。工作地址：Chin 2026年04月15日
HRBP - Atlanta GA Position Summary: The HRBP Supervisor acts 2026年04月08日
职位：国内头部物流企业美国公司HRD（此职位需要全职on site，base纽约皇后区） 1。战略人力资源规划：锚定区域 2026年04月06日