Artificial Intelligence - 北美华人人力资源协会

Artificial Intelligence

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。

Artificial Intelligence
2026年08月19日
Artificial Intelligence

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。

Artificial Intelligence
2026年08月13日
Artificial Intelligence

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。

Artificial Intelligence
2026年08月05日
Artificial Intelligence

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。

Artificial Intelligence
2026年07月27日
Artificial Intelligence

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.

Artificial Intelligence
2026年01月24日

Artificial Intelligence

美国劳工部拨款3000万美元支持AI与技能型工种培训【华盛顿消息】美国劳工部近日宣布，将通过“行业驱动型技能培训基金”（Industry-Driven Skills Training Fund）投入总额3000万美元，用于解决全国范围内的劳动力短缺问题，重点支持人工智能、技能型工种、海事等高需求与新兴产业的培训与发展。根据劳工部就业与培训管理局（Employment and Training Administration, ETA）的安排，该基金将向符合条件的雇主提供以结果为导向（outcome-based）的补贴，鼓励他们开发和扩展与企业实际业务紧密相关的培训项目，提升工人技能水平，建立稳定的人才储备体系。此次资金支持的重点行业，是由特朗普政府在多项行政命令与行动计划中明确的战略性领域，包括：技能型工种（Skilled Trades）：如制造、建筑、机械维修等传统蓝领领域人工智能（AI）：涵盖AI研发、应用与产业化海事行业（Maritime）：涉及港口、航运及海上工程以及其他被认定为高需求和新兴的产业门类。劳工部长Lori Chavez-DeRemer在声明中指出：“行业驱动型技能培训基金将确保雇主在培训过程中发挥主导作用，使培训内容精准匹配企业发展需求。同时，这些拨款将帮助工人提升技能，形成可持续的人才管道，助力本届政府实现‘将美国工人和雇主放在首位’的承诺。” 她强调，此项计划不仅将帮助填补特朗普政府制造业复兴和人工智能发展政策所带来的新增岗位，还将进一步巩固美国作为全球制造业强国和AI领域领导者的地位。按照规定，美国各州的劳动力发展机构可申请单笔最高800万美元的拨款，用于设立培训资金池，推动雇主积极参与培训项目的创建与扩展。劳工部还表示，如果未来有更多资金到位，可能会追加新的拨款轮次。该计划的落地预计将带来三方面效益：缓解当前关键行业的人才缺口推动高薪就业岗位增长增强美国在战略性产业的长期竞争力

Artificial Intelligence
2025年08月14日
Artificial Intelligence

什么是Agentic AI？AI Agent如何重塑HR行业？ "Agentic AI"（代理人工智能）是您可能听说过的最新流行语，但实际上这个词在人力资源工作中的应用其实已经有一段时间了！但究竟什么是 Agentic AI？它和传统的AI Agent有何区别？2025年是否真的是AI Agent之年？特别呈现这篇文章与您分享！在人工智能（AI）快速发展的今天，我们已经经历了**预测AI（Predictive AI）和生成式AI（Generative AI）**的兴起，而如今，**Agentic AI（自主智能体AI）**正成为AI的下一个进化阶段。对于HR行业而言，这一技术的到来意味着更加智能的HR系统、自动化的人才管理流程，以及更精准的数据驱动决策。但究竟什么是Agentic AI？它和传统的AI Agent有何区别？2025年是否真的是AI Agent之年？本文将为你详细解析Agentic AI的核心概念，并探讨它如何改变HR行业。 1. 什么是Agentic AI？ Agentic AI（自主智能体AI）是一种具备自主行动能力的人工智能技术，它不仅能像生成式AI一样回答问题、生成内容，还能自主感知环境、推理分析、执行任务，并从反馈中不断优化自身能力。相比于传统的AI系统，Agentic AI最大的不同在于：自主性（Autonomy）：无需人工干预，AI代理可以独立完成任务，例如审核候选人简历、优化招聘流程等。适应性（Adaptability）：AI能够根据反馈不断优化决策，例如HR系统可以自动调整绩效评估标准，以适应不同部门的需求。目标导向（Goal Orientation）：Agentic AI可以自主制定目标，并推理如何达成这些目标，例如自动匹配候选人与职位，提高招聘效率。 2. AI Agent vs. Agentic AI：有什么区别？在HR行业中，我们常见的AI Agent（AI代理），例如智能客服或自动化面试助手，已经在许多企业得到应用。但与Agentic AI相比，传统AI Agent仍然具有局限性。举个例子： AI Agent：只能回答员工关于公司福利的常见问题，比如“今年的年假政策是什么？” Agentic AI：不仅能回答问题，还能主动分析员工的休假情况，自动推荐合适的休假时间，并结合公司政策优化排班，确保业务顺利运行。 3. Agentic AI如何改变HR行业？随着Agentic AI的发展，HR的许多日常工作将发生巨变。以下是几个关键应用场景：（1）智能招聘与人才管理 Agentic AI可以帮助HR从简历筛选、面试安排到人才匹配实现全流程自动化。 ? 自动筛选简历：AI代理可通过自然语言处理（NLP）分析海量简历，并根据职位要求筛选最匹配的候选人。? 优化招聘流程：Agentic AI能够自主调整招聘策略，例如根据市场趋势调整岗位描述，优化招聘渠道，提高人才获取效率。? 智能面试安排：AI代理可以结合面试官和候选人的日程，自动安排面试，并实时调整时间，减少HR的重复沟通工作。（2）绩效评估与员工发展 HR部门可以利用Agentic AI来优化绩效考核体系，并制定个性化的员工成长路径。 ? 智能绩效评估：AI代理可实时分析员工的工作数据，提供个性化绩效反馈，帮助管理者更公平地评估员工表现。? 个性化职业发展：Agentic AI可以分析员工的职业路径，自动推荐合适的培训课程或晋升机会，帮助企业留住优秀人才。（3）员工体验与组织管理 AI可以提高员工满意度，并优化组织架构，提高整体效率。 ? 智能员工助手：AI代理可以主动提醒员工提交报销单、更新考勤信息，甚至预测员工的离职风险，并提前采取措施留住人才。? 企业文化管理：AI可以分析员工情绪，帮助HR团队制定更合适的企业文化建设方案。 4. 为什么2025年是“AI Agent之年”？ 2025年，Agentic AI的应用将迎来爆发式增长，这主要得益于以下三大趋势：（1）AI技术的成熟与算力提升随着大模型（如ChatGPT、NVIDIA NeMo）的不断升级，AI的推理能力越来越强，使得Agentic AI在HR场景下更加实用。（2）企业数字化转型加速全球范围内，企业正在加快HR数字化转型。Agentic AI能够帮助HR团队自动化重复性工作，让HR更专注于战略性任务，因此将被广泛应用。（3）人才市场变化与HR挑战后疫情时代，企业面临招聘难、员工流动性增加等挑战。Agentic AI可以通过智能化的人才管理系统，提高招聘效率、优化员工体验，并降低HR工作负担。 ? 预测：到2025年，超过50%的企业将引入Agentic AI，以优化HR管理流程。 5. HR如何准备迎接Agentic AI时代？ 2025年将是AI Agent之年，HR行业必须抓住这一变革机遇。以下是HR团队可以采取的三大行动： ✅ 学习Agentic AI相关知识，关注AI在HR领域的应用趋势，如AI招聘、智能绩效管理等。✅ 尝试小规模部署AI代理，比如在员工服务、招聘管理等领域测试AI解决方案。✅ 与AI厂商合作，寻找适合企业的AI解决方案，如NVIDIA、微软、谷歌等提供的Agentic AI技术支持。 HR的未来，不只是管理人，更是管理智能体！Agentic AI将成为HR行业的重要助手，助力企业迈向智能化管理新时代！ ? RAIHR倡导：实施负责任的AI（Responsible AI in HR, RAIHR）随着Agentic AI在HR行业的广泛应用，我们必须关注AI的伦理、安全和公平性问题。**RAIHR（Responsible AI in HR）**倡导企业在引入Agentic AI时，遵循以下三大原则，确保AI技术的透明性、公平性和责任性： ✅ 透明性（Transparency）：确保AI决策过程可解释，HR能够理解AI的筛选标准、考核指标，避免“黑箱”决策。✅ 公平性（Fairness）：AI招聘和绩效评估应避免算法偏见，确保候选人和员工得到公平、公正的对待。✅ 责任性（Accountability）：AI在HR领域的应用应遵循合规要求，确保数据安全，并提供人工复核机制，避免AI错误影响员工职业发展。 Agentic AI的未来，不仅是效率与智能的提升，更应是“负责任的AI”！HR行业需要共同努力，确保AI技术真正惠及企业与员工，让AI成为推动组织可持续发展的正向力量！ ?? 总结：Agentic AI将彻底改变HR工作方式 ? AI Agent vs. Agentic AI：传统AI Agent只是执行预设任务，而Agentic AI能自主学习、推理和优化。? HR应用场景：Agentic AI将在招聘、绩效评估、员工体验等方面发挥巨大作用。? 2025年是AI Agent之年：技术突破、企业数字化转型、HR挑战推动Agentic AI的全面应用。 ? 实施负责任的AI（Responsible AI in HR, RAIHR）我们必须关注AI的伦理、安全和公平性问题未来，HR不再是“人力资源管理者”，而是“AI智能管理者”！准备好迎接这场AI革命了吗？ ?

Artificial Intelligence
2025年03月16日
Artificial Intelligence

麦肯锡：AI赋能职场，企业如何跨越管理障碍，实现智能化未来？员工对 AI 的适应速度远超领导层的预期 AI 如何重塑职场？人工智能（AI）正在以惊人的速度重塑职场生态，许多企业正试图利用 AI 提高生产力、优化决策流程并增强市场竞争力。然而，AI 技术的广泛应用远非一蹴而就，企业的 AI 部署不仅涉及技术升级，更考验管理者的战略眼光和执行力。麦肯锡的《Superagency in the Workplace》这份报告深入研究了 AI 在职场中的应用现状，基于对 3,613 名员工和 238 名 C 级高管的调查，揭示了企业在 AI 落地过程中的机遇与挑战。报告认为，AI 在职场的变革潜力堪比蒸汽机之于工业革命，但当前的最大障碍并非技术问题，而是领导层的行动力不足。尽管 92% 的企业计划在未来三年增加 AI 投资，但只有 1% 认为自己 AI 发展成熟，表明大多数企业仍停留在 AI 试点阶段，尚未实现全面部署。更值得注意的是，报告发现员工对 AI 的接受度远超管理层的预期，但企业的 AI 发展速度依然滞后。领导者的犹豫和执行力缺失，正成为 AI 规模化应用的最大瓶颈。本文将从员工接受度、领导层挑战、组织架构变革、AI 治理、商业价值实现等多个维度，介绍报告的核心观点，并补充对 AI 发展的进一步思考。一、员工比领导更快接受 AI，企业行动缓慢报告的核心发现之一是：员工已经在积极使用 AI，而领导者仍然低估了 AI 的普及度。数据显示：员工使用 AI 的频率比领导层预期高出 3 倍，但许多企业尚未提供系统性培训； 70% 以上的员工认为 AI 在未来两年内将改变至少 30% 的工作内容； 94% 的员工和 99% 的高管都表示对 AI 工具有一定熟悉度，但只有 1% 的企业认为 AI 应用已成熟。这一现象表明，AI 在企业中的主要障碍并非员工适应能力，而是管理层的滞后决策。许多企业高管仍然停留在探索 AI 价值的阶段，而员工已经在日常工作中广泛使用 AI 工具，如自动生成文档、数据分析、代码编写等。员工在推动 AI 发展方面的主动性，远远超出管理层的认知。然而，企业未能为员工提供足够的 AI 培训和资源，导致 AI 的应用仍然停留在浅层次，难以转化为真正的生产力提升。例如，48% 的员工认为 AI 培训是 AI 规模化应用的关键，但许多公司仍未建立 AI 学习机制。企业如果不采取措施缩小这一认知鸿沟，可能会错失 AI 带来的长期竞争优势。二、AI 领导力挑战：速度焦虑与执行落差尽管 AI 的发展潜力巨大，但报告指出，47% 的企业高管认为公司 AI 发展过于缓慢，主要原因包括： AI 技术成本的不确定性：短期 ROI（投资回报率）难以量化，导致企业不敢大规模投资； AI 人才短缺：AI 相关技术人才供不应求，企业缺乏相应的招聘和培养体系；监管与安全问题：企业在数据隐私、算法透明度等方面的担忧阻碍了 AI 落地。这种“速度焦虑”让企业在 AI 发展过程中陷入试点—停滞—观望的循环：试点阶段：部分企业已启动 AI 试点项目，如客服自动化、数据分析等；停滞阶段：由于短期收益不确定，试点项目难以规模化推广；观望阶段：企业倾向于等待行业先行者经验，而非主动探索 AI 的商业价值。报告强调，AI 的落地不仅是技术问题，更是企业管理问题。领导者需要具备更强的战略决心，加快 AI 投资，并明确 AI 在企业中的角色，才能真正推动 AI 规模化应用。三、如何实现 AI 规模化落地？ 1. AI 人才培养 AI 的大规模应用依赖于系统性的 AI 人才培训。然而，报告发现，近一半的员工认为企业提供的 AI 支持有限。企业需要采取措施：建立 AI 培训体系，涵盖 AI 基础知识、业务应用和 AI 伦理等内容；推广 AI 试点项目，让员工亲身参与 AI 工具的开发和使用；设立 AI 激励机制，鼓励员工利用 AI 提升工作效率。 2. 组织架构调整 AI 不能仅仅作为 IT 部门的创新项目，而应当成为企业整体战略的一部分。报告建议：设立 AI 战略委员会，确保 AI 发展与企业长期战略保持一致；推动 AI 在各业务部门落地，提升 AI 在实际业务流程中的应用深度；强化 AI 风险管理，确保 AI 应用在数据安全和监管方面的合规性。 3. AI 治理：平衡速度与安全虽然 AI 带来了极大的商业价值，但报告指出，企业在 AI 治理方面仍存在诸多挑战： 51% 的员工担心 AI 可能带来的网络安全风险； 43% 的员工关注 AI 可能导致的数据泄露；企业需要建立 AI 伦理标准，确保 AI 透明、公正、合规。四、AI 时代的商业价值：企业如何真正实现 ROI？尽管企业对 AI 充满期待，但报告显示，目前仅 19% 的企业 AI 投资带来了 5% 以上的收入增长，表明大多数企业的 AI 应用尚未转化为可观的商业回报。为了提升 AI 价值，企业需要：从“技术驱动”转向“业务驱动”，确保 AI 应用直接创造商业价值；优化 AI 目标设定，明确 AI 在核心业务中的定位；加强 AI 应用场景探索，特别是在客户服务、供应链管理等高回报领域进行深入部署。 AI 成败的关键在于管理层 AI 的成功不仅依赖技术本身，更取决于企业领导者的执行力和战略眼光。企业若要真正迈向 AI 时代，需要：加速 AI 战略落地，推动组织变革；加强 AI 人才培养，提高员工 AI 适应能力；建立 AI 治理体系，确保 AI 安全合规发展。在 AI 时代，最危险的不是迈得太快，而是思考得太小、行动得太慢。附录：《Superagency in the Workplace》下载

Artificial Intelligence
2025年03月14日
Artificial Intelligence

利用组织网络分析（ONA） - 衡量员工绩效并优化战略作者: Maya Bodan, Don Miller, Sue Cantrell, Gary Parilis, 和 Carissa Kilgour 在快速变化的工作环境中，传统的办公室、工作时间和组织结构已逐渐失效，组织需要新的洞察力来理解、衡量和评估员工的绩效。特别是现在，了解人们如何互动、互动模式如何影响业务结果以及如何调整行为以改善这些结果变得更加重要。数据分析和人工智能 (AI) 的创新使这一切成为可能。组织网络分析利用网络科学和特定指标来分析和可视化组织内部的沟通和信息流动。通过收集和分析调查和工作应用中的数据，组织可以利用数据、分析和 AI 的力量。组织网络分析揭示了传统组织结构图中没有的洞察力，例如人们如何协作、谁在决策中起到关键作用或者独立工作，以及关于信任和影响的情感。组织网络分析可以帮助领导者理解人际关系、可视化关系并找出成功的潜在障碍（图1）。图1: 组织网络分析可以帮助发现组织内部的协作衡量员工绩效业务结果可以通过多种方式衡量。有时具体的定量指标是适用的；例如，一个专注于生产力的网络营销团队可能会强调点击次数、下载次数或发布的社交媒体帖子数量。改进指标，如“将网络流量增加X％”，使团队能够创新实现这一目标的方法。其他业务结果包括质量率和客户保留率的衡量。然而，仅靠容易衡量的关键绩效指标并不能完整地呈现员工的生产力和业务影响。推动关系、发展和其他非量化人类结果的软性目标的结果对业务至关重要，尽管难以衡量。雇主需要创造员工重视的工作场所。德勤研究显示，79%的领导者认识到他们有责任为员工创造价值，但只有27%的员工认为他们的雇主正在取得有意义的进展。在当前质疑面对面工作价值的环境中，量化人类结果带来了挑战。组织网络分析为领导者提供了分析洞察，优先考虑以人为本的指标，优化工作场所策略以提升整体员工体验。理解个人员工绩效组织网络分析 (ONA) 的洞察力在结合评估个人和团队绩效时尤其有用，这些绩效衡量会影响业务结果或生产力。组织网络分析通过衡量与生产力相关的行为模式来评估生产力（需要对不同团队、职能和业务的生产力进行客观定义）。这些定义可以通过专家判断、焦点小组和访谈确定，或者通过数据分析进行量化。哪种模式是最优的取决于业务情况和需求。例如，有时，广泛的网络互动（与团队外部合作）是必要的，而在其他情况下，这可能会分散注意力——与直接同事合作是最好的（孤立的团队也可以是好的）。非正式影响者通常不同于组织的正式领导者，他们可以提供关于如何独立于正式层级结构高效工作的宝贵视角。这些洞察力展示了员工人口在整个网络中的分布，以及职能、业务单元或地理位置等因素如何影响团队动态和生产力。在一个无边界的组织中，员工绩效超越了传统指标，突出了对非正式协作可见性的重要性。组织网络分析可以揭示隐藏的洞察力，展示信息在组织内部的真实流动方式，给领导者提供做出明智决策和优化员工绩效的洞察。利用 ONA 优化工作场所策略组织在平衡面对面和虚拟互动方面面临挑战。尽管许多组织鼓励员工返回办公室，期望面对面的互动能提升员工绩效和创新，但需要对人们如何实际工作的细致理解。高管希望办公室工作能激发创造力和联系，但往往面临昂贵的长期房地产承诺未得到充分利用的压力，这增加了定义办公室目的和价值的难度。通勤也会增加环境足迹，员工可能不愿失去灵活性。通过组织网络分析，领导者可以回答一些关键问题：有多少团队成员是共址的？在什么情况下以及为什么需要共址？什么工作可以或最好独立完成？哪些工具和应用程序最能支持不同地点的工作？一个重要因素是现场密度，它衡量一个人在办公室内近距离合作者网络的比例。更高的现场密度与更高的面对面工作的认可度相关。领导者可以利用组织网络分析的洞察来了解谁应该在一起工作以及何时在一起工作。理解这些非正式网络和影响范围可以为领导者解锁巨大的价值，以确定哪些团队应该共址以及共址时如何组织空间。通过虚拟方式沟通的独立工作者可能在办公室工作中看到的收益有限。有趣的是，新的数据显示“在松散联系网络中更可能产生创意”，这意味着与自己的直接网络外的合作可以促进创新。结论组织应负责任地使用数据、分析和 AI，以实时洞察员工在当今工作环境中的操作、协作和战略。这种改进的理解可以在多个组织层面支持价值创造和决策。组织网络分析提供了有关员工如何在混合工作模式和远程工作模式中跨职能和地理“边界”协作的绩效洞察，可以帮助领导层制定工作场所策略和政策。作者 Maya Bodan Don Miller Sue Cantrell Gary Parilis Carissa Kilgour 贡献者 Yuki Iwase Shruti Kalaiselvan Ramyasri T M Brennan Conway Katherine Arriola 尾注 1 Deloitte, “Using network analysis to build an agile organization: Create organizational collaboration in a remote workplace,” 2020年10月27日。 2 Stephen Lancaster-Hall 等人, Humanizing productivity and performance: Productivity and performance in times of disruption, Deloitte, 2020; Deloitte, Beyond productivity: The journey to the quantified organization, 2023年5月。 3 Deloitte, Beyond Productivity: The journey to the quantified organization, 2023年5月。 4 Sue Cantrell 和 Corrie Commisso, “Outcomes over outputs: Why productivity is no longer the metric that matters most,” Deloitte Insights, 2023年7月19日。 5 Steve Hatfield, “Rethinking the ways we look at productivity in a Work from Anywhere world: How to evaluate remote worker productivity post-pandemic,” Deloitte’s Capital H blog, 2021年8月24日。 6 Worklytics, “12 metrics for more effective meetings,” 访问时间 2024年1月4日。 7 Deloitte Insights, New fundamentals for a boundaryless world: 2023 Global Human Capital Trends Report, 2023, 第80页。来源：https://www2.deloitte.com/us/en/blog/human-capital-blog/2024/harnessing-organization-network-analysis.html

Artificial Intelligence
2024年06月19日
Artificial Intelligence

美国SEC控告纽约的AI招聘公司Joonko的创始人证券欺诈和电信欺诈概要：伊利特·拉兹（Ilit Raz），AI招聘公司Joonko的首席执行官和创始人，因涉嫌对投资者进行重大欺诈被美国证券交易委员会（SEC）及纽约南区美国检察官办公室指控。SEC指控拉兹通过虚假和误导性的声明欺骗投资者，包括夸大Joonko的客户数量和质量、平台上的求职者数量以及公司收入，涉嫌欺诈金额至少达到2100万美元。 Joonko公司自称利用人工智能帮助客户找到多元化和代表性不足的求职者，以达到其多元化、公平和包容的招聘目标。然而，拉兹向投资者提供了虚构的客户感谢信和赞誉其效果的假证据，甚至在被投资者质疑时提供了伪造的银行对账单和合同。这一骗局在2023年中期被揭穿，当时一名投资者面对面质问拉兹，拉兹承认伪造文件并撒谎关于公司的财务状况和客户基础。 SEC和刑事检察机关的指控显示，拉兹利用新兴技术领域的热潮，以人工智能和自动化等流行词汇吸引投资，实际上却进行了传统的欺诈行为。这一事件不仅揭示了创业公司在吸引投资时可能存在的道德风险，也提醒了投资者在追求人工智能等高科技领域的投资机会时需要格外谨慎。总部位于纽约市的人工智能招聘平台Joonko的创始人及前首席执行官因涉嫌欺诈投资者，误导他们关于公司核心方面的信息，被控证券欺诈和电信欺诈。美国证券交易委员会（SEC）在6月11日于纽约南区联邦地区法院提交的投诉中指控，这家现已关闭的人工智能招聘初创公司的创始人及前首席执行官伊利特·拉兹通过对Joonko的客户数量和质量、平台上的求职者数量以及公司收入等核心方面作出虚假和误导性陈述，从投资者那里骗取至少2100万美元（2022年9月有一篇融资B轮2500万美元的新闻点击可以查看）。 Joonko在2022年完成了由Insight Partners领投、包括Target Global、Kapor Capital和Vertex Ventures Israel等投资者参与的2500万美元B轮融资。《华尔街日报》报道称，该公司自2016年成立以来共筹集了超过3800万美元。Kapor Capital拒绝对此发表评论，而Insight、Target Global和Vertex Ventures Israel则没有回应《华尔街日报》的置评请求。 SEC指控拉兹违反了联邦证券法的反欺诈条款，要求对其实施永久禁令、民事罚款、返还非法所得及预审计利息，并禁止其担任公司高管。与此同时，纽约南区美国检察官办公室也于6月11日宣布了针对拉兹的刑事指控。拥有以色列国籍的拉兹被控一项证券欺诈和一项电信欺诈，每项罪名最高可判20年监禁。 Joonko于5月24日在特拉华州美国破产法院申请破产保护。根据SEC的投诉，Joonko声称使用人工智能帮助客户找到多元化和代表性不足的求职者，以实现其多元化、公平和包容的招聘目标。拉兹在筹资过程中向投资者谎称Joonko拥有超过100家客户——包括财富500强公司，并向投资者提供了几家公司的虚假感谢信，赞扬其效果。拉兹还谎称Joonko的收入超过100万美元，正在与超过100000名活跃求职者合作，并在投资者怀疑时向其提供了伪造的银行对账单和伪造的合同。根据投诉，这一骗局在2023年中期被揭穿，当时一名投资者面对面质问拉兹，后者承认伪造了银行对账单和合同，并且在Joonko的收入和客户数量上撒谎。 SEC执行局局长古尔比尔·格雷瓦尔（Gurbir Grewal）在一份新闻稿中表示：“我们指控拉兹利用老式的诈骗手法，但使用了新式的流行词如‘人工智能’和‘自动化’。随着越来越多的人寻求人工智能相关的投资机会，我们将继续监管市场，防止今天投诉中所指控的类型的不当行为。但与此同时，对于那些利用人工智能的热潮来筹资的公司，投资者也应保持警惕。” 附录SCE的新闻稿： Washington D.C., June 11, 2024 — The Securities and Exchange Commission today charged Ilit Raz, CEO and founder of the now-shuttered artificial intelligence recruitment startup Joonko, with defrauding investors of at least $21 million by making false and misleading statements about the quantity and quality of Joonko’s customers, the number of candidates on its platform, and the company’s revenue. According to the SEC’s complaint, Joonko claimed to use artificial intelligence to help clients find diverse and underrepresented candidates to fulfill their diversity, equity, and inclusion hiring goals. To raise money for Joonko, the complaint alleges that Raz falsely told investors that Joonko had more than 100 customers, including Fortune 500 companies, and provided investors with fabricated testimonials from several companies expressing their appreciation for Joonko and praising its effectiveness. Raz also allegedly lied to investors that Joonko had earned more than $1 million in revenue and was working with more than 100,000 active job candidates. When an investor grew suspicious of Raz’s claims, Raz allegedly provided the investor with falsified bank statements and forged contracts in an effort to conceal the fraud. According to the complaint, the scheme unraveled in mid-2023 when the investor confronted Raz, who admitted to forging bank statements and contracts and lying about Joonko’s revenue and number of customers. “We allege that Raz engaged in an old school fraud using new school buzzwords like ‘artificial intelligence’ and ‘automation,’” said Gurbir S. Grewal, Director of the SEC’s Division of Enforcement. “As more and more people seek out AI-related investment opportunities, we will continue to police the markets against AI-washing and the type of misconduct alleged in today’s complaint. But at the same time, it is critical for investors to beware of companies exploiting the fanfare around artificial intelligence to raise funds.” The SEC’s complaint, filed in the U.S. District Court for the Southern District of New York, charges Raz with violating the antifraud provisions of the federal securities laws and seeks a permanent injunction, civil money penalties, disgorgement with prejudgment interest, and an officer-and-director bar against Raz. In a parallel action, the U.S. Attorney's Office for the Southern District of New York today announced criminal charges against Raz. The SEC’s investigation was conducted by Alicia Guo, Ariel Atlas, Neil Hendelman, and Lindsay S. Moilanen and was supervised by Sheldon L. Pollock of the New York Regional Office. The litigation will be led by Ms. Guo and Ms. Atlas, and supervised by Daniel Loss and Mr. Pollock. The SEC appreciates the assistance of the U.S. Attorney’s Office for the Southern District of New York and the FBI. 华盛顿特区，2024年6月11日 — 美国证切和交易委员会（SEC）今日指控现已关闭的人工智能招聘创业公司Joonko的首席执行官兼创始人伊利特·拉兹（Ilit Raz），因在Joonko的客户数量和质量、平台上的候选人数量以及公司收入方面向投资者做出虚假和误导性陈述，欺诈投资者至少2100万美元。根据SEC的投诉，Joonko声称使用人工智能帮助客户找到多元化和代表性不足的候选人，以实现其多元化、公平和包容的招聘目标。投诉称拉兹向投资者谎称Joonko拥有超过100家客户，包括财富500强公司，并向投资者提供了几家公司的虚构感谢信，赞扬其效果。拉兹还谎称Joonko的收入超过100万美元，并正在与超过100,000名活跃求职者合作。当一名投资者对拉兹的说法表示怀疑时，拉兹据称向该投资者提供了伪造的银行对账单和伪造的合同来掩盖欺诈行为。根据投诉，该骗局在2023年中期被揭露，当时该投资者直面拉兹，后者承认伪造银行对账单和合同，并且在Joonko的收入和客户数量上撒谎。 SEC执行局局长古尔比尔·S·格雷瓦尔（Gurbir S. Grewal）表示：“我们指控拉兹利用老式的欺诈手法，但使用了新式的流行词如‘人工智能’和‘自动化’。随着越来越多的人寻求人工智能相关的投资机会，我们将继续监管市场，防止今天投诉中所指控的类型的不当行为。但与此同时，对于那些利用人工智能的热潮来筹资的公司，投资者也应保持警惕。” SEC的投诉已提交至纽约南区美国地区法院，指控拉兹违反联邦证券法的反欺诈条款，并寻求永久禁令、民事罚款、返还非法所得及预审计利息，并禁止其担任公司高管。与此同时，纽约南区美国检察官办公室今天也宣布了针对拉兹的刑事指控。 SEC的调查由纽约地区办公室的艾丽西亚·郭（Alicia Guo）、阿里尔·阿特拉斯（Ariel Atlas）、尼尔·亨德尔曼（Neil Hendelman）和林赛·S·莫伊兰宁（Lindsay S. Moilanen）进行，并由谢尔顿·L·波洛克（Sheldon L. Pollock）监督。诉讼将由郭女士和阿特拉斯女士领导，并由丹尼尔·洛斯（Daniel Loss）和波洛克先生监着。SEC感谢纽约南区美国检察官办公室和联邦调查局的协助。

Artificial Intelligence
2024年06月15日

12 》

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