HR科技 - 北美华人人力资源协会

HR科技

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。

HR科技
2026年10月06日
HR科技

精彩回顾：2026 NACSHR北美华人人力资源年度论坛硅谷举行：AI重构工作与组织，判断力成为新的稀缺能力硅谷，2026年9月26日——2026 NACSHR 北美华人人力资源年度论坛（2026 NACSHR Annual Conference）在硅谷举行。50余位来自硅谷、多伦多、芝加哥、休斯顿、洛杉矶及美国东部等地的企业 HR 负责人、企业管理者、科技从业者和专业服务领域专家齐聚现场，围绕 AI 时代的组织转型、工作方式与人才画像、HRBP 角色变化、全球化与跨文化管理、北美华人 HR 职业发展、移民政策、员工福利与企业风险等议题展开了一整天的交流与讨论。论坛得到了赞助合作伙伴 BIPO 与 Ji Mobility Law 的支持，为北美华人 HR 的专业交流、行业连接与知识分享提供了重要助力。如果用一句话总结本届论坛，其核心可以归纳为： AI 超速发展的时代，真正发生的并不只是工具和技能的升级，而是在重新定义工作、岗位、组织、人机分工、HRBP 角色、人才标准、全球化管理与激励机制；当越来越多执行交给 AI，人最稀缺、也最有价值的能力，正在变成判断力。这也构成了贯穿全天讨论的两个关键词：重构（Redesign）与判断力（Human Judgment）。从HR Tech升级走向工作与组织的重构论坛首先从更长的产业周期审视 AI 正在给 HR 和组织带来的变化。长期在HR科技领域的观察者Gawain 以《十年全球 HR 科技趋势与 AI 时代的人力资源挑战》为主题，从过去十余年的 HR Tech 产业数据、融资并购及技术演进出发提出，过去的软件主要帮助 HR 将招聘、绩效、薪酬等流程数字化，而生成式 AI 与 Agent 已开始直接参与甚至执行工作任务。这意味着，企业接下来面对的问题不再只是“如何使用 AI”，而是需要重新回答：什么工作应该继续由人完成，哪些任务可以交给 AI，哪些判断必须由人承担。他同时指出，当前 AI 对个人能力与工作效率的提升已经十分明显，但如何利用 AI 改善组织、重构工作与流程，仍是全球企业共同探索的核心难题。AI 的演进速度正在进一步加快：从微软一直推动的Co-pilot副驾驶目前已经变成了Auto-pilot自动驾驶，AI从辅助到给结果，也是这180天的事。这一变化也意味着，HR 需要把关注点从个人 AI 技能进一步延伸到工作与组织的重新设计。引发HR同仁的深度思考。 2026 NACSHR Conference Chair Bijun Zhang 随后以《When Code Gets Cheap, the Org Chart Breaks》为主题，以 Anthropic 为案例讨论 AI-native 企业如何重新设计劳动分工，并进一步将这一变化延伸到 HR Function。她提出，当 AI 大幅降低代码、内容和执行工作的生产成本后，组织真正的瓶颈正在从“把事情做出来”转向 Judgment——包括验证、审查、取舍、品位、安全与责任判断。新的 Human + AI 分工逻辑因此可以概括为：Humans hold judgment, AI holds throughput。这种变化并不会停留在技术团队。Bijun 进一步提出，随着大量 transactional HR work 被自动化或增强，HR 的时间将更多从事务交付转向 strategic judgment，传统由 COE、HRBP 和 Shared Services 构成的 Three-Pillar Model 也可能被重新设计。未来 HR 可能进一步走向以统一 People Data 与 AI Platform 为底座、以不同 Product Pods 和 Flow-to-Work Teams 为组织方式的新模式，并形成 People Strategist、People Scientist 和 People Technologist 等新的角色分工。CHRO 的角色也可能进一步演变为 Enterprise Workforce Architect，负责设计 Human + AI 如何共同组成企业未来的 workforce。这也为全天讨论奠定了一个重要命题：AI 越能执行，人越需要判断；真正需要改变的，不只是工具，而是工作与组织本身。全球化竞争加速，技术平台与本地能力缺一不可来自 BIPO 的 North America Account Director、Canada Country Manager David Tan 以 “From Local to Global: How BIPO's AI Powers North American Companies Abroad” 为主题，讨论企业进入全球市场过程中面临的人才、Payroll、合规与本地化挑战。作为本届论坛的赞助合作伙伴，BIPO 在分享中指出，市场增长压力、全球人才竞争、客户本地化需求以及更快的竞争周期，正在推动企业加速全球扩张。与此同时，Worker Classification、Payroll、税务、福利、劳动法规以及文化差异，也让全球 HR 管理的复杂度快速上升。 David Tan 提出，将统一的技术平台、AI 能力和本地专业团队结合起来，可以帮助企业降低进入不同国家和地区时的运营与合规复杂度。这也反映出一个更广泛的变化：对于全球 HR 而言，AI 不仅是效率工具，也正在逐步成为跨国家、跨系统和跨规则环境下的组织基础设施。 AI时代的组织转型：判断力、人性与激励重新成为核心上午的「AI时代组织转型」圆桌由来自 Meta AI Labs 的 HRBP Tina 主持，前 Paraform VP of Engineering、前 TikTok 产品与工程负责人陈扬，NextCurve Intelligence 创始合伙人春夏，以及来自 Fireworks 的 Member of Technical Staff 乔健参与讨论。三位嘉宾开场分别用 Reset、Reboot 和“人性与激励” 概括自己对 AI 时代的理解。这三个关键词也几乎定下了整场讨论的基调：AI 带来的变化并不只是技术变化，最终仍然要回到人的能力、组织结构和激励机制。陈扬提出，AI 正在明显压缩 develop 的时间，而 design、QA 和判断所占的比重反而在上升。未来人才之间真正拉开差距的，可能不再只是执行速度，而是能否独立思考、做出判断，以及是否具备对结果质量的 “taste”。由此形成了现场极具代表性的一个观点： Judgment is the new output——判断力正在成为新的生产力。圆桌进一步讨论到，未来三年值得持续投资的能力，不只是某一项 AI 技能，而是判断力，以及跨越传统职业边界解决问题的勇气。当岗位边界逐渐松动，未来的人才越来越可能围绕问题工作，而不是严格围绕 Job Description 工作。乔健则提出，面对 AI 焦虑，与其持续讨论“AI 会不会取代自己”，不如把问题具体化，从一项真实工作开始使用 AI。与此同时，他也提醒，AI 的 productivity 可以快速提升，但人的认知能力、注意力和心理承载能力并不会同步增长。Mental Health、Human Touch、意义感和组织节奏，可能因此从传统员工体验议题进一步上升为 AI 时代的重要组织议题。春夏则从组织跃迁与激励机制出发提出，一个组织真正实现变化，仍然离不开三个基础条件：一号位的认知、工作流的沉淀，以及符合人性的激励机制。随着 Agent 进入工作场景，下一代组织可能逐步从单纯的“人管理人”转变为 Humans + Agents 的混合组织。人和 Agent 如何分工、Agent 如何评价、设计和管理 Agent 的人如何被考核，都将成为新的组织设计与激励问题。从年度续保走向持续福利与风险管理企业成本和风险管理同样是本届论坛的重要议题。来自 NACSHR 的 California Licensed Insurance Broker Annie Huang 以《2027美国企业保险新周期：从员工健康福利到企业风险保障，HR该如何提前布局？》为主题，分享美国员工福利与企业保险市场正在发生的变化。分享指出，随着医疗成本持续上涨，中小企业的员工福利管理已经不能停留在临近 Renewal 时“最后几周比价格”的传统方式，而需要提前90至120天开始更新员工参保数据、比较保险市场、规划企业补贴机制，并提前进行员工沟通。讨论还从 Medical Benefits 延伸到 Workers’ Compensation、EPLI、Cyber Insurance、E&O、General Liability 等企业风险场景。对于 HR 而言，员工福利、用工风险和企业保险正在变得更加紧密，福利管理也正在从一次年度采购逐渐转向持续规划与管理。美国移民政策频变，HR需要学会管理不确定性来自 Ji Mobility Law 的合伙人律师 Jacky（Jiaqi）Ji 以《移民政策频变，HR如何调整预期》为主题，梳理了近期美国高技能人才和国际员工用工环境中的多项变化，包括 H-1B、F-1、CPT、OPT、PERM、H-4 EAD，以及企业裁员与 H-1B 审查之间可能产生的新关联。 Jacky 的分享特别强调了一点：在移民政策频繁变化的环境中，HR 首先需要区分已经生效的规则、受到法院限制的政策，以及仍在规则制定或诉讼过程中的变化，而不能把所有政策消息都当作已经落地的规定。以备受关注的 H-1B 10万美元费用为例，白宫在2026年9月18日延长了相关 proclamation，但此前联邦地区法院已裁定该费用违法，第一巡回上诉法院在7月拒绝暂停该裁定，因此截至论坛举行时，收费要求仍受到法院裁决的限制，相关法律争议尚未结束。 Jacky 也谈到 F-1 Duration of Status（D/S）规则的变化。原计划于9月15日生效的新规在生效前一天被联邦法院暂缓实施，因此截至论坛当天仍未正式生效。对于企业 HR 而言，更值得关注的是移民政策正在与 Workforce Planning 更紧密地交叉。9月18日发布的 H-1B Executive Order 明确要求相关政府部门在审查过程中考虑雇主过去一年是否进行过裁员，或是否计划裁减与 H-1B 岗位类似的美国员工。这意味着，未来 HR、Hiring Manager 和移民律师之间的协作需要进一步前置。移民问题不能只在 Offer 发出或签证即将到期时处理，而需要更早进入 Headcount Planning、Layoff Planning、人才保留和岗位设计。 Jacky 还结合企业日常场景讨论了 H-1B 抽签政策如何向员工解释、CPT 用工如何评估、O-1 中的雇主责任与 Agent 模式，以及 L-1 是否能够在部分场景下成为 H-1B 之外的人才流动路径。这一环节进一步说明，在政策高度不确定的环境中，HR 的专业价值并不是给员工一个看似确定的答案，而是理解规则所处的阶段，评估风险，并帮助企业和员工形成合理预期。中美出海：本地HR正在从执行者转向战略桥梁来自 Freewind Technology Corporation 的 VP of HR & Admin Alice Tian 以《中美出海，本土HR的挑战及跨文化管理》为主题，讨论全球化企业在北美经营过程中经常遇到的管理矛盾。 Alice Tian 指出，总部往往希望将国内已经验证过的管理经验复制到海外，但当地法律、劳动关系、薪酬福利体系、工作文化和员工期待可能完全不同。本地 HR 因此经常同时面对总部和当地员工两个方向的沟通压力。她认为，Local HR 不应只是政策的 Enforcer，而需要成为企业内部的 Strategic Bridge 和 Cross-Cultural Interpreter。面对总部，HR 要学会使用成本、风险、数据和业务语言解释本地现实，在提出“No”的同时提供可以落地的替代方案；面对本地员工，则需要通过透明沟通、清晰边界和对当地文化的尊重建立信任。其分享进一步提出 Glocal（Globalization + Localization）的管理思路：总部需要明确战略、合规和核心预算等“红线”，而更多日常管理与本地政策，则应给予当地团队足够的授权和调整空间。 AI时代工作方式和人才画像：人才标准也在被重新定义下午的「AI时代工作方式和人才画像」圆桌，由来自 Luma Research Lab 的 HRBP & Recruiting Lead Linna Dai 主持。参与讨论的嘉宾包括来自 Weee 的 HR Director Felicity Yang、来自 Zoom 的 Data Scientist Ying Lu（ex-Google），以及来自 Databricks 的 TPM Ethan Guo（曾任 GitLab Director of Infra TPM）。圆桌围绕 AI 时代的工作方式、人才画像、岗位变化、人才标准、招聘与人才选拔，以及人与 AI 的协作模式展开。随着信息搜索、内容生成、代码、分析和部分流程执行越来越容易被 AI 完成，企业的人才问题正在发生变化：过去更多是在判断“这个人是否具备某项技能”，未来则需要进一步判断“这个人是否能够定义问题、判断结果、快速学习，并有效利用 AI 完成工作”。因此，AI 时代的人才标准正在更多地指向判断能力、学习速度、复杂问题解决能力、跨职能协作能力以及 Human + AI Collaboration。传统以固定经验、技能清单和标准 JD 为中心的人才选拔方式，也需要重新被审视。 HRBP的第一次转型，是HRBP自己先改变来自 ASML BL Apps Division 的 Head of Global HR Cynthia Gao 以《HRBP：从AI时代的解毒师到助产士》为主题，讨论 AI 时代 HRBP 角色的变化。她提出，HRBP 的转型首先需要从 HRBP 自己开始。过去的 HRBP 容易停留在观察问题、等待需求、依赖零散经验和维护既有流程，而新的工作方式应该利用 AI 扩大观察范围，将 surveys、cases、workflow、talent data 和 employee feedback 等信息转化为可以被验证和讨论的共同证据。她将这一转型路径概括为：See Earlier. Solve Faster. Prove More Value. 即更早发现问题、更快推动解决，并真正用结果证明 HR 的业务价值。 Cynthia Gao 最后提出了一个具体的30天行动框架：Detox One Barrier. Illuminate One Roadblock. Deliver One Visible Impact. AI 对 HRBP 最大的价值，不是简单增加一个新的工具，而是推动 HRBP 从被动接受问题，走向主动诊断问题、推动解决方案并证明业务影响。北美华人HR的职业发展：从专业能力走向Leadership与影响力年度压轴圆桌「北美华人HR的职业发展」，将论坛从 AI、组织和人才重新拉回到 HR 自身的职业成长。现场圆桌由来自 Silergy 的 HR Director Mindy Gao 主持，Head of HR Jane Liang、来自 Avia Games 的 Head of HR - US Tan Huangfu，以及 Alice Tian 和 Cynthia Gao 共同参与讨论。嘉宾围绕北美华人 HR 的职业成长、Leadership、职业突破、影响力建设、跨文化管理和未来发展机会展开交流。对于北美华人 HR 而言，专业知识仍然是职业发展的基础，但当职业进入更高阶段，真正决定能否进一步突破的，往往是能否理解 Business、能否在跨文化环境中建立信任、是否敢于表达专业判断，以及能否从“完成自己的工作”进一步走向“影响组织做出更好的决定”。 AI 的发展反而让这些能力更加突出。当越来越多执行性工作被技术加速以后，Leadership、影响力、沟通、判断力和跨文化理解的重要性不会下降，而会进一步上升。最后一位嘉宾，是AI 论坛最后设置了一个特别环节——“今天最后一位嘉宾，是AI”。不同于传统论坛以主持人总结结束，NACSHR 邀请 AI 作为当天最后一位“嘉宾”参与实时对话。AI 基于当天嘉宾分享的 PPT、现场议题以及 HR Tech、组织和人才管理等专业背景，回应主持人的现场提问，并对全天讨论进行总结。在最后的交流中，一个贯穿全天的关键词再次被提及： Judgment。因为当越来越多的信息搜集、内容生成和执行性工作可以由 AI 完成以后，真正决定最终结果质量的，是人能否提出正确的问题、辨别答案、理解复杂情境，并对最终决策承担责任。从重构到判断力：2026 NACSHR年度论坛留下的核心命题回看全天，从 HR Tech、AI-native Organization、Human + AI Workforce，到全球化、本地 HR、人才画像、HRBP、职业发展、移民政策和员工福利，不同议题最终都指向了同一个变化： AI 正在从“一个新的工作工具”，进入工作和组织的底层结构。未来 HR 面对的问题，也不再只是应该购买什么软件、员工应该学习什么 AI 技能，而是需要进一步回答：什么工作仍然应该由人完成，什么任务应该交给 AI，人与 AI 如何分工，什么样的人应该被招聘和晋升，组织应该如何重新定义绩效、激励和责任。在这一轮重构中，当执行越来越容易被复制和扩展，Human Judgment——人的判断力——正在成为更加稀缺的能力。因此，如果要用两个词概括 2026 NACSHR 北美华人人力资源年度论坛，就是：重构（Redesign） × 判断力（Human Judgment）。如果用一句话总结： AI 超速发展的时代，真正发生的并不只是工具和技能的升级，而是在重新定义工作、岗位、组织、人机分工、HRBP 角色、人才标准、全球化管理与激励机制；当越来越多执行交给 AI，人最稀缺、也最有价值的能力，正在变成判断力。 NACSHR 希望通过持续的专业论坛、线下交流和同行社群，让北美华人 HR 不仅看到变化，也能够在变化发生的过程中建立新的专业能力、判断力和同行连接。 Stay Together, Stay Powerful. 连接华人 HR，赋能华人职场。 NACSHR 特别感谢本届论坛赞助合作伙伴 BIPO 与 Ji Mobility Law 的支持，也感谢所有演讲嘉宾、圆桌嘉宾、合作伙伴、志愿者及参会者的共同参与。正是来自行业伙伴与 HR 社群的持续支持，让更多专业观点、真实经验与同行连接得以在线下发生。下一站：2027年1月2日周六，NACSHR 洛杉矶新年论坛欢迎您 https://nacshr.org/Public/html/LA/2027.html NACSHR 北美华人人力资源协会 Website：www.nacshr.org Email：nacshr818@gmail.com WeChat：hinacshr

HR科技
2026年09月28日
HR科技

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。

HR科技
2026年08月24日
HR科技

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。

HR科技
2026年08月13日
HR科技

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。

HR科技
2026年08月05日

HR科技

NACSHR推出全网首个中英双语加州 SB 553 合规平台核心摘要：加州 SB553《工作场所暴力预防法》已正式进入执法阶段，几乎所有加州雇主都必须完成 WVPP 书面计划、暴力事件记录及员工培训管理。违规最高可被 Cal/OSHA 罚款 $25,000/次。北美华人人力资源协会 NACSHR 今日正式上线全网首个中英双语 SB553 合规平台： https://compliance.nacshr.org/sb553 2025年5月8日，NACSHR（北美华人人力资源协会 / North American Chinese Society of Human Resources）宣布中英双语加州 SB 553 合规平台正式上线，访问地址为 compliance.nacshr.org/sb553。该平台是目前市场上首个提供中英双语支持的加州 SB 553 合规工具，面向所有在加州经营、需满足 SB 553 合规要求的雇主。加州 SB 553《工作场所暴力预防法》于 2024 年 7 月 1 日起正式实施并进入执法阶段，适用于几乎所有在加州境内经营的雇主。法律要求雇主必须完成三项合规义务：制定书面工作场所暴力预防计划（WVPP）、建立暴力事件记录台账，以及每年为员工提供培训并保留可核查的完成记录。违反 SB 553 相关规定，Cal/OSHA 最高可处以 $25,000/次罚款。执法已于 2024 年下半年全面展开，"不知道这条法律"不构成免责理由。 NACSHR 此前开展的市场调研显示，现有主流 SB 553 合规工具均为英文界面，面向拥有专职 HR 部门的中大型企业设计，市场存在明显语言空白。雇员以中文为主要工作语言的企业——无论其所有者背景如何——长期缺乏可直接使用的母语合规工具，实际合规风险敞口因此持续扩大。 $25,000单次违规最高罚款 22中文引导问卷步骤 3首发上线功能模块产品功能概览平台首发包含三个功能模块，分别对应 SB 553 三项核心法律要求： WVPP 智能生成器：22 道中文引导问卷，根据企业实际工作场所情况采集信息，自动生成包含五项法定附录的双语合规 PDF 文件，满足 Cal/OSHA 审查要求。数字化暴力事件记录台账：结构化事件录入界面，支持一键导出 Cal/OSHA 标准格式，内置脱敏功能，保护员工隐私。培训记录管理台账：追踪所有员工的培训完成状态，培训完成后自动生成结业证书，保存可供审计的历年培训档案。三个模块均支持中英文一键切换，界面全程引用具体法律条文，帮助雇主直接了解每项要求的法律依据，无需阅读英文原始法规。「SB 553 的合规门槛不在于法律复杂度，而在于信息可及性。语言障碍让大量雇主无法有效获取合规资源——这是一个工具问题，也是一个公平问题。」 — NACSHR 合规平台团队市场背景：合规工具的语言缺口 NACSHR 对主要竞品开展竞争分析后确认，在本平台上线之前，市场上包括 CalChamber、EasyLlama、Ethena、Traliant 在内的所有主流 SB 553 合规工具均不提供中文支持，且均面向拥有专职 HR 团队的中大型企业。这一空白的现实影响不仅限于某一特定群体。中文为主要工作语言的雇主，无论规模大小，均面临英文工具使用门槛过高的困境，导致合规工作难以有效落地。随着 Cal/OSHA 执法力度的持续加强，语言障碍直接转化为可量化的法律与财务风险。定价方案 Basic 基础版，$399/地点/年：包含 WVPP 智能生成器、暴力事件记录台账及培训记录管理三项核心功能，满足 SB 553 全部法定要求。 Standard 标准版，$599/地点/年：在基础版功能之上，增加高级数据导出及多用户协作权限，适合有多名管理人员参与合规工作的企业。 Pro 专业版，$999/地点/年：在标准版功能之上，提供优先客服支持与合规截止日期自动追踪提醒功能。额外地点，$149/地点/年：适用于同一订阅下需覆盖多个经营地点的企业，按地点数量叠加计算。律师审核加购，$349/次：由持牌劳工律师对企业 WVPP 文件出具正式书面审核意见，适合需要法律背书的场合。员工培训服务通过 NACSHR 单独运营的季度法律培训班提供，由持牌劳工律师主讲，中英双语，支持三种参与形式（企业包场、公开场次及录播回看）。立即访问平台现已正式上线，访问地址：compliance.nacshr.org/sb553。三个功能模块（WVPP 生成器、暴力事件记录台账、培训记录管理）在订阅后即可全部访问使用。关于 NACSHR NACSHR（北美华人人力资源协会 / North American Chinese Society of Human Resources）是专注于服务美国华裔 HR 从业者与华人雇主的专业机构。协会通过双语教育资源、合规科技工具和专业社群，搭建美国劳工法与华人商业社区之间的桥梁。协会运营双语合规平台 compliance.nacshr.org 及行业媒体 HRTechChina。媒体联络 / Media Contact NACSHR 邮箱：hi@nacshr.org 微信公众号：NACSHR 官网：compliance.nacshr.org/sb553

HR科技
2026年05月08日
HR科技

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。

HR科技
2026年04月07日
HR科技

2026企业用工合规报告：HR如何应对日益复杂的劳动法规核心摘要：数据显示，在美国2025年每五家公司中就有一家遭遇过用工相关诉讼，平均罚款金额达到180,706美元。面对不断上升的合规压力，越来越多企业开始使用HR合规软件和AI工具进行政策管理、员工手册更新以及法规查询。46%的HR团队计划在2026年首次将AI作为合规工具使用。未来，用工合规将不再只是法律问题，而是企业治理能力的重要组成部分。在过去几年，美国企业的用工环境正在发生深刻变化。联邦与各州监管政策不断更新，远程办公与跨州用工快速普及，人工智能开始进入HR决策流程，这些趋势叠加，使得企业用工合规管理的复杂度明显提升。根据 SixFifty 发布的《The State of Employment Law Compliance in 2026》报告，64%的HR团队认为2025年的用工合规管理比上一年更加复杂，而企业内部真正具备充足资源管理合规事务的团队仅占一半左右。与此同时，合规失误的成本也在持续上升。报告显示，2025年平均每起成功的用工合规诉讼或监管执法案件带来的罚款金额达到180,706美元，而每五家公司中就有一家在2025年遭遇过与雇佣相关的诉讼。这些数字背后反映出一个现实：用工合规不再只是法律部门的事务，而已经成为企业治理、风险管理和人力资源战略的重要组成部分。对于HR领导者而言，如何在不断变化的监管环境中建立稳定、可持续的合规体系，已经成为企业管理能力的重要体现。美国用工合规环境为何变得越来越复杂美国劳动法律体系本身具有高度分散的结构。联邦法律提供基本框架，而具体执行规则往往由各州制定，这使得企业在跨州运营时需要面对差异化的法规体系。报告指出，多州用工已经成为企业合规复杂度上升的最主要原因之一。不同州在最低工资、加班规则、带薪休假、薪资透明度以及员工分类等方面均存在显著差异。例如，加州、纽约和科罗拉多州已经率先实施薪资透明度法律，要求企业在招聘广告中披露薪资范围；而其他州则尚未实施类似要求。这种差异意味着企业的招聘流程、薪酬结构以及内部沟通方式必须根据员工所在州进行调整。此外，近年来美国劳动法规更新速度明显加快。联邦政府更替后，监管优先级发生变化，各州也在快速推出新的劳动保护政策，例如带薪家庭假期、反歧视规定以及独立承包人分类规则等。HR团队不仅需要理解法律本身，还必须及时跟踪法规更新并调整企业政策，这对资源有限的团队而言是巨大的挑战。资源不足成为HR合规工作的核心瓶颈在现实企业运营中，HR团队往往承担招聘、绩效管理、员工关系以及组织发展等多重职责，而合规管理只是其中一部分。报告数据显示，HR专业人员平均有28%的工作时间用于处理用工法律合规事务，企业内部团队每年在合规相关工作上投入的时间约为555小时。尽管投入时间巨大，但HR团队对自身合规状况的信心并不高。受访者对企业“完全遵守所有适用劳动法规”的信心评分平均只有6.8分（满分10分）。这种信心缺口通常来自三个方面：时间不足、预算有限以及企业管理层对合规复杂性的认知不足。更值得注意的是，在许多企业中，HR部门与管理层之间存在明显认知差距。只有约36%的受访者认为企业管理层与HR团队一样重视用工合规问题，而三分之一的HR专业人士认为公司管理层并未真正理解企业需要遵守所有员工所在州法律这一基本原则。当合规被视为“成本中心”而非“风险管理体系”时，HR团队很难获得足够的预算与支持，这也导致企业在问题发生后才被动应对。用工合规风险正在快速上升在美国，劳动法律诉讼一直是企业面临的主要法律风险之一。报告指出，中小企业在所有用工合规罚款中占比达到42%，这说明企业规模并不会降低合规风险。相反，由于资源有限，中小企业更容易出现制度缺失或管理疏漏。近年来，美国劳工部和司法部门对企业违规行为的执法力度持续加强。例如，一些企业因未正确记录员工工时、未支付加班费或违规处理小费分配而被要求支付数十万甚至数百万美元的赔偿与罚款。这些案例说明，用工合规问题往往并非恶意违法，而是由制度缺失或流程不规范导致。例如员工手册未及时更新、离职流程不符合法律要求、员工分类错误等，都可能引发法律纠纷。对于HR团队而言，建立持续更新的合规管理体系比一次性的法律审查更加重要。技术工具正在重塑HR合规管理方式随着法规复杂度提升，越来越多企业开始借助技术工具提升合规效率。报告显示，企业常用的合规资源主要包括内部HR团队、外部法律顾问以及专门的合规软件平台。使用外部律师进行合规咨询的企业平均每年支出约66,280美元，而采用合规软件工具的企业平均支出约为9,900美元。与此同时，人工智能正在成为HR合规管理的新工具。约46%的HR团队计划在2026年首次使用AI作为合规辅助资源，例如进行法律查询、政策草拟、员工手册更新以及法规解读等。 AI能够帮助HR快速理解复杂法规、生成标准化文档并提供合规建议，从而减少重复性工作。然而，HR专业人士也对AI保持谨慎态度，主要担忧包括法律准确性、数据安全以及潜在的算法偏见问题。因此，在未来一段时间内，AI更可能成为HR团队的辅助工具，而非完全替代法律顾问。 HR如何建立可持续的用工合规体系面对不断变化的监管环境，企业HR团队需要从“被动应对”转向“系统化管理”。首先，企业应建立定期的合规审查机制，例如每季度或每半年审查员工手册、招聘流程和离职政策，以确保与最新法律保持一致。其次，多州用工企业应建立统一的合规框架，同时针对不同州制定附加政策。通过标准化流程和文档模板，可以减少不同地区之间的管理差异。第三，企业管理层需要重新认识合规工作的价值。合规不仅是法律风险管理，更是企业品牌与雇主声誉的重要保障。对HR团队投入必要资源，可以在长期降低诉讼风险和运营成本。最后，HR团队应合理利用技术工具，例如合规管理软件、政策生成平台以及AI法律研究工具，从而在有限资源下提升效率。结语：合规能力将成为HR战略竞争力美国企业用工环境正在进入一个高度复杂的时代。法规变化、跨州用工、远程工作以及人工智能技术的出现，使得传统的人力资源管理模式面临新的挑战。对于HR领导者而言，用工合规已经不再只是执行层面的工作，而是企业治理结构中的关键组成部分。能够建立系统化合规体系、有效利用技术工具并获得管理层支持的HR团队，将在未来企业竞争中占据更重要的位置。在监管环境不断变化的背景下，真正成功的HR组织并不是那些完全避免风险的团队，而是那些能够持续识别风险、快速调整策略并保持组织稳定运行的团队。

HR科技
2026年03月08日
HR科技

北美HR服务指南——2026 北美华人人力资源服务图谱（NACSHR Landscape 20260103版）正式发布在北美复杂且高度多元的人力资源服务生态中，华人 HR 往往需要在招聘与猎头、用工与劳动合规、薪酬福利设计、跨州员工管理以及 HR 数字化工具选型等多个关键领域快速做出判断。然而，长期以来，市场上缺乏一张面向华人语境、结构清晰且具备参考价值的整体指南。基于这一现实需求，NACSHR 正式发布《2026 北美华人人力资源服务图谱（NACSHR Landscape）》，作为一份面向北美华人 HR 的实用型分类指南与快速参考工具。该图谱系统性梳理了当前北美 HR 实务中常用的人力资源服务与科技工具，覆盖招聘平台、HCM、ATS、Payroll、员工福利与 401(k)、HR 合规、PEO / EOR、薪酬数据、绩效管理与员工体验、AI 面试、People Analytics 等核心领域，并结合企业规模与实际使用场景进行分类呈现，帮助华人 HR 更高效地理解市场结构、识别工具定位，并在日常工作中做出初步判断。需要特别说明的是，本图谱并非完整市场清单，也不构成对任何具体产品或服务的推荐。其核心价值在于提供一个结构化的行业认知框架与参考视角，以降低信息筛选成本，提升华人 HR 在北美人力资源体系中的专业判断效率。作为北美华人 HR 社群与人力资源服务连接平台，NACSHR 将持续对该图谱进行维护与更新，并根据市场变化、技术演进以及华人 HR 的实际需求进行迭代升级。我们也欢迎来自 HR 从业者、人力资源服务机构及行业伙伴的补充建议与交流反馈，共同推动这一长期公共参考资产的不断完善。同时，NACSHR 图谱也作为北美企业人力资源服务采购的重要参考指南，系统性汇聚来自美国、加拿大、墨西哥等北美地区的优质人力资源服务机构，覆盖招聘猎头、劳动用工合规、薪酬与税务、员工福利与保险、HR 数字化等核心领域。（更新于 2026 年 1 月 3 日）这不仅是一份帮助企业甄选可靠 HR 服务伙伴的实用工具，也为出海企业在北美实现从落地、合规搭建，到稳定运营与长期发展的全过程提供参考支持。作为北美华人人力资源服务的第一站，NACSHR 始终基于第三方平台立场，为企业在劳动关系、招聘用工、薪酬税务、福利保险等关键人力资源议题上提供专业指引、资源对接与持续支持，助力企业完成从进入北美市场到实现可持续运营的关键跨越。关注 NACSHR 微信公众号 / 小红书：NACSHR官网：www.nacshr.org官方邮箱：nacshr818@gmail.com 了解更多 NACSHR 在北美华人人力资源领域的研究、活动与服务信息。 As the North American HR ecosystem continues to grow in complexity, Chinese HR professionals often face challenges in navigating recruitment platforms, compliance requirements, payroll systems, benefits administration, and cross-state workforce management—without a clear, structured reference tailored to their context. To address this need, NACSHR officially releases the 2026 North American Chinese HR Services Landscape (NACSHR Landscape)—a practical, high-level reference guide designed specifically for Chinese HR professionals working in North America. This landscape maps out commonly used HR services and technologies across key domains, including recruiting platforms, HCM and ATS systems, payroll management, employee benefits and 401(k), HR compliance, PEO and EOR solutions, salary data, performance management, employee engagement, AI interviewing, and people analytics. Tools and services are categorized by function and company size to reflect real-world HR use cases. The NACSHR Landscape is not intended to be an exhaustive market list or a product endorsement. Rather, it serves as a structured overview and cognitive framework to help Chinese HR professionals better understand the market landscape, compare categories, and make more informed preliminary decisions. As a community-driven platform for Chinese HR professionals in North America, NACSHR will continue to maintain and evolve this landscape in response to market developments, technology trends, and practical HR needs. Feedback and contributions from HR practitioners and service providers are welcome as we build this resource into a long-term industry reference. The NACSHR Landscape serves as an authoritative guide for enterprise HR service procurement in North America. It systematically brings together high-quality human resources service providers from the United States, Canada, and Mexico, covering key areas including recruitment and executive search, employment and labor compliance, payroll and taxation, employee benefits and insurance, and HR digitalization.(Last updated on January 3, 2026) More than a practical tool for enterprises to identify reliable HR service partners, the NACSHR Landscape is also an important reference for companies expanding into North America—from initial market entry and compliance setup to stable operations and long-term growth. As the first stop for Chinese HR services in North America, NACSHR adopts a third-party platform perspective to provide professional guidance, resource connections, and ongoing support for enterprises facing HR-related challenges such as labor relations, hiring and workforce management, payroll and taxation, and employee benefits. NACSHR aims to help companies achieve a successful transition from market entry to sustainable operations in North America. Follow NACSHR on WeChat Official Account / Xiaohongshu: NACSHRWebsite: www.nacshr.orgOfficial Email: nacshr818@gmail.com Learn more about NACSHR’s research, events, and services for the Chinese HR community in North America.

HR科技
2026年01月03日
HR科技

2026 人力资源趋势与优先事项：在智能世界中平衡创新与关怀 2026 年，人力资源正站在智能化与制度化深度交汇的临界点。AI 全面进入招聘、培训与运营，岗位开始被重新定义为“技能组合”；各国围绕自动化决策、薪酬透明和多州用工的监管加速落地；员工对幸福感与公平性的期待再度提升；HR 与 IT 的协作被推向战略高度。People、Compliance、Technology 三股力量共同推动 HR 模型重塑，决定组织的生产力、风险韧性与人才竞争力。 ADP报告显示：迎接智能、互联、以人为本的新工作时代 2026年的工作场所将由一个智能、互联且以人为本的新时代所定义。人工智能（AI）的进步正在深刻改变着工作方式，而员工则持续期望组织能将他们的福祉、公平与信任置于首位。对于企业领导者而言，挑战显而易见：如何在创新与关怀之间取得精妙平衡，以促进敏捷性、韧性和长期增长。本文将围绕“人员”、“合规”与“技术”这三大核心范畴，深入探讨企业如何应对这一挑战，从而为您构建一个清晰的行动框架。一、人员 (People)：技能、体验与福祉的重塑 1. 技能为王：以技能为核心重塑工作与组织规划两大驱动因素正促使领导者重新思考如何提升劳动力的效率：其一，是在招聘和发展中对技能的日益关注；其二，是AI承担日常任务的兴起。然而，挑战依然存在：数据显示，65% 的大中型组织在为员工提供技能发展机会方面面临障碍。为了应对这一挑战，组织正通过技能盘点来重新设计岗位。这种以技能为基础的方法，是现代战略性劳动力规划的基础，其战略意义在于，它能够帮助企业更灵活地将人才与任务相匹配，而不受传统职位头衔、工作地点或级别的限制，从而促进更佳的员工敬业度，并最终使运营更具成本效益和成功。其最终目标是赋能员工，而非简单地淘汰岗位。 “虽然拥有更多财务资源和先进数据洞察力的大型组织率先采用战略性劳动力规划和基于技能的设计，以使其人才供给与组织目标保持一致，但中小型组织也应该并且可以考虑在现实的规模内实施这些实践。这样做将显著提高其效率和整体成功。” — Asal Naraghi，ADP全球创新负责人，未来工作 2. 人机协作：优化AI在工作中的应用体验人工智能正在影响人们的工作互动方式、问题解决方法以及对工作的整体感受。数据显示，对AI的兴奋程度与公司规模成正比：66% 的大型组织对此表示极度兴奋，而中型组织和小型组织的比例分别为47%33%。专家建议，应将团队的AI应用方式重塑为“增强”（Augmentation）而非“自动化”（Automation），以鼓励员工更深入地参与有意义的工作。正如ADP专家在一次深度访谈中所强调的，为了建立信任，组织需要通过透明的沟通，帮助员工将AI视为一种“辅助工具”，而不是“替代工具”。 “将AI技术整合到日常工作流程中，有助于员工有效利用它，从而实现真正的生产力提升。例如，如果员工使用通话摘要工具，他们将有更多精力专注于来电者，而不是手动做笔记。员工可以更少地考虑笔记，更多地思考如何满足对方的需求。通过这种方式，AI成为人际连接的促进者，凸显了这项技术的真正优势。” — Tiffany Davis，ADP首席包容性与多元化官 3. 全人关怀：坚定组织对员工福祉的承诺员工福祉仍然是雇主在2026年的重要考量。数据显示，组织在确保员工身心及财务福祉方面表现出强烈的责任感：身体健康：94% 的大型组织、91% 的中型组织和90% 的小型组织认同他们有责任确保员工的身体健康。心理健康：93% 的大型组织、90% 的中型组织和87% 的小型组织认同他们有责任确保员工的心理健康。财务健康：86% 的大型组织、84% 的中型组织和74% 的小型组织认同他们有责任确保员工的财务健康。然而，强烈的责任感与提供充足资源的能力之间存在差距。企业领导者需注意的是，弥合这一差距至关重要，因为那些真正为员工提供关怀的雇主，在员工健康、敬业度和生产力方面都能观察到更优异的成果。二、合规 (Compliance)：驾驭新兴法规与全球复杂性在重塑人员策略以适应智能时代的同时，企业还必须应对随之而来的复杂监管环境，这正是平衡创新与关怀的另一大考验。 4. AI监管：应对人工智能在雇佣决策中的法规浪潮全球各国和美国各州正在就如何监管AI在雇佣决策中的应用制定法规，并已形成不同的路径。欧盟的《人工智能法案》（EU AI Act）、加拿大的《人工智能与数据法案》和科罗拉多州的《人工智能法案》等法规，都将AI在招聘、晋升等关键决策中的应用归为“高风险”类别。《欧盟人工智能法案》明确禁止了四种特定行为：（1）通过工具分析员工情绪；（2）基于与工作无关的特征对员工进行社会评分；（3）利用生物识别数据评估员工的不当行为风险；（4）操纵员工使其采取非自愿行动。该法案同时强调，人类必须参与所有雇佣决策过程。 “在评估任何AI工具时，要考虑它是否使用安全、高质量的数据开发，是否能产生可靠且有意义的结果，以及是否有助于简化而非复杂化工作流程。保持人类监督、向员工提供透明度、定期监控输出并及早解决潜在问题，是负责任的AI项目的关键所在。” — Helena Almeida，ADP副总裁，管理法律顾问，AI法务官 5. 薪酬透明：全球薪酬透明度要求持续扩大薪酬透明度的要求正在全球范围内持续扩大，尤其是在欧盟。从2026年6月起，欧盟成员国的雇主必须向求职者和现有员工提供薪酬信息、晋升机会，以及决定这些机会的客观、性别中立的标准。与此同时，美国各州也在推行类似法律，例如马萨诸塞州的新规（2025年10月生效）要求在该州拥有25名或以上员工的雇主必须披露薪酬范围，而特拉华州的新规（2027年生效）也对薪酬披露提出了更严格的要求。 6. 多司法管辖区合规：应对复杂的法律环境雇主持续面临来自地方、州和联邦层面的多重法律要求，这些要求在薪酬透明度、假期、最低工资等方面差异巨大。企业领导者需注意的是，一种更具战略性的应对方法并非为每项法规制定单独的实践，而是制定一个以员工权利和最佳实践为核心的统一标准。这种方法不仅能够满足最严格的法律要求、简化行政管理，还能在整个组织内推行一致且公平的文化，从而有效降低合规风险。 “合规和风险管理所考虑的因素总是比法律的字面要求更广泛。当多项法律提出不同要求时，并不一定意味着要为每项法律制定单独的实践。通常可以制定一个以员工权利和最佳实践为核心的标准，这个标准在大多数情况下都适用，并能让你采取一致的方法。” — Meg Ferrero，ADP副总裁兼助理总法律顾问三、技术 (Technology)：智能体、数据与部门协作的未来 7. 智能体AI崛起：成为HCM的核心能力继生成式AI之后，智能体AI（Agentic AI）正迅速成为人力资本管理的核心战略能力，预示着自动化和效率的新纪元。智能体AI是指能够以最少的人类监督，自主思考、规划和行动以实现多步骤目标的系统。数据显示，其应用率正随企业规模增长而提升（大型企业48%，中型企业25%，小型企业4%）。Gartner预测，智能体AI在企业软件应用中的比例将从2024年的不足1%迅猛增长到2028年的33%。其实际应用包括自动化新员工入职流程、简化薪酬校验和错误检测等，展现出巨大的效率提升潜力。 “智能体AI开启了自动化的新前沿，能够协调多步骤工作并适应现实世界的变化。人类的监督则为其提供目标和护栏，明确目标、批准关键行动并审查影响。两者结合，提供了在条件变化时值得信赖、合规且有弹性的可扩展自动化。” — Amin Venjara，ADP首席数据官 8. 数据管理演进：为智能体AI奠定基础智能体AI的部署正促使领导者优先考虑软件应用间的无缝数据流。然而，这也带来了数据质量、隐私和安全方面的严峻挑战。数据显示，79% 的IT领导者认为AI智能体带来了新的安全挑战，且55% 的人对其部署的防护措施没有完全的信心。这背后反映出一个核心事实：强大的治理框架和高质量的数据，对于负责任地实现AI的承诺至关重要。 9. HR与IT融合：日益紧密的战略伙伴关系随着AI重塑工作场所，人力资源（HR）和信息技术（IT）部门的关系变得前所未有地相互依赖。数据显示，64% 的IT领导者预测，HR与IT将在五年内完全合并。这种合作关系已超越战术层面，上升为战略需要：HR的成功将越来越依赖IT的技术专长；反之，IT也需要HR提供关于技术如何影响员工的深刻洞察。其战略意义在于，两个部门共同承担着保护公司数据、将人员数据融入业务战略以及影响领导层如何应对AI转型的核心责任。 “IT在决策中的作用肯定比过去更重要了。他们关心的是用户管理、数据安全、集成以及这些集成的工作方式。它们是否现代化？是否可扩展？它们之间能否连接，以及如何对这些连接进行维护？” — Tonya James，ADP全球薪酬产品管理副总裁构建一个更智能、更人性化的未来工作世界塑造2026年的各种力量，要求领导者在人员、合规和技术领域驾驭日益增长的复杂性，同时始终保持人性化的触觉。这不仅是应对挑战，更是抓住机遇，重新定义何为卓越的组织。可持续的增长将属于那些能够在推动创新的同时不忽视员工、在应对监管的同时不牺牲敏捷性、在部署互联智能的同时不失去信任的组织。最终，能够在2026年脱颖而出的，将是那些不仅采纳了智能技术，更将其深度融入人性化管理哲学，从而实现创新与关怀无缝结合的组织。

HR科技
2025年11月25日

12 》

订阅NACSHR周报

HR Jobs

Seyond is hiring HR Generalist & Office Administrator in Sun 2026年09月06日
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