观点 - 北美华人人力资源协会

观点

北美合规观察：一起美国劳动争议给中国企业的用工管理提醒核心概述：Miniso USA 相关劳动争议，给所有出海美国的中国企业敲了一个很重的警钟。这个案子不是简单的“员工起诉公司”，而是把岗位分类、工资工时、反骚扰、HR独立性、举报报复和仲裁条款边界全都串了起来。加州法院明确，若案件中包含受 EFAA 保护的性骚扰相关请求，企业预先签署的仲裁协议可能对整个案件都不可执行。此后案件在 2026 年 3 月出现“全案和解通知”，但金额和条款未公开。对出海企业来说，真正的风险控制不是靠仲裁条款，而是靠本地化管理和合规体系。对于进入美国市场的中国企业来说，劳动雇佣风险往往不是单一事件，而是一整套管理系统的集中反映。一宗发生在加州的劳动雇佣争议，近期再次引发出海企业对美国用工合规、仲裁条款、HR 独立性和本地管理边界的关注。该案涉及 Miniso Depot CA, Inc.、USA Miniso Depot, Inc. 及相关个人被告。为便于阅读，本文将相关美国实体统称为 Miniso USA。需要首先说明的是，本文基于美国公开法院文件、公开案卷信息及公开法律资料整理，仅作出海企业用工合规观察，不构成法律意见。文中涉及的诉讼请求和事实描述，除法院已经就程序问题作出裁定的部分外，均属于当事方在诉讼中的主张，不代表法院已作出实体认定。公开案卷信息显示，该案后续出现全案和解通知，但和解金额、具体条款、支付安排及是否包含责任承认并未公开，本文不作推测。这起案件之所以值得出海企业关注，并不在于外界能够得知具体赔偿金额，而在于它把美国市场中常见的多项劳动雇佣风险集中呈现出来：岗位分类是否准确、工资工时是否合规、管理者言论是否触及受保护身份特征、HR 是否具备合规独立性、员工投诉后是否存在报复风险、移民用工和招聘流程是否经得起审查，以及企业能否依靠预先签署的仲裁协议把争议带离公开法院程序。一、案件程序：从强制仲裁争议到全案和解通知根据公开法院文件，原告 Yongtong “Jade” Liu 于 2023 年 10 月 5 日提起诉讼。诉状中提出的请求涉及工资工时、加州《公平就业与住房法》（Fair Employment and Housing Act，简称 FEHA）下的骚扰和歧视、加州劳动法第 1102.5 条下的报复、建设性解雇、有意造成情绪痛苦，以及相关补偿性损害赔偿、法定罚金、惩罚性赔偿、禁令救济和律师费请求。 2024 年 1 月 31 日，Miniso USA 依据员工入职时据称签署的仲裁协议，向法院申请强制仲裁。企业一方的核心立场是，原告提出的全部劳动雇佣请求均与其雇佣关系相关，因此应当按照仲裁协议进入私人仲裁程序。原告一方则主张，案件中包含性骚扰相关请求，根据《终止强制仲裁性侵犯和性骚扰法》（Ending Forced Arbitration of Sexual Assault and Sexual Harassment Act，简称 EFAA），其有权选择不受预先争议仲裁协议约束。洛杉矶高等法院拒绝了 Miniso USA 的强制仲裁申请。案件随后上诉至加州第二上诉区。加州上诉法院在 2024 年 10 月 7 日发布公开判决，维持一审裁定。法院讨论的核心问题不是原告所有实体主张是否成立，而是 EFAA 适用时，仲裁协议是否只对性骚扰相关请求不可执行，还是对整个案件不可执行。法院最终认为，EFAA 使用的是“案件”（case）这一概念，而不是“单项诉讼请求”（claim）。因此，当一个诉讼中至少包含一个受 EFAA 覆盖的性骚扰相关请求时，预先仲裁协议对整个案件不可执行。 Miniso USA 后续继续寻求更高层级法院审查，并向美国最高法院提交调卷令申请，希望最高法院审查这一法律问题。美国最高法院最终拒绝审理。此后，原审案件回到洛杉矶高等法院程序。公开案卷信息显示，案件在 2026 年 3 月出现全案和解通知。根据加州法院对该类表格的说明，全案和解通知用于告知法院和对方，案件争议已由当事方通过协议解决，并将进入撤诉流程。由于和解协议通常不在公开案卷中披露，外界无法确认和解金额、具体付款安排、律师费分配、保密条款、非贬损条款，或是否包含任何责任承认。因此，准确理解这起案件，不能写成“法院已经判 Miniso USA 赔偿”，也不能写成“企业承认违法”。更准确的表述是：该案在强制仲裁程序争议中形成了有影响力的上诉判决，明确了 EFAA 对整个案件的覆盖效果；随后原审案件出现全案和解通知，具体和解条款未公开。二、岗位分类争议：职位名称不能替代法律标准公开判决文件显示，原告在诉状中称，其大约在 2021 年 4 月被聘为人力资源管理员，最初按小时工资支付；大约在 2022 年 1 月，其职位名称发生变化，并被归类为豁免员工。原告主张，虽然职位名称发生变化，但实际工作职责基本未变。她据此主张自己被错误归类为豁免员工，导致未获得全部工时工资、最低工资、加班工资，也没有获得合规的用餐和休息时间以及准确工资单。这一点对出海企业非常现实。很多中国企业在美国设立本地团队时，习惯沿用总部对职级、头衔和岗位价值的理解，把“管理员”“主管”“经理”“负责人”“HR”等职位名称直接等同于更高级别的豁免员工身份。但在美国，尤其是在加州，员工是否属于豁免员工，不能只看头衔，而要看实际职责、薪资支付方式、管理权限、独立判断程度和法定豁免条件。这类问题在出海零售、餐饮、仓储、电商、制造和门店运营企业中都很常见。企业快速扩张时，往往会把一个本地员工赋予多个职责：既做 HR 行政，又做门店支持；既处理招聘，又协助运营；既管理文档，又配合总部执行具体任务。岗位一旦混合化，员工分类就不能简单套用总部模板。企业如果没有进行加州本地劳动法审查，可能在不知不觉中积累工资工时风险。对 HR 来说，这个案例提醒企业，在美国市场配置岗位时，需要提前完成岗位职责说明、豁免状态判断、工时记录规则、加班审批流程、用餐休息管理、工资单合规检查等基础工作。尤其是中国企业常见的“小团队多任务”模式，在美国并不自动降低合规要求，反而可能因为职责边界不清，增加后续争议难度。三、职场言论边界：文化差异不能成为管理风险的解释理由公开判决文件还显示，原告在诉状中提出了与性别、性取向、性别表达和外貌相关的骚扰及歧视请求。出于隐私和合规考虑，本文不完整复述诉状中涉及的具体言论和称呼。但从法院文件可见，原告将部分会议中的外貌评价、性别角色表达、与性取向相关的评论，以及针对其个人身份表达的称呼等内容，纳入 FEHA 下的性骚扰、性别歧视、性取向和性别身份骚扰、性取向和性别身份歧视请求。这部分内容目前仍属于原告主张，法院并未在该程序阶段对实体事实作出最终认定。但它对出海企业的管理启示非常直接：在美国职场中，对员工外貌、身材、性别角色、性取向、性别表达、年龄、族裔、国籍、怀孕、残障等内容的评论，不能被简单视为“玩笑”“直率表达”或“文化差异”。一旦这些言论与受保护身份特征发生关联，就可能进入骚扰、歧视或敌意工作环境的法律分析框架。很多出海企业在美国遇到的合规问题，并不是因为没有员工手册，而是因为管理者没有真正理解当地职场边界。总部管理者、外派负责人、区域经理、门店负责人和业务主管，在中国语境下可能习惯于更直接的评价方式，例如评价员工形象、穿着、气质、性格、性别表达或“是否适合某类岗位”。但在美国，这些表达如果被员工理解为与受保护身份相关，后续可能成为投诉、调查、律师函或诉讼中的重要背景事实。因此，出海企业在美国做管理培训时，不能只讲制度流程，还要讲“哪些话不能说”“哪些玩笑不能开”“哪些评价不能进入绩效反馈”“哪些表达必须转换为岗位相关、行为相关、可记录的管理语言”。本地化管理不是把总部话术翻译成英文，而是重新建立美国语境下的管理边界。四、HR 被卷入争议：合规防线不能只是业务执行工具这起案件最值得出海企业重视的地方，是原告本人曾在 HR 岗位工作。公开判决文件显示，原告在诉状中称，作为 HR 岗位员工，她被要求参与其认为存在违法风险的做法，其中涉及薪酬公平、招聘偏好和移民相关文件等事项。原告还主张，自己曾向相关人员投诉并拒绝参与这些做法，之后遭遇进一步骚扰和歧视。这些内容目前仍是诉状主张，并不代表法院已经认定相关事实成立。但作为出海管理案例，它揭示出一个非常典型的问题：很多企业在海外市场把 HR 当作执行部门，而不是合规控制节点。业务负责人需要快速招聘、快速开店、快速处理员工问题，HR 往往被要求“配合业务”“解决问题”“不要拖慢进度”。但在美国，HR 的角色不仅是招聘和行政支持，更是雇佣风险的第一道防线。如果 HR 在招聘、薪酬、身份文件、工时记录、员工投诉、纪律处分或解雇问题上提出合规疑虑，企业需要有正式的升级机制，而不是把这种提醒视为“不支持业务”。如果 HR 员工本人认为自己因提出合规异议、拒绝参与其认为违法的行为，或投诉内部问题而遭到不利对待，争议性质就可能从普通劳动纠纷升级为举报人保护和反报复风险。对出海企业来说，这一层风险比普通员工投诉更敏感。因为它意味着企业内部本应承担合规提醒和风险识别功能的人，反而成为争议当事人。这样的案件一旦进入公开法院程序，外界关注的不只是某一个员工争议，而是企业的 HR 职能是否独立、内部投诉机制是否有效、业务扩张是否压过了合规底线。五、招聘、薪酬与移民用工：出海企业最容易低估的复合风险公开判决文件显示，原告在诉状中还提到其认为存在问题的内部做法，包括薪酬公平、招聘偏好及移民相关文件事项。本文不对这些主张作实体判断，也不将其作为已经被法院确认的事实。但从出海企业合规角度看，这几类问题本身都属于美国雇佣管理中的高敏感领域。招聘偏好方面，美国企业在招聘中必须避免将年龄、国籍、族裔、性别、性取向、婚育状况、残障等受保护因素作为筛选标准。即使业务确实有语言、文化、班次、客户沟通或岗位适配需求，也应转化为合法、岗位相关、可证明的资格标准。例如，“需要具备某语言能力以服务特定客户群体”和“只招某类人”在法律风险上完全不同。薪酬公平方面，加州对同工同酬、薪酬透明、工资记录和反歧视管理有较高要求。企业不能仅凭谈判能力、过往薪资、主管偏好或总部经验决定本地薪酬。尤其是跨境企业中常见的“同岗不同薪”“中方员工和本地员工薪酬逻辑不同”“门店员工和后台员工分类混乱”等问题，都可能在争议中被放大。移民用工方面，美国对员工工作许可、I-9 表格、签证身份、雇佣资格和文件真实性要求严格。企业不能为了快速补人、帮助员工入职或配合业务运营，而让 HR 或管理者处理不清楚、不完整或存在风险的身份文件。任何涉及工作许可和身份文件的问题，都应由熟悉美国移民和雇佣合规的专业人员处理，避免业务团队用“先上岗、后补文件”的方式制造更大风险。这些问题本身并不一定单独导致重大诉讼，但一旦与员工投诉、骚扰歧视主张、岗位分类问题和离职争议叠加，就可能形成复杂的劳动雇佣案件结构。出海企业必须认识到，美国劳动争议常常不是一个点，而是一条线，甚至是一张网。六、强制仲裁的边界：协议不是万能防火墙 Miniso USA 在该案中提出强制仲裁申请，是美国劳动雇佣争议中常见的程序策略。企业使用仲裁协议本身并不罕见，也并不当然不合规。许多美国雇主都会在员工入职时签署仲裁协议，希望通过仲裁降低公开诉讼风险、控制争议解决成本、避免陪审团审理带来的不确定性。但这起案件的法律意义在于，EFAA 对这一工具设置了重要边界。EFAA 在“#MeToo”运动背景下通过，核心目的之一是防止性骚扰和性侵犯争议被预先仲裁协议强制转入私人程序。加州上诉法院在本案中采用的解释是，只要案件中至少包含一个受 EFAA 覆盖的性骚扰相关请求，仲裁协议对整个案件不可执行，而不是只排除性骚扰请求、再把其他工资工时或报复请求拆出去仲裁。对出海企业而言，这一规则有两个直接影响。第一，企业不能假设员工签了仲裁协议，所有劳动争议都可以避免公开法院程序。第二，如果一起劳动争议中同时包含工资工时、骚扰歧视、报复、建设性解雇等多项请求，只要其中性骚扰相关请求足以触发 EFAA，企业原本预期的仲裁策略可能无法发挥作用。这并不意味着出海企业不应使用仲裁协议。更准确的理解是，仲裁协议是争议解决工具，不是合规管理替代品。企业仍可以在律师指导下使用合规的仲裁协议，但不能把它视为风险的最终防线。真正降低风险的方式，是把合规控制前移到日常管理中。七、和解的意义：不是实体定罪，也不是风险消失公开案卷显示，该案后续出现全案和解通知。从法律和报道角度看，这一点必须谨慎表述。和解不等于法院实体判定原告全部主张成立，也不等于企业承认违法；同时，和解也不意味着案件中反映出的管理问题可以被忽略。它更像是一种争议解决结果：双方在成本、风险、时间、证据、声誉、诉讼不确定性等因素之间作出商业和法律权衡。美国劳动雇佣案件中，和解是一种常见结局。尤其是在案件经历长时间程序争议后，继续进入实体审理可能意味着更多律师费、更多证据开示、更多管理层时间投入，以及更多公开信息暴露。对企业而言，和解可能是一种控制不确定性的方式。对个人员工而言，和解也可能是结束漫长争议、降低继续诉讼压力的现实选择。因此，文章不应把这起案件写成“谁被法院定罪”或“谁被判赔多少”，而应把重点放在更有价值的合规复盘上：为什么一个员工争议会牵出这么多管理环节？为什么仲裁协议没有把案件带离法院？为什么 HR 角色一旦卷入争议，案件复杂度会显著上升？为什么出海企业必须把美国用工合规视为管理系统，而不是文件工程？八、给出海企业的管理提醒第一，美国员工岗位分类必须基于法律标准，而不是职位名称。出海企业不能因为员工头衔中带有管理员、经理、负责人、主管或 HR，就自动将其归为豁免员工。加州对工资工时、休息时间、用餐时间和工资单要求非常严格，岗位分类错误可能成为后续多项诉讼请求的基础。第二，管理者言论需要本地化训练。外貌、身材、性别角色、性取向、族裔、年龄、怀孕、残障、国籍等话题，在美国职场中都可能涉及受保护身份特征。企业应对中国外派管理层、门店经理、区域负责人和总部远程管理者进行反骚扰、反歧视和反报复培训，而不是只让基层员工在线签收员工手册。第三，HR 必须具备合规独立性。HR 不能只是业务指令的执行者，更应有权对招聘、薪酬、身份文件、员工投诉、解雇和纪律处分提出合规意见。企业应建立升级机制，让 HR 可以向法务、外部律师或更高层汇报合规疑虑，而不必担心被视为“不支持业务”。第四，招聘偏好和薪酬决策必须避免触及受保护身份特征。涉及年龄、国籍、性别、族裔、语言、身份等因素的招聘表达，都应由专业 HR 或劳动雇佣律师审查。即使业务有真实需求，也应转换为合法、岗位相关、可证明的资格标准。第五，移民用工和身份文件不能由业务团队随意处理。涉及 I-9 表格、工作许可、签证身份、移民文件和雇佣资格的问题，应严格按照法律流程执行，避免任何看似“帮员工解决问题”但实际可能触及文件真实性或雇佣资格风险的操作。第六，员工投诉之后的管理动作必须高度谨慎。员工一旦提出工资、骚扰、歧视、非法行为或合规问题投诉，企业后续的排班、绩效、降职、调岗、纪律处分、解雇和沟通方式，都可能被审视是否构成报复。企业需要形成清晰的调查记录和非报复性管理依据。第七，仲裁协议需要更新，但不能迷信。企业仍然可以在律师指导下使用合规的仲裁协议，但必须认识到 EFAA 和州法限制。对于涉及性骚扰或性侵犯的争议，预先仲裁协议可能无法发挥企业预期的隔离效果。真正降低风险的方式，是把争议解决前移到组织治理和日常管理中。结语：出海合规不是文件工程，而是管理系统工程这起美国劳动争议的最终公开信号，不是一个明确的实体判赔结果，而是一个更现实的管理提醒：企业可以使用仲裁协议和程序性抗辩，但不能指望它们替代本地化管理能力。案件从强制仲裁争议一路走到美国最高法院拒绝审查，再到原审程序出现全案和解通知，说明劳动雇佣风险一旦进入公开法院体系，企业面对的不只是法律问题，也包括声誉、成本、管理成熟度和组织信任问题。美国市场的劳动雇佣合规，已经不是“签好员工手册”和“准备仲裁协议”就能解决的问题。真正的风险控制能力来自三个层面：一是制度准确，确保岗位分类、薪酬、招聘、移民用工和投诉流程符合当地法律；二是管理者行为可控，确保总部和本地团队都理解美国职场边界；三是 HR 与法务能够形成有效制衡，让业务增长不以牺牲合规底线为代价。从这个角度看，这起案件不是一个孤立的劳动争议，而是一面镜子。它提醒所有进入美国市场的企业：本地化管理不是把中国经验翻译成英文，而是重新理解当地法律、文化和组织治理规则。出海企业真正需要建设的，不只是海外门店、海外团队和海外销售网络，更是一套经得起法院、员工、监管和公众检验的管理系统。如相关当事方认为本文引用的公开资料存在更新或表述需要澄清，欢迎提供公开可核验材料。我们将依据公开记录及时更正或补充。本文仅作出海合规与企业管理观察，不构成法律意见。案件实体责任、和解条款及赔偿金额，以法院后续公开记录或当事方依法披露信息为准。

观点
2026年07月04日
观点

EEOC 起诉 99 Ranch Market 母公司，指控其涉嫌歧视非华人员工洛杉矶，2026年6月30日——美国平等就业机会委员会（U.S. Equal Employment Opportunity Commission，简称 EEOC）宣布，已对 99 Ranch Market 母公司 Tawa Supermarket, Inc. 提起诉讼，指控其在雇佣管理中涉嫌基于员工的原国籍背景歧视非华人员工。该案已提交至美国加州中区联邦地区法院，案件名称为 EEOC v. Tawa Supermarket, Inc. dba 99 Ranch Market, et al.，案号为 Case No. 8:26-cv-01682。案件背景 Tawa Supermarket, Inc. 以 99 Ranch Market 品牌在美国经营亚洲超市连锁业务。根据 EEOC 官方信息，99 Ranch Market 至少拥有 66 家门店，覆盖加利福尼亚州、内华达州、俄勒冈州、华盛顿州、得克萨斯州、纽约州、新泽西州、马萨诸塞州、马里兰州、亚利桑那州和弗吉尼亚州等多个州。该公司是美国亚裔社区中具有较高知名度的超市品牌，服务对象和员工构成都具有明显的多元文化特征。此次诉讼的核心并非单一员工争议，而是 EEOC 对企业门店层级用工管理方式提出的系统性指控。案件涉及招聘后管理、经理岗位安排、晋升机会、薪酬水平、工时安排和员工离职等多个雇佣环节。 EEOC 的主要指控 EEOC 指控，Tawa Supermarket, Inc. 自至少 2016 年一次领导层变动之后，在多个门店针对非华人员工实施了差别化管理。相关指控包括：解雇刚入职不久的非华人经理；因为员工并非华人而拒绝给予晋升机会；向非华人门店员工支付低于华人员工的薪酬；为非华人员工安排少于华人员工的工作时长。 EEOC 还称，部分非华人员工因受到相关待遇，认为自己已经没有其他选择，只能离职。换言之，EEOC 不仅关注企业是否存在直接解雇行为，也关注企业是否通过晋升、薪酬、排班等工作条件上的差别待遇，使员工处于不利就业环境之中。涉及的法律依据 EEOC 认为，上述行为涉嫌违反《1964 年民权法案》第七章（Title VII of the Civil Rights Act of 1964）。该法律禁止雇主基于种族、肤色、宗教、性别和原国籍等受保护特征，在招聘、解雇、晋升、薪酬、排班、培训机会以及其他雇佣条款和工作条件上实施歧视。本案的核心争议在于，企业是否因为员工的原国籍背景，对非华人员工作出了不利的就业决定。对于雇主而言，法律并不禁止企业根据真实业务需要设定岗位能力要求，例如语言能力、客户服务能力、供应链经验或跨文化沟通能力；但这些要求必须与岗位职责直接相关，并且不能被用来替代或掩盖基于族裔、国籍背景或原国籍的用人偏好。 EEOC 的官方立场 EEOC 代理总法律顾问 Catherine Eschbach 表示，雇主不能以“文化偏好”作为劳动力构成的理由来规避法律责任。她强调，基于受保护特征的偏好属于《1964 年民权法案》第七章所禁止的非法歧视；即使涉案雇主是一家华人超市连锁企业，也不能因此解雇非华人经理，或在就业条款和工作条件上歧视非华人员工。 EEOC 洛杉矶地区办公室负责人 Christine Park-Gonzalez 也指出，客户偏好，或认为某一群体员工更高效的观念，并不能成为原国籍歧视的合法理由。雇主必须遵守联邦法律，不能因为员工或求职者的原国籍背景，将其排除在就业机会之外。这一表态也意味着，在服务特定族裔社区的商业环境中，企业仍然需要将“岗位所需能力”与“身份背景偏好”严格区分。客户群体的语言和文化特征，不能自动转化为企业内部招聘、晋升、薪酬和排班中的身份筛选标准。案件当前状态目前，该案仍处于诉讼阶段，相关内容属于 EEOC 的诉讼指控，尚不等同于法院已经作出最终责任认定。MyNewsLA 的报道显示，Tawa Supermarket 代表暂未能立即取得回应。后续案件可能通过法院审理、和解或其他程序继续推进，最终结果仍需以法院文件、正式和解协议或双方公开声明为准。在案件最终结果明确之前，企业和公众需要区分“监管机构提出的指控”与“法院最终认定”。不过，从合规角度看，该案已经反映出美国就业执法机构对多族裔工作场所、移民企业和服务特定社区企业的用工管理问题保持高度关注。对在美华人企业的合规提醒 NACSHR 认为，该案对在美华人企业和服务多族裔社区的企业具有现实警示意义。企业可以根据真实业务需要设定岗位条件，例如特定岗位需要中文沟通能力、熟悉亚洲食品供应链、具备跨文化客户服务经验，或能够服务特定客户群体。但这些要求必须与岗位职责直接相关，并以客观、可验证、非歧视性的方式执行。语言能力可以是岗位能力要求，但族裔、国籍背景或原国籍背景不能成为招聘、晋升、排班、薪酬或解雇的依据。企业在制定岗位说明、评估候选人、决定晋升、安排工时和处理离职时，都应保留清晰、一致、可追溯的决策依据。对于零售、餐饮、物流、制造和本地服务业企业，HR 和管理层尤其需要关注招聘标准、晋升记录、薪酬结构、排班规则和离职文件是否具备一致性。如果不同员工群体之间长期存在明显的晋升机会、薪酬水平或工时安排差异，企业就需要能够说明这些差异是否基于岗位职责、资历、绩效、可用工时、业务需求或其他合法因素。美国职场合规的关键，不是企业不能保留自身文化特色，也不是企业不能服务特定族裔或语言社区，而是所有就业决策都必须回到岗位相关、业务必要、标准统一和证据充分的基础上。对于正在美国经营或计划进入美国市场的华人企业而言，建立专业、透明、可审查的人力资源管理机制，已经成为企业长期发展的基础能力。来源链接：EEOC 官方新闻稿：https://www.eeoc.gov/newsroom/eeoc-sues-99-ranch-market-discrimination-against-non-chinese-workersMyNewsLA 报道：https://mynewsla.com/business/2026/06/30/99-ranch-market-sued-by-feds-for-alleged-discrimination-against-non-chinese/起诉书 PDF 公开转载链接：https://wpdash.medianewsgroup.com/wp-content/uploads/2026/06/001-Filed-Tawa-Complaint.pdf注：起诉书 PDF 为媒体公开转载链接，并非 EEOC 或法院官网页面；正式法院文件建议以 PACER 或美国加州中区联邦地区法院案卷为准。

观点
2026年07月01日
观点

Meta高压管理模式迎来反噬：从“效率年”到组织信任危机 Meta 的“效率年”正在迎来反噬。Business Insider 报道显示，自 2022 年以来，Meta 通过多轮裁员、重组、绩效清理、岗位再分配和员工监控，建立起一种更精简、更高压、更强调执行的管理模式。2022 年裁员 11,000 人，2023 年再裁 10,000 人，2025 年裁掉 3,600 名所谓 “low performers”，2026 年 5 月又裁员 8,000 人，并将 7,000 人重新分配到新岗位。现在，员工士气、组织信任和心理安全感正在成为 Meta 必须面对的问题。AI 时代企业确实需要效率，但如果效率建立在持续恐惧、不确定性和被监控感之上，创新能力反而可能被削弱。Meta 的案例提醒所有企业：人效管理不能只看成本、速度和绩效指标，还必须看员工是否仍然相信自己的专业价值会被尊重。从“效率年”到信任危机：Meta正在经历管理模式的反作用在过去几年里，Meta 一直被视为硅谷“效率革命”的代表企业。自 Mark Zuckerberg 提出 “year of efficiency” 之后，Meta 通过大规模裁员、组织重组、绩效清理、管理层级压缩和岗位再分配，试图把公司从过去高速扩张时期的庞大组织，改造成一个更精简、更快速、更高压、更强调执行结果的技术公司。这种转型曾经在资本市场获得积极反馈，也一度成为美国科技行业降本增效的标志性案例。但最新信号显示，Meta 的高压管理模式正在进入一个新的阶段：效率的收益开始被组织信任的损耗所抵消。Business Insider 对 Meta 管理文化的最新分析指出，Meta 内部员工士气、心理安全感和组织信任正在承受明显压力。CTO Andrew Bosworth 在近期内部沟通中承认，员工士气可能处于公司历史上最糟糕的阶段之一，并表示公司在近期重组中做得非常糟糕，削弱了员工相信自身专业能力和贡献会被尊重的信任。Chief Product Officer Chris Cox 也承认公司内部环境艰难而残酷，Mark Zuckerberg 则承认公司犯过错误。这不是简单裁员新闻，而是AI时代组织管理的拐点从 HR 和组织管理角度看，这不是一个简单的科技公司裁员新闻，而是 AI 时代企业管理模式转型中的重要信号。Meta 的案例说明，当企业把效率、速度和成本控制推到极致时，如果没有同步维护员工信任、角色尊严和组织心理安全感，所谓“高绩效文化”很容易滑向“高恐惧文化”。短期内，企业或许可以通过裁员和重组改善成本结构；但长期看，如果员工不再相信组织会尊重其专业能力，不再相信岗位调整具有公平性，不再相信管理层会承担清晰解释责任，创新能力、人才保留和组织承诺都会受到影响。对于任何处在 AI 转型中的企业而言，这都是一个非常现实的组织风险。多轮裁员与岗位重组，正在重塑员工对组织的信任判断 Meta 过去几年的组织变化非常激烈。2022 年末，公司裁员 11,000 人；2023 年春季再裁员 10,000 人，并将这一阶段定义为 “year of efficiency”；2025 年，公司又裁掉 3,600 名被称为 “low performers” 的员工；2026 年 5 月，Meta 再次裁员 8,000 人，同时将 7,000 名员工重新分配到新岗位，其中不少岗位与 AI 训练相关。这一系列动作背后，是 Meta 希望在 OpenAI、Anthropic、Google 等公司快速推进 AI 竞争的背景下，重新配置人力资本，把资源集中到更关键的技术方向。但组织重构越剧烈，越需要清晰的沟通、可信的机制和可被员工理解的变革逻辑。否则，员工看到的就不是战略升级，而是持续不确定、岗位安全感下降和专业价值被削弱。 AI岗位重分配不能只看资源配置，还要看专业尊严 AI 转型中的组织重构不能只被理解为“把人放到新的岗位上”。对于员工来说，岗位代表的不只是工作任务，还包括专业身份、职业路径、能力积累和组织认可。如果员工突然被重新分配到并不匹配其专业预期的 AI 训练岗位，又缺乏充分沟通、选择权和尊严感，这种转型就很容易被体验为降级、替代或被动安置。企业希望员工支持 AI 战略，但员工首先会判断：AI 是增强我的能力，还是降低我的价值？组织是在帮助我适应未来，还是把我当作可以随时重组的资源？这也是 Meta 事件对 HR 的核心启示。AI 转型不能只围绕技术路线和资源投入展开，还必须处理员工对身份、价值和未来职业路径的深层焦虑。人效管理不能被简化为裁员、压缩和监控 AI 时代的人力资源管理，不能只围绕“人效”这个词展开。人效当然重要，但人效不是简单地减少人数、压缩层级、提高产出指标，也不是通过监控和恐惧来迫使员工更快工作。真正可持续的人效，来自更清晰的战略优先级、更合理的岗位设计、更可信的绩效机制、更强的经理能力，以及员工愿意投入判断力、创造力和长期承诺的组织环境。如果企业只把人效理解为“用更少的人完成更多任务”，那么 HR 就容易被推向单一的执行角色：执行裁员、推动重组、压缩预算、提高绩效压力。但如果企业把人效理解为“让组织能力真正服务业务战略”，HR 的角色就会完全不同。HR 不只是成本管理者，更是组织能力建设者、变革风险识别者和信任机制设计者。员工监控争议背后，是企业数据治理与信任边界问题 Meta 的键盘监控争议尤其值得 HR 关注。员工反对的并不只是一个技术工具，而是背后的管理假设。当企业开始通过更细颗粒度的数据追踪员工行为，并把这些数据与 AI 模型训练、生产率评估或岗位替代联系在一起时，员工自然会产生被监控、被评估、被自动化替代的焦虑。对于企业而言，技术监控或许看起来能提高透明度和效率；但对于员工而言，如果缺乏边界、目的说明、数据治理和申诉机制，监控会迅速侵蚀信任。未来 HR 在引入 AI 工具、员工行为数据分析和自动化绩效管理系统时，必须提前参与治理设计。关键问题不是“能不能收集数据”，而是“为什么收集、如何使用、谁能访问、是否透明、员工是否有申诉权”。北美华人HR需要从执行角色走向组织风险顾问这对北美华人 HR 群体同样具有现实意义。许多华人 HR 专业人士所在的企业，正在经历 AI 工具采购、组织重组、岗位合并、流程自动化和绩效体系调整。管理层可能会提出更高的人效要求，也可能希望 HR 用更少的人支持更复杂的业务需求。在这种情况下，HR 的角色不能只是执行裁员、重组和绩效清理，而应该成为组织风险的识别者、信任机制的设计者和变革沟通的推动者。具体来说，HR 至少需要把握三个方向。第一，在 AI 转型和组织重构中，必须明确岗位变化的商业逻辑、能力要求和员工选择机制，不能让员工在长期不确定中等待结果。第二，在使用员工数据和监控工具时，必须建立清晰的治理原则，包括数据用途、使用边界、透明沟通、合规审查和员工反馈渠道。第三，在强调绩效和效率的同时，不能忽视经理能力建设。很多组织信任问题并不是来自战略本身，而是来自一线经理无法解释变化、无法处理员工焦虑、无法在压力中保持尊重和公平。 AI竞争不只是技术竞赛，更是组织能力竞赛 Meta 的案例也提醒企业领导者：AI 竞争不是单纯的技术竞赛，也是组织能力竞赛。企业能否在 AI 时代保持竞争力，不只取决于模型、算力、产品路线和资本投入，也取决于员工是否仍然相信公司值得投入长期努力。一个组织如果长期依赖恐惧推动执行，可能会获得短期速度，却会失去高质量创新所需的心理安全感。真正优秀的技术人才并不只是完成任务的人，他们还需要提出不同意见、承担实验风险、挑战既有路径，并在不确定中持续探索。缺乏信任的组织，很难要求员工进行真正有风险的创新。尤其在 AI 快速演进的环境下，企业最需要的并不是机械服从，而是跨职能协作、持续学习和高质量判断。企业需要重新定义效率：效率不能以透支信任为代价对于 HR 来说，这场讨论的重点不是否定效率，而是重新定义效率。效率不应该是“少人干更多事”的单一逻辑，而应该是让组织资源配置更精准、让员工能力使用更充分、让管理摩擦更少、让业务决策更清晰。企业需要降本增效，但也需要知道哪些成本不能随意削减：信任、心理安全感、组织公平感和员工尊严，就是最容易被低估、也最难重建的组织资产。 Meta 正在经历的并不是个别公司的管理波动，而是 AI 时代许多企业都会面对的共同问题。当技术变化加速、资本市场要求效率、管理层追求速度，HR 必须帮助组织回答一个更本质的问题：我们是在建设一个更高效的组织，还是在透支一个组织赖以运行的信任基础？ NACSHR观察：未来HR的价值在于平衡效率、技术与信任 NACSHR 认为，未来 HR 的价值将不只是完成事务性人力资源管理，而是在 AI、组织变革和商业压力之间建立新的平衡。企业需要效率，也需要尊重；需要速度，也需要透明；需要绩效，也需要信任。Meta 的经验表明，组织可以通过强硬管理快速改变成本结构，但只有通过可信的领导力、公平的机制和真实的人本管理，才能真正重建长期竞争力。对北美华人 HR 来说，这也是职业角色升级的重要机会。AI 时代的 HR 不应只是政策执行者、流程维护者或裁员通知传递者，而应成为组织转型中的战略伙伴。真正有价值的 HR，能够在企业追求效率时提醒风险，在管理层推动变革时设计机制，在员工产生焦虑时建立沟通，在技术改变岗位时维护组织信任。Meta 的案例再次说明，未来企业竞争的关键不只是 AI 能力，也包括组织是否仍然有能力让优秀的人愿意留下、敢于表达、持续创造。

观点
2026年06月27日
观点

【重磅】在美中资企业 HR 的真实难题：从本土化、组织治理到地缘政治重构 NACSHR 2026 北美华人人力资源夏季论坛在硅谷举行。《在美中资企业人力资源管理：变局中的适应与探索》的圆桌讨论深受关注，持续一个多小时，却没有停留在“出海趋势”或“跨文化管理”这类宏观概念上。几位嘉宾从各自长期服务在美中资企业的实战经验出发，把企业真正遇到的管理难题、组织冲突和 HR 压力摆上桌面：文化到底要不要本土化？中国速度还能不能保留？总部和海外团队谁说了算？外派中层为什么如此关键？当政策和地缘政治直接改变组织架构时，HR 又该如何承接？以上观点和内容仅供参考。这些问题没有标准答案，但正因为没有标准答案，才更接近今天在美中资企业 HR 的真实处境。本土化不是放弃文化，而是转换管理语言 Mu提出的第一个判断，是许多中资企业出海时最容易误解的问题：海外管理既不能简单照搬国内模式，也不能完全交给本地团队自治。企业需要保留全球一致的文化 DNA，例如奋斗精神、标准化业务模型、长期主义价值观和组织执行力，但在管理行为和沟通方式上，必须进行彻底的本土化转换。在国内组织语境中，管理者常常习惯使用相对模糊的表达，例如“你看着办”“灵活处理”“按照公司的精神来”。这些话背后往往默认员工能够理解上级意图，并结合情境自行补全执行细节。但在美国职场，这种表达方式很容易造成误解。员工更需要明确的目标、清晰的责任边界、可量化的标准和具体的执行步骤。对在美中资企业而言，本土化并不意味着放弃企业原有的文化和效率优势，而是要把原来的管理意图翻译成美国员工能够理解、接受和执行的管理语言。很多时候，跨文化冲突不是价值观本身的冲突，而是预期表达方式的冲突。HR 要做的，不只是提醒管理者“尊重文化差异”，而是帮助企业重建一套更清晰、更透明、更可执行的管理沟通机制。 “中国速度”不应被轻易稀释 Grace从另一个角度提出提醒：中资企业出海也不能走到另一个极端。为了融入美国职场文化，有些企业试图把自己彻底改造成美国本土公司的样子，例如减少高强度目标、拉长会议讨论、放慢决策节奏，甚至刻意回避原有的执行文化。但在她看来，这种“过度美国化”反而可能让企业失去最重要的竞争优势。 “中国速度（China Speed）”之所以能够成为许多中资企业在全球市场扩张中的优势，不只是因为员工愿意加班或企业反应快，而是背后有一整套快速决策、强执行、结果导向和资源集中配置的组织能力。问题不在于是否保留速度，而在于如何用更合规、更可持续、更能被本地人才接受的方式保留速度。 Grace 分享了一种有效的实践模式：海外业务的核心岗位使用熟悉本地市场、文化和法律的美国本土人才，同时配备中国外派高管，负责拉通总部诉求、保持执行节奏，并在关键节点推动决策。这种“本地团队 + 中国外派高管”的组合，既能利用本土团队的市场理解和资源网络，也能让企业保持总部要求的节奏和战略一致性。从人才角度看，这种模式本身也会形成筛选机制。能够在快节奏、高要求、跨文化环境中留下来的本土人才，往往正是中资企业全球化最需要的人才。他们既理解美国市场，又能够接受更强的执行文化。对于 HR 来说，真正的挑战不是简单降低组织速度，而是帮助企业建立一种既有速度、又有边界，既有执行力、又有员工信任的新型管理方式。不同出海模式，决定完全不同的 HR 策略 Jane 的分享为这场圆桌提供了一个更系统的分析框架。她结合自身在多家中资出海企业的经验，将中资企业出海大致分为三种模式：投资并购型、科研利用型和市场销售型。不同模式背后的战略目的不同，HR 的工作重心也完全不同。投资并购型企业出海，通常是为了通过收购当地公司获取业务、品牌、渠道或战略资源。在这种模式下，HR 的核心不是把总部政策强行推向被收购企业，而是以治理、监督和文化融合为主。总部如果过早、过深地干预本地公司的招聘、薪酬、绩效和日常管理，可能会引发核心团队流失，最终让收购价值大幅下降。因此，这类企业更需要 HR 具备治理意识，而不是控制冲动。科研利用型企业，尤其是电动车、电池、先进制造等领域，出海目的往往是利用欧美市场的工程师、科学家和研发人才优势，反哺全球研发体系。这类团队需要较高的专业自主性和创新空间。HR 的重点不是做过度流程控制，而是赋予海外科研或业务 Leader 足够的人事决策权，同时搭建海外团队与总部研发体系之间的协同机制。市场销售型企业则面临另一类挑战。企业将国内已有产品、服务和标准化流程推向海外市场时，HR 必须重点处理本地劳工合规、用工制度和员工关系问题。Jane 特别提到，在拉美等劳动法保护较强的地区，招聘、解雇、休假、加班、产假和育儿假等环节都可能成为风险点。对 HR 来说，这意味着不能只懂总部政策，还要真正理解当地劳动法规、司法环境和员工权益保护机制。她的核心判断是：很多中资企业 HR 之所以长期处于被动，是因为没有先判断企业到底属于哪一种出海模式。模式没有识别清楚，HR 策略就很容易用错。用并购型的管理方式去管销售型团队，或者用总部强控制方式去管理科研团队，都会让组织付出高昂代价。总部与海外团队之间，需要重新定义权责边界围绕本土化和出海模式，一个更深层的问题是：总部和海外团队之间，到底应该如何分权？哪些事情必须由总部决定，哪些事情应交给本地团队，哪些事情需要共同决策？这往往是中资企业在美国市场最容易被低估的组织治理问题。在很多企业中，海外 HR 处在一个非常微妙的位置。一方面，他们必须理解总部战略、执行总部要求、保证文化一致；另一方面，他们又必须面对美国员工、本地市场和法律合规。如果总部对所有事务都要求审批，海外团队会失去响应速度；如果完全放权给本地团队，又可能造成战略偏离和文化断裂。真正有效的全球化组织，不是总部强管，也不是本地自治，而是建立清晰的决策边界。例如，招聘 offer 是否需要总部批准，薪酬带宽由谁制定，绩效标准使用总部模板还是本地版本，员工解雇由谁最终拍板，激励机制如何兼顾全球公平和本地竞争力，这些问题如果没有提前定义，最终都会落到 HR 身上。HR 不仅要解决个案，更要推动企业形成一套可复制的治理机制。否则，海外组织会长期停留在“事事请示、人人焦虑、责任不清”的状态中。外派中层是最被低估的桥梁角色 Yinuo把讨论带到一个常被忽视、却极其关键的群体：外派中层管理者。中资企业出海最大的难点之一，是总部战略在海外市场落地时，经常会遇到文化、法律、市场和人才结构上的断裂。总部高层在国内做出的判断，往往基于中国市场逻辑、组织经验和管理习惯；但进入美国市场后，本地员工未必接受，本地客户未必响应，本地法律也未必允许。这时候，外派中层就成为连接总部和海外团队的桥梁。他们既要把总部战略翻译成海外团队能理解和执行的语言，也要把海外市场的真实反馈翻译成总部能够听懂和接受的表达。这一角色看似只是管理中间层，实际上承担了大量跨文化解释、冲突缓冲和组织翻译的工作。但外派中层所承受的压力，往往被总部低估。外派到美国后，他们可能面临更高税负和实际收入落差；由于长期远离总部，他们在关键会议、非正式沟通和内部关系网络中的存在感会逐渐下降；当海外市场出现不协调声音时，他们还要判断哪些真实问题应该上报，如何上报，以及如何避免被总部误解为“执行不力”。 Yinuo 的判断非常重要：外派中层是否被理解、支持和授权，往往直接决定一个出海项目能走多远。HR 真正需要重点扶持的，不只是最高层，也不是普通员工，而是这批夹在总部战略、本地现实和个人职业风险之间的关键角色。地缘政治正在重新定义 HR 的边界 Angela 在圆桌最后分享了一个案例。受美国《通胀削减法案》（IRA）及相关政策影响，一家公司在去年年底进行了大规模重组，将美国市场及相关东南亚供应链独立为单独实体。在这次重组中，一项让 HR 印象深刻的要求是：为了满足美国政策合规，部分高层领导岗位明确规定不能由中国籍人士担任。这意味着原有的高管任命体系、组织架构、岗位安排、招聘策略、薪酬带宽和激励机制都需要重新设计。原本由中方高管担任的关键岗位，需要寻找符合要求的人才替代；受到影响的中方高管，也需要被重新安排到其他职责中，甚至退出相关实体。这类变化并不是企业主观选择，而是宏观政策环境对组织结构的直接重塑。对于 HR 来说，挑战已经超出了传统人力资源管理范畴。HR 不再只是处理招聘、薪酬、绩效和员工关系，而必须理解政策、供应链、国籍限制、实体架构和企业长期经营之间的关系。当宏观环境变化开始直接决定谁能担任高管、组织如何设立、人才如何流动时，HR 的角色就被推到了更靠近战略决策的位置。 HR 正在成为全球化组织的风险管理者这场圆桌真正揭示的，并不只是几个具体管理问题，而是中资企业在美国市场重建组织操作系统的过程。总部战略、本地合规、商业速度、员工信任、跨文化沟通和地缘政治风险，必须被放在同一张桌子上重新设计。对 HR 来说，真正的挑战不是把国内制度翻译成英文，也不是把美国做法简单搬进企业，而是在两套商业文化和法律环境之间，建立一套能够被总部理解、被本地员工接受、同时支撑业务增长的管理机制。这也意味着，在美中资企业 HR 的角色正在发生变化。HR 不再只是行政支持者、招聘执行者或总部政策传递者，而是组织风险管理者、跨文化翻译者、合规守门人和战略落地伙伴。一个优秀的出海 HR，既要理解总部的商业意图，也要理解本地员工的信任边界；既要帮助企业保持速度，也要帮助组织建立可持续的规则；既要解决眼前问题，也要提前识别政策、合规和组织结构变化带来的长期风险。没有标准答案，只有真实选择题这场圆桌的价值，不在于给出一套统一答案，而在于呈现了在美中资企业 HR 必须面对的真实选择题：本土化做到什么程度？中国速度保留多少？总部和海外如何分权？外派中层如何被支持？不同出海模式下，HR 到底应该扮演什么角色？当地缘政治直接改变组织架构时，HR 又该如何承接？这些问题都没有简单答案。但正是因为没有标准答案，高质量的同行交流才显得格外重要。NACSHR 一直相信，专业关系的真正价值，不来自被动听讲，而来自一线 HR 之间真实经验、判断和教训的开放分享。当一群真正站在全球化业务现场的 HR 把自己的困惑、选择和踩坑经验拿出来讨论时，所有参与者都能提前看见未来可能遇到的组织挑战。 9 月 26 日，NACSHR 将在硅谷举办北美华人人力资源年度论坛。我们也期待更多来自科技、制造、新能源、跨境电商、金融、专业服务和出海企业的一线 HR、企业管理者与服务机构伙伴继续来到现场，把真实问题带上桌面，把经验连接起来，把北美华人 HR 的专业影响力持续扩大。对于正在参与全球化、服务全球化或思考全球化组织建设的 HR 来说，这不仅是一场论坛，更是一次与同行共同理解变化、建立连接和寻找答案的机会。

观点
2026年06月22日
观点

Colorado修订AI法，大幅降低雇主使用AI工具的合规义务,删除了旧版本中许多高负担要求 Colorado正式修订其人工智能法律S.B. 26-189，大幅降低雇主AI合规负担，并将生效日推迟至2027年1月1日。新版法律不再要求雇主进行impact assessments、risk management program、年度AI工具审查或向Colorado Attorney General报告歧视性结果，而是聚焦三项核心义务：使用自动化决策技术前提供清晰通知；在AI或自动化工具实质影响不利就业决定后，提供说明、更正和人工复核机制；相关记录至少保存三年。对HR来说，这意味着AI招聘、候选人筛选、绩效评估、薪酬建议等工具仍需被纳入治理，但合规重点从“全面监管”转向“关键就业决策的透明度与程序保障”。企业应尽快盘点HR技术栈，明确哪些工具可能影响雇佣、选择、资格或薪酬决定，并提前审查供应商合同与数据流程。 NACSHR观察｜AI进入HR的速度，已经远远快过企业治理能力的建设速度。招聘系统在自动筛选候选人，绩效平台在生成员工洞察，薪酬工具在给出市场建议，员工服务系统也在用AI回答越来越多的问题。但一个越来越重要的问题是：当AI参与了人的职业机会分配，谁来负责？ Colorado近期通过S.B. 26-189修订其人工智能法律，给出了一个非常值得HR关注的信号：AI监管正在从“全面、高负担、技术导向”的治理模式，转向“聚焦关键就业决策”的责任模式。换句话说，监管者并不是要阻止企业使用AI，而是要求企业在AI影响招聘、选择、资格、薪酬等重大就业决定时，必须做到可告知、可解释、可复核、可追踪。这是一种更务实的AI监管方向。新版法律将生效日推迟至2027年1月1日，同时删除了旧版本中许多高负担要求，例如impact assessments、risk management program、年度AI工具审查以及向Colorado Attorney General报告歧视性结果等。对雇主来说，这是明显的合规减负。但对HR来说，这并不是“AI可以随便用”的信号，而是提醒企业把合规资源集中到真正影响员工和候选人机会的决策环节。这也是AI时代HR治理的核心变化。过去，HR技术采购主要看效率：能不能更快筛简历？能不能减少人工操作？能不能提升匹配准确率？现在，HR必须多问一层：这个工具是否影响候选人是否进入下一轮？是否影响员工绩效判断？是否影响薪酬建议？是否影响晋升、调岗或解雇？如果答案是肯定的，这个工具就不再只是“效率工具”，而是组织决策系统的一部分。 Colorado新版AI法保留的义务非常清晰：使用前需要通知；如果自动化决策技术实质影响了不利就业决定，需要提供说明、数据更正机会和在商业上合理范围内的人工复核；相关记录至少保存三年。总结起来，就是三句话：让人知道AI在被使用，让人有机会理解和纠正结果，让企业能够证明自己的决策过程。这对HR的启发非常直接。AI不会减少HR的责任，反而会放大HR的责任。因为AI越多参与决策，企业越需要有人定义边界、解释流程、管理偏差、保护信任。真正成熟的HR组织，不是简单购买最多AI工具的组织，而是能够把AI嵌入清晰、可信、负责任的人力资本决策体系中的组织。对北美华人企业和出海企业来说，这一点尤其重要。很多企业习惯把技术当作标准化管理的捷径，但美国雇佣合规的核心始终是机会公平、程序透明和责任可追溯。一个看似普通的AI筛选、评分或推荐工具，一旦影响候选人或员工的实际机会，就可能成为合规风险点。 NACSHR认为，Colorado这次修法释放出的不是监管放松，而是监管成熟。AI合规的未来，不是禁止AI，也不是让企业被复杂流程压垮，而是推动企业回答一个更本质的问题：当AI参与人的职业命运时，组织是否仍然保持判断、责任和信任？ HR现在需要做的事情并不复杂，但必须开始。第一，盘点所有正在使用的AI和自动化决策工具；第二，识别哪些工具会影响招聘、薪酬、绩效、晋升和员工机会；第三，审查供应商合同和数据来源；第四，建立通知、复核和记录保存机制；第五，培训经理人，让他们知道AI输出不是最终决定。 AI时代，HR的价值不会来自“会用多少工具”，而是来自能否帮助组织建立可信的决策系统。Colorado新版AI法提醒我们：未来的HR合规，不只是法律问题，更是组织能力问题。

观点
2026年06月19日

观点

【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。

观点
2026年06月16日
观点

美国HR转型新范式：AI驱动的四层组织架构模型核心观点：AI对HR的冲击，远不只是工具升级，而是组织架构的彻底重构。目前，约80%的企业已经引入AI，但只有20%真正改变了工作流程。这意味着，大多数企业仍停留在“旧结构+新工具”的阶段。未来HR将呈现四大变化：第一，建立人才智能中枢，实现实时数据驱动决策；第二，以跨职能小团队取代传统HR职能分工；第三，COE转型为能力平台；第四，将人类判断集中在高价值决策领域。这一趋势意味着，HRBP角色正在被重新定义，HR部门也将从支持职能，转变为企业AI转型的核心设计者。如果一家企业从零开始设计组织，那么完全可以像 Block 在 Jack Dorsey 推动下那样，用由AI协调的智能系统替代传统层级结构。但现实情况是，大多数企业并没有重来的机会。真正困难的问题，是一家拥有数万名员工、仍在持续运转的组织，如何在不中断业务的前提下完成转型。过去25年的实践不断重复同一个结论：技术总是先行，而组织架构往往滞后。无论是在 GE 推动数字化劳动力扩展，在 IBM 管理跨170个国家的人才体系，在 Intel 参与高管继任规划，还是在 Boston Consulting Group 构建全球人才体系，这一模式始终存在。AI并没有改变这一点，只是让这种错配变得更加明显、更加紧迫。问题的本质：脱节发生在架构层，而不是应用层今天，大多数企业并不缺少AI工具。根据 McKinsey & Company 的数据，接近80%的企业已经在至少一个职能中部署AI，但只有约20%的企业真正因此重构了工作流程。工具部署与组织重组之间的脱节，成为转型难以落地的根本原因。这背后是一个结构性问题。现有的人力资源体系，是建立在信息稀缺和协同成本高昂的时代背景之上的。HRBP负责在不同层级之间传递信息，COE集中稀缺的专业能力，层级结构则用于推动决策流转。在这样的体系中，复杂性是被“管理”的对象。但在AI时代，信息获取与处理的成本几乎被消除，协同效率大幅提升。这意味着原有结构不再只是低效，而是逐渐失去存在的必要。AI不会让旧架构运行得更快，它会让旧架构变得多余。如果继续沿用这一体系，企业所获得的将只是有限的效率提升，而不是结构性的生产力跃迁。行业信号：HR职能正在被重写这一趋势已经在多个维度上显现出来。Josh Bersin 的研究指出，人力资源领域将出现超过100种AI agent应用，并预测传统HR岗位可能减少约30%。与此同时，Society for Human Resource Management 的数据显示，92%的CHRO预计AI将在短期内进一步融入人力资源管理。这意味着，人力资源职能的重构已经开始。关键差异不在于是否发生，而在于企业是否主动设计这一转型路径。新的蓝图：以智能、成果与判断为核心的四层结构未来的人力资源组织，不会是现有结构的扁平化版本，而是一套完全不同的体系。这一体系围绕四个层面展开。第一层是劳动力智能核心。这是整个体系的基础，也是大多数企业目前缺失的能力。它是一个持续更新的人才数据模型，能够实时反映组织中的技能结构、能力缺口、流失风险以及潜在需求。它整合绩效、学习、流动性、招聘速度和市场数据，将这些信号转化为可执行的情报。这一层通常由一个精简的技术团队负责，由数据科学家、劳动力经济学家和AI架构师组成，直接服务于业务决策。第二层是成果导向团队。传统按职能划分的HR结构，将责任分散在多个部门之间，而新的结构以“结果”为核心进行组织。由5到8人组成的跨职能团队，围绕具体业务问题进行端到端负责。例如，新员工生产力团队负责从录用到绩效达标的全过程，关键技能团队负责战略技能的建设与保留，领导力梯队团队负责继任体系建设，AI准备团队负责组织与AI协同能力。这种模式消除了频繁交接带来的效率损耗，也重新定义了责任归属。在这一体系下，传统HRBP角色将被重新定义。过去由HRBP承担的信息传递与协调工作，将由数据系统和团队机制替代。该角色要么转型为真正承担业务责任的团队负责人，要么成为具备战略决策能力的高级顾问。第三层是平台化的COE。COE不会消失，但其角色将发生根本变化。在过去，COE集中专业能力并直接参与执行，而在AI环境下，这些能力可以被系统化。COE将转型为能力平台，负责制定标准、构建工具、控制质量，并赋能各个团队执行，而不是亲自执行。这一转变的关键，在于从“服务提供者”转向“平台构建者”。第四层是人类判断。AI可以承担协调、分析和流程自动化，但无法替代人类在伦理判断、高风险决策、文化塑造以及复杂情境中的作用。未来的HR领导者，将从行政协调中解放出来，专注于这些关键领域。未来的CHRO需要具备新的能力结构，包括对劳动力智能的战略设计能力，对AI治理的边界把控能力，对组织文化与信任机制的构建能力，以及对企业整体AI转型的领导能力。如何开始：从架构入手，而不是工具没有企业能够在短时间内彻底重构人力资源体系，但转型的起点至关重要。应优先构建劳动力智能核心，围绕三到五个最关键的业务问题建立数据能力。在此基础上，选择一个结果最明确、跨部门阻力最大的场景，试点成果导向团队，通过实际业务结果验证新模式，并逐步扩展。真正的转型，从来不是从工具开始，而是从架构设计开始。现实的提醒：AI会放大一切 Gartner 的研究显示，仅有47%的HR负责人认为企业文化能够有效驱动绩效。这意味着，大多数组织在引入AI之前，其基础已经存在问题。在这种情况下，AI不会成为修复工具，而会成为放大器。那些仅仅为员工提供AI工具，却不改变组织方式的企业，可能只会经历短暂的效率提升，然后迅速停滞。而那些重新设计协同机制、决策流程以及人机分工边界的企业，才可能实现持续增长。结语：在运行中重建，而不是等待重来层级结构本质上是为信息传递而存在，而AI已经改变了信息流动的方式。但企业无法停下来重新设计一切，只能在既有体系中逐步构建新的结构。这需要清晰的方向，也需要拆除旧结构的决心，更需要时间去建立信任。这一次的变化不同于以往，但前提是，组织必须明确自己要走向何处。

观点
2026年04月28日
观点

德勤美国业务削减后台员工福利：一场针对“Center岗位”的价值重定价实验核心摘要：德勤美国公司最近的一项内部调整，引发了HR行业的高度关注。公司将对“Center”岗位员工削减福利，包括产假从16周降至8周、PTO减少、取消5万美元试管与收养补贴、养老金冻结，2027年起执行。关键在于，这一政策只针对后台支持职能（行政、IT、财务），而Core等创收岗位完全不受影响。在357亿美元收入、同比增长8%的背景下，这并不是简单的降本，而是一次“劳动力重定价”。另外德勤2026年推出的四层人才架构（Center/Core/Project/Domain），正在成为一种新范式：不同岗位不再享有同等福利，而是根据其战略价值与AI替代风险进行差异化定价。在北美人力资源领域，咨询公司的一举一动往往具有风向标意义。近期，Deloitte 宣布对其美国部分员工福利进行结构性调整，引发业内广泛关注。从表面看，这是一次针对特定人群的福利削减；但从更深层来看，这更像是一次围绕“岗位价值重构”的组织实验。一、事实层面：福利削减与组织分层同步推进根据多家媒体披露的信息，德勤将对其“Center”岗位员工实施一系列福利调整，具体包括：将产假从16周缩短至8周，减少最多10天带薪休假（PTO），取消此前最高5万美元的试管婴儿（IVF）与收养补贴，同时冻结养老金的后续累积。上述调整将于2027年1月正式生效。值得注意的是，这一系列变化并非覆盖全员，而是仅针对“Center”这一类岗位。该类别主要包括行政支持、IT支持以及财务等后台职能。与此同时，公司内部其他三类岗位——Core、Project与Domain——将继续维持现有福利体系，不受此次政策影响。这一差异化调整，与德勤在2026年初推出的新型人才架构密切相关。该架构将员工划分为四类：Center（支持职能）、Core（核心创收岗位）、Project（项目型资源）以及Domain（专业能力域）。从目前执行情况来看，福利调整正是围绕这一结构展开，并在不同层级之间形成明显区隔。从财务背景来看，德勤并未处于业绩承压状态。公开数据显示，公司上一财年实现约357亿美元收入，同比增长约8%。因此，此次调整并非典型意义上的“危机应对”，而更接近于主动性的结构优化。二、分析层面：从福利调整到“岗位价值重定价” 如果仅将这一事件理解为成本削减，容易忽略其更深层的逻辑。事实上，德勤所做的，是将“员工价值”从一个相对统一的概念，转化为一个按岗位分层、按价值定价的体系。首先，这一变化体现出企业对不同岗位“战略重要性”的重新评估。在新架构下，Core岗位被视为直接创造收入的关键资源，其福利与激励体系保持稳定；而Center岗位则被定义为支持性职能，其成本结构开始被重新审视。这种区分，本质上是将“是否直接贡献收入”作为福利配置的重要依据。其次，这种调整与当前AI技术发展背景密切相关。后台支持类岗位——如行政处理、基础IT支持、部分财务流程——正是自动化与AI最容易切入的领域。在这种情况下，企业往往不会立即通过裁员来调整，而是先通过压缩整体薪酬与福利结构，实现“软性重定价”。换言之，AI带来的第一步变化，不一定是“减少人”，而是“改变人值多少钱”。再次，这一做法与德勤自身的人力资本咨询业务形成高度呼应。其对外提供的“AI Workforce Evolution”等解决方案，本质上就是通过分析岗位任务结构，识别自动化潜力，并据此重新设计组织规模与成本结构。从这个角度看，德勤此次调整，可以视为将其咨询方法论在自身组织中的落地实践。三、行业意义：从“统一福利”走向“分层配置” 更值得关注的是，这一事件可能带来的行业外溢效应。长期以来，许多企业在福利设计上强调“公平与一致”，即同一公司内部员工在福利层面享有较高程度的统一性。然而，随着劳动力市场环境变化以及AI对岗位结构的影响，这种模式正在发生转变。企业开始更多地思考：不同岗位是否应当享有相同的福利？福利是否应当成为岗位价值的一部分，而非企业文化的统一体现？在这一背景下，德勤的做法提供了一个清晰样本：在同一组织内部，通过明确的岗位分层，将福利、薪酬与岗位价值直接绑定。这种模式一旦被更多大型企业采纳，可能会推动HR管理从“普惠式福利体系”向“差异化配置体系”转型。对于北美华人HR群体而言，这一变化具有现实意义。一方面，在企业内部推动类似分层策略时，HR需要具备更强的解释与沟通能力，能够清晰说明不同岗位之间差异化配置的逻辑；另一方面，在人才吸引与保留层面，也需要重新思考如何在分层体系下维持组织凝聚力与雇主品牌。四、一个正在展开的结构性变化总体来看，德勤此次福利调整并非孤立事件，而是当前劳动力市场与技术变革叠加背景下的一次典型反映。它所揭示的，不只是企业如何控制成本，更是企业如何在新的生产函数中重新定义“人”的价值。对于HR而言，这一变化的核心挑战不在于是否削减福利，而在于如何在一个分层化的体系中，建立既具效率又具可持续性的组织模型。这一问题，或将成为未来几年人力资源管理的关键议题之一。你怎么看？

观点
2026年04月24日
观点

HR的AI成熟度，分四层十二阶，你在哪一层 HR的AI成熟度，分四层十二阶，你在哪一层讨论HR和AI的文章很多，但大多数都在回答同一个问题：AI能帮HR做什么。写JD、优化面试流程、分析员工数据、自动回复候选人……这些场景并不难想象，工具也越来越多。但有一个问题很少有人认真回答：在使用AI这件事上，HR和HR之间的差距，到底是怎么形成的？同样是用AI，有人用了一年，工作方式基本没变；有人用了三个月，已经开始用AI重新设计自己的工作流程。差距不是在工具上，而是在能力的成熟度上。为什么需要一套成熟度框架大多数人评估自己的AI能力，靠的是感觉。"我用AI挺多的""我基本每天都在用""我觉得自己算会用的"。这些判断本身没有错，但它们无法告诉你：你现在在哪里，你和更高阶段的人差在哪里，你下一步最应该做什么。没有参照系，就没有清晰的成长路径。这是HR AI Forward Maturity Framework 存在的原因——不是为了给人贴标签，而是为了让能力的发展变得可见、可判断、可推进。这套框架把HR的AI能力分成四个层级，每个层级下再细分三个阶段，共四级十二阶。层级回答的是"你主要处在什么状态"，阶段回答的是"你在这个状态里发展到了哪一步"。 L0：Traditional HR，事务型HR 这个层级的核心特征不是排斥AI，而是AI尚未真正进入工作方式。使用者可能听说过AI，也可能零散试过，但整体工作依然以传统做法为主——经验驱动、流程驱动、人工执行。 L0下分三个阶段：第一阶段是Manual HR，几乎所有工作都依赖人工完成，AI还没有进入日常；第二阶段是AI-Curious HR，已经意识到AI的重要性，开始关注和了解，但还没有真正用起来；第三阶段是Early Trial HR，已经做过一些零散尝试，但使用频率低、方法不稳定，还没有形成任何习惯。 L1：AI-Enabled HR，工具型HR AI已经进入工作，但以个人提效工具的身份存在。使用者能借助AI处理部分任务，效率有提升，但工作逻辑本身没有发生明显变化。这是目前大多数在认真使用AI的HR所处的层级。 L1的三个阶段分别是：Tool Starter，已经在个别任务中用过AI，但多为临时调用，缺乏持续性；Tool User，已经在多个任务中使用AI，开始形成基本习惯，但使用仍以提效为主；Structured User，开始积累模板和复用意识，使用更有结构，但仍主要以个人工具使用为中心。 L2：AI-Ready HR，能力型HR 这是整个框架中最关键的分水岭。AI已稳定进入工作方式，并开始形成可复用、可迁移、可持续的能力体系。使用者不再只是借助AI完成具体任务，而是开始用AI建立一种新的工作方式。 L2的三个阶段是：Workflow Adopter，AI已经固定进入至少一个工作动作或流程，不再只是偶尔试用；Capability Builder，开始在多个场景中形成方法迁移和结构复用，能力在持续沉淀；Ready Practitioner，AI已稳定进入多个工作场景，能够持续支撑分析、决策、表达与交付。 L3：AI-Native HR，系统型HR AI开始驱动流程、系统与工作结构运行。使用者不再只是AI工具的使用者，而是进入了更高层级的系统设计、自动化运营或组织推动阶段。 L3的三个阶段分别是：System Explorer，开始搭建更复杂的自动化或AI协同结构；System Operator，多个自动化场景已进入运行阶段，能够维护和优化AI驱动的流程；Native Leader，能够推动团队或组织层面的工作方式重构，具备明显的引领性。真正拉开差距的，是L1到L2这一步很多人会觉得，从L0到L1的跨越最重要——毕竟从"不用AI"到"开始用AI"，是一个明显的变化。但实际上，这一步在当前阶段已经越来越容易实现，工具够用，场景够多，只需要一点点动力。真正拉开差距的，是从L1到L2。从"会用AI"走向"具备AI时代工作能力"——这个跨越，不是靠更多工具、更多时间、更多尝试，而是靠一次工作方式上的结构性转变。这也是为什么很多人用了很久AI，却始终觉得"好像没什么变化"——因为他们一直在L1，还没有完成这次转变。知道自己在哪里，是成长的第一步。HR AI Forward 的AI能力评测基于这套框架设计，26道题，10到15分钟，给你一个关于当前位置的清晰判断，以及最值得优先突破的方向。 ? forward.hrtechchina.com

观点
2026年04月11日
观点

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。

观点
2026年04月07日

12 3 4 5 》 20 跳转至

订阅NACSHR周报

HR Jobs