AI拐点：HR要做什么不要做什么？-盖雅工厂

2026专题研讨洞察报告02期02期5位深度参与AI落地实践的HR、信息化及业务负责人倾情分享排名不分先后︐按姓名首字母顺序排序排名不分先后︐按姓名首字母顺序排序作者简介Gaiaworks盖雅工场盖雅工场专注于解决企业在劳动用工方面的四大问题：「需要多用科技手段预测劳动力需求并排班，优化调度劳动力安排并补充灵活劳动力，管理多样化劳动力队伍的出勤与时间，分析并目前，盖雅工场的客户分布在全球34个国家与地区，每天，全球1,800余家客户的700余万员工使用盖雅提供的实时考勤、智更多信息请访问GaiaW或拨打400-629-6868。人效研究院的顾问专家团队由各行业的管理者和专业研究学者共同组成，通过研究、交流与专业服务，不断为组织提供实用盖雅盖雅AIAgentLayer盖雅AI智能体套件时间智能体技能智能体动能智能体人效ChatBI盖雅AgentPlatform咨询与培训服务AI驱动的SaaS平台服务持续运营服务提升员工动能01激励性薪酬02人效洞察03激励即时支付需要多少人?优化人力配置01人力规划云02智能排班云03技能发展云实际多少人?减少工时浪费01实时考勤云02精益工时云人效诊断人效管理体系建设人效行动落地改善用工结构01零工管家云全连接开放生态·第三方系统级联高可用技术基石·云原生架构·分布式计算·数据中台·零信任安全体系敏捷企业级底座·PaaS租户管理·规则与工作流引擎·主数据·与权限治理系统托管运营招聘与岗位外包任务编排|能力调用|记忆上下文|权限治理|审计留痕|可观测性企业级平台底座与开放生态企业自建AI智能体员工服务台某全球高端营养及健康连锁零售企业4000人4小时覆盖18个国家的4000人4小时覆盖18个国家的平均每周减少工时平均每周减少工时运营效率提升运营效率提升人效人效提升某全球知名手机品牌人为质量事件某全球知名手机品牌人为质量事件50%主动离职率50%人员冗余率6.6%6600万节约成本约扫码领取《精益人效提升指南》人效共识、指标及提升提升策略•人效成熟度自测•「我的人效痛点和期待」•人效提升策略•开启你的人效行动•课程价值回顾及分享•未来三个月的人效管理行动清单扫码免费报名以上内容最终解释权归盖雅工场所有。一个角色的倒转03个体效率如何转化为组织效率12AI行动指南与常见误区超级个体与硅基员工的管理数字员工不是小助理：定义与管理逻辑10人不仅是成本，更是资源232025年底，新一代智能体技术密集涌现。它不像过去几次大模型迭代那样，在技术圈引发讨论后再缓缓传导至企业管理层。这一次，员工自己先在私人设备上悄悄用起来了。然后老板在朋友圈看见了，在饭局上听说了，在自己亲手操作后被震撼了。于是问题从顶层直接砸下来：我们的HR和IT，在做过去，HR信息化团队一直扮演"翻译官"的角色，把新技术的可能性翻译成老板能理解的语言，再争取预算、推动落地。而现在，老板已经不需要翻译一个位置：不是去解释AI是什么，而是要回答我们面对这个命题，企业的真实处境远比外部的讨论复杂。有人已经部署了问答机器人，但降本效果不明显；有人在内部推广智能体培训，但安全合规还没跟上；有的老板已经拍板要把HR与IT合并，成立"组织效率部"，但新部门的KPI和边界还在摸索。大家都在用自己的方式向前探。为此，盖雅工场邀请了四位深度参与AI落地实践的HR与人力信息化负责人，围绕"AI拐点已至，HR要他们分别来自零售、制造、能源管理等行业，横跨HR一号位与人力信息化负责人两类角色，有人已在组织内部主导百人以上的智能体培训，有人长期深？？•正在焦虑的HR，容易陷入哪些误区，又该从哪里针对这些命题，四位嘉宾从各自的视角出发，给出了和而不同的答案。我们选择尽可能完整地保留这些真诚、犀利且来自一线的实战洞察。希望这些来•新一代智能体技术让"企业落地"从可能性变成了紧迫性，但安全合规的现实门槛，让大多数企业仍卡在起从"HR主动探索"到"老板点名要求"：一个角色的倒转HR信息化团队发现新技术，评估可行性，再向管理层汇报，争取预算、推动试点。在这套流程里，老板始终是被动接受方，他关注的是"有没有用"、"要花多少钱"，至于技术本身是什么，交给专业团队去这个逻辑，在2025年底开始发生根本性的改变。改变的触发点，不是某一项技术的发布，而是技术的普及方式。新一代智能体工具出现后，它的传播路径绕过了企业的IT管理体系，员工在自己家里的电脑上装好，在自己的手机上试用，随后带着亲身体验回到工位上。老板在朋友圈、在同行饭局上了解后，自己亲手操作后被震撼到了。这一次，他不需要等IT团队来汇报，他已经先于组织感受到了这项技术的冲击力。于是，沟通的方向倒过来了。以往每次技术迭代，都是IT去找老板，告知"现在有这么个新东西"；但这一次，是老板主动找HR和IT，问的是："听说人家都在用，你们有什么想法？"对这个转变描述得非常具体。他所在的企业信息化落地，但这些推进，本质上都是"自下而上"的，即HR和IT发现机会，向上申请资源。而当新一代智能体工具出圈之后，老板开始主动问起：员工们都在私下用，公司层面应该怎么看？我们什么时候能有企业级的方案？这种发问，既是期待，也是一种隐性的时间压力。另一位来自零售行业的HR一号位，则更直接地承接一方面，老板笃信AI是企业实现弯道超车、超越同行的战略机遇，如果能比对手更早用好这项技术，未来的竞争优势将是决定性的；另一方面，他对数据安全心里没底，对具体的落地路径也没有清晰的图谱。找不到标杆，也想不清楚方向，于是老板很可能就把压力传下去，组建一个新部门，告诉HR一号位，你来研究，你来推。这两种触发方式，在今天的企业中同时存在。但我们也观察到第三种状态——既没有被老板追问，也没有等待外部触发，而是从2023年就开始主动布局的团队。有嘉宾所在的企业，早在ChatGPT刚推出时便与头部科技公司展开合作，引入企业级AI工具，并在DeepSeek、更新一代模型发布后持续跟进；到2026年，已经能够在公司内部主导百人以上规模的智能体培训，在人力团队内部形成了有一定规模的实践积累。这种"主动推"的底气，来自IT背景与HR职能的复合型经历，也来自对技术趋势长这三种路径——被老板追问、承接压力、主动布局——所折射出的，是不同企业在AI时代准备程度避的现实：AI已经不再只是HR信息化条线内部的技术议题，它已经进入老板的战略视野。HR对这一命题的回应速度与质量，将在很大程度上决定它在接为什么这次不一样提到AI对HR的冲击，很多人首先想到的，还是过去两年已经被广泛讨论的那些场景：用大模型写招聘这些应用确实存在，也确实在一些企业落了地，但坦率而言，它们并没有带来外界预期中那种颠覆式在这次访谈的企业中，有IT团队专门做了一个内部演示，目的就是打破团队内部对这项技术能力的怀疑：完全不写一行代码，只靠自然语言描述需求，能力的复杂应用。"这次不一样了"，这是参与者事一位嘉宾直接说出了这个判断：他所在企业部署的动回答的占比还处于推广阶段，"还没看到降本增效的明显效果"。这并非个例。过去两三年里，大多数企业的AI落地，更接近于"在原有流程上叠加一个辅助工具"，而非重构流程。效率有所提升，但幅度有但新一代智能体技术的出现，让这个判断开始动新一代智能体工具强大，但它的数据流向、调用权限、操作边界，都还没有形成企业级的安全管理标准。不少企业的IT部门，第一反应是直接禁止安装。于是出现了一个颇为吊诡的局面：员工知道这个工具能大幅提升效率，在自己家里的设备上用得飞起，但一回到工位，就只能放弃。私人场景里已经验证的生产力，在企业场景里暂时无法释放。核心的变化，在于智能体从"回答问题"升级为"执行你问，它答，但最终的操作还是由人来完成。而新操作系统、串联流程。它不只是告诉你该怎么做，它直接去做了。这意味着，原本需要人来点击、填写、审核、提交的大量后台流程，在技术层面已经技术的可能性，已经被老板和员工都看见了；但企业内部的合规体系、安全标准、平台选型，还没有跟上这个速度。所有人都知道这辆车能跑多快，但路还没修好。于是压力积聚，并不可避免地传导给了HR和IT，你们什么时候能给我们一个可以放心用超级个体与硅基员工的管理•超级个体已经在组织中自发涌现，但大多数企业既没有机制识别他们，也没有体系承接他们释放出来的能•数字员工的管理是HR在AI时代面临的全新命题——它不是"每人配一个小助理"，而是一种需要被定义、被•AI-BP等新角色正在从实践中自发涌现，HR若能主动承接这类人才的定义与培育，将在这轮组织重构中找HR与IT合并为组织效率部，一个激进的答案近期，微软用一次内部架构调整，向整个企业界前在微软这次HR组织重构中，最具前瞻性的是部人才流动、劳动力规划与"人机协作设计"统一纳入HR职责范畴。这意味着，如何让员工与AI协同高效工作，从此正式成为HR要回答的核心命题，而不再是IT或产品团队的边界问题。这一模块的设立，本质上是在宣告：未来组织的竞争力，不只取决于招到多少人、留住多少人，更取决于人与AI系统能否被系统性地设计成一个高效协同的整体。▎组织效率部面对这种技术压力与组织压力的双重叠加，我们在研讨中也观察到了一家企业在组织变革层面的回应：将HR部门与IT部门合并，成立"组织效率部"。在他们看来，人力资源本质上是组织中可被调度的资源：你雇一个人，他用时间和能力为你干活，你为此付工资。而AI智能体，本质上做的是同一件智能体用能力为你完成任务。在这个逻辑下，智能体其实也是一种"人力资源"，只不过是硅基的，而非碳基的。既然如此，管理碳基人力的HR，和管理硅基系统的IT，为什么还要分开？那就把两者合这位嘉宾坦诚地描述了当时的情境："老板觉得这件事是战略级别的，但他在外部找不到可以对标的成熟案例，自己也还没有想清楚具体的方向。他能做的，是把信任和压力同时给到我，让我去摸索、去状态，方向是清晰的，但地图还在绘制中，而绘制这张图的任务，往往被交到了那个被认为相对靠谱组织效率部的成立，带来的不只是架构上的变化，更是评价逻辑的重构。在这个新部门的框架下，K不再只是人力成本控制在多少，而是人力成本与IT成本的总和；目标也不再只是少用几个人，而是用人与用机器的最优组合，实现整体运作效率的最大须同时考虑"这件事是招人来做，还是搭一个智能体当然，并非所有企业都认同这种合并的路径。我们也观察到另一种更为渐进的思路：不是把整个IT并入HR，而是从IT的职能中，单独剥离出"数字员工管理"这一模块，纳入人力资源体系，同时在IT团队内部保留核心的技术开发能力。这种方式的逻辑是：人力资源管理的对象，从"只有碳基员工"扩展到"碳基员工+硅基员工"；但IT团队中写代码、做系与此同时，在外部的一些领先企业中，另一种组织形态正在出现：AI卓越中心。这类机构的核心配把各业务线的需求，转化为AI可以理解和执行的任务语言；另一类是数据工程师和开发工程师，负责智能体的构建、维护与迭代。当卓越中心具备了足就像过去HRBP嵌入业务部门一样，未来可能出现的是AI-BP：一个同时懂业务逻辑和AI工具的复合型角色，专门协助业务线用AI重塑工作方式、提升中心也罢，三种探索路径各有侧重，但指向的是同一个底层问题：在AI时代，"管人"这件事的边界在哪里？什么叫"员工"？什么叫"人力资源"？这些曾经不需要被追问的概念，正在被这场技术变革逼着AI-BP与AI卓越中心：新角色的诞生当一家企业的内部AI探索积累到一定程度，会自然产生一个问题：技术团队里有那么几个人，已经深度掌握了AI工具的开发和应用能力，他们做出来的东西对业务很有价值。于是，各个业务部门开始主动找他们，不是提技术需求，而是说"我这边有个问题，你们能不能帮我用AI解决"。这些技术高手的时间被争抢，他们无法同时服务所有人，组织效率产生了新的瓶颈。▎AI卓越中心其核心逻辑是：与其让每个业务团队自己摸索、与其让少数几个AI高手疲于奔命，不如建立一个专门的能力中台，集中培育AI应用能力，再系统性地向各业务线输出支持。已经有企业正计划借助新一代AI能力，对其核心业链预测准确率提升30%。从替代HR的重复性事务，到优化企业核心的业务决策链条，这才是AI对组织那如何搭建AI卓越中心？它的核心人才配置又是什么呢？在我们观察到的案例中，通常围绕两类角色AI翻译官，是连接业务与技术的关键节点。他们的核心能力，不是写代码，而是"翻译"——把业务部门模糊的需求（"我希望这个流程能快一点"、"能不能让这件事不用人做"），转化为AI可以理解和执行的精确任务描述。这个翻译的过程，需要对业务逻辑有深度理解，同时对AI工具的能力边界有清晰认知——既不高估AI能做到什么，也不低估它在特定AI开发工程师，是将翻译好的需求实际构建出来的角色。在新一代开发工具的支持下，这个角色的工作方式已经发生了显著变化——大量的代码生成、调试、迭代工作可以由AI辅助完成，工程师更多承担的是架构设计、质量把控和场景判断的职责。▎AI-BP当卓越中心建立起来并具备一定规模后，它就需要向各业务线派驻支持，这个派驻的角色，就是AI-BP。类比HR领域已经成熟的HRBP模式，AI-BP嵌入到具体的业务团队中，帮助业务负责人识别哪些流程可以用AI优化、哪些场景可以引入数字员工、团队成员需要什么样的AI能力培训。他是卓越中心与业务前线之间的桥梁，也是AI时代组织效率提升的最后一公里。"各个业务线已经在主动找技术中台团队，要这样的首先，AI-BP是当前市场上最稀缺、也最难被现有评价体系所识别的人才类型。他既不是纯粹的技术岗，也不是传统意义上的业务岗，他是一个跨越两种语言的复合型角色。如何定义这个岗位的任职资格、如何在内部识别和培养这类人才、如何设计他其次，卓越中心的建设，本质上是在组织内部重新分配AI能力的生产和消费关系。过去，AI能力的生产（开发和搭建）和消费（使用）是分散的，每个团队各自为政；卓越中心将生产端集中化，提升规模效应，同时通过AI-BP将能力系统性地输送到消系的设计，还是激励机制的配套，还是组织文化的因此，AI时代的HR，要同时管理正在涌现的新型人这些人通常对AI工具有天然的好奇心，愿意花时间去钻研，并且已经在自己的工作场景里用出了真实的效果。他们的本职工作完成得更快、质量更高。▎用AI最深的人，反而不是最轻松的人下来的状态。这是一个颇为吊诡的现象：用AI最深这背后其实有两层含义，值得深思。其一，这些人用AI不只是为了把手头的工作做完，他们在用AI探索新的可能性，在自己的能力边界上不断向外推；其二，他们释放出来的那部分生产力，目前并没有一套组织机制来承接和引导，他们在用自己的热情驱动探索，而组织在这个过程中基本是缺席的。因此，从HR政策的角度，怎么鼓励这些人继续发展，同时让他们的能力在整个公司形成扩散效应，这是我们正在面对的真实课题。问题的核心，不是超级个体"有没有"，而是组织能不能看见他们、用好他们。在我们访谈到的企业中，超级个体的出现，往往不是被培养出来的，而是自己冒出来的。"这类人的存在是隐性的：他们没有特别的头衔，没有专项的激励，他们的AI能力也没有被纳入任何正式的绩效或晋升评估体系。他们存在，但对组织来说是不可见的。"▎AIMVP社区平台我们在研讨中探讨的一个方向，是通过构建一套"AI第一个模块是任务交换系统。公司内任何人都在平台上发布一个任务，说明"这件事我认为AI可以帮我完成"，并设置相应的积分悬赏；全公司具备AI能力的人可以自由接单，用自己的技能完成任务，换取积分奖励，积分可以在公司内部兑换福利或资源。谁接了多少单、完成质量怎样、覆盖了哪些业务场景——这些数据会自然地勾勒出组织内超级个体的分布图谱，让AI能力从隐性走向显性。第二个模块是超级个体培育系统。员工在平台上接单的过程，本身就是AI能力训练的过程。接单越多、场景越复杂，AI技能训练得越扎实，朝超级个体方向发展的路径也就越清晰。平台让超级个体的成长有了可见的轨迹，而不是停留在各自闷头探索、组织无从发现的状态。第三个模块是数字员工管理系统。当组织内的智能体积累到一定数量，如何区分"个人小助理"和"真正如何为数字员工申请和上线建立流程——这些管理需求，都可以通过这个平台来承载和实现。这套三合一平台的底层逻辑，是让人的管理与硅基员工的管理在同一个体系内实现统一可视。它回应的，正是许多管理者面对AI时最核心的困惑：我们到底有多少AI能力在组织里，它们在哪里，发挥了▎AI用的怎么样？三个观测指标这套思路，也与某家企业管理层设定的三个AI核心观测指标高度呼应：①公司内超级个体的数量；②数字人（硅基员工）的数量；③被Al改变的内部流块所要可视化的内容：人的AI能力成长、硅基员工的规模与质量、以及AI对组织运作方式的实质性改变。值得注意的是，这三个指标应作为管理层的"观测指标"来使用，而非直接下达给各团队作为KPl考核。一旦变成硬性指标，各团队很容易为了完成数当然，这套机制要真正运转，前提是组织文化允许员工在本职工作之外的事情上花时间。这又回到了一个更根本的问题：企业是否真的鼓励员工用提效节省出来的时间去探索，而不是立刻用它来填补更多的任务。这个问题我们将在第四章节深入探讨。定义与管理逻辑在这一章节的最后，我们想澄清一个：智能体和数字员工，是同一件事吗？许多企业在推进AI应用时，会让每个团队、甚至每个员工都去搭自己的智能体，用来处理自己工作中的某个具体任务。这没有任何问题，这是AI落地最自然的起点。但当管理层开始问"我们现在有多少个数字员工"的时候，如果把这些个人助理型智能体都算进去，得出的数字会非常好看，但它对组织的实际意义极为有限。我们认为，判断一个智能体是否构成"数字员工"，有一个清晰的标准：它的服务对象是个人，还是组如果一个智能体只能帮它的创建者一个人解决问题——比如帮他整理会议纪要、按他的风格写邮件、提醒他明天的日程——那它是这个人的生产力工具，是他能力的延伸，但不是公司的员工。它的"但如果一个智能体能够被全公司相当比例的人使用、能够独立承担一类标准化的工作任务、有清晰的输入输出规范、能够被质量评估和持续优化——那它才有资格被称为"数字员工"或"硅基人"。它的"在岗"状态影响的是整个组织的运转效率，它的"能数字员工，则需要被纳入组织的人力资源管理体系：它需要被"招募"（立项和需求评估）、被"入职"（开发和测试上线）、被"考核"（使用率、任务完成质量、成本效益）、被"晋升"（能力迭代和场景扩展），甚至在某些情况下需要被"离职"（下线或替换）。技术团队未来最核心的职责之一，将不只是维护系统，而是生产和制造数字员工。在实际操作层面，这套逻辑意味着一个全新的流程将出现在组织中：当业务团队提出人力需求时，他们面临的选择将不再只是"招人还是不招"，而是"招碳基员工，还是申请一个硅基员工（数字员工）"。两条路径对应不同的审批流程、不同的资源消耗、不同的交付周期和不同的考核标准。能够清晰区分这两类需求、并为每类需求设计合理的管理流程，么写——它的职责范围是什么、它能处理的任务边一个HR的日常动作，但放在AI的背景下，它意味着•AI与以往工具最本质的不同，不是它更快，而是它能扩展一个人的能力边界，让知识壁垒变•个体效率如何转化为组织效率，是当前AI落地中最普遍存在、却最少被正面讨论的哪些见效、哪些还没有讨论AI对HR的影响，有一个诱惑是很容易陷进去的：拿着那些最震撼的演示案例、最极端的替代预言，去描绘一幅颠覆已至的图景。但在与嘉宾的深度交流中，我们看到的，是一幅远比这更朴素、更有颗粒感的真实图景。▎AI运用最多的4个场景个人助理型智能体，是目前上手门槛最低、使用最在我们访谈的嘉宾中，有人在用AI整理每周会议纪要、提前准备发言稿；有人让智能体按照自己的写作风格生成文稿，改一遍就能用；有人在汇报前先把材料喂给智能体，让它从老板的视角提出质疑，再针对性地完善方案。其中有一个细节值得单独说。有嘉宾搭建了一个高度个人化的智能体：它不只知道他在问什么，还知道他是谁——他的岗位职责、他正在推进的项目、他所在行业的背景。因此，当他提出一个问题时，智能体给出的回答，会自动带入这些背景进行意图识别，考虑到他可能忽略的维度，给出比他自己想数据辅助决策，是目前落地最为扎实的方向之一。这个变化看起来不性感，但对HR的日常工作影响意去看数据、用数据做判断的习惯与动机。大量的仪表盘和报表，以图表的形式存在，但真正被用于决策的比例并不高。有了AI之后，枯燥的数字和表格，可以被转化为可读性强、带有解读角度的自然语言描述。这个变化让管理者愿意看了、看得懂了，数据驱动决策的频率随之提升。这是一种"提质"而非"降本"的效果——业务的敏锐度提高了，但外部信息获取类智能体，在当前阶段被认为是最容易规模化推广的方向。因为它不涉及企业内部数据，安全边界天然较小，无需等待合规审批就能上线使用。政策解读、薪酬市场报告分析、竞争对手人才动态追踪、行业趋势研究，这类信息消费量大、时间成本高，非常适合用智能体来处理。例如，每周自动接收一份人力数字化方向的趋势简报，由智能体完成信息收集、筛选和摘要，他只需花十分钟阅读，就能保持对行业动态的持续感知。业务流程自动化，是最具长期潜力、但当前落地速度最慢的方向。HR流程自动化并不是新概念年前，RPA就已经在做类似的事，并且在减少重复性操作上取得了相对明显的效果。而AI智能体的加入，理论上能将自动化能力从"结构化、规则明确的流程"延伸到"需要理解上下文、做出判断的流程"，招聘环节，是目前相对成熟的切入点。有企业已将AI与头部招聘平台打通，实现了24小时不间断的简历自动接收与初步筛选，招聘响应效率相较以往提升约三倍。但嘉宾也指出，从自动收简历，到AI完成面试邀约，再到全流程无人介入地完成招聘决策——这条路还有很长，它需要大量的数据积累、规则优化，以及对候选人体验和用工合规的系统性考量。全流程自动化是可以预见的方向。▎HR与AI协作关系演进的四个层次这四个方向，其实也对应着HR与AI协作关系演进的人获取外部世界"，AI扩展人的信息触达范围；第四链。当前大多数企业正处于第一层到第二层之间，理解这个层次结构，有助于HR团队对自身的AI建设在AI指标的设计上，有企业已经摸索出一套值得参一条轨道面向组织，要求集团层面至少构建10个具备实际价值的数字员工智能体，考核标准是"折算节省人头数"，一个智能体一年能替代多少人工工时，折算成人头数直接纳入经营考核。另一条轨道面向个人，鼓励每一位员工接触和使用AI，哪怕只是向AI问了一个问题，也算完成了一次场景尝试。这条轨道的目标不是考核结果，而是降低门槛、培育习提效vs提质：AI更擅长哪一种高的词——节省多少时间、减少多少人力、降低多少成本。这个框架并没有错，但我们认为，它遮蔽▎AI在"提质"方面的价值更显著理解这个判断，需要先想清楚AI和以往工具的真正都是效率提升的事——让重复性的操作变快，让固定规则下的流程自动运行。这些工具很有价值，但AI的不同之处，在于它能打破专业壁垒，扩展一个原来只会写代码的工程师，有了AI的辅助，开始能够独立完成产品需求的梳理，甚至参与到用户体验的设计讨论中；产品经理借助AI，可以直接生成演示原型，不再需要每次都等开发资源；售前顾问能够快速理解技术方案的底层逻辑，在客户面前的表达更有深度。"这种知识平权，才是AI和以往所有工具最本质的不同。"它不只是让你做得更快，而是让你能做原本做不了的事。量化，但并不难感知。有嘉宾提到，AI的介入让他在准备重要汇报时，思考的维度更全面——因为他不同视角提出质疑，再针对性地完善。这个过程本身不一定节省了太多时间，但最终输出的质量明显更高，也更能经受追问。汇报质量的提升，比"少花了两小时"更有价值，但这种价值很难出现在效率统这个判断，对于HR如何向管理层汇报AI落地的价值，也有直接的启示意义。如果只用"节省了多少工时"来衡量AI的投入产出，往往会得出一个让人失望的结论——因为很多时候，AI带来的是决策质量的提升、是能力边界的扩展、是过去"做不了"的事情现在被做了，而这些价值，都很难被工时节省这一▎AI对企业的价值，分为三个层次进一步延展AI对企业的价值，我们可以分为三个递第一层是降本增效，用更少的人完成更多的工作；第二层是驱动增长，通过产品创新和获客模式创新创造新收益；第三层是商业模式创新，整个业务逻但是很多企业在焦虑驱动下，会跳过第一层，直接冲向第二层。有企业在大模型爆发后迅速立项开发AI产品，给产品团队定下年度销售目标，但结果不尽人意。事后复盘，问题不在于产品本身，而在于的积累周期，不是靠热情和速度就能跳级的。对于大多数还处于AI布局早期的企业来说，把第一层走扎实，是进入第二层的前提。个体效率如何转化为组织效率当AI让员工变得更高效，省出来的时间和精力，最在访谈中，一家企业尝试用token消耗量作为衡量员工AI使用深度的指标，但当他们去深入分析那些token消耗最高的员工时，却发现：这些人的个人工作效率确实显著提升了，完成相同工作所需的时间缩短了，输出质量也有改善。然而，他们并没有用节省下来的时间去做更多对组织有价值的事。那些时间，悄悄流向了私人用途。▎个体效率的提升，没有转化为组织效率个体效率的提升，没有转化为组织效率的增长。这种"效率漏损"，是当前AI落地中一个普遍存在的现象。原因也不难理解，员工用AI提效，节省了时间，但组织没有给出相应的引导和激励机制来承接关于这个问题，在研讨中引发了不同视角的深入讨一种来自外资企业管理经验的视角认为，这个问题本身或许不需要被"解决"，员工的目标应该是固定个小时完成的工作，AI辅助下6个小时就完成了，那剩下的4个小时属于他自己，企业不应该因此额外堆给他更多任务。这种"目标导向、时间自主"的管理逻辑，实际上是一种对员工效率提升的正向激励——因为效率高了，我能拥有更多自己的时间，所以我有动力去提升效率。如果效率高的代价是无休止地被加码，那理性的员工就不会再主动寻找提升效率的方法，甚至会刻意隐藏自己的能力。一种观点认为，在竞争激烈、增长压力持续的环境下，不少企业的管理者会自然而然地把提效视为"可以做更多事"的机会，而不是"可以少花时间"的福利。员工的时间是否真的属于他自己，取决于企业▎时间该归谁这个问题，单靠企业的自觉，这道题很难解在我们看来，时间该归谁这个问题，单靠企业的自一家企业是否真正尊重员工的休息权，不只取决于老板的价值观，更高度依赖于它所处的竞争环境和毛利空间。宁愿996、也要做到行业第一的逻辑，在极端竞争的市场格局下有其内部自洽性。因为遵守劳动法而输给同样违反劳动法的对手，并不是一这意味着，真正能够改变这一现状的外力，很可能不是来自企业内部的文化建设，而是来自政府层面的合规刚性。随着出生人口下滑带来的劳动力结构变化、内卷式竞争对社会整体福祉的侵蚀，以及国际贸易背景下劳工标准的外部压力，政府有越来越强的动机，去推动更严格的劳动法合规执行，无论是修订职工休假制度、加大对超时用工的处罚力度，还是回应欧盟等地区在强制劳动问题上的监管要求。欧盟已经在推进相关条例的落地，这种趋势一旦影响到中国企业的海外业务合规，将形成直接对HR来说，这是一个值得提前布局的信号。如果合规刚性在未来几年逐步收紧，那些现在就已经在主品牌和人才竞争上形成明显的先发优势；而那些依赖超时用工来维持运转的组织，将面临更高的合我们一致认为，AI落地的效果，从根本上不只是一个技术问题，而是一个治理问题。工具已经到位，接下来的关键变量，是企业内部的激励设计、目标管理文化，以及外部的合规约束共同构成的制度环境。这三件事合力，才能真正决定AI带来的效率提升，最终以什么方式分配给员工、企业和社会。这个问题，在研讨中没有人给出统一的答案，但讨论的过程本身，揭示了一个比答案更重要的判断：▎让员工受益，需要更扎实的商业逻辑来工的工资可能确实涨了，但工作量也翻倍了。这是一种明码标价的交换，用更多的产出换取更高的报有些企业的老板，真心相信员工的持续感受和长期幸福是竞争力的组成部分，他们会让员工用提效换休息时间，甚至主动压缩工作目标的边界。而在有所以，在我们看来，仅靠企业内部的文化自觉，这让员工受益，需要有更扎实的商业逻辑来支撑，需员工少工作、多休息，但同行继续高强度运转，谁会在市场竞争中落败，答案并不总是那么乐观。单▎政府与公共政策干预这让我们不得不把目光投向一个更宏观的维度：政劳动保护的真正约束力，来自合规刚性，而不是企障员工休假，很多时候并非出于自发的道德选择，而是因为面临切实的法律风险和监管压力。欧盟推进强制劳动条例、各国陆续调整工时标准、国内劳更深远的问题，是AI高速发展之后，整个社会的再只是一个企业内部的分配问题，而会演变成一个社会性命题：这些被效率革命解放出来的时间，由这个问题，目前没有确定的答案，但已经有越来越多的声音在认真讨论它。四天工作制（上四休三）在多个国家进入试点，部分研究显示其在不降低产出的前提下，显著改善了员工的身心状态。更激进担了足够多的生产工作，政府通过税收再分配，向这听起来像是遥远的未来，但它指向的，是一个关缺资源，当生存不再是最迫切的驱动力，人究竟是我们认为有一个更理想的答案：将AI也融入到企业员工因为AI获得赋能，工作效率提升，节省出时间和精力；这部分剩余产能，被引导进入更高价值的创造性工作，企业因此获得更高的产出和收益；企业将这部分增量收益的一部分回馈给员工，以物质激励、发展机会或工作自由度的形式体现；员工感受到回馈，进一步愿意投入更多的精力去探索和创造，飞轮由此持续转动。第一个卡点，在于"剩余产能能否被引导进入更高价值的工作"。如前所述，如果企业的目标设计是无限扩张的，员工每提效一分，就会被堆进去更多的同类任务，剩余产能永远无法积累，也就无法进入创第二个卡点，在于"企业愿不愿意将增量收益回馈给员工"。这不只是一个道德问题，而是一个机制设计问题。如果激励体系没有将AI带来的效益增量和员工的个人回报明确挂钩，员工就没有内在动力去主动拥抱AI工具，更不会把节省出来的时间用于为组织创造更多价值。这个前提必须成立：员工投入更多，要能拿到更多，而不是无私地贡献。这是人性中最朴素的逻辑，任何脱离这个前提去设计激励机员工用AI提效之后，如果他选择去做更多创新性的工作，探索新的业务模式、优化长期一直被搁置的流程、主动承接过去没有时间做的跨部门协作——这些工作的价值，很难在短期内被精确量化。如果企业的绩效体系仍然只认"可量化的产出"，那么员工做这些事情就得不到认可，飞轮再次卡住。AI只是提供了效率提升的可能性，但这种可能性能否真正转化为组织与员工的共同增长，取决于企业在目标设计、绩效评价和激励分配上的配套是否到位。每一个环节，都需要管理者主动去设计、去维护，而不是期待它自然发生。在今天的大多数企业中，这个飞轮还没有真正转起来。AI带来的价值增量很难被精确归因，从个体效率到组织收益的转化链条上，存在大量难以量化的摩擦。但这恰恰说明，这正是HR在AI时代最值得投入精力去解决的核心命题，不是去选型哪个AI工具、不是去规划多少个智能体，而是去设计那套能让飞轮真正转动起来的机制。这件事，只有HR能AI行动指南与常见误区先跑通一个闭环对于正在为AI焦虑的企业和HR而言，如何更从容地四位嘉宾的答案，不约而同地落在同一个逻辑上：不要想着一步到位，先找一个小切口，把一个闭环▎第一步，先给自己搭一个能用的智能体这是门槛最低、也最容易产生真实体感的起点。不需要复杂的技术背景，不需要申请预算，不需要等待公司的统一部署——就是找一件自己每周都在重复做的事，试着用AI来处理它。可以是每天早上整理行业资讯，可以是每周自动生成会议纪要，可以是汇报前让智能体从老板的视角帮你挑问题。在我们访谈的实践中，有嘉宾给自己搭建了一个高度个人化的智能体，久而久之，它已经"认识"他了——知道他的岗位背景、正在推进的项目、关注的议题。当他提出任何问题时，智能体会自动带入这些背景，给出的回答比他自己想得更周全。这不是未来的故事，这是今天已经在发生的事。另有嘉宾用AI给自己上初中的女儿做了一个以家里小猫为主角的数学练习游戏——答对一题得一个积分，积分可以兑换虚拟宠物道具。这件事在过去是不可想往往就是从这些"小事"里被第一次感知到的。还有嘉宾用AI为人手不足的HR团队补位：员工关怀想做但排不上"的工作，被AI悄悄地填进了日历。没有增员，没有裁员，但这些工作从"缺位"变成了"在▎第二步，养成"AI优先"的思维习惯智能体搭好之后，下一步不是继续搭更多的智能体，而是改变面对任何工作任务时的第一反应。遇到事情，先问自己一句：AI能帮我做这件事吗？哪怕只是辅助价值？这不是偷懒，这是把自己的认知带宽解放出来，用于真正需要人类判断的部分。这个习惯的建立，比学会任何具体工具都更重要。维方式一旦形成，它会自动适配到每一个新工具上▎第三步，在业务中找到一个小切口，把个人层面的实践积累之后，下一个挑战是把AI的价值带入真实的业务场景，并且跑出一个可以被量化、可以被展示的闭环结果。有了这个闭环，才有向管理层申请更多资源的底气，才有向其他部门分选择切入点的标准，不是"哪个场景最宏大"，而是"哪个场景最可控"——有清晰的输入，有可量化的输出，有明确的时间周期，有愿意配合的业务负责人。在我们访谈到的案例中，有企业选择了招聘环节作为第一个切口：将AI与头部招聘平台打通，实现24小时自动接收和初步筛选简历，招聘响应效率提升约三倍。这个切口的选择并非偶然——它的边界清晰，效果可量化，对业务的干扰最小，同时能HR还要主动联通IT，走出去看标杆。单靠HR自身的视角，很难准确判断哪些工具真正可用、安全边界在哪里、哪些平台适合自己的企业体量。与IT团队的深度协作，是当前绝大多数企业落地AI的前提和安全保障，两边都不缺席，落地才有可能真正发▎第四步，建立组织级的可见性机制当个人实践和业务切口都有了一定积累，真正的组织级挑战才开始浮现：大量的AI实践正在组织内部悄悄发生，但它们是分散的、隐性的、各自为政的，没有被连接起来，也没有被放大的机制。这时候HR能做的，是着手建立一套让这些涌现变得可视化的基础设施：谁在用AI、用在哪里、效果如何、能不能被复制到其他团队？超级个体在哪里、他们的能力有没有机会被组织识别和激励？数字员工有哪些、它们的使用率和产出是否在被追踪？"AI是一个涌现的时代，太多的东西在组织内部不断冒出来。我们现在要做的，是让