-
AI first
【美国】硅谷的HRTech公司Wisq完成1500万美元A轮融资，给你安排一个AI的HR同事
HRTech概述：HR科技公司Wisq宣布完成1500万美元融资，由Norwest、Shasta Ventures和True Ventures继续加码。公司推出全球首个专为企业HR打造的大语言模型HRLM，聚焦政策合规、员工关系与绩效管理等高风险任务。其AI HR专员“Harper”已实现HR工作80%以上自动化。与此同时，Wisq还发布了HR行业首个AI能力基准“Hurdle”，HRLM在多个核心任务中与顶级模型表现持平但成本更低。Wisq由前Glint团队创立，已累计融资5500万美元，致力于引领“Agentic HR”新纪元。
2025年7月1日，美国加州Redwood City —— 人力资源科技公司 Wisq 正式宣布完成 1500万美元融资，本轮由老股东 Norwest Venture Partners、Shasta Ventures 与 True Ventures 持续加注，标志着其“Agentic HR”战略迈入关键加速期。Wisq以“AI First & Deeply Human”（AI优先，深具人性）为理念，致力于通过 AI 重新定义 HR 运作模式，而非替代人类角色。
企业HR的新角色：AI同事，而非聊天机器人
本轮融资的核心落点，在于Wisq所推出的两项重要创新成果：
Harper：全球首个AI HR Generalist（AI人力资源专员），能在无需替换现有系统的前提下，承担起HR服务交付、政策解读、绩效反馈、员工关系管理等日常复杂任务；
HRLM（HR Language Model）：专为HR场景设计的大型语言模型，强调合规性、准确性与响应速度，区别于市场上为IT、客服或财务场景训练的通用模型。
Wisq的创始人兼CEO Jim Barnett 表示：“未来的HR AI，不是一个聊天机器人，而是一位同事。”在他看来，通用型AI远不足以胜任HR这门复杂且富有人性的工作，真正的突破应来自对HR业务本质的深度理解和结构化建模。
发布Hurdle行业基准：HR AI有了测量标准
为了建立HR领域AI性能的评估标准，Wisq还同步推出行业首个专门用于HR场景的AI性能评估基准 —— Hurdle。该测试覆盖绩效反馈、员工关系处理、政策解释等多个高风险环节。据官方披露，HRLM在Hurdle测试中的表现与OpenAI o3等领先推理模型持平，但运行速度更快、成本显著降低。
这也意味着，Wisq不仅在建构产品，更在塑造一个全新的HR AI行业标准体系。
从“自动化”到“增能化”：Agentic HR的时代来临
Wisq所倡导的“Agentic HR”，核心在于 将AI从工具提升为HR团队的智能同事。Harper能够支持HR减少80%以上的日常工作负担，释放更多战略精力，同时提升员工体验和组织敏捷性。
在客户使用中，Wisq平台已经展现出强大的落地能力——帮助HR团队打破服务瓶颈、提升员工满意度、增强政策执行力。
团队基因：延续Glint文化，推动HR深度变革
Wisq由前员工体验平台 Glint（已被LinkedIn收购）核心团队于2022年创办。延续对“人性化体验”的理解与数据驱动的敏锐，Wisq快速成长为HR AI领域的佼佼者。至今累计融资已达 5500万美元，本轮资金将主要用于技术产品迭代、扩充工程与市场团队、加强与大型企业HR团队的协作部署。
Wisq的崛起，既是对“AI替代HR”论调的有力回应，也为全球HR科技从“系统化”迈向“智能体化”提供了路径示范。它所提出的“Agentic HR”理念，是当前市场中少数真正从组织价值与HR专业性角度出发构建的AI模型。
在全球HR从执行中心转向战略伙伴、AI基础设施逐步普及的背景下，Wisq无疑是该转型浪潮中的核心推手之一。
-
AI first
最新的人才招聘矩阵：人与 AI 各自的最优位置
随着 AI 技术在招聘领域的广泛应用，企业纷纷思考：哪些环节可以完全交由自动化处理？哪些场景仍需人类招聘官深度参与？在 ERE Summit 上，演讲者提出了一张极具洞察力的“人才招聘应用矩阵（Talent Acquisition Matrix）”，从岗位复杂度、人才需求强度与候选人数量三个维度，清晰描绘了人类与 AI 各自最适配的角色定位。
这张矩阵指出，低复杂度且候选人充足的岗位已可实现流程自动化，而面对高复杂度、候选人稀缺的场景，人类依然是不可替代的核心角色。更重要的是，这一模式背后还隐藏着一个被忽视的要素：候选人体验。在追求效率的同时，我们是否也在不知不觉中牺牲了体验温度？
本文将结合该矩阵，深入解析人机协同的招聘策略，并讨论如何在 AI 招聘时代守住候选人体验的价值底线。
一张图读懂 AI 招聘的“使用说明书”
这张“Talent Acquisition Matrix”将招聘场景分为四个象限：
从中我们可以看出：
AI 最适合处理那些 申请量大、技能要求低的岗位（如客服、仓储等）；
对于 高难度岗位或高端人才猎寻，AI 仍难以完全胜任，需要人类主导配合。
为什么“AI招聘”常常忽视候选人体验？
正如演讲者在分享中所指出：
“很多所谓的自动化招聘流程，其实只是简历处理系统（Applicant Processing），并不能称为真正意义上的‘招聘’。”
在 右下象限（Full Automation） 中，AI 能以极高效率筛掉大量候选人，但：
很少提供反馈；
难以体现雇主品牌温度；
缺乏对非结构化潜力的识别。
结果是：候选人“被淘汰”得快，却不知道自己为何而输。
这种冷处理，造成的不是“高效”，而是“疏离感”——进而影响品牌口碑与长期招聘转化。
人机协同，才是体验与效率的双赢路径
在 左上象限（Human + AI） 中，招聘官主导，AI 作为能力增强工具提供辅助判断，这种模式下候选人体验往往最优。
招聘官能够在初步筛选后及时沟通，建立情感连接；
AI 可自动推送个性化信息、简化流程但不替代判断；
对于 passive talent，AI 甚至可模拟优秀招聘官的互动方式，引导候选人持续参与。
这种 “人机混合式”招聘模型，既兼顾效率，又守住了候选人的“感受价值”。
候选人体验不是软性指标，而是战略杠杆
多项研究显示：
80% 的候选人会因为一次不良体验放弃接受 offer；
60% 的候选人表示，如果他们的申请体验良好，即使未被录用，也愿意继续推荐该公司；
候选人体验已成为招聘流程设计的重要决策变量，而不仅仅是 HR 的“良心行为”。2025候选人体验大奖评选提名正在进行中，欢迎参加
写在最后：AI 招聘时代，更要“像人一样招聘”
AI 无疑在提升招聘效率上扮演着重要角色，但：
招聘的本质，是人与人的连接，而不是系统与简历的比对。
未来招聘流程的设计应更注重“分层自动化”与“体验分段干预”，让人类招聘官将时间精力集中在最能创造情感价值与判断力价值的环节上。
你所在企业的招聘流程在哪个象限？你认为 AI 应该在候选人体验中扮演什么角色？欢迎留言分享。
扫一扫 加微信
hrtechchina
