-
Josh Bersin
超级经理的崛起：AI 时代的新型管理角色
Josh Bersin 在最新文章《The Rise of the Supermanager》中提出：未来的管理者不应只是简单协调者，而应成为真正的 Supermanager（超级经理） —— 协同 AI 重塑流程、赋能团队、主导创新。虽然 AI 工具能够带来个体效率提升（约 10–20%），但这只是底层红利。若要撬动组织生产力边界，就必须走向多流程自动化和全面流程重构。Supermanager 会主动在自己的职能边界内“实验”、推动 AI 应用、引导团队创新。
我从未见过像 AI 这样大规模、快速、而且充满乐观情绪的技术投资。2025 年，Google、Nvidia、Meta、Microsoft、OpenAI 和 Amazon 的资本支出接近 9000 亿美元，相当于美国 GDP 的近 3%。
为什么如此乐观？因为企业相信，AI 是未来的生产力技术，而且越早让公司拥抱 AI 越好。
但到目前为止，实际结果喜忧参半。
虽然人们被 AI 工具所吸引，但美国 GDP 却在下滑（从 2023 年的 2.9% 降至 2025 年预计的 1.8%，上半年甚至出现 -1.6% 的负增长），企业利润也在放缓。IT 行业利润增长 34%，金融服务增长 10%，但其他行业利润大幅下滑，说明 AI 的盈利目前主要集中在 AI 公司自身。
这就是一个关于承诺、期望和众多好点子的故事。
大企业的难题
AI 的潜力毋庸置疑。我们在研究与咨询中也彻底革新了工作方式，实现了在几乎不增加人手的情况下保持增长。
但对那些有着几十年官僚体系、繁多职位层级的大型组织而言，要真正实现生产力的提升并不容易。
我们调研了数百家公司，正在开展一项重大研究。在 HR 领域，已经有超过 100 个 AI 应用场景，可以改善招聘、员工支持、发展与生产力。例如渣打银行已经用 AI 来评估绩效和撰写评语。
然而，正如 MIT 最近的一项研究所示，真正的“流程再造”还没有到来。
四阶段框架与生产力极限
在我们的四阶段框架中，一个人使用 AI 代理来加速工作是相对容易的。OpenAI 的数据显示，41% 的使用场景是“信息检索”，其次是写作、数据分析和回答复杂问题。这些“个人生产力技巧”确实能带来帮助，但提升的上限通常只有 10–20%。
那么，如何实现“多流程自动化”，真正重构工作的方式？
这就是管理的职责所在，也是我今天要讨论的。
管理模式的演变
我研究管理已有 30 年，这是一条曲折的道路。它可以追溯到 Peter Drucker 的《卓有成效的管理者》，之后经历了 Jack Welch 的裁员式管理、Howard Schultz 的员工关怀、Brene Brown 的勇敢领导、John Mackey 的有意识资本主义，再到 IBM 的敏捷管理和 Zappos 的“无管理者”实验（最终失败）。
管理从来是一个充满新思想的领域，模式层出不穷。但我今天要讨论的是：在 AI 世界中，有效管理正在发生怎样的变化？
两大变化：赋能与实验
在过去十年中，出现了两大深刻变化：
赋能（Empowerment）
员工比以往更有自主权，能获取大量信息和强大工具。
互联网和疫情让员工获得前所未有的自由，他们不会再回到过去。
实验（Experimentation）
技术民主化让变革不再完全来自上层，而是更多自下而上推动。
一线团队不只是执行者，而是创新与变革的源头。
这两点在当今商业世界全面展开。忽视它的企业将面临风险。
微软、Meta 等公司快速转向 AI，依靠项目驱动的领导文化。拜耳、联合利华、汇丰、万事达、Spotify 和飞利浦等企业的成功，也源于小型自治团队承担改进责任。
今天，与过去不同的是，超级经理无需等待高层委员会批准。他们直接在前线实验、迭代并推动变革。
打破组织惰性
随着技术飞速发展，职位与头衔反而成为阻碍（“这不是我的工作”）。超级经理则打破这种模式，主动承担责任，推动成长与改进。他们拥抱新思想，分享探索经验，把 AI 的实践直接带入业务，而不是等待总部下达“项目指令”。
这种趋势的原因在于：AI 与过去的技术不同。
ERP、云计算、移动互联网等技术往往需要大量 IT 投入和多年建设。而 AI 是一种 终极民主化技术，任何人都能学习使用。最具创新的人，可能是最年轻或资历最浅的员工，因为他们“通过实践学习”，没有旧有 IT 习惯的束缚。
这就是所谓的 “超级员工效应（Superworker effect）”：每个人都可能成为高绩效者，经验的价值相对下降。新想法可能来自任何地方，最贴近客户或流程的人反而能创新最多。
管理角色的转型
AI 让监督与绩效考核变得更容易，因为它能跟踪行为和结果。这使得领导者可以从繁琐的监督中解放出来，专注于战略、辅导、协作和工作再设计。
因此，经理不会消失，而是角色被重新定义：
监督和绩效管理是基本职能；
真正优秀的经理要在流程再造、实验与增长方面脱颖而出。
传统的“推动业绩”“强化竞争”依然重要，但现在被放到学习与成长的语境下。问题从“你今天完成了什么”变成“你今天学到了什么”。
超级经理带来信任、支持和同理心，帮助员工在 AI 时代学习、重塑与成长。
我们是否需要更少的经理？
如果管理者只做监督工作，那确实可能被 AI 代理取代。但这类“空壳经理”本就存在多年，未来会更快被淘汰。
真正的超级经理则不同：
他们协调跨团队的创新；
在生产力项目上进行理性投资或果断止损；
促进知识共享、团队协同和优先级一致性。
这才是未来管理者的核心价值。
我并不认为“中层经理”会消失，而是他们的工作内容正在重新定义。能推动超级经理行为的公司，将在新世界中脱颖而出。
AI 带来的不只是技术，而是管理模式的再造。
如果过去十年是“数字化转型”，
那么未来十年就是“管理重构”。
超级经理不会是额外的头衔，而是企业在 AI 时代必须具备的关键能力。
-
Josh Bersin
AI时代的员工敬业度与幸福感危机——我们该怎么办？
HRTech概述:Josh Bersing刚刚发布文章指出，美国职场幸福度与员工敬业度出现严重滑坡。根据 Gallup 数据，全面敬业的员工比例仅为 21%，优秀的管理者仅为 27%；令人担忧的是，66% 的员工处于“痛苦”状态，8%处于“挣扎”状态。同时，世界幸福报告显示，美国幸福排名从 2024 年的第 15 名跌至 2025 年第 24 名，首次跌出前 20 名，现仅略高于波兰、伯利兹与台湾。文章分析背后成因：AI 引发裁员与不确定恐惧感；曾经被推崇的远程与灵活工作被缩减；缺乏对年轻管理者的培训与支持；社会关系被社交媒体与政治撕裂；员工对领导层的信任及公平感下降。
员工敬业度与幸福感的统计数据令人震惊
Gallup 2025 年的数据表明，只有 21% 的员工完全投入工作（比去年下降 10%），只有 27% 的管理者投入工作（下降 11%），66% 的员工处于“痛苦”状态，**8%**处于“挣扎”状态。
还有更多令人沮丧的消息。《2025 年世界幸福报告》显示，美国的幸福感从 2024 年的第 15 位骤降到 2025 年的第 24 位，这是美国首次跌出前 20 名。美国的幸福感仅略高于波兰、伯利兹和台湾，如今已低于英国。
而且，这不仅仅是蓝领或一线工人的问题：正如《华尔街日报》文章《为什么管理者如此痛苦》指出的那样，管理者（27% 敬业度）比去年幸福感低 11%，年轻管理者的感受最糟。只有三分之一的年轻管理者接受过任何培训，而且他们的管理跨度还在不断扩大。
我认为，管理者可能是受人工智能直接影响最大的群体。他们不仅被要求裁员、提高产出，还被期望在很多已经力不从心的情况下“改造”团队。
然后是恐惧的问题。由于 DOGE、各种关于 AI 消灭工作的文章以及大量裁员，86% 的员工表示在工作中经常感到“恐惧”，**34%**的人害怕发声。他们害怕什么？害怕 AI 抢走工作、害怕被淘汰，或干脆害怕被忽视。
（Adecco 对 8 万名员工的全球调查发现，40% 的员工担心工作稳定性，其中人工智能被列为这种恐惧的第一来源。）
为什么会发生这一切？
正如我在下方视频中讨论的那样，关于员工和劳动力幸福感的源源不断的调查和报告，源自多种因素的结合。
远程工作刚刚习惯了灵活性，却被“拉回”办公室。AI 技术人员过度推销他们的工具，并说服 CEO 裁员。政治和社交媒体削弱了我们的社区感、友情和善意。
《世界幸福报告》认为幸福有六个因素：
人均 GDP（财富）
社会支持（在遇到困难时是否有人可以依靠）
预期寿命（寿命长短与健康质量）
选择生活的自由（人们对自己生活控制和决策能力的感受）
慷慨（慈善捐赠、志愿服务以及帮助陌生人的意愿）
腐败感知（对政府和商业腐败的认知）
当我们观察美国的幸福状况时，问题很明显。尽管 GDP 上升，但社会支持显著下降（19% 的年轻人表示没有可以依靠的人）、预期寿命下降、自由度下降 15%、腐败感知下降近 20%。正如那句老话所说，金钱并不是幸福的来源。
在实际生活中，还有很多问题：加沙和乌克兰战火不断；美国政治极度两极化；关税战让国家对立；商业领袖们忙于追赶 AI，而 AI 现在主导着股市估值。
如果你在普通的一天打开 CNBC，你会看到大多数记者在将公司的业绩与 Nvidia 或 Microsoft 比较，并想知道“他们如何才能跟上”。这给 CEO 带来了更大的压力，公司在不确定中手忙脚乱地重组、转型或裁员，试图成为一家“超级员工公司”。
还有那些 AI 评论员，他们告诉我们“超级智能”即将到来。尽管听起来荒谬，但这让人们更加担心。
四天工作制？还是 72 小时（996）工作制？
现在我们来谈压力问题。尽管我们梦想着 AI 能带来四天工作制，但科技公司现在却走上了中国的路线，要求员工在周六工作。这被称为“996”，即早 9 点到晚 9 点，一周 6 天。在工作岗位稀缺的情况下，一些雇主能够强制执行这种规定。（风投似乎很喜欢这种方式。）
事实上，中国现在真的在实行“007”——从午夜到午夜，一周七天，只是采用轮班制。
“如果你想建立一家价值 1 亿美元的公司，你可以每周工作五天。但如果你想建立一家价值 100 亿美元的公司，你就必须每周工作七天。”——某知名风投
我们对四天工作制做了详尽的研究，大多数学术研究表明，生产力（每小时的实际产出）在每周 30–35 小时时达到峰值。当人们的体力极限被突破时，他们可以靠喝更多咖啡来支撑，但工作质量会下降。而软件公司是少数几个经常接受持续存在的缺陷的行业之一。
我认为，大多数人都不希望自己的汽车、飞机或医疗设备是由一个为了赶进度在周六加班的人设计或制造的。是的，iPhone 是由疲惫的中国工人制造的（我建议你阅读《Apple in China》了解详情），但苹果对质量的专注克服了倦怠的工作条件。
我们如何应对这些问题？（基于多年的研究）
这些问题很复杂，正如我们下面的框架所示。我将解释其中一些主题，并推荐我的书《Irresistible》。注意：下面讨论的所有研究及更多内容可在 Galileo 和 Galileo Learn 中找到。
重新思考“财务优先”先从基本问题开始：你的唯一商业目标是赚钱吗？如果是这样，你可能会忽视“持久的组织为股东带来最佳回报”这一事实。投资人力资本，你会发现这是你唯一会增值的资产（机器甚至软件都会老化）。
将使命感与问责制重新聚焦我们遇到的最佳公司在“使命感”和“问责制”之间保持强大平衡。他们对产品和客户有不懈的关注，同时也会彼此问责。最近几位客户告诉我，他们的文化“太友好”。人们不愿进行困难的对话，因此绩效问题得不到解决。我听到的最佳做法是使用“张力时间（Time under Tension）”的概念，迫使人们在情况不佳时彼此交流。
尽量避免过度招聘在我们的系统性 HR 研究中，我们发现太多公司认为所有问题都可以通过雇佣下一个专家来解决。这不仅非常昂贵，而且大多数“专家”不会久留。是的，我们希望建立人才密度，但你可以在公司内部找到优秀人才，而不必总是向外寻找。
慷慨投资于员工发展平均公司每年在每位员工的发展上只花费 1,200–1,500 美元（约占工资总额的 1.5–2%）。要确保这些钱花得值得，不要浪费在没人会用的一堆课程上。我们建议采用动态学习模式，例如 Galileo Learn 和其他新兴平台。学习可以提高生产力、质量、创新和敬业度。因此，将发展性任务、临时项目、岗位轮换和灵活安排视为学习、成长和提高生产力的机会。
打造动态组织：让人能够变换角色现在 AI 已经到来，我们都在面对职位变化、新角色和新的业务流程。PwC 的 CEO 调查支持我们的研究：那些经常调动人员的公司，其盈利能力比不这样做的公司高 27%，而且员工更敬业、更幸福、更高效。
公平支付，而不仅仅是高薪薪酬固然重要，但它的重要性可能没有你想象的大。我们关于薪酬公平的研究发现，薪酬的公平性和透明度比薪酬水平本身重要七倍。确保你的薪酬与当地生活成本、技能水平和市场保持一致。在福利方面，要了解本地需求——在一个城市，健身房会员资格可能远不如物理治疗补贴有价值。
学会欣赏、感谢并认可员工人类不是机器：我们都渴望被欣赏。一句简短的感谢、一次正式的表彰，甚至一个强大的社交认可平台，都能改变公司的运作方式。那些只是一味索取、很少奖励员工的公司，总是深陷倦怠之中。你可以通过专注于善意来避免这种情况。我们的研究显示，拥有高认可文化的公司，其自愿离职率比同行低 70%。
践行企业公民责任虽然现在这并不流行，但请记住，作为私营部门领导者，你也有公民责任。我们对待员工、商业伙伴、供应链和社区的方式非常重要。这包括 DEI（多元化、公平性和包容性）、社区参与、归属感以及我们称之为“员工激活”（倾听员工）。伟大的公司也是伟大的公民，这些投入构成了员工幸福、满足和意义的基础。
拥抱宽容、灵活和启发性最后，让我们记住以人为本的领导力基础。我们是人，不是机器。我们需要休息，我们有情感，有时会脆弱，也会犯错。是的，我们希望员工表现出色，但正如我们在疫情期间学到的那样，照顾好人，是照顾好业务的最佳方式。
是的，员工敬业度确实很重要最后一点，正如我在《Irresistible》中所描述的，企业中的员工敬业度呈钟形分布。虽然平均分是 3.4（满分 5 分），但许多公司表现得更高。这些“不可抗拒型组织”在长时间内始终优于同行。如果你希望你的业务长久发展，就要照顾好你的团队。
-
Josh Bersin
Josh Bersin:人工智能能战胜人类直觉做决策吗？不可能
多年来，我们一直在争论 AI 是否能用于人类决策，比如：该雇佣谁？该提拔谁？薪酬多少合适？以及数百种其他决策。领导者每天都面临复杂、艰难的抉择——我们能信任 AI 来替我们做决定吗？
我的观点是：不能。
什么是直觉？什么是情绪？
我们都知道所谓“第一类思维”（Type 1 Thinking）——也就是直觉反应——在我们日常生活中扮演着主导角色。比如你见到一个人、坐在一个会议中，突然就知道“该雇谁”或“该怎么做”，即使数据很难查证。
我最近深入研究了遗传学、情绪与直觉，并得出结论：再强大的 AI “超级智能”，也无法替代我们的情绪。而这些情绪，来自我们的成长背景、过往经历，甚至基因组成——往往比数据更具洞察力。
作为一名工程师，我当然推崇数据与科学，因此并不是在否定算法与数据驱动决策。但我在人力资本领域的研究一再证明，是“人类直觉”在补充、辅助，并最终确定那些 AI 给出的建议。
AI 做决策的局限性在哪里？
AI 系统依赖“概率神经网络”进行训练，模型会从已有数据中学习，再用来判断新信息——写一段代码、生成一张图、创作一篇文章，它做得确实很出色。这是因为它可以瞬间把所有训练内容当作一个巨大的“数据集”，并用向量计算给出答案。
但这都基于一个假设：数据本身就足够全面，能够包含足够多的观点和洞察。如今，大多数大型 AI 实验室已承认“可索引的数据已经用尽”，所以开始制造“合成数据”——也就是 AI 用已有数据生成新数据，以此来扩充模型。
问题来了：这些数据缺失了什么？
如果你研究情绪理论（至少有六种主流理论），你会发现大多数观点都认为，一个人“对一件事的感觉”源于其生活经历、刺激源（所见所闻所感）以及基因。而“基因”这个维度，则是几百万年人类进化的产物。
所以即使某个商业决策在逻辑上是合理的，但我们每个人对数据的解读都是不同的，而我们的反应也由经验和人性所驱动。这就是为什么在一个高管会议上，大家面对同一组营收与市场数据，却会得出完全不同的结论：
比如一个人说：“我们做得不错，该庆祝！”另一个则说：“为什么没更快增长？我们本可以更好！”
为什么人类决策更有优势？
人类互动千差万别，有人积极进取，有人保守稳重。这种“直觉差异”正是一些公司在市场中脱颖而出的关键。
那这种直觉来自哪里？来自我们几百万年的进化历史与独特的“表观遗传能力”（epigenetic capabilities）。换句话说，人类智能与直觉，源于我们的家族基因、成长经历与历史背景。
以我自己为例：父亲那边是音乐家与科学家，母亲家族是商人。我最终成了一个热爱商业与人力工作的工程师。而因为父母都是企业家，我也成了一个有野心、敢冒险、喜欢挑战的人。
这些人类“能力”，本质上是历史和基因的组合，它们在我们的情感、直觉、性格和智慧中展现出来。
AI 决策能超越人类吗？绝不可能。
很多人用丹尼尔·卡尼曼的书《思考，快与慢》来解释这个问题。书中提出：
“快速思维”是直觉，
“慢速思维”是分析。
尽管这个划分广受欢迎，但现实更复杂。AI 在“慢速分析”方面确实做得不错，但仍然极其“幼稚”。
比如让 Grok 来解释“杰弗里·爱泼斯坦事件”，它会给出一段生硬的描述，但完全没有触及人类直觉所捕捉到的“这是个肮脏、混乱、令人羞耻的丑闻”。
我想表达的是：无论 AI 如何发展，也无论企业在数据中心上投入多少资金，它都无法复制人类在基因、历史与演化层面累积的智能。
举几个例子你就明白了：
当你开车经过街口，看到一个小孩站在路边，你的本能反应是“她可能会突然冲出来”。
当你在会议中感到“这个决策不对”，你会下意识决定“我们先别急，明天再看看感觉”。
而 AI 呢？它只会基于逻辑推演立即给出一个“答案”。
总结：人类直觉，在AI时代更重要
这种“情绪 + 本能 + 遗传”的判断力，正是人类与众不同的关键所在。
正因如此，我们才会有乔布斯与盖茨的不同，马斯克与奥特曼的差异。我们必须正视并尊重这些“人类智能”的组成部分，它们比以往任何时候都更重要。
-
Josh Bersin
Josh Bersin专栏：“人才情报市场”爆发，AI 如何重塑招聘、技能与决策？
HRTech概述：在当今数据驱动的时代，“人才数据” “People Data ”已成为企业最重要的资产之一。Josh Bersin 在其最新分析中指出，人才情报市场正在快速发展，形成从数据收集（如 Rhetorik）、数据建模（如 Lightcast、Revelio）、到智能平台（如 Galileo、Seekout）的三层架构。Lightcast 收购 Rhetorik 不仅加强了全球人才画像能力，还拓展至销售与营销数据领域。借助 AI，企业HR如今能通过对话式系统实现招聘推荐、技能评估、内部流动等多项功能。这场由数据与AI驱动的革命，正在重塑HR的专业边界。
原文题目：People Data For Sale: How The Talent Intelligence Market Works
作者：Josh Bersin · 2025年7月16日
在我们经济中，**“人力数据市场”**是最具活力和影响力的部分之一。每位招聘人员、选址专家、人力资源高管、经济学家、大学校长和政府规划者都希望知道：哪些岗位在增长？哪些技能最受欢迎？薪资趋势如何变化？还有更多相关洞察。
虽然很多人了解美国劳工统计局（BLS）发布的公共调查数据，但在其背后，有一个更加先进、由 AI 驱动的产业：“人才数据市场”。
人才数据市场的结构
几十年来，像 Monster.com、LinkedIn 等公司，以及其他数百家公司，通过算法抓取了关于个人、职位和企业的信息。最初，他们这么做是为了开发产品和服务。但如今，**“数据采集本身”**已成为一项庞大的商业活动。
大致来说，该市场可以分为三类供应商，且部分公司跨界经营。
第一类：数据聚合商（Data Aggregators）
代表企业包括：Rhetorik（已被 Lightcast 收购）、Lightcast（职位市场数据）、People Data Labs（PDL）、SignalHire、Revelio Labs、Cognism、Coresignal、Draup、Talent Neuron 等。
这些公司专注于大规模采集专业个人档案数据，信息来源包括公共记录、网页抓取（例如 LinkedIn 的公开资料）以及与一些小型数据供应商的合作，有些合作甚至涉及隐秘运作（如以色列的情报公司）。
部分聚合商如 Revelio、Draup、TalentNeuron、Lightcast 等，也会直接销售产品，因此在某种程度上也属于第二类供应商——数据整理与建模者。
第二类：数据整理与建模商（Data Enrichment & Organizers）
这类公司会将数据进行分类、构建技能模型、统一职位名称等，将海量非结构化数据组织成可用信息。他们的价值在于推理、日常更新以及与通用框架的整合。
代表公司包括：Lightcast（领先者）、Draup、Revelio Labs、TalentNeuron、Findem、ZoomInfo 等。后者多聚焦于销售与金融领域。
他们的技术团队会处理每天新增的数百万条记录，将其整理成职业分类体系（例如职位模型、职业编码），并推演出一个人的技能、雇主、教育背景、薪资与地理位置等信息之间的关联。
随后，这些数据会以 API 接口、数据连接器等形式供第三方平台调用。
这类数据处理非常复杂。例如，一个人的数据链会包含教育、技能、工作经历、雇主、所在城市等；这些又会连接到公司层级的信息，包括企业历史、产品、投资和技术项目等。
当这些公司把数据组织得足够好时，可以回答如下问题：
哪些职位越来越值钱？
AI 工程师的技能是如何细分的？
电动车工程师需要哪些新兴技能？
哪些能源科技正在崛起？哪些公司在使用？我要如何找到这些人才？
这些能力，将使得使用这些平台的企业在人才市场上领先对手数倍。例如，很多公司用 Lightcast 进行选址决策，投资金额甚至高达数亿美元。
第三类：人才智能平台（Talent Intelligence Products）
这是产业链的第三环节。
这类公司（包括几乎所有 HR SaaS 厂商）将上述数据集成进企业的招聘系统、技能分析、规划、内部流动等流程中。它们的任务是将外部人才数据与企业内部数据融合，从而使 HR 系统变得“智能”。
举个例子：你想为某项目寻找最适合的市场或工程人才，但公司 HR 系统只记录了职称和学历。借助上述数据平台，这些系统可以告诉你：谁才是真正合适的人选？甚至还能预测谁具备晋升潜力。
人才数据市场的高价值应用场景
该市场主要面向四大类终端用户：
企业客户：用于人力规划、招聘分析、技能战略。
教育机构：用于课程设计、学生就业评估、经济影响评估。
政府单位：用于经济发展、政策制定和劳动力投资。
销售与市场团队：用于线索生成、市场细分和客户画像构建。
对企业来说，这类数据对增长与绩效至关重要。随着 AI 系统普及，对高质量人才数据的需求也越来越高。
例如，Galileo 是一款直接接入 Lightcast 数据的 AI 工具。你可以上传10位员工的姓名、职位、简历和会议记录，让 Galileo 进行能力评估、对比与基准分析。这一功能可用于绩效管理、发展辅导、岗位设计与招聘决策。
Josh 本人还尝试过让 Galileo 分析过去 6 个月的公司会议数据，它能自动识别出员工姓名、技能强项与弱项，有些甚至是他自己之前未曾意识到的。
更重要的是，这只是冰山一角。通过这些数据+AI，企业可以：
智能筛选候选人
分析薪酬与外部趋势对比
进行绩效分析与技能对标
而这一切，都可以通过像 Seekout、Galileo、Eightfold 等 AI 系统实现，进入“对话式分析”新时代。
最新动态：Lightcast 为何收购 Rhetorik？
作为行业巨头，Lightcast 最近收购了数据采集公司 Rhetorik。这不仅增强了其人才画像数据源，还标志着其正式进军营销与销售数据市场。
目前 Lightcast 已覆盖三大市场：企业、教育与政府。此次收购将：
丰富 Lightcast 的员工数据维度
拓展销售/市场线索类数据应用
强化其在技能建模、薪酬基准、职业路径等方面的领先地位
借助现有数据科学团队，Lightcast 有望在多个市场领域实现倍增式增长。
AI 正在加速这个市场的演进
Josh 在播客中指出，AI 工具如 Galileo、Microsoft Copilot 等，让每位 HR 或管理者都能轻松使用这些复杂的数据系统。
你不再需要编写报告或查询数据库，只需提问，系统即可给出有洞察力的答案。
Lightcast 也正是意识到 AI 驱动的市场机会，才会加快产品布局，以巩固其市场领先地位。
-
Josh Bersin
Josh Bersin谈为什么关于 AI 会毁掉工作和人类的恐慌被严重夸大
HRTech 概述：Josh Bersin驳斥了关于AI将摧毁就业、削弱人类价值的广泛担忧。他指出，尽管AI发展迅猛，但多数企业目前仍处在AI转型的初期阶段，仅10%不到的公司真正实现了深度集成。以Galileo平台为例，Bersin强调，AI实际上正在释放员工的创造力，催生所谓的“超级员工”（Superworker），提升个人与组织的生产力，而非简单替代工作。
文章列举了多个行业和场景中的AI应用情况，包括Chipotle、H&M和中东地区的大型航空公司，均处于流程重构与工具探索阶段。Bersin认为，AI的使用反而创造了更多管理与优化工作的机会，从而使人类在工作中向更高层次的创造与决策迈进。他还指出AI目前仍缺乏情感、同理心、历史理解与人类的复杂动机系统，未来的企业创新仍依赖于人类独有的智慧与精神力量。
他呼吁业界抛弃AI恐慌，聚焦于学习如何善用AI这项工具。AI不会毁掉工作，而是会重塑工作，为未来几十年的职业发展提供新的路径。
详情阅读：
Josh Bersin说自己常被那些盛行的夸张文章和评论惊讶——说 AI 会毁掉就业市场、网络或我们的生活。尤瓦尔·赫拉利（Yuval Noah Harari）认为这是对人类的“存在性”变革。马克·贝尼奥夫（Mark Benioff）宣称，Salesforce 30–50% 的运营现在由 AI 完成。媒体如 The Verge（Nilay Patel）担心所有谷歌的网页流量将消失。
虽然没有人能预测未来，但我每个月都与数百家公司对话，每周与至少 5 家软件厂商会面，所以对现状有较清晰了解。正如我在《超级员工的崛起》中所述，上述很多恐惧其实都没有根据。相反，我坚信 AI 工具和平台将激发个人创造力、业务增长与创新，并由此创造许多岗位、提高工资、改善我们的职场与企业运营。
第一，所谓白领工作将被全面淘汰，目前还没发生
确实，招聘有些疲软，但主要原因是 IT 预算上涨 62%，CEO 正推动业务领导“采用” AI。这种推动效应减缓了招聘速度，几乎所有公司都在思考如何通过自动化重组岗位与职责。
我每天与高级 HR 领导交流，得到的反馈一致：CEO 与 CFO 已下达命令，“别招人了，赶快上 AI”。因此，招聘预算被冻结。
这种推动虽有道理，但很多东西尚未落地，因为像 MS Copilot、SAP Joule、ChatGPT 这样的现成工具，还不够贴合业务流程。目前尚不明确哪些岗位将被改变、哪些常规工作可以被淘汰，也不知道该买或做什么 AI 产品。
以我的 AI 转型四阶段模型为例，我估计当前有 60% 的企业处于阶段 1，30% 处于阶段 2，仅有不到 10% 达到阶段 3（在各业务职能中差异较大）。例如 Chipotle 在招聘中应用 Paradox 到第 3 阶段，H&M 应用 Maki People 也如此，我们自己的 HR Academy 已通过 Galileo Learn 达到阶段 3。
但总体来看，销售自动化、潜在客户生成（我现在每天都会收到许多“Agent”发来的垃圾邮件）、合同管理、营销（我们的 HubSpot 系统并不像想象中智能）、采购、应收账款等领域，AI 还没成熟。这正在到来，但还远远不到成熟阶段。
我希望在贝尼奥夫下次财报电话会上，他能具体说明到底节省了多少钱，并列出那“50% 岗位”。我怀疑他会这样做。根据 LinkedIn 数据，Salesforce 的自然营收增长约 8%，员工人数增长 4%，看起来只是略微提高了效率，不像贝尼奥夫所言那样夸张。
所以，这些承诺确实在未来几年内会兑现，但当前企业级落地仍有 1–2 年的开发周期。
例如上周，我在中东与一家大型航空公司会面，他们的 HR 团队刚开始做流程再造。虽然愿景逐渐明朗，但他们意识到所需产品目前尚未到位。他们正在做设计，并寻找合适的 AI 解决方案。
这就是为什么我认为大部分企业的 AI 转型将主要依赖内部构建，并联动供应商。我们已无法再用“买 Workday 然后启动”的方式实现自动化——AI agent 将高度可配置，公司必须清晰知道自己需要什么。
它会来……但现在还根本没到那一步。
第二，每一个 AI Agent 都创造了大量新工作
例如我们 Galileo 的 Agent 已有超过 4,000 人启用，它们发现自己有更多“新工作”需要做（如数据查找、流程清理等），因为那些重复、枯燥的工作被 AI 接管了。这就是“超级员工”效应。
就像买电吹风：叶子不会消失，你也不会扔掉扫帚。它只是让你吹叶子的速度快了 10 倍，但接下来你还得收拾、打包、放上路边回收。现在回收公司获得了更多叶子，你还可以修剪灌木（另一个机器人岗位），电吹风公司也赚更多钱。
换句话说，自动化一个任务，会推动我们从事更高价值的事情；越来越多时间会被用于管理这些工具（学习 prompt、找到高质量数据、不断迭代、培训、确保安全）。
本周我看到一个新的 AI 工具，它做 FP&A（财务、预算、计划与管理），每家公司都需要这种工具。旧系统人工处理简直是噩梦。这个新系统将其财务、CRM、HRMS 数据合在一起，自动发现利润缺口、进度滞后和预算超支。原来这要我和 CFO 手动处理几个小时。
这种超级员工效应正在进行中：美国目前失业率仍很低（4.2%），正如我在上一篇关于初级岗位的文章里说明的，工作市场虽有波动，但白领工作将在几十年内继续存在。我们只处在转型期。
我猜想当初互联网兴起（1998 年左右），人们预测“书本”会消失、零售门店会消失。但现实恰恰相反：作家和零售者进化为使用和借助网络。27 年后，我们建立了 Substack、混合电子商务、移动点餐等商业模式，推动图书出版反而繁荣。
写书依然值得，但很多作者更愿透过 Substack 建立受众，而不是被亚马逊“绑架”。超现实吧？这就是“超级员工”效应。一旦你意识到你会看到它无处不在。
这种关于我们工作、职业、生活的“创造性重塑”只会加速。我告诉客户：你们都是开发者！只要用英语（或本语）学习如何“编程与自动化”你的工作、生活与企业。
第三，AI 并不像 AI 工程师认为的那般“智能”
虽说大家痴迷于 AI 超智能和通用人工智能（GAI），但人类基因组比 AI 的高级数学复杂 1,000 倍。我们的基因组是数百万年进化的产物，因此人类擅长“感知、创造、情感与不可预测性”。
70 万亿种蛋白质组成为我们 DNA，每个细胞类型不同。这些 DNA 编码了千万年的学习、进化、环境与经验，有些科学家认为它近乎无限。拜托 Nvidia，不要拿它跟人比。
人类的这些“人类技能”：感知力、同理心、创造力、雄心、激情、毅力、创新力，在 AI 中都找不到。但 AI 是个非常强大的分析引擎，肯定会从经验中学习。
比如 Meta 刚宣布“超级智能实验室”，说到底是为了卖广告（也许还想做“恋爱机器人”）。它的业务由广告驱动，我懒得相信它会彻底改变我们的行业。除了让广告更精准（比如“焦虑中年女性”的广告），我没看到它能改变商业。
另一方面，我对“物理 AI”非常感兴趣——涉及物理、光、动量等方面，比如自动车辆、类人机器人和军用用途。我在中东看到了 Boston Dynamics 的一组爬行机器人网络，用于监测与保障石化厂的安全——非常让人毛骨悚然。
今天我在健身时跟教练聊起那些可以清理 100 磅杠铃的机器人。早年我在炼厂工作时，有一年硫化物泄漏杀死了一名操作工，那次惨剧绝对值得投资数百万来部署机器人监测系统。我猜现在很多化工厂、核电厂都在用这种机器人。我曾在核电站实习时，电厂工作人员总说“别靠那个阀门太近，因为那里有辐射”，但你看不见、感觉不到东西！
所以 AI 有成千上万惊人的用途，但这并不意味着自动驾驶汽车或炼厂机器人可以“感知”或“理解”道路、工厂或天气中的微妙差异。当然随着时间编码这些信号，但人类适应能力更强，我们将始终“超越”这些机器。
第四，是人类创造了新思想、新业务与新工业
再强调：是人类想出新的商业模式、创新、产品与服务，将价值带给世界。如果 AI 这么“聪明”，它为何不会自己成立公司？🙂
每一个突破性产品、科学发现、企业或创意，都是来自人的智慧。我们从出生起就是“学习动物”，具备生存、本能、恐惧、学习、ego、同理心、耐心、宽恕与胜利等复杂能力，正是这些特质造就了 Apple、Microsoft、Nike、Disney 等公司。每一个伟大的企业背后都有一个（或几个人）的主意，他们填补了市场空白。
AI 时代，我们终将迎来一套自动化 agent。买一个机器人，开启它，用它完成日常工作听上去挺诱人（我们用了几天就自动化了编辑与转录流程）。但推动我们的业务转向“智能 HR 与人才体系”的想法，是人类的主意，是我脑海中孕育的概念，是由我们的管理团队与合作伙伴策划打造的。
在压力之下，人类智慧大放异彩：看看乌克兰军队的创造力；看看我们如何迅速应对疫情；看看慢性病或某些残疾患者如何学会应对。这种人类智慧中蕴含神秘，我们拥有历史智能、道德标准。正如英国首席拉比 Jonathan Sacks 在他的经典著作中所言。这就是我所谓的“人类精神之不灭力量”。
每当我在客户面前讲述此类故事时，我感受到人类的创造力如何被激发。AI 并没有这种历史智能或时间因果关系。就如我与 Galileo 合作伙伴 Sana 的 CTO 探讨，他也认可 AI 不具备对历史及因果变化的真正理解。我会进一步与科学家们交流，但仍相信人类在学习与适应上远远领先于任何数据系统。
底线：我们的工作与生活是安全的
最后的结论是，也是我想传达的核心：AI 是工具。我们可以构建它，也可以教它做我们想要的事。如果我们不加控制，它或许会伤害我们（正如割草机或电锯），但是否使用取决于我们这群高级智慧人类。学习它、理解它、驾驭它，用它改善我们的工作、企业与生活——那就没错了。
生活会继续，经济仍由情感驱动，商业仍由人类的灵感、激情、毅力与努力推动。
-
Josh Bersin
Josh Bersin说：HR组织将部分被AI取代——这是件好事
我(Josh Bersin)热爱人力资源这个职业。这些从业者负责招聘、人才发展、领导力培养，以及诸多企业中最重要的问题。尽管HR在历史上常被视为合规职能，但如今它的重要性比以往任何时候都要高。举个例子：在过去20年里，CHRO的薪资增长速度是CEO的5倍，这反映了HR角色的重要性正不断上升。
不过，我们也必须坦诚地面对现实：AI正在扰乱我们的角色。本周，IBM正式宣布，其AI代理现在能够回答94%的常见HR问题，而且除高层领导外，“HR业务伙伴”这一角色几乎已被淘汰。因此，CEO计划裁减HR人员编制，将预算转向销售和工程团队。
我们需要接受一个现实：我们正处于一个“加速度时代”。也就是说，AI的能力发展速度，远超组织的适应能力。因此，我们必须主动出击，重新设计企业架构。就HR而言，我们两年前提出的“系统性HR模型”现在正被AI全面自动化。
我对IBM的案例非常熟悉，它很好地展示了所有HR团队正在前往的方向。多年前，时任CHRO的Diane Gherson开启了一系列AI项目，自动化了招聘、薪酬分析和绩效管理流程。她曾在8年前的大会上分享，IBM的薪酬工具“CogniPay”（于2018年推出）如何利用AI根据技能提出薪酬建议。这款工具领先于当今的“以技能为基础”的策略，自动化了大量原本由经理决定的绩效和薪酬决策。
自那以来，IBM走得更远了。在我最近与现任CHRO Nickle Lamoureux 的交流中，她告诉我，AI代理可以协助撰写绩效评估、制定发展计划，并为管理者和高管提供绩效决策建议。我完全相信这一点，因为我每天都看到Galileo（注：Josh Bersin 公司产品）在为企业做这些事。（你可以看看他们最新的 Mercury 发布版本。）
这会对HR角色和岗位产生什么影响？很明显，许多岗位会被淘汰。
以学习与发展（L&D）或HR业务伙伴为例，我预计HR人员/员工的比例可能会减少20%-30%，甚至更多。这意味着这些人可能会转向管理AI平台，成为变革顾问（这是AI还无法胜任的），或转向组织设计、学习架构和数据管理等领域。
我认为这其实是好事。尽管我们都担心AI会“抢走我们的工作”，但必须记住，我们的真正职责不是“完成任务”，而是“创造价值”，解决复杂问题。在这个不断“爬升价值曲线”的过程中，我们必须学会使用AI、开发AI解决方案，并从系统角度思考企业如何运作。
我最近采访了一位WPP的出色HR负责人 ，他和他的团队利用OpenAI与Reejig（智能工作平台）等AI工具，将65,000个岗位名称精简为600个。这个项目涵盖了数据管理、业务分析、变革管理和领导力等多个维度。最终成果是WPP获得了重构其市场战略、创新方式与增长路径的巨大机会。
这正是我们希望HR团队做的事情。
随着越来越多的“智能代理”进入市场（参见我下面的图示），HR专业人士将不得不训练它们、部署它们，并“管理”它们的长期发展。这包括分析跨部门数据、将结果用于决策优化，并将我们的关注点从“招聘周期”“课程完成率”等过时指标，转向“转化为营收的时间”“实现生产力的时间”“客户服务成熟时间”等更有价值的指标。
你看出趋势了吗？在技术加速的时代，我们要尽可能主动拥抱变化。
停止只想着通过裁员节省多少钱（这只是短期收益），而要聚焦于如何创造价值。这才是AI带来的真正好处：更优质的客户服务、更快的产品上市、更高的创新能力。
从某种意义上讲，所谓“HR被裁员”的故事，其实是“HR正在爬上价值链”的故事——这是个积极变化。而对HR从业者来说，这也是一次个人转型的契机。
-
Josh Bersin
Josh Bersin最新观点：人力资源行业将终结吗？以某种奇特的方式，答案是肯定的
Josh Bersin刚刚发布最新观点：随着AI的加速应用，人力资源行业正在经历前所未有的转变。未来，AI将接管50%到75%的传统HR任务，包括招聘、培训和员工支持。这不仅是一次简单的转型，而是一次彻底的再创造。HR专业人士需要主动重新设计流程，应用AI技术，提升团队效率与战略价值。成功案例如微软的Chipotle，已通过AI显著提高招聘质量与速度。未来的HR将成为AI系统管理者与企业顾问，而不再是传统流程管理员。企业必须提前布局，迎接这场AI浪潮。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
我刚刚在伦敦与数十家企业进行了为期一周的交流，大部分讨论都围绕着AI展开。绝大多数对话的主题是：公司在应对AI带来的影响时，感到焦虑、推动、甚至焦躁不安，这种焦虑不仅体现在HR部门，也体现在各业务团队中。
在CEO和CFO的压力下，HR团队正被要求加速自动化、优化服务、并通过AI实现人员精简。虽然我们都知道AI是一种能够促进增长和规模化的技术，但当前传递出的主要信息是：“赶紧推动生产力项目。”
而所谓的“生产力”，实际上就是“裁员”的委婉说法。
先谈谈裁员
几乎我们接触的每一家企业，都的确存在人员过剩的问题。这是为什么呢？
因为我们的招聘、资源配置和工作管理方式本身就非常低效。我们将“编制名额”下放给各级管理者，而他们则倾向于尽可能多地招聘人员。
我们并没有真正教导或激励管理者如何构建高效的生产力，反而往往奖励他们“扩大团队规模”。结果就是，像我最近在一家大型广告公司看到的那样，组织中充满了各种各样的职位，但缺乏统一性和结构性。这家公司有约10万名员工，却设有超过6万个不同的岗位头衔——几乎每个职位都是为某个人量身定制的，这种做法显然荒谬。
企业存在的根本目的，是为了实现规模化。如果每个部门经理都各自为战，自行搭建团队架构，那无异于将低效深植于企业之中。
虽然我们有一些基本的组织效率模型，比如呼叫中心、全球服务中心、共享服务、能力中心等，但这些传统设计在当下正逐渐过时。在高性能多功能AI代理全面普及的时代，我们必须走得更远。
从“第一性原理”重构组织？
Elon Musk 推崇“第一性原理”方法——即解散现有团队，只从零开始招聘最核心、最迫切需要的人员。这种方法在小型公司或许奏效，但在大型企业中，由于存在大量“支持服务”，简单地“砍掉重建”并不可行。
现实中，很多公司在各个角落散布着项目经理、程序经理、分析师等职位，因为核心员工缺乏管理项目、推进计划、或进行数据分析的能力。由于招聘过程中缺乏严格的标准和规划，各部门纷纷自行扩编，导致组织臃肿、效率低下。
组织设计本来就是一门古老且被严重忽视的学问，多数公司对此缺乏系统化思考。IBM 曾表示，他们的组织设计策略是“聘请一位高绩效高管，让他/她自己摸索出解决方案”——这实际上是行业普遍现象。
AI真正改变的，是“工作设计”
如果我们希望从AI工具和代理中获得真正的投资回报率，就必须彻底重新思考“工作设计”——不仅仅是画组织结构图，而是要厘清工作流程、标准化与非标准化的业务环节，并找出可以自动化的领域。
尽管大多数企业已经部署了大量的生产力系统（如ServiceNow、Salesforce、Workday等），但由于缺乏使用这些系统的能力或纪律，反而持续地通过“增加人手”来解决问题。
作为一名工程师，我对此体会尤深。将问题推给某个人远比优化底层“管道”来得容易。然而，管理工作流程就像修建城市水管系统——如果基础设施不合理，再先进的AI工具也无济于事。
正如渣打银行Tanuj Kapilashrami所说：“必须先修好管道，才能合理应用AI。”
这意味着，我们不能指望微软Copilot之类的工具神奇地提升员工生产力。我们必须从根本上重新审视业务流程与员工技能，并围绕AI重新设计整个企业运作模式。
员工技能，未来的关键
企业之所以聘请大量“分析师”和“项目经理”，往往是因为普通员工和管理者缺乏项目管理、时间安排、数据分析等基本技能。未来，所有人都需要掌握这些能力，而不再依赖大量辅助人员。高阶专业人才应当专注于重大事务，而不是出席会议做会议记录（AI记录工具早已能胜任此事）。（顺便提一句，我预测很快就会出现AI项目经理、AI程序经理、AI数据分析师——这些岗位也将逐步被自动化！）
那么HR会怎样？
回到HR领域，当企业致力于重塑流程、导入AI时，HR的角色至关重要。
HR的本质任务是构建并管理围绕“人”的各项流程：招聘、培养、管理、薪酬、激励与支持等。这项使命极为庞大，当公司将焦点转向“提升生产力”时，HR必须积极参与。
一般认为，一个运作良好的HR团队与公司整体人数的理想比例是1:100。也就是说，一家拥有1万名员工的公司，大约需要100名HR人员。而优秀的HR团队不仅自己高效运作，更会采购、搭建技术系统，以实现规模化管理。
举例来说，如果CEO要求你招聘50名顶尖AI工程师，你不能只是随便打几个电话，而是要设计一套高效、可扩展的方法。这可能包括外包、引进人才情报系统、招聘高端猎头，等等。总之，HR自身也必须成为高效运作的样板。
因此，HR团队必须迅速引入AI代理，取代大量重复性事务，尤其是那些依赖工作流、流程管理和行政性处理的工作。比如，我们的Galileo系统已经可以自动评估候选人的面试表现，并将其技能映射到Lightcast、SHL和Heidrick的领导力模型。
未来，HR工作会消失吗？
某种程度上，答案是肯定的。
凭借出色的数据整合和生成能力，AI可以完成50%-75%的HR工作。目前这些AI系统尚未完全成熟，但趋势已经非常明显。
我们刚刚与一家大型制药企业交流，他们已经基本实现了“全AI化管理”，以仅10人规模的学习与发展团队，服务6000多名科学家和制造专家。他们通过AI自动完成了培训、合规追踪、入职辅导、领导力支持等任务。对于大多数公司来说，这种效率简直是难以想象的。
HR将迎来身份危机
未来，HR必须迅速向更高的成熟度迈进（可以参考我们提出的Systemic HR Maturity Model）。否则，就会像Elon Musk那样，被大规模裁员，并被迫在短时间内仓促上马AI项目。
我并不是说这条路轻松易行。事实上，市面上真正成熟的AI HR产品还非常有限。但压力已经到来。
HR不能等着CFO拿着“生产力枪”指着自己，必须主动出击，修好内部“管道”，试用新工具，联合IT团队，重新设计工作模式。这样，你将能主动选择适合自己公司的AI系统，并构建一个全新的、充满机遇的职业未来。
结语：HR的重塑与再创造
让我们看看Chipotle的案例。他们通过部署基于AI的招聘代理，成功自动化了复杂的招聘流程，不仅节省了数百万美元，还大幅提升了招聘速度和质量。甚至在接受CNBC采访时，CEO将这一成果称为公司的“主要营收驱动因素”。
这场HR身份危机，其实是一个难得的机遇。
我们今天的招聘、培训、员工服务团队规模普遍过大。AI将能够自动化其中大量工作。我的建议是：在AI浪潮席卷而来之前，立即拿起你尘封已久的组织设计手册，重新设计HR团队的运作方式。这样，当面对AI供应商时，你可以主动提出自己的需求，而不是被动接受他们的产品。
未来HR不会消失，但大量传统流程、数据管理与支持岗位将发生剧变。员工与候选人也会越来越习惯通过智能机器人，而非人力HR来解决问题。
不过，真正优秀的HR专业人士，将会变成超能型人才（Superworker）——你将成为企业战略顾问、AI系统训练师，并且能够实时掌握公司人才与流程的整体健康状况。
这次，不再是简单的“转型”，而是真正意义上的“再创造”。
-
Josh Bersin
围绕人工智能重新设计工作：工作智能工具问世
让我提出一个重要的问题：如果您的 CEO 或 CFO 要求您使用人工智能来提高生产力，您会怎么做？
你会采用“电锯”效率模型并裁掉 10% 的员工吗？还是会深思熟虑地围绕人工智能重新设计工作岗位？
本周我与数十家公司讨论了这个话题，所以我想分享我们所学到的知识。
公司为何变得官僚主义
让我们从原因开始：官僚主义是如何产生的。其实很简单：随着组织的发展，管理人员不断招聘新员工，通常是支持或行政职位。突然你醒来，发现公司里到处都是“项目经理”、“分析师”和“项目经理”。
我们最近研究了一家大型科技公司的职位结构，其中近三分之一的职位似乎是员工职位、分析师或项目经理。虽然我确信这些人很忙，但管理层很清楚，其中许多职位可以集中、共享、自动化或取消。
我们正在与一家大型媒体公司合作，他们一直在分析“媒体经理”的工作。该职位有近 7,000 名员工，这些人执行的任务和活动数量之多令人震惊。他们的核心工作是为客户购买广告空间，但实际上他们从事创意设计、账户管理、分析，还必须跟上人工智能的发展。
我认为这份工作是一个“关键角色”（能够带来巨大价值的角色），但在今天之前并没有标准化，而团队现在知道他们的新人工智能平台可以改变这一功能。
我们如何重新设计工作：蓝图
工作设计已经进行了几十年，其中很大一部分始于“工作任务分析”。在人工智能（以及 Reejig、Draup 和 Gloat 等工具）出现之前，我们会进行调查，了解人们在做什么，然后找出重叠、效率低下或自动化潜力的领域。
但在人工智能时代，这可能还不够。如今，人工智能实现了从招聘到需求分析再到内容开发等所有工作的自动化，理想情况下，我们应该采取更广泛的方法。而这正是我看到公司所面临的困境。
考虑以下蓝图，这种方法可以防止您将 AI 用作“寻找问题的解决方案”。
首先，你要对公司进行基准测试，看看哪些地方效率低下。Reejig 和 Draup 等工具可以让你轻松完成这项工作，它们可以让你全面了解工程、销售、营销或个人角色，看看哪些地方人员过多。
我上面提到的媒体公司的收入和利润率都在下降，因此他们把重点放在面向客户的角色上，目标是提高增长。
IBM 在过去十年中一直使用人工智能来自动化公司中的许多人才和绩效流程，现在拥有一个充当人力资源业务合作伙伴的代理。人工智能决定薪酬范围以保持薪酬公平，还为管理人员提供绩效评估的深入数据。结果是增加了信任度，减少了偏见，并提升了人力资源团队的设计作用。
麦格理银行的规模在过去六年中扩大了一倍，因此他们正在合理化大量面向客户的职位。利用 Reejig，他们发现了数十个集中、自动化或重新设计工作流程的机会，以实现规模化。
安联多年来一直在优化其理赔流程。他们了解这项工作在盈利能力方面发挥的关键作用，现在他们已经构建了一个“数字孪生”，以实现大部分工作的自动化和标准化。
正如你所见，这些项目可能不是“自下而上”的，而是“自上而下”的。在很多情况下，比如当 CEO 想要裁员时，这就是要走的路。
其次，你现在必须“分解工作”来弄清楚人工智能可以发挥什么作用。在某些情况下，你会看一看 SeekOut Spot 或 Paradox（最先进的招聘代理）等工具，然后“实施”并重新考虑工作。但这会造成很多恐惧和阻力，所以系统化工作往往更好。
分析任务（或活动）
想象一下，你在医院工作，负责清洁地板：你的“技能”从“扫地”变成了“操作清洁设备”。如果你是一名软件工程师，你的技能将从“编码”转变为“使用 Github Copilot”。营销专业人士正在从“创建活动”转变为“操作 AI 创意平台”。教学设计师正在从“构建课程”转变为“提示 AI 和策划内容”。
一旦我们知道这些“任务”或“活动”是什么，我们就可以预测或决定要实施多少自动化。在我们讨论的每个案例中，这分为四个步骤。
首先，这个团队效率低下是因为他们正在开发我们根本不想做的产品、销售流程或其他计划吗？我曾在许多效率低下的销售团队工作过，问题在于没人想买的产品，而不是销售流程本身。
第二，这些工作任务是否常规且易于外包？我们能把它们集中起来吗？他们的易用平台是否已经到位？
第三，如果我们找到一个可用的人工智能工具，那么构建、优化和训练它会有多难？可能有一些现成的产品已经准备好了，但在某些情况下，你可能需要 IT 支持来构建所需的系统。
第四，如果我们确实将这些任务外包或自动化，人们需要学习哪些新的增值功能？例如，如果营销专业人员突然被 CRM 工具取代，他或她是否准备好成为一名战略家并在此基础上增加价值？
再回到媒体公司。您的员工会制作创意活动、购买广告空间并管理电子商务和活动指标，以不断提高客户的品牌和销售业绩。这涉及数百项“任务”，包括从客户管理到活动管理再到各种形式的创意工作、管理活动、进行 SEO 分析等等。
随着“代理”的出现，您的代理机构不想落后，因为您的竞争对手之一可能会突然以低于您的出价在客户方面胜过您。因此，您会对“我们可以自动化哪些任务和活动？”非常感兴趣。
现在最大的问题是：我们是否有工具可以帮助我们将工作分解为任务并找出需要重新设计的内容？是的，这就是接下来要做的事情。
Reejig、Gloat、Draup 等推出的全新工作智能平台
如果你回头思考这个问题，你会发现这也是一个“大数据”机会。如果我开发一个工具，扫描世界上的每一份招聘信息，寻找“任务”而不仅仅是“技能”，然后将这些“任务”与职位描述进行匹配，我实际上就会拥有一个巨大的“工作任务库”，可以实时更新。这就是Reejig所做的。
你可以使用Reejig 平台查看公司中的职位，它会为你提供“人们正在执行哪些任务”的准确信息。微软、麦格理集团和 WPP 现在都在这样做，他们都告诉我，准确度令人惊叹。换句话说，虽然你的公司与其他公司并不完全相同，但人们在每个业务领域所做的实际工作却惊人地相似。
我从自己的职业生涯中了解到这一点。在我的职业生涯的六个主要阶段，我从事过销售、营销、产品管理、业务开发和行政工作。每次我去一家新公司，我都会发现他们做的事情和其他公司完全一样，但有些事情被忽略了。这是因为我们还没有人工智能驱动的任务分析工具，所以我们根据经验“弥补”我们需要做的事情。
2000 年代我在 Sybase 工作时，我们根据地点和公司规模进行营销。我们利用直邮和活动来接触人们。并不是每个营销经理都完全了解“受众分析”这一步骤。
如果您有一个平台，可以基于这个庞大的 AI 数据库将“活动策划”一词分解为步骤（活动），会怎么样？它会将您的计划分解为一组 10 或 15 个步骤，并确保不会忘记任何事情。然后，一旦确定了这些步骤，系统就可以向您展示每个步骤所需的技能，甚至可以找到公司中擅长这些事情的人！这就是Gloat 的新 Mosaic平台所做的。
我第一次看到 Mosaic 时惊呆了。多年来，我一直从事销售、营销和研究，依靠自己的经验来了解该做什么。Gloat 可以告诉我需要考虑的每一个步骤。如果我对其中某个步骤不熟悉，Gloat 可以帮我找到一个具备所需技能的人。
这是一件大事。虽然我们公司的每个业务流程看起来都很相似（例如“订单到现金”或“销售线索到销售”），但这些流程中的细节一直在变化。想想保险公司处理索赔的复杂流程。你能想象当你的房子被烧毁，他们想给你寄一张支票时，他们需要多少验证步骤、基准测试、质量检查和欺诈检测流程吗？Travellers 的员工告诉我，他们有“模拟房屋”，他们实际上用火烧毁厨房，以确定在火灾中他们应该承担哪些承包商、供应品和费用。
我们在商业中所做的一切都是由任务和活动组成的，这些“工作步骤”正在以光速实现自动化。因此，这些新的“工作智能”工具在未来的世界将非常有用和重要。
从很多方面来看，Reejig、Gloat、Draup等工具都是我们需要的新型工作智能工具，取代了我们过去所做的大部分“工作任务分析”。
如何使用这些新的工作智能平台？
那么现在最大的问题是：这些工具是万能药吗？或者它们只是“咨询加速器”。
这些都是突破性的新产品。
Reejig 是一个人工智能驱动的工作任务分析平台，它可以显示重点关注的地方。Gloat Mosaic 帮助管理人员分解工作、寻找有才华的员工并确定平台和技能。而 Draup 可以对您的生产力进行基准测试并确定您拥有的平台（以及您的竞争对手使用的平台），以便您评估您的技术成熟度。
这是一个新市场，而且才刚刚起步。未来会有更多此类工具出现。
最后的想法：思考业务重新设计，而不仅仅是工作重新设计
“超级员工的崛起”计划既是一个商业项目，也是一个工作设计项目：我们正在将多个工作职能整合到数据驱动的代理中。
例如，我们的一个客户最近来找我们，说“我们觉得我们的员工太多了，我们想在不雇佣任何新员工的情况下将公司规模扩大一倍。”（“人才密度”策略。）
我们查看了基准（每位员工的收入等），发现他们可能人手过多了 10-15%。但在我们深入研究职位结构之前，首席人力资源官提到“我认为我们的销售人员太多了，因为我们向错误的客户销售产品。我们的许多小客户都没有续约。”无论多少职位重新设计都无法解决这个问题！
换句话说，工作重新设计既是自上而下的工作，也是自下而上的自动化项目。因此，请记住蓝图并考虑以下四件事：
是否有一些产品、市场和客户群体需要我们削减、改进或重新考虑？我们是否在打造正确的产品并服务正确的市场？
我们是否可以通过培训、共享服务或组织整合来解决技能和“错位”问题？
是否有可重复、常规、低价值的任务我们可以立即实现自动化和简化？我们能否使用现有平台快速实现自动化或简化？
当我们转向自动化代理时，是否存在跨职能的机会来同时改善多个角色？
如果您考虑招聘，您可以轻松找到用于构建职位描述的工具。但如果您考虑整个流程，多功能代理可以帮助进行职位分析、职位描述、采购、评估和入职。（Paradox、Maki People、Eightfold 目前正在这样做。）
不要让人工智能成为寻找问题的解决方案
我参加会议后得出的最后一个想法是，一些公司对人工智能如此着迷，以至于他们感觉自己就像一个在寻找问题的解决方案。
新的自动化解决方案需要时间来实施，因此请慢慢来，并确保专注于高回报领域。这样，您将获得资金和 IT 支持。
最后一个故事。
客户是一家拥有全球人力资源组织的大型科技公司。他们拥有出色的人力资源技术，生产率已经很高。他们追求的“问题”是随着业务转向全人工智能产品模式，如何能够超强地促进员工增长，他们希望 HRBP 能够领导这项工作。
人力资源团队以这一重点为中心，检查了这些业务合作伙伴的询问、互动、任务和活动。果然，通过 Reejig 的分析，他们发现多达 40% 的时间都花在了管理上。现在，为了实现高水平的目标，该团队正在研究自动化（包括Galileo）来自动执行这些任务。
将工作设计工作重点放在业务目标上。Gloat（将工作分解为项目、任务、技能和才能）、Reejig（任务分析和组织任务基准测试）和 Draup（企业范围基准测试、工作量分析和技术平台基准测试）等新工具可帮助您加快工作速度。
我们不要为了人工智能而迷恋它，从一开始就要务实。当今的经济现实要求我们这样做。
-
Josh Bersin
必读：全球CHRO演变趋势，新一代HR领袖的必经之路
Josh Bersin 最新研究揭示 CHRO 成长轨迹与未来挑战!近年来，首席人力资源官（CHRO） 这一角色正在经历前所未有的变革。最新发布的 《Understanding the Path to CHRO》 报告(点击可以下载报告，同时附录在文章后)，基于对 20,000 多名 CHRO 的数据分析，深入研究了 CHRO 的成长路径、核心能力及全球 HR 领导者如何适应企业需求的变化。
该研究揭示了HR 从传统行政职能向战略核心的转型趋势，同时发现：
75% 的 CHRO 来自外部招聘，内部继任计划严重不足。
CHRO 逐步迈入 C-suite，13% 进入企业最高薪酬前五名，相比 30 年前增长 26 倍。
四类 CHRO 发展路径浮出水面：职业型 CHRO（Career CHRO）、企业型 CHRO（Company CHRO）、业务型 CHRO（Business CHRO）、运营型 CHRO（Operations CHRO）。
具备国际化经验的 CHRO 绩效更高，75% 的高绩效 CHRO 曾在海外工作。
政治学、经济学背景的 CHRO 更具影响力，而 HR 专业背景反而在高绩效公司中占比最低。
从这些数据来看，CHRO 角色不再是简单的人才管理者，而是企业变革的推动者、业务战略的支持者、AI 与科技革新的领导者。那么，中国的 HR 领导者如何才能成长为具备全球视野的 CHRO？本文将从CHRO 角色的转型趋势、职业路径、核心能力模型及中国 HR 的成长路径四个方面展开分析。
报告下载地址：https://www.hrtechchina.com/Resources/59250FA4-A800-58D9-5CE6-76E4DBC4F82A.html
🔹 CHRO 的转型趋势：从 HR 负责人到企业变革领导者
传统 HR 主要聚焦于招聘、薪酬管理、劳动合规等事务性工作，过去常被视为“后勤支持”部门。然而，随着 全球劳动力市场变化、AI 赋能 HR、企业运营模式调整，CHRO 的角色发生了深刻变化：
1️⃣ CHRO 从 HR 服务交付者转变为业务战略伙伴过去 HR 被认为是支持职能，而今天，CHRO 需要直接参与企业战略决策，关注人才如何驱动业务增长。例如，疫情后全球远程办公兴起，CHRO 需要设计全新的组织架构、推动员工体验升级、调整绩效激励模式，以适应新的工作模式。
2️⃣ AI 与数字化重塑 HR 角色AI 和 HR Tech（人力资源科技）正在改变 HR 的运作方式。CHRO 不仅需要理解 AI 招聘、数据驱动绩效管理、智能学习平台，还要在组织中推动这些技术的应用。例如，采用 AI 进行人才画像分析、通过自动化面试减少招聘成本、利用数据分析优化员工保留率。
3️⃣ 全球化人才流动与多元化管理企业越来越依赖国际市场，CHRO 需要具备 跨文化管理、远程团队领导、国际雇佣合规 的能力。报告发现，在高绩效公司中，75% 的 CHRO 具备国际工作经验，这说明全球视野已成为 HR 领导者不可或缺的竞争力。
🔹 四类 CHRO 发展路径：你属于哪一类？
研究报告将 CHRO 的职业路径划分为 四种主要类型，每种路径各有优势和挑战：
1️⃣ 职业型 CHRO（Career CHRO）——最常见的路径
通过在不同公司担任 HR 领导职务不断晋升，占比 73%。
优势：具备跨行业 HR 经验，能从外部引入最佳实践，拥有更广阔的专业网络。
挑战：对新公司的文化和业务理解较浅，缺乏长期稳定的 C-suite 关系。
2️⃣ 企业型 CHRO（Company CHRO）——公司内部晋升
在同一公司内部从 HR 经理逐步晋升为 CHRO，占比 17%。
优势：深谙企业文化和业务流程，与内部管理层关系紧密。
挑战：缺乏外部视角，可能难以推动 HR 变革和创新。
3️⃣ 业务型 CHRO（Business CHRO）——来自业务部门
从 销售、运营、市场等业务部门 转型进入 HR，占比 8%。
优势：更能理解业务需求，与 C-suite 关系更紧密，推动 HR 战略落地能力强。
挑战：缺乏 HR 专业知识，需要依赖强大的 HR 团队支持。
4️⃣ 运营型 CHRO（Operations CHRO）——来自行政管理
从 财务、法务、风控、合规等行政职能 转型进入 HR，占比 2%。
优势：擅长数据分析、预算管理、企业治理。
挑战：缺乏人才管理经验，对 HR 战略落地理解较弱。
🔹 如何成长为全球化的 CHRO？给中国 HR 领导者的建议
📍 1. 强化战略思维，进入 C-suite 视角
了解公司商业模式、行业竞争、市场趋势，与 CEO 和 CFO 讨论人才如何助力业务增长。
研究 企业并购、组织架构调整、数字化转型，提升 HR 的商业价值。
📍 2. 发展跨职能经验，打造“全栈”HR 能力
轮岗至 业务、销售、运营、财务 等部门，培养业务敏锐度。
研究 AI 招聘、人才数据分析、HR Tech 应用，提升 HR 战略能力。
📍 3. 获取国际化经验，拓展全球视野
参与国际 HR 项目或申请外派，提升跨文化管理能力。
研究欧美和东南亚 HR 模式，吸收多元化管理经验。
📍 4. 选择合适的职业路径，提前规划 CHRO 之路
喜欢跳槽挑战不同公司？选择 职业型 CHRO 之路。
想在一家企业长期发展？适合 企业型 CHRO。
具备销售、运营经验？可向 业务型 CHRO 发展。
具备财务、合规经验？适合 运营型 CHRO 之路。
📍 5. 建立行业人脉，参与高端 HR 领导者社区
参加 全球 CHRO 论坛、HR 领导力发展计划，与行业顶级 HR 领袖交流。
申请 CHRO 发展课程或职业认证，提升影响力和专业度。
未来 CHRO 必须成为“HR 版 CEO”
HR 不再只是“管理人”的角色，而是“管理未来”的领导者。无论是战略思维、科技应用、全球视野，还是跨职能经验，中国 HR 领导者想要进入全球 CHRO 赛道，就必须不断突破边界、提升自我，最终成为企业变革的核心驱动力！
-
Josh Bersin
Josh Bersin：调查显示，PA团队仍难以产生对业务影响
Josh Bersin公司最新研究揭示了人员分析领域的持续增长!然而，进展有限：470家全球组织中，只有10%的人员分析团队参与了业务级项目.Josh Bersin公司警告，如果人员分析无法系统化且更具商业导向，可能会失去投资和支持，使CHRO无法获得能推动业务影响的宝贵洞察。
忠告是：拥抱AI，并重新定位为“系统性商业分析”提供者，否则可能被边缘化。
多年未解的难题
在我职业生涯的早期，我曾参加HR分析会议，看到许多勤奋的分析师做着惊人的工作，但他们常常感叹无人倾听。25年过去了，这些分析师依然努力，但他们的进展仍令人沮丧。
《人员分析权威指南：通向系统性商业分析的旅程》指出，问题在于企业普遍面临人才约束。尽管AI自动化即将到来，各组织仍在寻找新技能，招聘一线工人，并在婴儿潮一代退休之际填补领导层的空缺。据预测，医疗行业在未来三年内将短缺200万名临床医生，零售业和制造业面临类似挑战。
随着这些劳动力挑战的出现，我们现在却被大量可用数据所淹没。企业使用Eightfold、LinkedIn、Lightcast和Draup等平台来精准定位人才、识别薪资需求和发现关键技能。从理论上讲，HR的分析能力应该像CRM或财务规划系统一样强大。然而，事实并非如此。
尽管在HCM（人力资本管理）平台上投入了数十亿美元，但不到10%的公司能够将HR和人员数据与业务指标直接关联。这是一个严峻的问题。
现状分析：未被充分利用的HR数据
最近我得知，Salesforce计划招聘1000名销售代表来销售其AI代理系统。（一种奇怪的做法：招聘销售代表来推广一种消除销售代表需求的系统。）Mark Benioff（Salesforce的CEO）可能想知道这些新员工需要哪些技能、应具备什么背景，以及内部有多少人可以重新部署。他有这些信息吗？我对此表示怀疑。
这就是普遍存在的问题。我们在HR软件上投入了巨资，但人员分析团队通常被困在“科学项目”中，专注于研究员工保留、技能差距等重要但内部导向的问题。有多少公司能像对待供应链、财务运营或客户保留那样严谨地测量和监控人力资本？
答案是不到10%。某种程度上，这是一种进步：上一次研究时，这个比例还更低。但显然，这个比例还远远不够高。鉴于工资是企业最大的可自由支配支出，我们难道不应该以极高的精确度测量人员的影响吗？答案当然是肯定的，只是这项工作非常困难。
困难的根源
为什么这么难？原因有以下几点：
数据分散在30到40个不同的员工系统中；
数据定义不清，例如由于季节性变化、家庭变化等因素，计算真实的员工保留率需要耗费大量精力；
HR系统与业务系统之间几乎没有明确的关联。
尽管我们购买了Workday、SAP、Oracle等ERP系统来整合数据，但这些供应商并未提供直接的跨领域关联能力。例如，要做一份“销售业绩与经验年限相关性”的报告，可能需要一周时间才能整理出正确数据，因此销售经理通常根本不会尝试。
AI带来的变革
然而，变化即将发生，而且速度很快。
人员分析是HR领域中最后一个达到成熟的领域之一，原因在于上述挑战以及某些公司缺乏“数据导向”的思维。
AI的出现正改变这一切。作为一种集成性最强、系统性最强且易于使用的数据管理技术，AI不需要专业背景即可高效操作。例如，通过AI工具如Visier的Vee、Galileo、Illuminate等，HR团队可以轻松将多种数据整合在一起并生成即时洞察。
想象一下，您将员工的销售数据输入Galileo，然后再添加员工历史数据库、薪酬数据和培训记录。如果数据标记正确，AI会立即让您得出“销售收入与任期、培训历史、管理跨度和薪酬之间的关系”这样的答案。虽然AI可能不知道某些销售代表拥有优越的市场区域或某些领导表现差强人意，但它会提供基础信息。
随后，您可以添加其他数据以完善分析。
推动系统性分析进入高层
我们称之为“系统性分析”（Systemic Analytics），即从系统的角度而非单一视角分析问题。例如，招聘对员工流失的影响有多大？工作时间安排对生产力的影响有多大？
AI可以帮助企业领导更全面地了解背后的人员问题。例如，在季度末，CEO可以谈论“亚洲地区的员工生产力增长了11%，得益于新的招聘模式和薪酬体系。”
这10%的领先企业已经通过将人员分析定义为“业务分析”职能、赋予HR团队咨询角色以及配备数据工具而取得了巨大成就。
未来已来。让AI为人员分析赋能，释放人力资本的无限潜力！
扫一扫 加微信
hrtechchina
