夜雨聆风
（图片由HRflag用Midjourney生成，编号db4f5e58-a818-4707-9f5a-845d88896638_2）
过去两年，AI在企业管理语境中几乎成了一种“必答题”。每个部门都希望证明自己已经跟上技术浪潮，每家供应商都在展示自动化、智能体和降本增效的新功能，每场高管会议也几乎绕不开“我们到底有没有用AI”这个问题。然而，到了2026年，真正有经验的企业领导者已经不再满足于这种表层答案。他们开始追问一个更冷静、也更关键的问题：AI究竟有没有真正改变工作？有没有提升组织能力？有没有让员工、经理和HR本身变得更有效？
SHRM在2026年发布的《The State of AI in HR 2026》给出了一个很有现实感的答案：AI已经进入HR，但远没有全面进入HR；AI已经带来效率提升，但还没有充分改写HR的战略位置。该报告基于1,908名HR专业人士的调查显示，39%的组织已经在HR职能中采用AI，另有7%计划在当年启动，但仍有31%的组织没有AI部署计划。换句话说，AI不再是未来概念，而是已经发生的管理现实；但它也远没有成熟到可以被简单称为“组织的新操作系统”。
HR AI真正进入第二阶段的标志，不是谁先试用了工具，而是谁能把试用变成流程、指标、治理和组织能力。早期的AI应用很容易被包装成一场技术秀：自动生成岗位描述、快速筛选简历、制作培训内容、回答员工政策问题。但当热闹过去，企业必须回答更硬的问题：AI提升了什么？替代了什么？释放出来的时间流向哪里？风险由谁承担？人的判断权保留在哪些关键环节？
从实际应用看，AI在HR中的扩散路径非常务实。SHRM数据显示，AI最常见的应用领域是招聘，占27%；其次是HR技术，占21%；学习与发展占17%；员工体验占14%。而在包容与多元、高管与董事会关系、ESG、伦理与合规等领域，AI使用比例都在2%或以下。这说明AI最先进入的并不是最复杂、最敏感的组织议题，而是流程密集、数据结构清晰、重复动作较多的环节。
这并不难理解。招聘中的简历解析、候选人匹配、面试安排，天然适合AI切入；学习发展中的内容生成、测验设计、个性化推荐，也容易形成短期效率；员工服务中的政策问答、流程导航、文档检索，同样可以被自动化工具快速覆盖。但当问题进入薪酬谈判、冲突调解、绩效反馈、继任判断和组织文化塑造时，AI的角色就必须收敛。它可以提供信息、提示风险、整理选项，却不能代替管理者承担关系、信任和价值判断。
这正是企业容易误判AI价值的地方。SHRM报告显示，在已经使用AI的HR专业人士中，87%认为效率有所提升，75%认为工作质量提升，70%认为创造力提升；但在“决策改善”上，只有41%认为有轻微改善，50%认为没有改善。也就是说，AI已经明显让HR“做得更快”，却还没有自动让HR“判断得更好”。
效率是AI最容易交付的价值，判断才是组织最难转化的能力。一个招聘团队用AI把简历筛选速度提高一倍，并不必然意味着它更懂业务、更懂岗位成功画像、更懂候选人与团队的长期匹配。一个学习团队用AI生成了更多课程，也不必然意味着组织真正形成了更强的技能迁移。一个员工服务机器人回答了更多问题，也不必然意味着员工对组织的信任增强。真正的问题不是企业有没有用AI压缩工作量，而是有没有用AI重构工作本身。
微软2026年Work Trend Index提出了类似判断。微软基于大量Microsoft 365匿名生产力信号以及对10个国家2万名AI使用者的调研指出，组织的瓶颈已经不只是个人会不会使用AI，而是工作有没有围绕AI被重新设计。报告还显示，58%的AI用户认为自己正在产出一年前无法完成的工作，而在更成熟的“Frontier Professionals”群体中，这一比例达到80%；同时，Microsoft 365 Copilot超过10万次对话分析显示，49%的对话已经涉及分析、解决问题和创造性思考等认知型工作。
这对HR尤其关键。过去HR推动新技术采用，常常围绕培训、宣导、权限开通和使用手册展开。但AI不是普通软件，它会改变任务边界、岗位边界、团队边界和管理边界。员工不是简单“学会一个系统”，而是要学会把工作拆解成意图设定、信息判断、AI协作、质量控制、例外处理和结果负责。管理者也不是简单鼓励团队使用AI，而是要重新安排任务流，明确哪些任务由AI先做，哪些任务由人复核，哪些场景必须人来主导，哪些指标要重新定义。
广告
麦肯锡的研究进一步提醒企业，AI价值不能只停留在局部体感。其2025年全球AI调研显示，78%的受访组织已经在至少一个业务职能中使用AI，71%定期在至少一个业务职能中使用生成式AI；但超过80%的受访者表示，生成式AI尚未在企业层面的EBIT上产生可感知影响。麦肯锡同时指出，跟踪明确KPI、建立清晰路线图、重构工作流，是企业能否把AI转化为经营收益的重要因素。
放到HR语境里，这句话可以说得更直接：AI不是被“安装”进HR的，而是被“编排”进工作流的。如果企业只是把AI放在旧流程边上，让员工在原有工作之外多打开一个工具，AI很容易变成另一层负担。真正有价值的做法，是把AI嵌入任务链：从需求识别、信息收集、初稿生成、风险提示、方案比较、人工判断、执行跟踪到结果复盘，每一个环节都重新界定人机分工。
以招聘为例，AI不应该只是替代招聘专员读简历。更有价值的切入口，是帮助业务和HR共同澄清岗位成功画像：这个岗位未来12个月要解决什么业务问题？候选人的哪些经验信号真正能预测成功？哪些能力可以培养，哪些能力必须入职前具备？面试官之间如何统一评价口径？如果AI只是加速筛选，招聘可能更快；如果AI帮助组织重构岗位画像和评价标准，招聘才可能更准。
以学习发展为例，AI不应该只是把课程生产成本降下来。更重要的是，它可以推动L&D从“课程供应部门”转向“能力迁移部门”。员工不再只是完成一门课，而是在做预算、谈客户、写方案、处理投诉、管理项目时得到即时支持。学习从“离开工作去学习”，变成“在工作中形成能力”。这才是AI对企业学习体系真正深层的改变。
以员工关系和绩效管理为例，AI更不能被理解为替代经理说话。它可以帮助经理整理事实、识别情绪风险、准备反馈框架、提示可能偏差；但真正困难的部分——如何表达尊重，如何处理员工的防御心理，如何在组织目标和个人处境之间做平衡，如何让一次艰难对话不变成信任破裂——仍然依赖人的判断和关系能力。SHRM报告中特别强调，HR专业人士普遍认为，在同理心、复杂判断、伦理推理和人际连接密集的领域，AI应支持而不是取代人的判断。
这也是“人本影响”四个字的真正含义。它不是反技术，也不是把AI限制在边缘任务上。相反，人本影响要求企业更成熟地使用AI：让AI承担更适合机器的重复、检索、生成、对比、提醒和预测工作，让人保留更适合人的判断、关系、价值取舍、意义建构和责任承担。人本不是效率的反面，而是效率被正确分配之后，组织重新确认人的不可替代性。
但现实问题在于，很多企业仍没有把HR真正放进AI战略的中心。SHRM报告显示，HR在员工技能提升和再培训方面接近主导，但在AI治理、技术选型、战略设计等方面，往往仍由IT、法务合规或跨职能团队牵头。HR专业人士还报告称，法务与合规通常主导AI治理与监督，而HR与IT在制定或更新AI相关政策时更多是协作角色。
这不是一个小问题。AI表面上是技术项目，本质上是组织项目。技术部门可以回答模型能力、系统架构、权限、安全和集成；法务合规可以回答监管要求、数据边界和责任风险；但只有HR最接近员工如何理解AI、经理如何使用AI、岗位如何被重写、技能如何被迁移、文化如何接受新规则。没有HR声音的AI战略，容易把人看成“被部署对象”；只有HR进入战略中心，AI才可能真正变成劳动力战略。
治理因此成为2026年HR AI的核心议题。很多企业把AI治理理解为“列禁令”：不能上传什么数据，不能使用哪些工具，不能让AI做哪些决定。这当然重要，但远远不够。SHRM建议，企业需要建立面向未来的AI治理框架，重点关注数据隐私、安全风险和负责任使用，并且避免制定过度绑定某个具体工具的政策，而应采用能随技术演进的原则型指南。
更成熟的做法，是采用“红黄绿灯”式的场景治理。绿色场景鼓励高频使用，例如文档初稿、知识检索、会议纪要、政策问答；黄色场景允许AI辅助但要求人工复核，例如候选人匹配、培训推荐、绩效材料整理、薪酬分析；红色场景禁止AI单独决策，例如最终录用、解雇建议、敏感员工关系判断、重大薪酬决定和高风险合规事项。治理的关键不是把创新关起来，而是让创新在清晰边界内持续发生。
除了治理，技能也是更现实的瓶颈。SHRM数据显示，未采用AI的组织中，最主要原因是缺乏对AI能力的认知，比例达到67%；其次是透明度、准确性和内部数据不足等技术担忧，占49%；担心缺少“人情味”并影响员工或候选人互动的比例为42%；资源不足为38%。
这说明很多企业的AI阻力并不来自明确反对，而来自“不知道如何开始”。大型企业容易出现“AI烟花”：到处都有试点，却没有统一架构、统一指标和统一治理。中小企业则容易陷入“AI恐惧”：因为看不清路径，干脆错过能力建设窗口。SHRM也发现，超大型组织更可能在HR职能中实施AI，比例为60%；小型和中型组织分别为33%和35%。
但无论企业规模大小，AI培训都不能再做成一次性课程。AI技能不是“学完即会”的知识点，而是“用中形成”的工作习惯。员工需要知道如何提出好问题，如何判断AI输出，如何补充业务背景，如何保护数据，如何识别幻觉，如何把AI结果转化为行动。经理更需要掌握新能力：如何把任务拆成适合AI协作的模块，如何评估AI辅助产出的质量，如何避免团队过度依赖AI，如何重新分配被AI释放出来的时间。
这也意味着，AI带来的劳动力变化并不是简单裁撤。SHRM报告显示，在已经部署AI的组织中，57%的HR专业人士提到AI带来频繁的员工技能提升或再培训机会，39%提到员工职责发生转移，24%提到出现新工作或新角色，只有7%提到轻微岗位替代。这组数据比“AI替代人”的简单叙事更接近现实：AI首先重写的是任务结构，其次才是岗位数量。
对HR来说，这意味着岗位说明书、胜任力模型、绩效指标、薪酬等级和晋升路径都需要重新审视。过去一个岗位的价值可能来自执行熟练度；AI进入后，价值会逐渐转向问题定义、质量控制、跨职能协同、客户理解和复杂判断。过去一个初级岗位可能承担大量资料整理和基础分析；AI进入后，初级岗位的训练路径可能被压缩，企业必须重新设计新人如何获得“基本功”。如果AI把大量入门级任务自动化了，组织就必须主动创造新的学习场景，否则未来会出现管理断层：年轻员工没有足够机会练习判断，却被更早要求承担判断。
因此，CHRO不能只是AI应用的推广者，而要成为“人机协作组织”的架构师。过去，HR擅长管理岗位、人数、薪酬、绩效和发展；未来，HR还必须管理任务、技能、智能体、数据权限、AI协作边界和人类判断责任。岗位不再是最小管理单元，任务链和能力单元会变得越来越重要。
企业真正需要的，不是给每个岗位贴上“可被AI替代”或“不可被AI替代”的标签，而是拆解每个岗位中的任务：哪些任务可以自动化，哪些任务可以增强，哪些任务需要重新设计，哪些任务必须保持人类主导。招聘中的岗位JD生成可以由AI先起草，候选人沟通安排可以高度自动化，人才市场地图和继任风险分析可以由AI辅助建模；但最终录用判断、薪酬谈判、关键人才保留谈话，仍然必须由人主导。学习发展中的课程材料可以AI生成，个性化学习路径可以AI推荐，技能差距预警可以AI监测；但学习优先级、文化导向和领导力发展方向，不能交给模型决定。
这也解释了为什么“人情味”不是HR AI的阻碍，而是HR AI的边界条件。员工来找HR，往往不是因为找不到一条政策，而是因为某条政策如何作用于自己的人生处境。候选人与招聘方互动，也不只是完成信息交换，而是在判断这个组织是否值得信任。经理处理绩效问题，也不只是填写表格，而是在维护团队标准、个人尊严和业务结果之间寻找平衡。AI可以让这些场景更有信息、更有准备、更少重复劳动，但不能让它们失去人的责任。
所以，2026年HR AI的关键命题，不是“AI会不会替代HR”，而是“HR能不能借AI重新证明自己的战略价值”。如果HR只把AI用于写材料、做表格、回复咨询，它当然会变得更高效，但也可能被进一步工具化；如果HR能够把AI用于工作重构、技能战略、组织诊断、文化治理和管理者赋能，它就会从后台职能走向企业转型的核心位置。
企业高管也需要给HR新的授权。过去，AI项目通常从IT预算开始，从系统上线结束；未来，AI项目应该从业务问题开始，从组织能力变化结束。CEO和高管团队要让HR参与AI战略制定，而不是等工具选定后再让HR负责培训推广。CHRO要与CIO、CTO、法务、财务和业务负责人共同定义AI的价值账本：效率账本、质量账本、体验账本、风险账本和能力账本。
效率账本回答时间和成本是否下降；质量账本回答决策、服务和交付是否更好；体验账本回答员工、候选人、经理和业务方是否感到更清晰、更及时、更可信；风险账本回答偏见、隐私、合规、安全和过度依赖是否被控制；能力账本回答组织是否因为AI形成了更强的学习速度、协同能力和人才流动能力。没有这五本账，AI就容易停留在热闹的演示和零散的效率故事里。
AI进入HR的第一幕，主角是工具；第二幕，主角是流程；第三幕，主角会是组织能力。企业现在正处在第一幕向第二幕过渡的尴尬阶段：工具已经到处都是，流程还没完全改；员工已经开始使用，治理还没跟上；领导层已经看到机会，HR却未必真正进入战略中心。
因此，2026年的HR AI不再适合用“有没有”来判断。更有价值的问题是：有没有被测量？有没有被治理？有没有进入工作流？有没有改变技能结构？有没有让经理更会管理？有没有让员工更有能力？有没有让组织更快学习？有没有在效率之外，保住判断、信任和人性？
如果答案仍然含糊，企业的AI热潮就只是热闹。
如果答案开始清晰，HR才真正进入AI时代。
活动名称 | 时间 | 地点 |
