核心摘要
选择再培训对象时，最危险的问题是“哪些岗位会消失”。这个问题很快会制造恐惧，但作为执行标准过于粗糙。更有用的问题是“哪些工作在减少，哪些工作在扩大，员工可以转向哪些角色”。
SHRM的2026年AI in HR报告基于1,908名HR专业人士的调查指出，在已部署AI的组织中，受访者报告频繁出现技能提升与再培训机会的比例为57%，岗位职责变化为39%，新角色为24%，少量岗位替代为7%。报告还说明，workplace AI的组织影响相较岗位替代，更可能表现为岗位职责变化，可能性高出5.7倍；表现为新角色生成的可能性高出3倍。
因此，再培训对象不应是“处在将被取消岗位的人”，而应从“工作组合正在变化、具备转向相邻角色可能性，并且学习与配置可以一起设计的人”中寻找。
再培训对象来自“变化中的工作”，而不是“将消失的岗位”
只看岗位名称，容易把再培训对象过度扩大或错误缩小。例如，同样是客户支持岗位，简单问询可能被自动化，但复杂问题协调、客户不满分析、AI回复质量审核可能变得更重要。如果把整个岗位都视为风险群，就会错过留下来的工作和正在扩大的角色。
SHRM的调查范围是全球HR专业人士样本，行业与职群构成可能不同于韩国企业。即便如此，岗位职责变化39%、新角色24%、岗位替代7%的数据仍说明，再培训的起点不是岗位废止，而是工作变化。对象选择应先绘制工作单元的变化地图，而不是先看岗位名称。
第一项标准不是自动化可能性，而是留下来的判断工作
仅仅寻找AI能做什么，无法选出再培训候选群。即使某项工作自动化可能性很高，其周边仍可能留下更需要人做好的判断工作。SHRM说明，workplace AI的组织影响相较岗位替代，更可能表现为岗位职责变化，可能性高出5.7倍，这一点很重要。
因此，第一项标准不是“什么会被自动化”，而是“自动化之后还剩下什么判断”。重复录入减少后，可能留下例外处理与质量验证。报告草稿撰写加快后，数据解读与决策支持可能变得重要。咨询回复自动化后，客户问题分析与服务改善建议角色可能扩大。
第二项标准是可移动的相邻角色
再培训不能止于培训。必须存在可配置的相邻角色。TalentLMS的2026年L&D Report用“Training builds skills, but mobility builds futures”强调内部职业路径与学习连接的必要性。同时，44%的HR经理表示，在新角色上会优先考虑外部候选人，而不是内部员工。
这一数字说明，在选择再培训对象时，内部移动路径有多重要。如果组织口头上说要培养内部候选人，实际新角色却由外部招聘填补，再培训就会失去动力。选择对象时，应观察当前技能与目标角色之间的距离。太近更接近技能提升，太远则难以通过短期再培训完成。从能看见相邻角色的群体开始，更现实。
第三项标准是同时看学习可能性与配置可能性
选择再培训候选群时，如果只看学习意愿，很容易失败。没有配置可能性的学习，对个人和组织都是模糊承诺。TalentLMS指出，在应对技能差距时，64%的HR经理选择现有人才的技能提升与再培训，62%选择用AI自动化工作，57%依赖外部专业人才招聘。
TalentLMS还说明，一半企业正在重组角色或责任，29%正在取消依赖过时技能的职位。调查对象和样本需根据企业情境解读，但有一点很明确：再培训不是培训项目，而是在自动化、角色重组、外部招聘与内部流动之间作出选择的人才战略。
实务矩阵：区分再培训候选群的4个问题
第一，当前工作中减少的工作和扩大的工作是否已区分。第二，当前拥有的技能与目标角色之间是否存在相邻性。第三，能否通过学习在3到6个月内产出可验证成果。第四，培训后是否存在可投入的项目或角色。
以这四个问题划分候选群，执行优先级会更清晰。工作变化大、存在相邻角色且配置可能性高的群体，是第一优先级的再培训对象。工作变化大但相邻角色或配置可能性低的群体，需要长期转换或单独人才计划。工作变化较小、当前角色绩效改善是核心的群体，更接近技能提升对象，而不是再培训对象。
鉴于CompTIA指出83%的组织将应对技能担忧视为高优先级，许多企业都在面对类似问题。重要的不是把全体员工一次性归入再培训对象，而是区分调查对象、职群、工作变化与配置可能性，从小型试点开始。
HR接下来需要关注的方向
选择再培训对象，不是把个人归为风险群的工作。它是用数据观察工作变化与角色转换可能性，并确认组织是否真正能打开移动路径。应看工作，而不是看岗位；应同时看配置可能性，而不是只看学习意愿。
下一篇将讨论让这种判断成为可能的技能数据设计。在导入LMS或AI学习平台之前，必须先整理应积累和验证哪些技能数据。
