HR Lens

HR战略

用于归类与HR전략相关的人力资源战略、制度、运营案例、数据、政策变化和实务洞察。

  • 当一线员工数据进入AI分析，HR的任务不是仪表板，而是指标管控

    当一线员工数据进入AI分析，HR的任务不是仪表板，而是指标管控

    核心摘要

    • 2026年6月19日公开的Indeavor相关发布，展示了比AI撰写HR文件更偏运营的场景。排班、缺勤、加班等一线员工数据，正与自然语言查询和仪表板直接连接。
    • 这一变化的核心不是“引入AI仪表板”。在24/7运营环境中，问题是谁可以按照什么标准查看scheduling and absence data，并将其用于哪些决策。
    • 韩国企业应参考的重点不是供应商功能本身，而是数据字典、权限、责任人和指标解释标准。特别是缺勤和加班指标，应先作为组织运营信号来解读，而不是直接连接到个人评价。

    比AI仪表板更应先看的，是一线数据的定义

    Techrseries在2026年6月19日公开的发布稿，将Indeavor的AI Analytics Hub介绍为“natural language reporting platform”。其目标环境也相对明确。发布稿提到复杂的24/7运营，以及manufacturing、food and beverage、energy、nuclear等一线轮班和监管要求重要的四个行业。

    值得注意的是被连接的数据。发布稿说明，该工具直接连接scheduling and absence data。从HR视角看，这不是小变化。当招聘、考勤、配置、缺勤、加班分别留在不同表格和系统中时，组织花在核对一致性上的时间往往超过分析本身。AI把界面做得漂亮之前，HR必须先决定同一个“缺勤”在不同部门、现场和期间是否代表同一含义。

    因此，一线员工AI分析更接近运营模型课题，而不只是People Analytics的一个下位功能。如果数据项名称、汇总基准月、缺勤类型、加班公式、例外处理标准不清楚，AI会很快给出答案，但组织会慢慢动摇。数字出来得快，会让会议更容易进行。不过，这并不代表数字就是正确的。

    自然语言查询扩大分析可及性，但也可能模糊权限边界

    发布稿说明，用户可以用plain English提问，而不是使用SQL或spreadsheets。例子也很具体，例如“比较上个月各设施的缺勤趋势”“显示上周生产部门的加班”。发布稿还强调，site managers、HR、enterprise leadership无需分析师或IT支持，也可以直接查看。

    这种可及性显然是优点。一线负责人不必每次等待Excel提取，HR也能减少重复回答同类问题的负担。但如果权限设计薄弱，就会产生另一个问题。某个现场负责人可以在什么程度上查看其他设施的缺勤趋势？可能识别个人的数据依据什么标准被遮蔽？AI查询日志由谁审计？

    自然语言查询与其说让“所有人都容易分析”，不如说会更频繁地测试分析权限的边界。HR在导入前至少要确定三件事。第一，按角色划分的查看范围。第二，个人、团队、设施单位数据的最小显示标准。第三，将敏感指标转入绩效评价或纪律判断时所需的单独审批程序。

    加班和缺勤指标不是生产率数字，而是组织运营信号

    发布稿中的例子是absenteeism trends和production department overtime。这些问题都带有期间和单位，例如上个月按设施划分的缺勤、上周生产部门的加班。发布稿还说明，smart insights可以揭示overtime spikes、staffing gaps等风险和趋势。

    HR在这里需要谨慎的是解释速度。加班增加，并不能马上等同于生产率提高。缺勤增加，也不能立即归因为个人责任。同样是一周内的加班，背后可能隐藏需求激增、设备问题、培训不足、排班表设计、领导力空白等不同原因。

    因此，AI分析结果应从问题清单开始，而不是从评价表开始。如果某个现场的overtime突然上升，HR应同时查看人员补充、工作再配置、安全风险、管理者审批模式。如果absenteeism增加，就要确认健康、倦怠、通勤、班次之间休息时间，甚至缺勤代码的录入方式。指标不是筛选人的工具，而是寻找运营瓶颈的信号。

    韩国企业应在引入供应商前确定数据字典和责任人

    发布稿将benchmarking and standardization、automated delivery、standardized dashboards作为功能提出。这给HR提供了相当实务的提示。标杆比较是一个漂亮的词，但没有标准定义，比较很快就会失真。即使是同一个缺勤率，带薪休假、病假、无故缺勤、换班如何分类，都会使数字完全不同。

    如果韩国企业考虑这类工具，应先制作数据字典。这是一份整理项目名称、公式、分母、基准月、排除对象、审批人、修改权限的文件。第二是指定责任人。如果不清楚指标所有者是HR，还是生产、运营部门，或者IT是否负责数据质量，AI工具即使给出答案，执行也会停下来。

    最后，自动报告的使用目的必须被限定。每周发送给高管的标准仪表板，与用于一线改善会议的报告目的不同。如果数据用于评价、纪律处分、薪酬决策，就还需要审查程序和申诉通道。AI分析工具的成败，很可能更多取决于运营规则，而不是模型本身。

    实务检查问题

    • 排班、缺勤、加班、替代工作的数据定义在各部门是否一致？
    • 自然语言查询用户按角色可以查看哪些设施、团队、个人单位的数据？
    • AI提出的staffing gap或overtime spike由谁审查并采取行动？
    • 自动发送的dashboard是决策用、监控用，还是评价资料？是否已经区分？
    • 引入供应商前，数据字典、权限表、审计日志、例外审批程序是否已经文档化？

    参考资料：Techrseries, “Indeavor Launches AI Analytics Hub to Turn Frontline Workforce Scheduling and Absence Data Into Real-Time Insights With AI”, 2026-06-19. https://techrseries.com/hr/indeavor-launches-ai-analytics-hub-to-turn-frontline-workforce-scheduling-and-absence-data-into-real-time-insights-with-ai/

  • AI会消灭入门岗位？HR首先要看的是角色重设计

    AI会消灭入门岗位？HR首先要看的是角色重设计

    “AI会消灭入门岗位”的说法传播得很快。但HR首先要看的问题略有不同。重点不只是哪些岗位会消失，而是新人原本承担的任务如何被拆分，并重新组合。

    Cognizant与Pearson在6月18日发布的调查摘要，很好地展示了这一区别。摘要指出，在印度，入门岗位任务中已有37%由AI完成，全球平均值也达到33%。同时，94%的HR领导者认为，未来5年内AI将创造新的入门岗位。替代与创造出现在同一张表中。

    入门岗位之争的起点不是替代率，而是任务构成

    这份调查摘要中最引人注目的数字是37%。这是印度入门岗位任务中已经由AI完成的比例，高于33%的全球平均水平。此外，18%的HR领导者表示，AI正在处理一半以上的入门岗位工作。只看数字，焦虑很容易先出现。

    但如果把这个数字直接理解为“减少入门岗位招聘”，HR判断就会变得粗糙。即使一部分任务转向AI，整个岗位也未必消失。招聘负责人反而需要拆解职位说明书中的重复录入、初稿撰写、信息搜索、验证、客户回应和内部协调任务。有些任务会被自动化，有些任务则会更需要人的判断。

    招聘标准正在从专业背景转向与AI协作的能力

    在Cognizant与Pearson的调查中，96%的HR领导者认为，未来5年内入门岗位将向监督或管理AI系统的方向演变。94%的人表示，AI将创造目前尚不存在的新入门岗位。这一点更接近于说明，招聘标准的焦点正从“会不会使用AI”转向“能否审查AI结果，并根据情境进行修正”。

    有意思的是，调查并没有只强调技术专业。摘要称，97%的HR专业人士认为软技能的重要性提高了，69%的人认为，对早期职业人才而言，广泛的跨学科背景比狭窄专业性更重要。韩国企业如果重新查看入门岗位招聘评分表，就不应只计算专业名称、证书和工具使用经验，还应同时评估问题定义、AI输出验证和协作说明能力。

    培训需求增加了，但L&D的速度落后了

    调查摘要显示，91%的HR专业人士表示，过去12个月员工对AI培训的需求增加了。但60%的人认为，L&D项目跟不上AI带来的岗位变化速度，在印度受访者中这一比例为63%。培训需求与培训供给之间的差距，已经成为运营问题。

    在这一点上，HRD应先制作按岗位划分的任务地图，而不是先增加一次性AI讲座。例如，在入门级销售、市场、开发支持和人事运营岗位中，需要区分AI负责的初稿、搜索和分类任务，以及人必须确认的判断任务。培训指标也不能只看参加人数。培训后的实际任务转换率、管理者反馈、错误审查标准和入职培训周期变化，都应一起确认。

    中层管理者会成为AI招聘与入职培训的瓶颈

    在Cognizant与Pearson的调查中，95%的HR领导者表示，中层管理者对确保员工有效使用AI很重要。92%的人认为，在AI改变日常工作的过程中，中层管理者对重新定义岗位角色发挥重要作用。即使招到了入门员工，如果一线管理者不能重新分配AI与人的工作，变化也会停留在招聘公告的措辞上。

    因此，HR接下来要检查的问题应当比较具体。第一，是否按入门岗位写清了AI接管的任务和新产生的验证任务。第二，入职培训是否不仅教授AI使用方法，也教授判断标准和禁止标准。第三，是否向中层管理者提供了角色重设计权限和辅导语言。第四，像Cognizant在2025年招聘2万名入门员工、并计划在2026年超过这一规模的案例一样，保持大规模早期职业招聘的企业，是否同时扩展了教育、配置和管理者执行能力。

    不能把同样的比例直接套用于韩国企业。该调查覆盖美国、英国和印度3个国家，对象是员工超过1,000人的企业中director级以上的HR专业人士750人。样本和受访者构成于2026年3月23日至4月3日通过在线survey方式收集。即便如此，信息仍然明确。AI时代入门岗位招聘的核心不是“能减少多少人”，而是“哪些任务需要重新设计，哪些能力需要在早期培养”。如果HR错过这个问题，AI就不会成为人力规划的答案，反而会成为入职培训失败的另一个原因。

    参考资料Cognizant Newsroom, 37% of Entry-Level Tasks in India Already Done by AI, Finds Cognizant and Pearson Study, 2026-06-18

  • AI采用率高于培训参与率，暴露HR运营模型瓶颈

    AI采用率高于培训参与率，暴露HR运营模型瓶颈

    部署了AI工具，并不等于人们真正改变了工作方式。Aon在6月17日发布的文章相当清楚地显示了这一差距。文章指出，全球近四分之三的组织已经部署AI或正在开展试点，但大多数员工参与AI再培训和技能提升的组织只有18%。

    这个数字说明，HR团队看待AI项目时，首先要改变问题的顺序。问题不应先从“采用了什么工具”开始，而应先问“谁接受了学习，哪些工作发生了变化，这种变化是否能被绩效指标捕捉到”。即使采用率很高，如果学习参与率和运营标准偏低，AI投资也会直接暴露HR运营模型中的瓶颈。

    部署率与学习参与率之间的差距最先显现

    Aon在2026年6月17日的insight中说明，AI部署和试点已经广泛推进。从数字看，全球近四分之三的组织已经部署AI或正在测试AI。按雇主口径，超过四分之三的组织也已经推出AI工具。表面上看，AI转型速度很快。

    但同一资料给出的第二个数字更令人不安。大多数员工参与AI reskilling和upskilling的组织只有18%。部署率与学习参与率之间的差距，并不只是培训日程延后。它可能意味着HRD预算、岗位优先级、管理者角色和工作重设计没有在同一张运营图上连接起来。

    只统计使用次数，看不见AI投资的成效

    Aon指出，AI使用情况仍然常常以“frequency of use”来衡量。有多少人登录、输入了多少次提示词、哪个团队使用最多，这些可以作为早期扩散指标。但仅凭这些指标，很难确认招聘周期、培训转化率、客户响应质量、文档审核时间、管理者决策速度是否真正改善。

    培训覆盖率也显示出同样的问题。Aon写道，未能培训哪怕10%员工的雇主不到三分之一，六家雇主中有一家没有培训任何员工。如果AI项目会议只看“用户数”就结束，这个空白会被掩盖。HR需要把培训对象、岗位群、使用场景以及前后绩效指标放在一起观察。

    HRD与People Analytics需要看同一块仪表盘

    现在，AI培训已经很难像一个独立活动那样运营。18%的参与率数字，不只是HRD团队的问题，而是People Analytics、HRBP、IT和业务领导者都需要共同查看的运营指标。例如，组织不应只看培训完成率，还应同时查看培训后AI实际投入工作的比例、获批使用场景数量，以及完成风险审查的流程数量。

    John McLaughlin表示，组织虽然在部署AI，却没有充分提供有效使用AI所需的clarity、direction和operating model。这句话可以被看作HR运营模型的检查点。是否有按岗位区分的AI使用标准？管理者应该批准哪些产出？培训后30天、60天、90天要比较什么？如果没有这些问题，AI使用就会被交给个人好奇心。

    韩国企业下一次会议要问的是准备度，而不是工具

    Aon资料是从全球咨询视角撰写的，因此不能替代对韩国企业法律义务或行业规则的说明。本次自动执行并未进一步核查样本、调查范围和行业受访者分布，所以这些数字应被理解为检查劳动力准备度的信号。不过，对HR实务判断而言，它仍然给出一个可用的警示：如果AI转型只被当作解决方案导入项目来处理，培训、角色、成效衡量和责任结构就会跟不上。

    下一次AIHR会议，最好先展开准备度表，而不是先看功能清单。HR应逐项确认按岗位群划分的培训参与率、实际应用的工作、管理者审批标准、禁止使用场景、绩效指标和数据安全检查状态。如果工具已经进入组织，就需要在更晚之前提问：我们的组织是在增加使用AI的人，还是在重新设计真正能够使用AI的工作？

    参考资料

  • [2026 HR Trend ⑧] 倦怠与员工体验：HR必须重写的心理契约

    [2026 HR Trend ⑧] 倦怠与员工体验：HR必须重写的心理契约

    这是2026 HR Trend系列的最后一篇，第8篇。如果前面的文章讨论了AI责任边界、绩效管理、招聘、技能提升、混合型劳动力和Polywork，那么本文将观察这些变化如何共同指向员工体验和倦怠。

    2026年HR的结论很简单。组织要求更高的生产率和更快的变化，员工要求更好的薪酬回报、成长、灵活性和尊重。当这种平衡被打破时，员工体验就会变差，倦怠也会反复出现。

    员工体验不是福利活动，而是心理契约

    SHRM 2026 State of the Workplace摘要基于1,800多名HR专业人士和2,000多名劳动者的数据，讨论员工期望和职场议题。该调查对象和样本同时呈现了HR负责人的观察与劳动者受访者的视角，因此成为讨论员工体验的出发点。SHRM公开摘要指出，72%的HR专业人士意识到劳动者对雇主的期望正在上升，这说明员工体验不是福利项目问题，而是组织与员工之间的期望协调问题。

    心理契约不同于写在文件中的雇佣合同。员工会问：“如果我在这个组织努力工作，我能得到什么？”组织会问：“员工将如何跟上我们要求的绩效和变化？”员工体验正是这两个问题交汇的地点。

    倦怠不是个人复原力问题，而是工作设计问题

    SHRM 2026 Talent Trends摘要指出，约70%的HR专业人士面临正式员工招聘困难，42%在过去12个月经历过正式员工留任困难。在人员补充困难、离职风险上升的环境中，工作很可能集中到留下来的员工身上。

    此时，如果只把倦怠解释为个人复原力不足，解决方案就会变窄。冥想应用、健康活动、鼓励休假也许有必要，但如果实际工作量和优先级不改变，效果就会有限。HR必须同时审视工作量、角色期望、管理者反馈和人力规划。

    AI越提高生产率，管理者角色就越重要

    SHRM 2026 HR Trends指出，89%的CEO预计AI将重新定义组织创造和获取价值的方式。同时，SHRM也说明AI与成本、风险、生产率以及更好的人力决策相连接。AI越提高工作的速度，员工就越可能被要求提供更多产出和更快响应。

    因此，AI时代的员工体验并不取决于技术导入率，而取决于管理者行为。如果管理者无法整理优先级，AI就不是减少工作的工具，而会成为促使员工更快处理更多工作的压力。相反，如果管理者明确目标、期望水平、反馈和休息标准，AI就可以成为减轻员工负担的工具。

    混合型劳动力和Polywork正在动摇员工体验的边界

    SHRM 2026 HR Trends同时展示了Workforce Fragmentation、独立承包商、零工劳动者和自由职业者使用增加，以及员工拥有两个收入来源的趋势。尤其是72%的CEO预计2026年独立承包商、零工劳动者和自由职业者的使用将增加，这一数字说明员工体验的边界不能只停留在正式员工内部。

    如果再连接SHRM的“Employees Work Harder, Smarter… and Collect Two Pay Checks”趋势，员工体验会变得更加复杂。正式员工与外部专家协作，使用AI工具，有时自己也在公司外从事其他工作。此时，组织文化并不是通过办公室活动体现，而是通过协作规则、信息访问权限、绩效责任和利益冲突标准显现。员工体验不再只是“在我们公司内部的体验”，而是扩展为“与我们组织相连接的工作体验”。

    韩国企业必须把员工体验重写为绩效契约

    韩国企业在重新设计2026年的员工体验时，出发点不是增加福利项目。它们必须检查组织所要求的绩效、变化速度、学习负担、协作方式，是否与提供给员工的薪酬回报、成长机会、灵活性和管理者支持保持平衡。

    在实务上，需要三个问题。第一，我们的组织正在对员工提出哪些更多要求？第二，为了匹配这些要求，我们正在提供哪些更多支持？第三，要求与提供之间的不平衡在哪些岗位、哪些管理者之下正在扩大？如果无法回答这些问题，员工体验就会被缩减为调查分数管理，倦怠也会继续停留为个人问题。

    2026 HR Trend系列的核心最终汇聚为一点。AI、绩效管理、招聘、技能提升、外部劳动力和Polywork并不是彼此分离的议题。它们都是组织必须重新设计工作方式的信号。HR不应只是制造更多制度的部门，而应承担起重写组织所要求的绩效与员工能够可持续工作之条件之间契约的角色。

    2026 HR Trend系列文章

    最后一篇从员工体验和心理契约的角度综合前面7个主题。

    一起阅读HR趋势系列

    本文是2026 HR趋势系列的一篇。把AI导入、责任边界、绩效管理、招聘、技能提升、混合型劳动力、Polywork、员工体验连接起来阅读，可以更立体地看到HR运营模型变化的脉络。

    参考资料

    本文基于SHRM的2026 State of the Workplace、2026 HR Trends和2026年HR趋势解读撰写。正文连接了SHRM 2026 State of the Workplace摘要中1,800多名HR专业人士和2,000多名劳动者的调查范围、72%的HR专业人士对劳动者雇主期望上升的认知，以及SHRM 2026 HR Trends中的AI和Workforce Fragmentation趋势。倦怠、心理健康和劳动风险可能因组织情况和法律制度而异，因此本文应作为HR运营视角下的解释阅读，而非医学或法律建议。

  • [2026 HR Trend ⑦] Polywork与副业扩散：重塑全面薪酬与敬业度战略

    [2026 HR Trend ⑦] Polywork与副业扩散：重塑全面薪酬与敬业度战略

    这是2026 HR Trend系列的第7篇。如果第6篇讨论的是以正式员工为中心的HR局限，那么本文关注的是员工个人工作方式正在如何变化。Polywork、副业和业余项目已不再只是少数岗位的例外现象。

    问题不能只归结为“是否允许副业、是否禁止副业”。在员工拥有多个收入来源和多重角色的时代，组织必须同时设计薪酬竞争力、敬业度、利益冲突、信息安全和绩效判断标准。

    副业不是个人越轨，而是全面薪酬信号

    SHRM 2026 HR Trends提出了“Employees Work Harder, Smarter… and Collect Two Pay Checks”这一趋势。这一表述显示，在2026年的HR议程中，员工一方面被要求实现更高生产率，另一方面也在寻找额外收入来源。SHRM在同一趋势页面同时讨论AI的生产率效应以及成本和风险，也表明这种变化并非只是个人选择，而是组织运营问题。

    员工从事副业的原因很多。生活成本压力、不确定的就业环境、成长机会不足，以及希望在市场中验证自身专业性的需求交织在一起。SHRM 2026 State of the Workplace摘要基于1,800多名HR专业人士和2,000多名劳动者的数据讨论员工期望和组织议题，并指出72%的HR专业人士意识到劳动者对雇主的期望正在上升。结合这一点来看，副业应被解读为薪酬回报、成长和员工体验的信号。如果HR只把它们都看作问题行为，就会错失原因。相反，如果没有任何标准地放任不管，绩效下降、利益冲突和信息泄露风险可能会扩大。

    Polywork时代的核心问题是敬业度与利益冲突

    SHRM 2026 HR Trends中的Workforce Fragmentation趋势显示，组织外部的工作与组织内部的工作正在变得更加松散地连接。72%的CEO预计2026年独立承包商、零工劳动者和自由职业者的使用将增加，这一数字表明外部劳动力市场正在更深入地进入组织运营之中。

    这一趋势也影响正式员工。员工在公司内部是组织成员，但在公司外部可能是自由职业者、创作者、讲师、顾问或线上卖家。HR的核心问题不是“是否有副业”，而是“该活动是否与本职工作的绩效、公司的利益关系、客户信息发生冲突”。

    Total Rewards不再是工资表，而是选择项的设计

    SHRM 2026 State of the Workplace摘要基于1,800多名HR专业人士和2,000多名劳动者的数据，讨论员工期望和组织议题。SHRM公开摘要中72%的HR专业人士意识到劳动者期望上升，说明薪酬回报无法仅用工资水平来解释。

    Polywork时代的Total Rewards不限于基本工资、绩效奖金和福利的组合。弹性工作、成长机会、财务健康、认可、职业流动性和心理安全感共同发挥作用。如果员工在公司外寻找额外收入和机会，HR需要检查的不只是工资表，还包括员工在组织内部获得的总价值。

    当AI降低副业门槛，制度也必须改变

    SHRM指出，89%的CEO预计AI将在2026年重新定义组织创造和获取价值的方式。AI提高本职工作的生产率，同时也降低副业门槛。内容制作、数据分析、文档撰写、培训材料开发、线上销售运营，都可以用比过去更少的时间和成本启动。

    因此，既有的兼业规定必须重新审视。工作时间内的外部活动、公司设备和账号的使用、公司数据的利用、与竞争对手或客户公司的交易、与公司职务相似的有偿活动，都需要不同标准。即使成果物是利用AI生成的，只要混入公司资料或客户信息，风险就会扩大。

    韩国企业应先确定判断标准，而不是先强化禁止条款

    韩国企业处理副业和Polywork时，最容易的做法是强化禁止条款。但正如SHRM 2026 HR Trends所显示的趋势，员工的外部活动和多重收入来源正在朝着更广泛的方向发展。单纯禁止很难掌握实际行为，反而可能放大隐性风险。

    HR至少要确定四项判断标准。第一，是否侵害本职工作绩效和工作时间。第二，是否与公司的商业秘密、个人信息、客户信息相关。第三，是否与竞争对手、客户公司、合作伙伴存在利益冲突。第四，是否影响公司的声誉和职业伦理。这些标准应与就业规则、安全政策、绩效管理和管理者培训一起运行。

    归根结底，Polywork和副业扩散并不是员工忠诚度下降这样简单的故事。它意味着一个时代已经到来：组织向员工提供的薪酬回报和成长机会，将被拿来与市场上的其他选择进行比较。HR不应只把副业视为隐藏问题，而应把它解读为重新检查薪酬战略和敬业度战略的信号。

    2026 HR Trend系列文章

    Polywork篇讨论的是混合型劳动力趋势如何延伸到员工个人的薪酬回报与敬业度问题。

    一起阅读HR趋势系列

    本文是2026 HR趋势系列的一篇。把AI导入、责任边界、绩效管理、招聘、技能提升、混合型劳动力、Polywork、员工体验连接起来阅读，可以更立体地看到HR运营模型变化的脉络。

    参考资料

    本文基于SHRM的2026 HR Trends和2026 State of the Workplace公开资料撰写。正文连接了SHRM 2026 HR Trends中的“Employees Work Harder, Smarter… and Collect Two Pay Checks”、Workforce Fragmentation以及AI相关趋势，并将SHRM 2026 State of the Workplace摘要中1,800多名HR专业人士和2,000多名劳动者的调查范围，作为解读员工期望和Total Rewards的依据。关于副业、兼业、惩戒、利益冲突的判断，可能因各国法律制度和各企业就业规则而异，因此本文应作为HR运营视角下的检查标准阅读，而非法律建议。

  • [2026 HR Trend ⑥] 以正式员工为中心的HR局限与混合型劳动力运营

    [2026 HR Trend ⑥] 以正式员工为中心的HR局限与混合型劳动力运营

    这是2026 HR Trend系列的第6篇。如果第5篇讨论的是如何实时培养内部人才的upskilling，那么本文讨论的是把组织外部人才也纳入其中的运营模型。2026年的劳动力结构，已经很难只用正式员工来解释。

    自由职业者、零工、外部专家、独立承包商、项目型合作伙伴共同工作，并且还会与AI工具结合。HR的问题正在从“要招聘谁”转向“哪些角色应以何种雇佣形态、在何种责任结构下运营”。

    仅靠以正式员工为中心的人力规划，已难以解释2026年

    SHRM 2026 HR Trends指出，72%的CEO预计2026年独立承包商、零工和自由职业者的使用会增加。同时，SHRM 2026 Talent Trends摘要基于2,000多名HR专业人士的回答样本，讨论了招聘困难和留才压力。

    如果正职招聘变难，而外部人才使用增加，人力规划的单位也必须改变。过去的规划主要围绕部门编制、职级、岗位和人工成本展开。现在则需要同时设计关键角色、外部专业能力、项目周期、数据访问权限以及绩效责任。

    混合型劳动力不是外包扩大，而是运营模型的变化

    SHRM提出的Workforce Fragmentation趋势，不同于单纯的外包扩大。2026年独立承包商、零工和自由职业者使用增加，意味着组织不再只通过一种雇佣合同来获得所需能力。

    因此，混合型劳动力运营不能只被看作采购部门或业务部门在需要时使用外部人员的问题。它是一个运营模型问题：谁处理组织的核心知识，谁接触客户，谁制作决策资料，谁对绩效和质量负责。

    当AI与外部人才结合时，责任线会更加复杂

    SHRM指出，89%的CEO预计AI将在2026年重新定义组织创造和获取价值的方式。当AI与外部人才运营结合时，责任线会变得更加复杂。外部专家使用AI工具生成的成果被用于内部决策时，必须明确最终责任属于谁。

    例如，外部顾问制作People Analytics报告，AI帮助摘要数据，业务领导者再据此决定人员配置，责任就会分成多个层次。HR必须明确合同范围、数据访问权限、成果审查者和最终批准人。

    HR需要按雇佣形态区分入职与绩效标准

    SHRM 2026 Talent Trends摘要说明，约70%的HR专业人士在正职招聘上遇到困难，42%在最近12个月经历了正职员工留任困难。在这种情况下，使用外部人才不是临时补救，而是劳动力组合的一部分。

    但所有人才不能用同一套入职和绩效管理标准来对待。正职员工需要考虑组织文化、长期成长和内部流动。自由职业者和外部专家更需要明确项目范围、成果标准以及安全和数据访问标准。AI工具则需要使用目的、审查责任和记录标准。

    韩国企业首先要画出劳动力组合图

    韩国企业准备混合型劳动力运营时，首先要做的不是决定增加还是减少外部人才使用，而是画出当前组织的工作由什么样的人才组合完成。需要确认正职员工、合同工、派遣与承包、自由职业者、外部专家和AI工具分别进入了哪些工作。

    接下来，需要按角色划分风险水平。接触客户信息、人事信息、核心技术和战略决策的角色，需要更高标准。相反，以短期成果为中心的角色，明确范围和质量标准更重要。HR需要与业务、法务、安全和采购一起整理这些标准。

    2026年HR的课题，不是简单地减少正职员工、增加外部人才。关键在于决定哪些核心角色应保留在内部，外部能力应在哪里使用，AI工具应辅助哪些判断。混合型劳动力运营不是降本策略，而是组织设计策略。

    2026 HR Trend系列文章

    混合型劳动力篇讨论的是，在upskilling之后，把组织外部能力也纳入其中的运营模型。

    HR Trend系列延伸阅读

    本文是2026 HR Trend系列的一篇。将AI导入、责任线、绩效管理、招聘、upskilling、混合型劳动力、Polywork和员工体验联系起来阅读，可以更立体地理解HR运营模型变化的走向。

    参考资料

    本文基于SHRM的2026 HR Trends、2026 Talent Trends以及2026年HR趋势解读撰写。正文只使用公开资料中可以确认的数字和表述，未引用会员专属详细报告中的非公开内容。

  • 【2026 HR Trend ④】招聘自动化之前必须先改变的技能标准

    【2026 HR Trend ④】招聘自动化之前必须先改变的技能标准

    这是2026 HR Trend系列的第4篇。前几篇文章讨论了AI责任线和绩效管理重构，而本文聚焦招聘。2026年招聘的核心问题不是“用AI能筛选得多快”，而是“以什么标准来看人”。

    招聘自动化可以提高简历审阅、候选人分类和面试问题生成的速度。但如果岗位要求已经过时、技能标准模糊，自动化就不会解决招聘问题，而会让组织更快地重复同样的问题。

    招聘难不是筛选速度的问题，而是标准的问题

    SHRM 2026 Talent Trends摘要基于2,000多名HR专业人士样本，并同时讨论招聘难和技能短缺。根据公开摘要，约70%的HR专业人士在全职员工招聘方面仍面临困难，42%在过去12个月经历过全职员工留任困难。

    这些数字表明，招聘问题并不只是职位曝光或简历审阅速度的问题。如果市场上缺少所需人才，招到的人也难以留住，就必须重新审视招聘标准本身。问题不再是“快速找到优秀的人”，而是“准确界定我们组织需要哪些技能”。

    自动化可能更快地重复模糊要求

    SHRM 2026 HR Trends提出，招聘问题无法仅靠自动化和算法解决。即使AI能够快速总结申请材料并排序候选人，如果输入的岗位要求和评价标准模糊，结果也会模糊。

    例如，职位说明中写着“沟通能力”，但实际上常常并不清楚它指的是客户应对、利益相关方协调、文档撰写，还是冲突调解。AI可以把这类表达整理得更漂亮，但不能代替组织定义它所需要的绩效行为。

    技能标准必须同时改变岗位要求、面试和内部培养

    SHRM 2026 Talent Trends摘要指出，41%的HR专业人士会为难以填补的岗位培训现有员工。如果招聘难持续，仅靠外部招聘很难获得所需能力，内部培养和招聘标准必须联动。

    基于技能的招聘，并不是简单减少学历或经验条件。它是定义岗位绩效真正需要的技能，确定如何验证这些技能，并把不足的技能连接到入职后的培养路径。因此，岗位要求、面试问题、任务测评、入职培训和学习计划必须使用同一种语言。

    招聘团队和HRD必须使用同一种技能语言

    如果把角色划分为招聘团队筛选候选人、HRD负责入职后培训，技能标准就会断裂。招聘阶段被视为“必备”的技能，可能在入职培训和教育过程中被不同解释；培训想培养的能力，也可能没有反映在招聘标准中。

    2026年的招聘运营需要招聘团队和HRD共同使用的技能语言。组织必须区分各角色的核心技能、入职前必须确认的技能、入职后三个月内可开发的技能，以及需要长期培养的技能。只有这样，招聘自动化才不只是简单筛选，而能与人力规划连接起来。

    韩国企业应先检查按角色划分的技能地图，而不是候选人筛选表

    在韩国企业中，招聘改进往往从更换招聘管理系统、引入AI简历审查或改进面试评价表开始。但在此之前更需要的是按角色划分的技能地图。企业应按岗位区分当前需要的技能和未来将变得重要的技能，并确定用什么证据确认每项技能。

    第一，应把招聘公告中的资格要求拆解为技能单元。第二，应确认面试问题是否验证了真实技能。第三，应能够用同一种技能语言比较内部候选人和外部候选人。第四，不应只把技能不足视为招聘失败，而应判断能否通过入职培训和教育加以补充。

    招聘自动化的成败并不只由算法的精细程度决定。被自动化的标准必须准确。2026年招聘的起点不是更快筛选，而是更准确的技能标准。

    2026 HR Trend系列文章

    招聘与技能篇在绩效管理和技能提升之间重新整理人才标准。

    一起阅读HR趋势系列

    本文是2026 HR趋势系列的一篇。将AI导入、责任线、绩效管理、招聘、技能提升、混合型人力、Polywork和员工体验连接起来阅读，可以更立体地看到HR运营模式变化的脉络。

    参考资料

    本文基于SHRM的2026 Talent Trends、2026 HR Trends以及2026年HR趋势解读撰写。正文仅使用公开资料中可确认的数字和表述作为依据，未引用会员专属详细报告中的非公开内容。

  • [2026 HR Trend ③] 年度评价的终结：AI教练时代的绩效管理再设计

    [2026 HR Trend ③] 年度评价的终结：AI教练时代的绩效管理再设计

    这是2026 HR Trend系列的第3篇。第1篇讨论HR运营方式的再设计，第2篇讨论AI责任线。本文讨论绩效管理。在SHRM的2026年趋势中，AI教练和People Analytics可以被解读为重新审视以年度评价为中心的绩效管理惯例的信号。

    这并不意味着绩效评价会消失。更准确地说，目标设定、反馈、能力开发和管理者判断需要更频繁地连接起来。AI教练不应被看作替代评价者的技术，而应被视为改变绩效管理节奏的运营装置。

    年度评价动摇的原因不是评价周期，而是工作的速度

    SHRM的2026 HR Trends说明，AI在2026年仍是HR的中心议题，组织必须同时考虑成本和风险，并将其连接到实际业务影响。同一趋势中，SHRM的2026趋势解读讨论了AI教练可能加速年度绩效评价终结的观点。

    这里重要的不是“废除年度评价”这个口号，而是工作的速度变快、角色频繁变化、所需技能也以短周期变化。仅靠一年一次检查目标并打等级的方式，很难同时管理员工成长和组织绩效。

    AI教练提高反馈频率，而不是替代评价者

    SHRM将AI使用与成本节约、生产力提升和更好的人力决策联系起来说明。把这一观点应用到绩效管理中，AI教练的角色就很清楚。AI不是代替管理者给出最终评价的装置，而是起草反馈、提高对话频率并连接目标与行为的辅助装置。

    例如，管理者可以使用AI总结近期项目记录，整理员工的强项和改进点。但实际传达哪些反馈、是否把绩效问题作为正式记录留下、是否连接到薪酬或晋升判断，必须由人来决定。如果AI替代评价，责任会变得模糊；如果AI帮助准备反馈，就能提升管理者对话的质量。

    绩效管理再设计的起点，是连接目标、反馈与发展

    SHRM 2026 Talent Trends摘要的调查对象包括2,000多名HR专业人士，并同时讨论招聘困难和技能短缺。公开摘要显示，41%的HR专业人士会为难以填补的岗位培训现有员工，42%在过去12个月经历了正式员工留任困难。

    这些数字表明，绩效管理并不只是评价和薪酬问题。如果很难从外部轻易获得所需人才，现有人员留任也不容易，那么绩效管理就必须更强地连接内部能力开发。目标改变时，所需技能也会改变，反馈必须延伸到如何开发这些技能。

    管理者角色不会减少，而会更加明确

    有人认为，AI教练扩散后管理者角色会减少。但实际上更接近相反。AI提供的数据和文案越多，管理者越必须更清楚地说明自己基于什么做出判断。

    在绩效管理中，管理者应承担三项责任。第一，确认AI建议的反馈是否符合实际工作情境。第二，区分要传达给员工的信息和要作为正式记录留下的内容。第三，判断目标调整或发展计划是否与组织优先事项相连接。AI可以帮助，但无法替代这些责任。

    韩国企业应先改变运营节奏，而不是评价制度

    在韩国企业中，绩效管理改革常常从评价等级、是否相对评价、薪酬反映比例等讨论开始。然而，2026年的变化在制度文字之前，先询问运营节奏。什么时候检查目标，反馈多频繁，发展计划是否连接到下一项工作安排，这些问题会更加重要。

    HR首先要做的不是选择AI教练工具，而是描绘绩效管理的流程。需要确认目标设定、中期检查、反馈、能力开发和薪酬判断在哪些地方断开。之后再决定AI可以帮助的节点。

    2026年绩效管理的核心不是“让评价更频繁”。它是更快确认员工现在做得好的是什么、为了下一次绩效需要学习什么，以及管理者应该进行什么对话。AI教练在帮助准备这种对话时最有用。

    2026 HR Trend系列文章

    绩效管理篇是在AI责任线之后，讨论管理者反馈和运营节奏的文章。

    一起阅读HR趋势系列

    本文是2026 HR趋势系列的一篇。把AI导入、责任线、绩效管理、招聘、技能提升、混合型人力、Polywork和员工体验连接起来阅读，可以更立体地理解HR运营模式变化的流向。

    参考资料

    本文基于SHRM的2026 HR Trends、2026 Talent Trends以及2026年HR趋势解读撰写。正文只使用公开资料中可确认的数字和表述，未引用会员专用详细报告的非公开内容。

  • [2026 HR Trend ②] 比AI采用率更重要的，是HR的AI责任线设计

    [2026 HR Trend ②] 比AI采用率更重要的，是HR的AI责任线设计

    这是2026 HR Trend系列的第2篇。如果第1篇把整体趋势解读为“HR运营方式的再设计”，那么本文讨论其中的AI。核心不是AI采用率，而是HR会把AI用到哪里、由谁审查、又如何向员工说明。

    SHRM认为，2026年AI仍将是HR的中心议题。同时，SHRM也说明企业必须重新审视AI是否产生了预期成果，成本和风险隐藏在哪里。资料还提出，89%的CEO预计AI会重新定义组织创造和获取价值的方式。期待越大，责任也越大。

    AI越成为HR中心议题，责任线越应先行

    AI正迅速进入招聘、绩效管理、培训、人力规划和员工体验分析。但“HR使用AI”并不是一个单一行为。总结候选人材料的AI、推荐面试问题的AI、生成绩效反馈文案的AI、预测离职风险的People Analytics工具，各自都会产生不同风险。

    问题在于，工具越多，判断来源越模糊。如果没有记录说明HR是否直接采用AI结果、管理者是否进行了修改、认可例外的标准是什么，员工就很难接受结果。因此，2026年HR AI的第一项任务，不是“导入什么”，而是确定“谁是最终判断者”。

    HR AI责任线从三个问题开始

    第一个问题是使用目的。SHRM的2026 HR Trends说明，应去除围绕AI的过度期待，在真正重要的地方使用AI。因此，HR必须区分AI是用于成本节约、生产力提升，还是作为更好人力决策的辅助工具。目的模糊，绩效也难以衡量。

    第二个问题是审查责任。谁来确认AI生成的建议？在招聘中，招聘负责人和业务主管的角色不同；在绩效管理中，管理者和HRBP的责任不同。第三个问题是记录标准。必须留下记录，说明输入了哪些数据、基于什么标准修改结果、例外由谁批准。

    如果这三个问题没有整理清楚，AI可以让HR更快，却无法让HR更受信任。

    招聘AI重在可解释性，而非筛选速度

    SHRM在2026 Talent Trends中，基于2,000多名HR专业人士的数据讨论招聘困难和技能短缺。公开摘要显示，约70%的HR专业人士在正式员工招聘中仍然遇到困难，42%在过去12个月经历了正式员工留任困难。

    在这种情况下，招聘AI看起来像是有吸引力的解决方案，因为它可以快速总结申请材料、分类候选人并生成面试问题。然而，正如SHRM指出的，自动化和算法本身无法解决招聘问题。如果岗位要求陈旧、评价标准不清，AI只会更快地重复这种模糊。

    因此，招聘AI的核心不是速度，而是可解释性。HR必须能够说明为什么某位候选人被排除、哪些能力被判断为不足，以及人类如何审查了AI的建议。

    绩效管理AI应让管理者判断更加透明

    AI教练和People Analytics也在改变绩效管理方式。SHRM的2026 HR Trends说明，AI可以超越成本节约和生产力提升，连接到更好的人力决策。SHRM的2026趋势解读也讨论了AI教练可能加速年度绩效评价终结的 趋势。这并不意味着评价会消失，而是意味着反馈必须更频繁、更具体、更基于数据。

    在这里，责任线同样重要。AI可以起草员工发展计划。但实际传达哪些反馈、调整哪些目标、将哪些绩效问题作为正式记录留下，必须由管理者判断。HR不应让AI替代管理者判断，而应把AI用作让判断过程更一致、更透明的装置。

    韩国企业应留下AI使用记录和例外处理标准

    韩国企业首先要做的，不是宏大的AI伦理宣言，而是整理运营文档。把SHRM将2026年AI议题同时作为成本、风险、生产力和人力决策问题提出这一点转化为韩国HR运营标准，就需要先从招聘、绩效管理、培训推荐、离职风险分析等影响员工的领域划分AI使用标准。

    例如，在招聘中，需要区分AI只是总结申请材料，还是会进行候选人排序。在绩效管理中，需要区分AI反馈文案是参考资料，还是正式评价依据。在HR数据分析中，需要确定是否向管理者提供个人层面的预测，还是只作为组织层面的指标使用。

    2026年HR AI的竞争力不在于使用更多工具，而在于建立一种结构，让人能够审查并解释AI生成的判断。这正是HR把AI转化为组织信任资产的起点。

    2026 HR Trend系列文章

    AI责任线篇与枢纽文章和绩效管理篇一起阅读，可以连接起HR AI运营的 趋势。

    一起阅读HR趋势系列

    本文是2026 HR趋势系列的一篇。把AI导入、责任线、绩效管理、招聘、技能提升、混合型人力、Polywork和员工体验连接起来阅读，可以更立体地理解HR运营模式变化的流向。

    参考资料

    本文基于SHRM的2026 HR Trends、2026 Talent Trends以及2026年HR趋势解读撰写。特别将2026 Talent Trends的HR专业人士回答样本和公开数值作为文章层面的依据。正文只使用公开资料中可确认的数字和表述，未引用会员专用详细报告的非公开内容。

  • Deloitte 2026 人力资本趋势：AI 成效讨论转向 HR 运营模式再设计

    Deloitte 2026 人力资本趋势：AI 成效讨论转向 HR 运营模式再设计

    Deloitte Insights 的 2026 Global Human Capital Trends 将关于 AI 的讨论，从技术采购或生产力工具问题，转向工作再设计问题。尤其值得 HR 关注的是，在受访的 100 名 C-suite 领导者中，59% 对 AI 采取技术中心方法，而这类组织无法实现超出预期的 AI 投资回报的可能性，是采取人本中心方法组织的 1.6 倍。也就是说，AI 成效更接近于由工作的结构决定，而不是由采用率决定。

    59% 的技术中心方法暴露了 AI 投资评审表中的空白

    在 Deloitte 提出的 100 名 C-suite 领导者调查中，59% 的组织以技术为中心推进 AI。同一资料说明，采取技术中心方法的组织，相比采取人本中心方法的组织，无法实现超出预期的 AI 投资回报的可能性高出 1.6 倍。这个数字并不是 AIHR 预算审议中的简单警示语。它发出的信号是：如果不追问所购买的工具将如何改变业务判断、审批、协作和学习，绩效衡量本身就是空的。

    因此，HR 必须改变 AI 导入评审表。只比较功能清单和许可费用是不够的。同一张表中还应纳入使用岗位、数据访问权限、结果审核者、错误报告方式、培训对象，以及绩效指标是否需要变更。1.6 倍这个数字指向的不只是技术团队的成果，也指向 HR 运营设计的责任。

    优势来自人、技能与数据的实时协同，而不是静态配置

    Deloitte 原文说明，随着 AI 提升工作速度，竞争优势正在从静态的人才分配，转向对人、技能、数据和技术进行实时协同的方式。这句话谈的不是组织架构图调整，而是运营节奏的变化。每年一次的人力规划、每半年一次的能力诊断、每季度一次的培训申请，已经难以跟上业务需求变化的速度。

    在 HR 实务中，首先应确认技能数据的更新周期。需要检查哪些岗位使用哪些工具，当新工作出现时能否在几天内识别内部流动候选人，项目人员配置是否会留存在绩效管理和学习记录中。实时协同人、技能和数据，并不是先引入平台，而是要求先改变数据质量和决策周期。

    HR 职能将不再是孤岛，而会重组为以结果为中心的能力组合

    报告写道，HR、财务、IT 等传统职能对于当下的业务需求而言反应迟缓且孤岛化。同一 section 还提出，有必要将职能拆解并重组为以结果为中心的能力。站在 HR 的角度，这意味着招聘团队、培训团队、评价团队、HRIS 团队各自只执行年度计划的方式，可能会与 AI 时代的工作变化发生冲突。

    例如，如果组织导入客服 AI，招聘就不能只看提示词编写经验。培训也不能只教工具使用方法。绩效管理必须决定如何评价 AI 生成的草稿和人类修正后的判断。HRIS 必须保留日志与权限数据。如果职能别 KPI 原封不动，一边会提高导入速度，另一边则会在事后处理风险，形成割裂的结构。

    持续学习不是培训课程，而是工作流程中的适应能力

    Deloitte 认为，传统变革管理和培训可能不足以及时匹配组织和员工所需的适应速度。原文还补充说明，AI 会把学习、适应和技能应用带入工作流程之中。这一点把 HRD 的角色，从管理培训申请率或完成率，扩展到管理工作过程中产生的学习数据。

    在下一季度 HR 会议上，值得提出三项指标。第一，发生与 AI 相关的工作变更后，该岗位的培训内容会在几天内更新？第二，员工在实际工作中使用了哪些帮助、辅导和审核流程，是否会以数据形式留下记录？第三，新技能是否反映到绩效评估和内部流动决策中？2026 年人力资本趋势的核心并不是购买更多 AI，而在于能以多快的速度重新设计人们判断、学习和协作的方式。

    参考的公开资料
    Deloitte Insights, 2026 Global Human Capital Trends.