AIHR 于 2026 年 9 月22日发布最新年度报告，将这些问题置于 2027 年 HR 趋势的中心。报告主题是 Work, Redesigned（重新设计工作）。
开篇的一句话概括当前企业应用AI的现状和挑战：
In 2027, using AI will no longer set organizations apart.
到了 2027 年，使用 AI 本身，将不再足以拉开组织之间的差距。
这份报告是对未来一年的展望，证据来自不同地区的调查、劳动力市场分析和企业案例，并提出在人力资源领域的11 项趋势。
顺着 11 项趋势，我们也可以从三个方面观察 HR 的能力要求：能否重构工作，能否发展人才与传递知识，能否深入业务决策并形成专业贡献。下面按报告原有顺序展开，结合数据分析这些能力为什么受到重视：
01.
改善工作方式，
把 AI 应用转化为业务价值
人机协作成为日常工作的一部分
Human-AI collaboration becomes part of everyday work
第一阶段的办公 AI，主要帮助个人完成单项任务。随着智能体进入工作流，AI 开始承担连续执行；人的职责逐渐向提供背景、作出判断、验证结果和处理例外集中。
这种分工对组织提出了新的要求：确定哪些任务可以交给 AI，在哪些环节保留人工复核，以及由谁承担最终责任。
报告援引麦肯锡研究称，使用生成式 AI 的组织中，只有 21%对至少部分工作流进行了根本性重设计。组织调整尚未充分跟上技术应用。
报告同时提到，现有技术有潜力自动化美国超过一半的工作时长。这里描述的是任务层面的技术潜力，不能直接换算为岗位减少的比例。
人力规划也需要扩展统计范围。除了员工编制，企业还应考虑 AI 实际承担的工作量，以及新增的复核与监督负担。只计算执行环节节省的时间，容易高估可释放的产能。
AI 的衡量重点转向业务价值
AI shifts from adoption to value
账号数量、使用频率和场景数量，可以反映应用进度。组织还需要衡量这些应用是否改善了质量、服务与决策，以及释放的产能是否得到有效利用。
KPMG 的 2026 年第一季度调查显示，95%的受访组织已有 AI 战略，39%正在扩大应用或推进全组织采用；处于已建立投资回报阶段的为 8%。样本为 2,110 名高管，所在组织年营收至少 1 亿美元。
个人效率与组织绩效之间同样存在差距。报告援引 Glean 调查：87% 的数字工作者经常使用 AI，75% 感到个人效率提高，只有 13% 认为组织整体绩效显著改善。
AI执行，但是人的复核与返工也是其中一项成本。AIHR 将 Workday 的研究结果概括为接近 40%；Workday 原始页面给出的数字为 37%，即 AI 节省的时间中，被返工抵消的比例。这一问题随着AI真正进入工作流开始凸显。
此外，HR 自身也面临准备度不足。AIHR 调查的 334 个 HR 团队中，65% 支持并推动 AI；对用途、预期价值和适用场景有清晰认识的为 30%。对数据、工具和基础设施有信心的为 29%，对技能及发展机会有信心的为 35%。
评估 AI 价值，需要建立业务基线，并持续跟踪时间的实际去向。需要多方协同，HR 提供工作负担与能力数据，财务和业务负责人共同判断质量、产能与经营结果的变化。
组织知识成为 AI 应用的重要竞争资源
The race to capture organizational knowledge begins
通用模型可以提供广泛知识，企业自身的业务历史、客户背景和处理例外的经验，仍需要组织提供。
资深员工掌握的 tacit knowledge，隐性知识，往往包含制度没有记录的判断依据：流程为什么这样设计，哪些情况需要调整标准做法，过去的项目为什么失败。这些经验会影响 AI 在具体业务中的表现。
报告援引 Gartner 的预测称，到 2027 年，组织使用小型任务专用模型的频率，至少将达到通用大语言模型的三倍。
知识管理需要识别经验集中的岗位，并通过导师带教、结构化交接和内部流动促进传递。记录判断依据，比单纯归档操作步骤更能保留经验的适用条件。
员工分享经验的意愿，也取决于他们如何理解后续变化。企业应解释知识采集的目的、使用方式和员工未来的角色。保留关键人才与传递关键知识，需要共同推进。
02.
人才发展：
保护判断力，重建成长路径
AI 加深了人才能力发展的悖论
AI is intensifying a talent paradox
AI 接管信息分析、方案比较和建议形成，也减少了员工通过这些工作积累判断力的机会。但组织仍需要人理解业务背景、识别错误，并决定是否采纳结果。
报告用一句话概括了这一矛盾：
AI is making human judgment and critical thinking more valuable while also taking over some of the cognitive work that helps people develop them.
AI 正让人的判断力与批判性思考更有价值，也正在接管培养这些能力所需要的部分认知工作。
报告援引 BCG 对 70 名高管的研究：一半受访者已观察到组织中的 de-skilling，能力退化；超过 60% 预计，它会在三到五年内成为重大威胁。这是高管的观察与预期，不能作为全体员工能力下降的测量结果。
AIHR 还指出，平均一个岗位中，33% 的技能在四年间发生变化。岗位名称可能延续，具体能力要求却持续调整。
报告将判断力、问题定义和批判性思考称为 durable skills，持久性技能。这些能力能够跨越工具和岗位迁移，帮助员工适应新的工作要求。
AI时代下的能力培养应进入日常任务。员工使用 AI 时，仍需参与问题定义、检验假设，并说明接受或拒绝建议的理由。评估工作成果时，也应关注判断过程和学习效果。
AI正压缩初级岗位，人才培养路径面临缺口
AI is hollowing out entry-level work
文档起草、资料整理、文件检查和基础调试，构成了许多初级岗位的主要工作。这些任务流程明确、结果容易检查，适合交给 AI。
资深岗位也包含可自动化任务，但往往仍承担决策、关系维护和最终责任。初级岗位的执行部分减少以后，可供招聘的工作量可能明显下降。
报告援引的研究显示，全球 37% 的年轻劳动者处在对 AI 任务变化具有中高暴露程度的职业中。暴露程度描述任务可能受到的影响，不能解读为失业概率。
PwC 对 240 万条美国初级岗位招聘信息的分析发现，高度 AI 暴露的岗位，要求战略决策等资深能力的可能性，是相关对照岗位的七倍。入门岗位的工作减少，剩余岗位的经验要求却在提高。
HR 自身也出现类似信号。AIHR 的美国劳动力数据中，HR Administrator 的需求下降了 29.6%。这一类岗位曾是进入 HR 的常见起点。
初级工作同时承担培养功能。新人通过低风险任务反复练习、接受反馈，并观察资深同事如何处理例外。当这些任务减少，企业需要安排替代性的学习经历，并跟踪初级招聘、能力成长与晋升情况。
信任成为AI时代组织运行的重要基础。
Trust becomes the infrastructure for work
AI 参与工作分配、绩效评估和奖励决定以后，员工会通过这些系统判断组织是否公平、透明和负责。
同类情况能否得到一致处理，哪些数据影响了决定，以及员工能否提出异议，都会影响信任。系统准确性之外，还需要明确的数据使用边界与责任机制。
报告区分了 workforce intelligence，人力洞察，与 workforce surveillance，员工监控。分析可以帮助发现工作负担和能力缺口；过量收集数据、忽略业务背景，也可能损害员工信任。
报告援引 Catalyst 的研究称，61% 的组织报告已有负责任 AI 政策，只有 21% 的领导者认为组织正以减少员工负面影响的方式采用 AI。政策与实际应用效果之间仍存在差距。
在影响员工的重要决策中，组织应提供明确的解释、复核和申诉渠道，并指定能够处理问题的责任人。员工提出的问题，也是发现系统偏差的重要信息来源。
03.
深入业务决策，
形成可验证的专业贡献
HR承担的结果责任超过实际决策权限
HR owns more outcomes than decisions
企业期待 HR 推动 AI 应用、改善生产率，并完成员工转型。这些结果却受技术选型、投资额度、运营模式和业务优先级共同影响，超出了 HR 的单独控制范围。
如果 HR 在关键决定形成之后才参与实施，它能够调整的空间就十分有限。报告将这一差距分为三部分：参与决策的时点与权限、成功标准的共识，以及交付所需的能力。
报告援引 CIPD 对超过 1,000 名英国 HR 专业人士的调查：60% 认为 HR 作出了有价值的战略贡献，49% 表示能够衡量这项贡献。AIHR 的技能研究中，也只有 50% 的团队认为自己具备产生影响所需的技能。
原文明确指出：
HR's accountability is expanding faster than its control over key decisions, clarity on success, and capability to deliver.
HR 的责任扩张速度，超过了它对关键决策的控制、对成功标准的清晰认识，以及交付能力的提升。
责任划分需要与实际决策权对应。对跨部门成果，业务与 HR 应提前约定各自的贡献、评价指标和共同责任，避免将整体经营结果归于单一职能。
工作架构扩展了 CHRO 的战略贡献
Work architecture is expanding the CHRO's strategic contribution
AI 投资会改变任务、岗位、技能和责任。技术选择与组织设计之间的关系日益紧密，也要求 CHRO 提前参与相关经营讨论。
报告使用 work architecture，工作架构，描述工作如何被拆分和连接，以及人、AI 与不同团队如何共同交付结果。
Spencer Stuart 对 101 名欧洲 HR 高管的调查显示，43% 的 CHRO 岗位已有超出传统 HR 范围的责任；37% 的现任 CHRO 来自 HR 之外。扩大职责的 CHRO 平均任期为 3.4 年，未扩大职责的为 4.6 年。
这些结果反映特定样本中的角色变化与任期差异，不能据此认定职责扩大直接造成任期缩短。
德勤引用的欧洲电信企业案例，则展示了工作设计的影响。为客服增加 AI 专家，却未改变角色与流程，生产率提高 5%；重新设计人机交互、工作流、升级路径和培训后，提高到 30%。
这是案例结果，不能作为普遍收益承诺。它表明，在技术部署过程中，岗位分工与协作方式会显著影响应用效果。CHRO 的贡献，是将这些工作层面的影响纳入方案设计。
新一代HRBP开始出现
The next-generation HRBP emerges
报告强调 embedded business partnering，嵌入业务的伙伴模式。这类 HRBP 了解业务的经营背景，能够支持负责人处理复杂的人才与组织决策。
美国劳动力数据呈现出不同信号。区域 HRBP 的需求在六个月内上升 16.4%，资深 HRBP 的需求下降 14.9%。每个空缺岗位对应的可用专业人才，区域 HRBP 为 64 人，业务伙伴总监为 67 人，资深 HRBP 为 650 人。
AIHR 据此认为，市场对深入业务的复杂建议，与以协调和流程传递为主的工作，正在给出不同评价。
组织内部的角色设计尚未完全跟上。64% 的 HR 组织在过去两年改变了运营模式，只有 19% 表示 HRBP、专家中心与共享服务之间的责任划分清晰。已经重组的 HR 组织中，60% 没有针对新结构提供正式培训。
AIHR报告并未明确定义“新HRBP角色”，但结合其数据和我们的观察，几个方向正在成型：
组织效能顾问。需求增长65.4%，所有HR角色中增幅最高。工作对象从员工个体转向组织系统，判断的不是“这个人该不该走”，而是“这个结构该不该改”。
变革引导师。需求增长21.6%。核心不是推动变革落地，而是帮助管理者和员工消化变化，在变化中找到自己的位置。
AI转型顾问。Gartner提出的HRBP扩展方向：指导AI转型中“人的一侧”——何时再培训、何时重新部署、何时淘汰岗位，处理AI决策中的偏见与伦理问题。
跨边界价值整合者。连接HR总部、业务单元、员工和数字化工具的枢纽。价值不来自“知道流程怎么走”，而来自“知道这个业务问题该找谁、用什么工具、在什么节点介入”。
这几个方向有个共同点：都不再是“伙伴”意义上的角色。“伙伴”意味着配合，而这些角色要求的是引导、诊断和整合。这或许正是报告没有给出明确定义的原因——新HRBP的角色还在成形中，市场数据已经先于理论给出了方向。
HR人才能力的市场价值正在重新定价。
The market is repricing HR capabilities
能力分化不限于 HRBP。
执行和协调方向岗位呈现另一方向。HR 服务台人员需求下降 38.3%，HR 行政人员下降 29.6%，HR 运营经理下降 26.9%。这些是招聘需求变化，不能写成在岗人数减少或 AI 直接裁员的比例。
专业岗位的人才供给也相对紧张。每个空缺岗位对应的可用人才，HR 技术专家约为 5 人，数字 HR 负责人 25 人，人力分析负责人 28 人，薪酬福利经理 33 人。
原图还显示，学习与发展专家需求增长 42.7%，全面薪酬岗位家族增长 25.2%。能力需求的变化，覆盖技术、组织设计、人才培养和奖励机制。
这些信号提示，职位与任职年限需要结合实际专业能力评估。能否改善工作系统、支持人才决策，并用数据验证效果，将成为衡量 HR 贡献的重要依据。
HR 的资源配置仍反映过去，而非未来
HR investment reflects the past, not the future
外部需求已经变化，内部编制和薪酬投入却调整缓慢。过去的服务量与运营模式，仍持续影响下一年的资源分配。
AIHR 对美国 HR 劳动力数据的估算中，约 59% 的 HR payroll 薪酬总额，落在每个空缺岗位对应超过 100 名可用人才的岗位家族。核心 HR 运营约占 25%，人才招聘约占 23%。
HR 技术与数字化约占 1.2%，人力分析约占 0.7%，合计 1.9%。原图将合计呈现为约 2%。三个供给最紧张的岗位家族，合计只占估算薪酬总额的 10.5%。
行政运营与招聘仍需交付。资源调整的重点，是检查技术提高服务能力以后，能否将部分人力转向不断增长的专业任务。
未来需求增加、内部储备不足、外部人才又难以获取的领域，需要提前投入。运营模式调整也应落实到具体工作、时间和能力配置，避免仅改变团队名称与汇报关系。
04.
什么样的 HR 会更值钱？
五项能力建设方向
结合这份报告，可以从以下五个方面检验 HR 团队与个人的能力。不同岗位可按职责选择重点，具体方向应与业务需求相匹配。
1. 工作设计能力：能把人机协作落实到流程。
选择一项具体工作，明确任务分工、交接标准和复核责任，并比较调整前后的质量与工作负担。
2. 业务与数据能力：能用结果说明专业贡献。
建立业务基线，区分执行时间节省、复核返工与净产能释放，并与业务及财务共同衡量成果。
3. 人才发展能力：能让经验传递与能力成长持续发生。识别关键经验集中的岗位，设计交接与带教机制；针对减少的初级任务，补充案例练习和受监督的实践机会。
4. 专业深度：能在关键领域形成可靠判断。结合岗位要求，在人力分析、薪酬、组织效能或学习发展等领域积累专业方法，用实际项目形成可检验的成果。
5. AI组织变革推进能力：能让方案进入实际运行。协调决策权、职责与资源，推动跨部门执行，并通过持续反馈调整方案。这项能力需要在真实转型项目中积累。
报告还提出了一个鲜明判断：
The market will put a premium on HR professionals who can shape how the organization runs, but discount those who coordinate its existing processes.
市场会给能够塑造组织运行方式的 HR 专业人士以溢价，也会降低对只协调既有流程者的评价。
这也是这 11 项趋势贯穿的方向。HR 的贡献将日益体现在工作设计、人才能力和组织绩效上；相应的权限、专业深度与资源投入，需要同步调整。
最后需要说明，本文引用的数据主要来自海外研究，其中岗位需求和薪酬结构数据以美国市场为主。国内的用工环境和 AI 应用阶段可能有所不同，具体比例不宜直接套用。
其实国内调查也显示了应用与配套条件之间的差距。北森在 2026 年 8 月公布的 HR AI 调研中，80.7% 的受访企业，其 HR AI 应用与组织准备度仍处于初始阶段；配置专项预算或资源的企业占 14.8%。
在企业整体层面，埃森哲的《2026中国企业数字化转型指数》调查了八个行业的 160 家中国企业，其中只有 18% 着手进行运营和业务的系统性重构。这也提示，应用 AI 之后，工作方式和组织机制未必同步调整，反过来说明HR仍然有很重要的工作。
如果您遇到消费AI方面的问题与困惑，欢迎各位与我们一起学习交流！
-END-
📍关注消费AI进化体｜赋能组织AI转型
我们聚焦大消费行业（餐饮、零售、快消）的AI转型升级，坚信人在AI技术变革下起关键作用，以最精炼的方式帮助管理者掌握推动AI组织团队升级的框架、方法、工具，从而更好推动 AI 在团队中的真实落地，提升团队效能和组织上限。
业务合作：贝老师13392164760（微信同号）
媒体·投资·培训·峰会