美国HR转型新范式：AI驱动的四层组织架构模型核心观点：AI对HR的冲击，远不只是工具升级，而是组织架构的彻底重构。目前，约80%的企业已经引入AI，但只有20%真正改变了工作流程。这意味着，大多数企业仍停留在“旧结构+新工具”的阶段。未来HR将呈现四大变化：第一，建立人才智能中枢，实现实时数据驱动决策；第二，以跨职能小团队取代传统HR职能分工；第三，COE转型为能力平台；第四，将人类判断集中在高价值决策领域。这一趋势意味着，HRBP角色正在被重新定义，HR部门也将从支持职能，转变为企业AI转型的核心设计者。
如果一家企业从零开始设计组织，那么完全可以像 Block 在 Jack Dorsey 推动下那样，用由AI协调的智能系统替代传统层级结构。但现实情况是，大多数企业并没有重来的机会。真正困难的问题，是一家拥有数万名员工、仍在持续运转的组织，如何在不中断业务的前提下完成转型。
过去25年的实践不断重复同一个结论：技术总是先行，而组织架构往往滞后。无论是在 GE 推动数字化劳动力扩展，在 IBM 管理跨170个国家的人才体系，在 Intel 参与高管继任规划，还是在 Boston Consulting Group 构建全球人才体系，这一模式始终存在。AI并没有改变这一点，只是让这种错配变得更加明显、更加紧迫。
问题的本质：脱节发生在架构层，而不是应用层
今天，大多数企业并不缺少AI工具。根据 McKinsey & Company 的数据，接近80%的企业已经在至少一个职能中部署AI，但只有约20%的企业真正因此重构了工作流程。工具部署与组织重组之间的脱节，成为转型难以落地的根本原因。
这背后是一个结构性问题。现有的人力资源体系，是建立在信息稀缺和协同成本高昂的时代背景之上的。HRBP负责在不同层级之间传递信息，COE集中稀缺的专业能力，层级结构则用于推动决策流转。在这样的体系中，复杂性是被“管理”的对象。
但在AI时代，信息获取与处理的成本几乎被消除，协同效率大幅提升。这意味着原有结构不再只是低效，而是逐渐失去存在的必要。AI不会让旧架构运行得更快，它会让旧架构变得多余。如果继续沿用这一体系，企业所获得的将只是有限的效率提升，而不是结构性的生产力跃迁。
行业信号：HR职能正在被重写
这一趋势已经在多个维度上显现出来。Josh Bersin 的研究指出，人力资源领域将出现超过100种AI agent应用，并预测传统HR岗位可能减少约30%。与此同时，Society for Human Resource Management 的数据显示，92%的CHRO预计AI将在短期内进一步融入人力资源管理。
这意味着，人力资源职能的重构已经开始。关键差异不在于是否发生，而在于企业是否主动设计这一转型路径。
新的蓝图：以智能、成果与判断为核心的四层结构
未来的人力资源组织，不会是现有结构的扁平化版本，而是一套完全不同的体系。这一体系围绕四个层面展开。
第一层是劳动力智能核心。这是整个体系的基础，也是大多数企业目前缺失的能力。它是一个持续更新的人才数据模型，能够实时反映组织中的技能结构、能力缺口、流失风险以及潜在需求。它整合绩效、学习、流动性、招聘速度和市场数据，将这些信号转化为可执行的情报。这一层通常由一个精简的技术团队负责，由数据科学家、劳动力经济学家和AI架构师组成，直接服务于业务决策。
第二层是成果导向团队。传统按职能划分的HR结构，将责任分散在多个部门之间，而新的结构以“结果”为核心进行组织。由5到8人组成的跨职能团队，围绕具体业务问题进行端到端负责。例如，新员工生产力团队负责从录用到绩效达标的全过程，关键技能团队负责战略技能的建设与保留，领导力梯队团队负责继任体系建设，AI准备团队负责组织与AI协同能力。这种模式消除了频繁交接带来的效率损耗，也重新定义了责任归属。
在这一体系下，传统HRBP角色将被重新定义。过去由HRBP承担的信息传递与协调工作，将由数据系统和团队机制替代。该角色要么转型为真正承担业务责任的团队负责人，要么成为具备战略决策能力的高级顾问。
第三层是平台化的COE。COE不会消失，但其角色将发生根本变化。在过去，COE集中专业能力并直接参与执行，而在AI环境下，这些能力可以被系统化。COE将转型为能力平台，负责制定标准、构建工具、控制质量，并赋能各个团队执行，而不是亲自执行。这一转变的关键，在于从“服务提供者”转向“平台构建者”。
第四层是人类判断。AI可以承担协调、分析和流程自动化，但无法替代人类在伦理判断、高风险决策、文化塑造以及复杂情境中的作用。未来的HR领导者，将从行政协调中解放出来，专注于这些关键领域。
未来的CHRO需要具备新的能力结构，包括对劳动力智能的战略设计能力，对AI治理的边界把控能力，对组织文化与信任机制的构建能力，以及对企业整体AI转型的领导能力。
如何开始：从架构入手，而不是工具
没有企业能够在短时间内彻底重构人力资源体系，但转型的起点至关重要。应优先构建劳动力智能核心，围绕三到五个最关键的业务问题建立数据能力。在此基础上，选择一个结果最明确、跨部门阻力最大的场景，试点成果导向团队，通过实际业务结果验证新模式，并逐步扩展。
真正的转型，从来不是从工具开始，而是从架构设计开始。
现实的提醒：AI会放大一切
Gartner 的研究显示，仅有47%的HR负责人认为企业文化能够有效驱动绩效。这意味着，大多数组织在引入AI之前，其基础已经存在问题。在这种情况下，AI不会成为修复工具，而会成为放大器。
那些仅仅为员工提供AI工具，却不改变组织方式的企业，可能只会经历短暂的效率提升，然后迅速停滞。而那些重新设计协同机制、决策流程以及人机分工边界的企业，才可能实现持续增长。
结语：在运行中重建，而不是等待重来
层级结构本质上是为信息传递而存在，而AI已经改变了信息流动的方式。但企业无法停下来重新设计一切，只能在既有体系中逐步构建新的结构。这需要清晰的方向，也需要拆除旧结构的决心，更需要时间去建立信任。
这一次的变化不同于以往，但前提是，组织必须明确自己要走向何处。
IBM
2026年04月28日
IBM
IBM 逆势扩大初级岗位招聘：重塑人才成长路径，赋能 AI 时代人机协同彭博社报道IBM宣布计划在2026年将美国入门级员工招聘规模扩大三倍，并根据人工智能时代调整岗位职责。尽管人工智能似乎正在抑制对初级职业人才的整体需求，但IBM仍计划在2026年将美国入门级员工的招聘规模扩大三倍。该公司拒绝透露具体的招聘数字，但表示此次扩张将“全面进行”，涉及众多部门。
纽约 — 2026 年 2 月 12 日 —— 在 AI 技术迅速普及、行业普遍预计 AI 将替代大量基础性岗位的背景下，IBM（International Business Machines Corporation） 正采取完全不同的策略——宣布将在 2026 年将其在美国的 entry-level（初级）岗位招聘规模扩大 3 倍，并同时重新设计这些岗位的核心职责，使其更契合“人类优势”而非重复性任务。
此计划由 IBM 首席人力资源官 Nickle LaMoreaux 在「Charter’s Leading with AI Summit」上首次披露。据 LaMoreaux 表示，公司对这些初级岗位的职位描述进行了重大调整，减少了传统上容易被自动化工具替代的任务，例如机械式编程，将重点放在“人本能力”上，比如客户互动、问题解构与协作沟通。
IBM 并未具体披露最终的招聘人数，但从官方职业页面来看，该公司的 entry-level 招聘包括一系列面向毕业生和早期职业者的 项目与计划，例如咨询类 IBM Associate Program、Sales Accelerator Program、Apprenticeship Program（学徒项目）等，覆盖咨询、销售、技术、数据与业务支持等方向。
岗位重塑：聚焦人类不可替代技能
IBM 这一战略背后的核心逻辑是：即使 AI 能自动执行某些技术性任务，人类在“人机协同”环境下仍具备独特价值。LaMoreaux 强调，这些初级岗位不再只是传统意义上的“入门级数据处理或编码”，而是更强调与客户沟通、跨团队合作、将技术转化为业务价值的能力。
多位评论者认为，这种岗位转型恰好呼应了目前业内人才结构的变化——企业需要“能将 AI 结果转译成实际业务成果的人才”，而不只是执行性任务的操作员。
AI 时代背景下的招聘悖论与机会
这一宣布正值 AI 技术在劳动力市场影响日益凸显之时。此前研究与报道显示，AI 已显著改变了 entry-level 工作的定义——传统的数据清理、重复性程序开发等任务正在迅速被自动化工具取代，部分企业已开始削减此类岗位。
更早之前，IBM 内部高管就曾指出，未来岗位更强调“critical thinking（批判性思维）”和“power skills（人本强技能）”，并认为不能再简单雇佣新人去完成诸如创建电子表格等容易被自动化的任务。
将招聘重心转向具备这些能力的初级人才，实际上代表着一种人才培养战略——企业持续投资基础人才、为中层和高级岗位建立内部人才管道。这在 AI 时代尤其重要，因为如果企业放弃 entry-level 人才培养，将来可能在高级岗位人才储备上面临断层。
技能重塑与 HR 战略启示
专家指出，目前最需要招聘的人才类型包括：
客户成功与销售技术岗位：强调人机协同沟通与业务理解；
咨询与解决方案交付岗位：围绕业务挑战提供创新思路；
数据分析与业务洞察岗位：结合数据、AI 输出与行业背景提出可执行结论；
技术支持与跨团队协作岗位：不仅懂技术，更能协调解决复杂问题。
这些岗位本质上要求新人具备沟通协调、业务敏感性、跨功能协作能力以及持续学习心态——即目前 AI 尚无法替代的“人类核心竞争力”。
结语
在 AI 改写劳动力结构的过程中，IBM 的战略选择提供了一个重要参考：企业若想在未来竞争中胜出，不仅要拥抱 AI 技术，更要重新定义人才增长路径，以“人本技能 + AI 工具协作能力”培养下一代业务与技术领导者。这不仅有助于公司长期竞争力，也为 HR 在人才策略设计、招聘与培养体系规划上提出了新的方向。
IBM
2026年02月12日
IBM
在美国裁员中的年龄歧视问题-美国《反年龄歧视法》禁止企业对40岁及以上的员工进行年龄歧视
美国《反年龄歧视法》（The Age Discrimination in Employment Act）禁止企业对40岁及以上的员工进行年龄歧视。最近，两家高科技企业，Intel和IBM，都因为裁员中涉及年龄歧视而遭到公平就业机会委员会的调查。
Intel的情况是，在2016年的一波裁员中，2300名被裁员工年龄的中位数是49岁，而留下来的同行，中位数只有42岁。因此有员工已经向公平就业机会委员会投诉。按照程序，委员会将审核Intel关于裁员的法律文件，来确定员工一方是否有足够的证据，从而代表员工向法院起诉。如果委员会认为不构成年龄歧视，员工一方仍可以单独起诉公司。
而IBM的情况是，从2014年开始，IBM已经裁减了2万多名40岁及40岁以上的员工，占到了全部裁员人数的60%。委员会同样在调查IBM，但是IBM否认了年龄歧视的指控，表示公司是根据绩效和其他方法确定裁减人员名单。
《纽约时报》在之前的一篇报道指出[1]，这几年，向委员会投诉的年龄歧视的案件越来越多，2015年有20144件，2016年则达到21000件，已经占到了委员会全部受理案件的四分之一。然而，委员会真正认为证据充足并起诉到法院的案件数量却很少，比如2015年只有86件，低起诉率的其中一个原因是，最高院通过Gross v. FBL Financial Services, Inc[2]一案，在举证责任方面为劳动者胜诉设立了很高的门槛。
1989年，最高院曾在Price Waterhouse v. Hopkins一案中为混合动机案件设立了举证责任规则。混合动机指雇主的决定混合了合法的动机（比如员工绩效）和非法的动机（比如员工的性别和种族）。此时，雇员需要首先举证她因为雇主的非法动机（也就是该案中的性别因素）受到了歧视，此时举证责任转移到雇主，雇主需要证明，即使没有性别因素，雇主也会做出一样的决定。
但是在2009年，在涉及年龄歧视问题的Gross v. FBL Financial Services, Inc一案中，最高院认为，《反年龄歧视法》独立于《民权法案》，Price Waterhouse一案确立的举证规则也并不当然适用于年龄歧视的情况。通过仔细阅读法律条文，最高院认为，在年龄歧视案件中，劳动者首先必须证明年龄是雇主决策的主要因素（but-for，如果没有该事实的存在，事件就不会发生），这个举证要求不可谓不高。2009年，国会曾提出Protection Older Workers against Discrimination Act草案，要求年龄歧视案件的举证规则回归Price Waterhouse规则，但是因为受到商业群体等反对，草案最终没有被通过。
据报道，委员会的代理主席Victoria Lipnic已经将反年龄歧视作为委员会的优先处理的工作议题，且看委员会将如何处理这两起年龄歧视案件。
[1] Shownthe Door, Older Workers Find Bias Hard to Prove, https://www.nytimes.com/2017/08/07/business/dealbook/shown-the-door-older-workers-find-bias-hard-to-prove.html
[2] 557 U.S. 167
扫一扫
添加客服
