HR 被"踢"出 AI 战略桌——为什么最懂人的人,反而在 AI 转型里最没话语权?
导语
如果你是HR负责人,现在可能有一种奇怪的感觉:
公司天天在喊AI转型,开会讨论AI战略,项目一个接一个上马——但每次你都是在"执行"阶段才被通知。
你明明最懂员工在干什么、哪些工作可以自动化、哪些技能需要培养——但在决定"什么该用AI做"的会议上,没有你的位置。
你提的建议——关于人的、关于流程的、关于落地的——经常被当作"HR视角",言下之意是:不够战略、不够技术。
你不是一个人。
2026年3月,Beamery发布了一份覆盖170位C-suite高管、115位HR领导、200名早期员工的调研报告。数据揭示了一个残酷的现实:不到三分之一的HR领导者,从AI战略开发之初就被纳入决策。将近一半的HR团队(48%),只在"实施阶段"才被咨询意见。
更扎心的是:在"谁的意见对AI决策影响最大"这个问题上,只有12%的C-suite说是他们的CHRO。
也就是说:AI正在重塑工作,而最懂工作的人,正在被排除在"如何重塑"的讨论之外。
这篇文章不是要抱怨。它是要回答一个更实际的问题:
为什么会这样?这对企业意味着什么?HR该怎么做?
一、这个问题到底卡在哪
先说一个反直觉的事实:
大多数企业并没有"故意"把HR排除在AI战略之外。
更常见的情况是这样的:
公司决定上AI项目,牵头的是CTO、CIO或者某个业务线的负责人。他们的逻辑是:AI是技术,技术决策当然由技术团队主导。
HR呢?在这个阶段还没进来。等项目方案定下来,才想起来:哦,这涉及人的事,叫HR来执行吧。
这不是恶意,是惯性。是组织对"什么是技术问题"、"什么是人的问题"的默认分类出了问题。
但这个惯性正在付出代价。
Beamery的报告里有几个数据很能说明问题:
- 37%的HR领导者说,AI决策最大的障碍是:决策者根本不知道员工每天都在干什么。
- 只有29%的C-suite在决定自动化哪些任务时,会分析"不同角色、部门之间的任务重叠"。
- 不到一半的高管会考虑"生产力影响"(46%)或"任务的重复性"(45%)。
换句话说:企业在做AI决策时,很多时候是在"拍脑袋"。
他们不知道哪些工作真正重复、哪些任务可以合并、哪些岗位的技能正在变化——因为掌握这些信息的人(HR),没有坐在决策桌上。
Beamery的CEO Has Dosanjh说得很直接:
"很多领导者高估了自己对'工作如何真正发生'的可见性。没有这种洞察,AI项目就会跑偏,转型就会变慢,企业会错失利润和竞争优势。"
这不是理论风险。这是正在发生的现实。
二、为什么过去一直难解决
问题一:AI被定义为"技术问题",而不是"组织问题"
这是根本性的认知错位。
AI当然有技术的一面——模型、算力、算法。但AI真正改变的是什么?
是工作流程。 是岗位设计。 是技能需求。 是人与工具的协作方式。
这些都是HR的领域。
但在大多数组织里,AI项目被默认归类为"数字化转型"、"技术升级",牵头部门是IT或者业务线。HR被当作"支持部门",在项目后期才介入。
这个分类方式,在过去可能没问题。因为过去的IT项目,主要改变的是工具——换一个系统,换一个软件。人的工作方式大体不变。
但AI不一样。AI改变的是工作本身。
它不只是替代某个工具,而是重新定义"这个岗位要做什么"、"这个人要会什么"、"这个团队怎么协作"。
这些问题的答案,不是技术人员能单独给出的。它们需要HR的视角——关于人、关于流程、关于组织。
问题二:C-suite对HR的价值认知停留在"执行层"
这是另一个深层原因。
在许多企业里,HR的核心价值被定义为:招人、培训、做绩效、管薪酬。
这些都是"执行"。
战略是什么?战略是决定"我们要去哪里"、"我们怎么赢"。
当HR的价值被默认归类为"执行",它自然不会出现在"战略"的讨论里。
但AI时代正在挑战这个分类。
因为AI战略的核心问题不再是"我们要用什么技术",而是:
- 我们要让AI做什么事?
- 这些事现在是谁在做?
- 他们不做这些事之后,该做什么?
- 我们需要什么样的人来和AI协作?
- 我们怎么培养这些人?
这些问题的答案,没有HR根本回答不了。
HR不是在"执行"AI战略。HR是在"定义"AI战略应该长什么样。
但大多数组织的认知还没跟上。
问题三:HR自己也在转型,缺乏"AI战略能力"
这是必须要承认的一点。
HR被边缘化,不完全是因为别人。HR自己也在适应AI时代。
过去HR的核心能力是:懂人、懂流程、懂组织。但在AI时代,HR还需要:
- 理解AI能做什么、不能做什么
- 能评估AI工具的适用性
- 能参与AI项目的需求定义和效果评估
- 能设计"人+AI"的新工作模式
这些能力,不是每个HR团队都具备。
Beamery的报告里提到一个有意思的现象:许多HR领导者在调研中承认,他们自己也不知道"该怎么参与AI战略讨论"。
这不是能力问题,是经验问题。AI太新了,所有人都在学习。
但学习的过程不能等。因为AI项目不会等。它们正在快速推进,而HR如果不在桌上,就只能接受别人做好的决定。
三、最近一周的这个热点,为什么值得 HR 看
2026年3月12日,Forbes报道了Beamery这份报告。标题很直接:"Why HR Professionals Should Be Involved In AI Strategy Development"。
这之所以成为热点,不是因为它发现了什么新问题——HR被边缘化这件事,早在2024年就有人讨论。
它之所以重要,是因为:
它第一次用大规模数据,把"HR被边缘化"这个问题,量化成了一个可讨论、可追踪、可问责的指标。
过去,HR说"我们没参与AI决策",可能会被当作"感觉"、"抱怨"、"不够战略"。
现在,有了数据:
- 不到三分之一的HR从一开始就参与
- 48%只在实施阶段被咨询
- 只有12%的CHRO对AI决策最有影响力
数据让问题变得不可忽视。
更重要的是,这份报告不只是"提出问题",它还给出了"问题会带来什么后果"的证据:
- 效率损失:C-suite承认,"选择正确的任务来自动化"是他们最大的挑战之一。但没有HR,他们没有准确的工作数据来做这个判断。
- 公平风险:HR在早期参与,可以识别AI可能带来的偏见和不公平。晚参与,这些风险已经嵌入系统。
- 员工信任:近一半的C-suite说,员工信任和接受是AI落地最大的挑战。HR是懂员工感受的人,但他们没有被纳入设计。
这些问题,不是"HR的职业发展问题",是"企业的AI投资回报问题"。
这就是为什么这个热点值得看:它不是在为HR争取地位,它是在告诉企业——把HR排除在AI战略之外,你的AI项目可能会失败。
四、它真正带来的不是"技术先进",而是什么新的解决方式
这个问题的核心,不是"HR该不该参与AI战略"——这个问题的答案太明显了。
核心问题是:"HR怎么参与?HR的参与能带来什么不一样?"
Beamery的报告给出了三个维度:
1. 效率:HR知道工作是怎么发生的
当企业决定"用AI自动化什么"的时候,最常见的问题是:我们不知道每个岗位每天都在干什么。
这不是技术问题,是信息问题。
HR掌握着:
- 岗位描述
- 绩效考核标准
- 培训需求分析
- 员工技能地图
这些信息,是判断"哪些任务可以自动化"的基础。
没有HR参与,企业可能在自动化"不该自动化的任务",或者漏掉"真正应该自动化的任务"。
HR的价值,不是在AI项目中"做人事工作",而是提供"工作是什么"的准确信息。
2. 公平:HR能识别偏见和风险
AI系统会继承训练数据里的偏见。
这不是技术缺陷,是设计缺陷。
HR在早期参与,可以:
- 识别AI工具可能带来的歧视风险
- 设计偏见检测和纠偏机制
- 确保AI决策过程有足够的人类监督
报告提到,自2022年以来,关于"AI招聘工具歧视"的诉讼在增加。88%的公司已经在用AI做初步简历筛选——但有多少公司的HR参与了这些工具的选择和审核?
HR不是AI的"合规检查员",但HR是唯一能在AI设计阶段就提出"公平问题"的人。
3. 接受:HR懂员工在想什么
近一半的C-suite说,员工对AI的抵触是落地最大的挑战。
但员工在抵触什么?
不是抵触AI本身。是抵触:
- "我不知道AI会怎么影响我的工作"
- "我担心AI会取代我"
- "没人告诉我公司为什么要做这个"
这些问题,本质上是沟通问题、信任问题、变革管理问题。
这些正是HR的领域。
报告引用了美国心理学会2023年的数据:38%的员工担心AI会让他们的工作消失。在这些人里,一半的人报告了负面心理健康影响,46%的人计划找新工作。
员工对AI的恐惧,不是技术问题,是"我是否被公司重视"的问题。
HR能做的,不是"说服员工接受AI",而是确保AI被设计和沟通为"赋能员工"而不是"替代员工"。
这个转变,从AI项目的第一天就应该开始。而第一天,HR就应该在。
五、HR 可以如何理解、尝试、判断和落地
如果我是HR负责人,看完这份报告,我会做这几件事:
1. 主动要求数据权限
HR最常被边缘化的原因之一,是"没有数据"。
当别人用数据说话时,HR在用"感觉"、"经验"、"判断"说话。在决策桌上,这不够有说服力。
AI时代,HR需要掌握:
- 工作流程数据:每个岗位的核心任务、时间分配、依赖关系
- 技能数据:员工现在有什么技能,需要什么技能
- 绩效数据:什么是"好的工作表现",AI应该向什么标准对齐
有了这些数据,HR才能真正参与"什么该自动化"的讨论。
2. 建立HR的"AI参与方法论"
HR需要有自己的框架,来评估和参与AI项目。
不是被动地"等别人叫你",而是主动地问:
- 这个AI项目涉及哪些岗位?
- 这些岗位现在在做什么?
- AI会改变哪些任务?保留哪些任务?
- 员工需要什么新技能?
- 我们怎么培训和过渡?
- 怎么衡量AI是否真正提升了工作,而不是只是替代?
这些问题,不是AI项目组会主动问的。它们需要HR提出来。
HR不是AI项目的"执行者",是AI项目的"人类视角审计师"。
3. 用商业语言说话
HR被边缘化,部分原因是"语言不通"。
HR说:员工体验、文化建设、人才发展。
C-suite听的是:成本、效率、ROI。
要坐上决策桌,HR需要学会翻译:
- "员工对AI的恐惧"→ "可能导致46%的人找新工作,招聘成本X万"
- "HR早期参与AI决策"→ "可以减少AI项目失败率,节省Y%的预算"
- "偏见检测机制"→ "避免潜在的诉讼风险和品牌损失"
不是改变HR关心的问题,而是用决策者能听懂的方式表达。
4. 建立跨部门的AI治理机制
这不是HR单独要做的事,但HR可以发起。
建议公司建立:
- AI项目评审流程:每个AI项目在立项时,必须有HR参与
- 影响评估机制:AI上线前,评估对员工、岗位、技能的影响
- 反馈渠道:员工可以报告AI带来的问题,HR负责收集和回应
这些机制,让HR的参与变成"制度化"而不是"靠关系"。
六、两个不该被忽视的反例
说了这么多"HR应该参与",我们也来看看反面:当HR真正参与时,会发生什么?当HR始终缺席时,又会付出什么代价?
案例1:某科技公司的"AI裁员风波"
2024年底,一家中型科技公司决定用AI自动化客服部门的部分工作。
决策过程很标准:CTO牵头,业务部门参与,确定了哪些任务可以被AI聊天机器人替代。方案通过,开始执行。
HR在什么时候介入的?在"裁员名单"确定之后。
这时候,问题来了:
- 客服团队没有人知道AI要来了,直到裁员通知发出
- 被裁的员工里有好几位是刚拿完季度最佳员工奖的——他们不知道"优秀"的标准已经变了
- 留下来的员工士气低落,半年内离职率上升了40%
- AI上线后发现,很多"可以自动化"的任务其实涉及复杂判断,AI做不好,客户投诉上升
事后复盘,COO承认:"如果我们让HR从一开始就参与,很多问题可以避免。"
但"事后承认"解决不了已经发生的损失。
这个案例的教训不是"裁员不该用AI",而是:AI改变工作这件事,从来不是纯技术决策。它涉及岗位定义、员工沟通、绩效标准、培训过渡——这些都是HR的专业领域。
案例2:一家制造企业的"AI培训先行"
另一家制造企业走了完全不同的路。
他们也在2025年引入AI设备来优化生产线。但在项目启动第一天,HR就被要求参与。
HR做了什么?
- 先做技能盘点:哪些岗位会被AI影响?这些岗位的员工现在有什么技能?
- 设计过渡方案:AI不是替代,是"人机协作"。新岗位需要什么技能?谁来培训?
- 建立沟通机制:每周一次全员更新,让员工知道AI会带来什么变化
- 设置反馈渠道:员工可以提出疑问和建议,HR负责收集和回应
结果呢?
- AI上线后,生产效率提升了28%
- 员工离职率没有上升,反而因为"公司愿意培训我们"而略有下降
- 几位老员工转型成为"AI操作培训师",工资涨了,职业路径也更清晰
这家企业的HR负责人后来在行业会议上说了一句话:
"AI不是HR的威胁。AI项目没有HR参与,才是HR的威胁——因为那意味着HR会被证明是'不需要的'。但如果HR能证明自己在AI转型中不可替代,AI反而是HR提升影响力的机会。"
这句话值得每一个HR记住。
七、从"边缘化"到"不可或缺",HR需要跨越三道门槛
前面说了很多"为什么"。现在来说"怎么做"。
HR要从AI战略的"边缘"走到"中心",需要跨越三道门槛:
第一道门槛:从"服务思维"到"战略思维"
传统HR的核心问题是:业务提需求,HR来满足。
"我们要招人"——HR去招。 "我们要培训"——HR组织培训。 "绩效要改"——HR设计流程。
这种"服务者"的角色,决定了HR在战略讨论中的位置:你是执行者,不是定义者。
AI时代,HR需要转变这个定位。
不是"等业务提需求",而是主动问:
- AI会改变哪些岗位?我们应该提前准备什么?
- 员工的技能地图是什么?AI时代需要什么新技能?
- 组织结构要不要调整?AI会怎么改变协作方式?
这些问题,不是"等别人来问HR",而是HR要主动去回答。
从"被需求驱动"变成"主动洞察驱动",这是第一道门槛。
第二道门槛:从"定性判断"到"数据支撑"
HR的另一个软肋是:很多时候在用"经验"和"感觉"说话。
"员工士气不高"——不高是多少?怎么衡量的? "培训效果不错"——不错是什么意思?有什么数据支撑? "这个AI工具可能有问题"——问题在哪?有证据吗?
在决策桌上,"感觉"是不够的。C-suite习惯的是:数据、图表、ROI。
HR要学会用数据说话:
- 员工敬业度从X%变成Y%,主要原因是什么
- 培训后技能评估提升了Z%,对业务的影响是什么
- AI工具上线后,员工反馈中负面评价占多少,主要集中在哪些问题
数据不会说谎。数据会让HR的观点变得可辩论、可验证、可追踪。
第三道门槛:从"HR语言"到"商业语言"
HR说的很多话,C-suite听不懂——或者听懂了,但不觉得重要。
"员工体验"——C-suite听到的是"软指标"。 "文化建设"——C-suite听到的是"长期的事"。 "人才发展"——C-suite听到的是"成本中心"。
要改变这个认知,HR需要学会翻译:
- "员工体验"→ "员工敬业度每提升5%,客户满意度提升3%,营收增长X%"
- "文化建设"→ "强文化的公司,员工离职率低Y%,招聘成本低Z%"
- "人才发展"→ "内部培养的成本是外部招聘的1/3,且成功率更高"
HR关心的事,本来就是商业问题。只是表达方式需要翻译。
八、给企业领导者的建议:如果你真的想让AI落地
这篇文章主要是写给HR看的。但最后,我也想对企业领导者说几句。
如果你的公司正在推进AI,而你发现HR参与得很少——这不是"HR的问题",这是"你的问题"。
因为AI真正改变的是工作,而工作是人的事。
如果你把AI项目完全交给技术团队,你可能会得到:
- 技术上可行的方案,但组织上执行不下去
- 选错了要自动化的任务,浪费了投资
- 员工不理解、不信任、不配合,AI上线后效果打折扣
- AI带来的偏见和公平风险,在后期才发现,已经很难纠正
要避免这些,你需要:
- 在AI项目立项时,就纳入HR
- 让HR参与"什么任务可以自动化"的讨论
- 让HR设计"员工如何过渡"的方案
- 让HR负责"员工如何接受AI"的沟通
这不是"增加流程",这是"降低风险"。
AI项目最贵的成本,不是技术成本,是组织成本——员工不理解、不配合、不会用、不想用的成本。
HR正是能帮你降低这个成本的人。
结语:AI时代,HR的真正机会
回到开头那个问题:
为什么最懂人的人,反而在AI转型里最没话语权?
答案其实不复杂:因为AI被当作了"技术问题",而不是"组织问题"。因为HR被当作了"执行部门",而不是"战略伙伴"。因为所有人都还在用旧的分类方式,去理解一个全新的局面。
但2026年的这份报告,正在改变这个局面。
它用数据说话,让问题变得不可忽视。它用案例论证,让后果变得可以预判。它用三个维度(效率、公平、接受),让HR参与的价值变得可以衡量。
对HR来说,这不是一份"抱怨报告",这是一份"行动指南"。
它告诉HR:
- 你被边缘化,不是因为你不够重要,是因为组织还没理解AI到底在改变什么
- 你要争取的,不是"被邀请参加会议",而是"让项目离不开你的参与"
- 你需要的能力,不只是懂人懂流程,还要懂AI、懂数据、懂商业语言
对企业来说,这不是一份"HR工作报告",这是一份"AI投资风险提示"。
它告诉决策者:
- AI项目失败的原因,很多时候不是技术不行,是组织没准备好
- 员工不接受AI,不是因为员工保守,是因为没人好好沟通
- 把HR排除在AI战略之外,不是节省成本,是在增加风险
最后,我想说:
AI时代,HR的价值不是在降低,是在升高。
因为AI越是普及,"人"的问题就越是重要。
哪些工作该交给AI?哪些工作必须由人做?人该怎么和AI协作?人该怎么适应变化?人该怎么保持信任?
这些问题的答案,不在技术文档里,在HR的专业能力里。
AI不是在替代HR。AI是在重新定义HR——从"管理人"变成"设计人与AI如何共事"。
这是一个更大的舞台。
能不能站上去,取决于HR自己。
而2026年3月的这份报告,就是一张入场券。
它告诉我们:HR被踢出AI战略桌,是现状。HR成为AI战略桌不可或缺的一员,是目标。从现状到目标,要靠HR自己去争取。
不是靠抱怨,不是靠等待,而是靠证明:
没有HR,这事儿真的做不成。
信息来源
- Forbes: "Why HR Professionals Should Be Involved In AI Strategy Development" (2026年3月12日)
- Beamery: "Inside The Human-Machine Economy: A 2026 Report"
- Radancy Blog: "2026 AI Trends in Candidate Screening & Scheduling" (2026年3月11日)
- Babblebots.ai: "The 2026 State of AI in Hiring: What 500+ HR Leaders Are Actually Doing" (2026年3月7日)
- TechCrunch: "Anthropic launches new push for enterprise agents with plug-ins for finance, engineering, and design" (2026年2月24日)
- Recruitment Smart: "AI Recruiting Trends 2026: Top 10 Shifts for US Staffing Firms in Q2"
- American Psychological Association: 2023 Work in America Survey
- World Economic Forum: 2025 AI in Hiring Data
- Gartner: Enterprise AI Predictions 2026