麦肯锡:AI赋能职场,企业如何跨越管理障碍,实现智能化未来?员工对 AI 的适应速度远超领导层的预期
AI 如何重塑职场?
人工智能(AI)正在以惊人的速度重塑职场生态,许多企业正试图利用 AI 提高生产力、优化决策流程并增强市场竞争力。然而,AI 技术的广泛应用远非一蹴而就,企业的 AI 部署不仅涉及技术升级,更考验管理者的战略眼光和执行力。
麦肯锡的《Superagency in the Workplace》 这份报告深入研究了 AI 在职场中的应用现状,基于对 3,613 名员工和 238 名 C 级高管 的调查,揭示了企业在 AI 落地过程中的机遇与挑战。报告认为,AI 在职场的变革潜力堪比蒸汽机之于工业革命,但当前的最大障碍并非技术问题,而是领导层的行动力不足。
尽管 92% 的企业计划在未来三年增加 AI 投资,但只有 1% 认为自己 AI 发展成熟,表明大多数企业仍停留在 AI 试点阶段,尚未实现全面部署。更值得注意的是,报告发现员工对 AI 的接受度远超管理层的预期,但企业的 AI 发展速度依然滞后。领导者的犹豫和执行力缺失,正成为 AI 规模化应用的最大瓶颈。
本文将从员工接受度、领导层挑战、组织架构变革、AI 治理、商业价值实现等多个维度,介绍报告的核心观点,并补充对 AI 发展的进一步思考。
一、员工比领导更快接受 AI,企业行动缓慢
报告的核心发现之一是:员工已经在积极使用 AI,而领导者仍然低估了 AI 的普及度。
数据显示:
员工使用 AI 的频率比领导层预期高出 3 倍,但许多企业尚未提供系统性培训;
70% 以上的员工认为 AI 在未来两年内将改变至少 30% 的工作内容;
94% 的员工和 99% 的高管都表示对 AI 工具有一定熟悉度,但只有 1% 的企业认为 AI 应用已成熟。
这一现象表明,AI 在企业中的主要障碍并非员工适应能力,而是管理层的滞后决策。许多企业高管仍然停留在探索 AI 价值的阶段,而员工已经在日常工作中广泛使用 AI 工具,如自动生成文档、数据分析、代码编写等。员工在推动 AI 发展方面的主动性,远远超出管理层的认知。
然而,企业未能为员工提供足够的 AI 培训和资源,导致 AI 的应用仍然停留在浅层次,难以转化为真正的生产力提升。例如,48% 的员工认为 AI 培训是 AI 规模化应用的关键,但许多公司仍未建立 AI 学习机制。企业如果不采取措施缩小这一认知鸿沟,可能会错失 AI 带来的长期竞争优势。
二、AI 领导力挑战:速度焦虑与执行落差
尽管 AI 的发展潜力巨大,但报告指出,47% 的企业高管认为公司 AI 发展过于缓慢,主要原因包括:
AI 技术成本的不确定性:短期 ROI(投资回报率)难以量化,导致企业不敢大规模投资;
AI 人才短缺:AI 相关技术人才供不应求,企业缺乏相应的招聘和培养体系;
监管与安全问题:企业在数据隐私、算法透明度等方面的担忧阻碍了 AI 落地。
这种“速度焦虑”让企业在 AI 发展过程中陷入试点—停滞—观望的循环:
试点阶段:部分企业已启动 AI 试点项目,如客服自动化、数据分析等;
停滞阶段:由于短期收益不确定,试点项目难以规模化推广;
观望阶段:企业倾向于等待行业先行者经验,而非主动探索 AI 的商业价值。
报告强调,AI 的落地不仅是技术问题,更是企业管理问题。领导者需要具备更强的战略决心,加快 AI 投资,并明确 AI 在企业中的角色,才能真正推动 AI 规模化应用。
三、如何实现 AI 规模化落地?
1. AI 人才培养
AI 的大规模应用依赖于系统性的 AI 人才培训。然而,报告发现,近一半的员工认为企业提供的 AI 支持有限。企业需要采取措施:
建立 AI 培训体系,涵盖 AI 基础知识、业务应用和 AI 伦理等内容;
推广 AI 试点项目,让员工亲身参与 AI 工具的开发和使用;
设立 AI 激励机制,鼓励员工利用 AI 提升工作效率。
2. 组织架构调整
AI 不能仅仅作为 IT 部门的创新项目,而应当成为企业整体战略的一部分。报告建议:
设立 AI 战略委员会,确保 AI 发展与企业长期战略保持一致;
推动 AI 在各业务部门落地,提升 AI 在实际业务流程中的应用深度;
强化 AI 风险管理,确保 AI 应用在数据安全和监管方面的合规性。
3. AI 治理:平衡速度与安全
虽然 AI 带来了极大的商业价值,但报告指出,企业在 AI 治理方面仍存在诸多挑战:
51% 的员工担心 AI 可能带来的网络安全风险;
43% 的员工关注 AI 可能导致的数据泄露;
企业需要建立 AI 伦理标准,确保 AI 透明、公正、合规。
四、AI 时代的商业价值:企业如何真正实现 ROI?
尽管企业对 AI 充满期待,但报告显示,目前仅 19% 的企业 AI 投资带来了 5% 以上的收入增长,表明大多数企业的 AI 应用尚未转化为可观的商业回报。为了提升 AI 价值,企业需要:
从“技术驱动”转向“业务驱动”,确保 AI 应用直接创造商业价值;
优化 AI 目标设定,明确 AI 在核心业务中的定位;
加强 AI 应用场景探索,特别是在客户服务、供应链管理等高回报领域进行深入部署。
AI 成败的关键在于管理层
AI 的成功不仅依赖技术本身,更取决于企业领导者的执行力和战略眼光。企业若要真正迈向 AI 时代,需要:
加速 AI 战略落地,推动组织变革;
加强 AI 人才培养,提高员工 AI 适应能力;
建立 AI 治理体系,确保 AI 安全合规发展。
在 AI 时代,最危险的不是迈得太快,而是思考得太小、行动得太慢。
附录:《Superagency in the Workplace》 下载
新创
2025年03月14日
新创
收藏:100+HR关键指标(Top 100+ HR Metrics)
人力资源的数字化和数据驱动管理,已成为企业在新商业环境中制胜的关键。根据最新的调查显示,超过80%的企业领导者表示,在过去几年充满挑战的环境中,如果没有HR科技工具和数据分析的有力支持,他们的企业很难实现有效运转。
深入理解并有效运用HR指标,可以帮助我们在人才招聘、员工保留、敬业度提升、继任规划、多元化与包容性建设、培训发展等领域作出更加智慧且精准的决策,为组织创造显著的战略价值。
为此,我们特别整理出“100个HR关键指标(Top 100 HR Metrics)”,全面涵盖指标定义及计算公式,助您精准掌握组织的人才状况,制定切实可行的战略决策。希望这份指标指南,能帮助您及所在组织释放人力资源数据分析的全部潜力,提升HR工作的战略影响力。
无论您是HR新手还是资深从业者,相信本指南都能助您更精准地将数据转化为行动,驱动组织成功。
下面,让我们一起探索这些关键指标,开启数据驱动的人力资源新篇章!
Workforce Metrics(人员结构指标)
Headcount(员工总数)
Headcount Growth(员工增长率)
FTE Growth(全职员工增长率)
Average Age(员工平均年龄)
Aged 60+%(60岁以上员工占比)
Average Years in Position(平均在职年数)
Average Years in Service (Tenure)(平均任职年限)
% Full-Time Employees(全职员工占比)
% Part-Time Employees(兼职员工占比)
% Contingent Workers(合同工占比)
Talent Acquisition Metrics(人才招聘指标)
Number of Hires(招聘人数)
Hire Rate(招聘率)
Failed Hires(失败招聘人数)
Hire Fail Rate(失败招聘率)
Time to Hire(招聘时间)
Time to Fill(职位填补时间)
Time to Start(入职周期)
Recruitment Costs(招聘成本)
Hiring Costs(入职成本)
Cost per Hire(每次招聘成本)
Source Channel Cost(招聘渠道成本)
Average Hire Pay(平均入职薪资)
Average Hire Age(平均入职年龄)
Number of Vacancies(职位空缺数量)
Vacancy Fill Rate(职位填补率)
Retention Metrics(员工保留指标)
Number of Leavers(离职人数)
Overall Turnover Rate(整体离职率)
Voluntary Turnover Rate(主动离职率)
Involuntary Turnover Rate(非自愿离职率)
Retention Rate(员工保留率)
Stability Index(稳定指数)
Average Tenure at Exit(离职员工平均任职时间)
% Regrettable Loss(遗憾流失比例)
Cost to Replace Employees(替代员工成本)
Cost of Turnover(离职成本)
Retention (Flight) Risk Score(离职风险评分)
Impact of Loss Score(员工离职影响评分)
Internal Mobility Metrics(内部流动指标)
Number of Promotions(晋升人数)
Promotion Rate(晋升率)
Time to Promotion(晋升所需平均时间)
Lateral Moves(横向调动数量)
Lateral Move Rate(横向调动率)
Time to Lateral Move(横向调动所需时间)
Demotions(降职数量)
Demotions Rate(降职率)
Time to Demotion(降职所需时间)
Build Rate(内部填补职位比例)
Buy Rate(外部招聘比例)
Performance Metrics(绩效表现指标)
% High Performers(高绩效员工比例)
% Low Performers(低绩效员工比例)
% High Potentials(高潜人才比例)
% Talent(人才比例)
Learning and Development Metrics(培训与发展指标)
Learning Completion Rate(培训完成率)
Total Training Hours(培训总时长)
Total Training Cost(培训总成本)
Cost per Employee for Training(人均培训成本)
Time to Productivity(员工达成生产力的时间)
Skill Gap Percentage(技能差距百分比)
Organizational Structure Metrics(组织结构指标)
Reporting Layers(报告层级数量)
% Managers(经理比例)
Direct Span of Control(直接管理幅度)
Indirect Span of Control(间接管理幅度)
Rewards Metrics(薪酬激励指标)
Total Base Pay(总基本薪酬)
Total Bonus(奖金总额)
Total Fully Loaded Labor Cost(员工完全负担成本)
Average Base Pay (Full-time)(全职员工平均基本薪酬)
Average Base Pay (Part-Time)(兼职员工平均基本薪酬)
Target Bonus(目标奖金)
Actual Bonus(实际奖金)
% Bonus Achieved(奖金达成比例)
Fully Loaded Cost per Employee(每名员工的综合成本)
Relative Salary Position(相对薪资水平)
Compa Ratio(薪酬比率)
Time to Salary Raise(薪资提升所需时间)
Diversity and Inclusion Metrics(多元与包容性指标)
Diverse Employees(多元员工数量)
% Diverse Workforce(多元化员工比例)
% Diverse Managers(多元化经理比例)
% Diverse Leadership Team(多元化领导团队比例)
% Diverse Promotions(多元化晋升比例)
% Diverse Hires(多元化招聘比例)
% Diverse Turnover(多元化员工流失比例)
Inclusion Index(包容指数)
Inclusion Net Promoter Score (iNPS)(包容性净推荐值)
Pay Gap Across Diverse Groups(不同群体间的薪酬差距)
Absenteeism Metrics(缺勤指标)
Absence Rate(缺勤率)
Absence Cost(缺勤成本)
Absence Frequency(缺勤频率)
Absence Duration(缺勤时长)
Bradford Factor(布拉德福德系数)
Succession Management Metrics(继任管理指标)
Coverage Ratio(继任候选人覆盖比例)
Listed Successors(列出继任候选人数)
Available Successors per Position(每职位可用继任者数量)
Succession Readiness(继任准备度)
Employee Engagement Metrics(员工敬业度指标)
Employee Net Promoter Score (eNPS)(员工净推荐值)
Employee Engagement Participation Rate(员工敬业度活动参与率)
其他重要指标(Other HR Metrics)
Average Revenue per Employee(人均创造收入)
Time to Productivity(员工达到生产力的平均时间)
Skill Gap Percentage(技能差距比例)
Total Training Cost per Employee(每位员工培训成本)
Time to Salary Raise(获得薪资提升的时间)
Build Rate(内部培养率)
Buy Rate(外部招聘率)
Number of Listed Successors(被列为继任者的员工数量)
Available Successors per Position(每个职位的可用继任者数量)
Promotion Rate(晋升率)
Demotion Rate(降职率)
Reporting Layers(组织结构报告层级)
Direct Span of Control(管理人员直接管辖人数)
Indirect Span of Control(管理间接范围)
Skill Gap Percentage(技能缺口比例)
Total Training Cost per Employee(每名员工的培训成本)
% Absenteeism(缺勤率)
Average Bonus Percentage(平均奖金比例)
Training Cost per Employee(每名员工的培训成本)
上述总结涵盖了HR领域最关键的100项指标,提供清晰定义与作用,便于快速查阅与决策参考。
新创
2025年03月10日
新创
【纽约】全球薪资合规支付初创公司 Helios 获 1550 万美元融资,助力企业高效管理跨境薪资HRTech概要:Helios,一家专注于全球人力资源管理的AI驱动平台,宣布完成1550万美元的种子轮融资,以帮助企业更高效地管理和支付全球团队薪酬。该平台由HR科技创新者Rick Hammell创立,致力于提供本地化自动化解决方案,覆盖全球125多个国家。Helios集成了全球薪酬、合规管理和HR运营,帮助企业简化跨境招聘、支付和合规性流程。
Helios提供17个关键HR功能模块,包括本地化员工入职、全球薪资发放、福利管理、工作许可验证及休假合规跟踪等,确保企业能够顺利扩展全球业务。其AI驱动的智能分析和自动化流程优化了生产力,并降低了企业在全球合规方面的风险。
更多全球HR科技动态,请关注HRTechChina
Helios 这家 AI 驱动的劳动力管理平台,通过创新的本地化薪资和人力资源管理解决方案,为全球企业带来全新效率。
纽约(2025 年 3 月 4 日)—Helios,这家专注于本地化自动化工作流程的 AI 驱动劳动力管理平台,成功完成 1550 万美元的融资,并正式在全球 125 多个国家推出其备受期待的产品。此次融资由全球企业投资者、私人天使投资人以及多家家族办公室投资者支持,Helios 正在颠覆企业雇佣、管理和支付全球员工的方式。
由企业家兼 HR 科技创新者 Rick Hammell 创立的 Helios,是一个集成全球薪资、支付和 HR 管理的一体化解决方案,旨在加速企业增长、提升灵活性、优化运营并简化全球劳动力管理。Helios 致力于帮助全球企业应对跨境劳动力管理的复杂性,其 Global People Platform 将薪资支付、合规管理和人力资源运营工具整合到一个统一的平台,以满足全球团队的多样化需求。
Helios 提供 17 个模块,涵盖关键 HR 功能,包括本地化员工入职、全球薪资管理、福利管理(含市场平台)、工作许可验证以及休假合规追踪等,使企业能够轻松自信地管理全球团队。该平台的 AI 驱动智能分析和自动化工作流程优化了生产力,简化了合规要求,确保企业能够专注于业务增长,而 Helios 负责处理劳动力管理的复杂事务。
“我们创立 Helios,是为了让所有企业都能公平地参与全球市场竞争,而这一目标的实现,离不开强大的 AI、自动化工作流、本地化服务和合规管理工具,这些要素必须深度嵌入 HR 和 FinTech SaaS 技术的核心,以赋能客户获得更多灵活性,”Helios CEO 兼创始人 Rick Hammell 表示。“我们的使命是打破全球团队管理和薪资支付的障碍,同时提供具有成本效益的解决方案,重新定义企业应对未来工作的方式。如今,全球工作方式正在以前所未有的速度发生变革,而 Helios 已经构建了一个全面的解决方案,帮助企业应对现代劳动力的所有挑战,使其能够顺利适应并高效运作。”
Rick Hammell 于 2015 年创立了 Atlas(原名 Elements Global Services),一家专注于 Employer of Record (EOR) 业务的全球化公司,帮助企业在没有当地法人实体的情况下合规雇佣国际员工。Atlas 迅速扩展至 160 多个国家,提供全球雇佣、薪资管理、福利合规等服务,使企业能够高效进入海外市场。在 Rick Hammell 的领导下,Atlas 成为 EOR 领域的行业先驱,为全球企业提供便捷的国际人才雇佣解决方案。
Helios 获得了来自美国、加拿大、欧洲和亚洲投资者的 1550 万美元资金,表明市场对其在全球劳动力管理领域的变革潜力充满信心。这笔资金将助力 Helios 进一步创新技术,并扩大其全球业务版图,包括持续投资平台研发,以推动 HR 和 FinTech 行业的变革。
“投资 Helios 是一个显而易见的决定,”Aracan Energía 的董事总经理 Cristian de Dios 表示。“我们看到他们的技术能够为复杂的全球 HR 和薪资管理流程带来前所未有的透明度,而 AI 的应用更是大幅提升了效率。Helios 的愿景与未来工作的趋势完全一致,我们很高兴能够支持他们的发展。”
全球扩张通常伴随着复杂的合规性要求,从本地劳动法到税务法规和报告标准,企业需要面对各种挑战。而 Helios 通过将自动化合规工具直接集成到其劳动力管理平台,简化了这一过程,降低了罚款、延误和法律风险的可能性。Helios 确保企业在进入每个市场时都能保持合规,使其能够放心扩张,无需承担繁琐的行政负担,从而让管理者能够专注于战略增长。
展望未来,Helios 计划通过战略合作伙伴关系扩展其功能,即将推出的集成将进一步增强合规性、全球薪资管理和 HR 咨询服务。这些合作将进一步强化 Helios 的产品,为客户提供更全面的工具和专业支持,实现无缝管理。
关于 Helios
Helios 是全球团队劳动力管理技术的创新领导者,提供先进的技术平台,以提升生产力、提供数据驱动的决策支持,并革新行业格局,以推动全球扩张和经济增长。通过帮助企业进入新市场、最大化增长潜力,并为全球经济创造积极影响,Helios 的愿景是让全球扩张成为每个企业都能实现的目标。这一经过 SOC2 Type 1 和 ISO 27001 认证的平台,提供核心工具、专家指导和 AI 驱动的支持,以简化雇佣、管理和薪资支付流程,促进无缝协作,并为全球团队创造新机遇。Helios 的企业级技术平台支持从雇佣自由职业者到管理全球薪资等多种业务模式,跨越地理界限,并确保遵守各地法规,以满足多元化的劳动力需求。
刚刚Workday 发布全新 AI 代理管理平台(Agent System of Record),引领企业级 AI 代理治理新时代概述:Workday宣布推出Agent System of Record,一个用于管理企业AI代理(AI Agents)的全新平台。此系统帮助企业统一管理、监控和优化AI代理的使用,确保合规性、安全性及成本控制。Workday还推出了基于角色的AI代理,涵盖薪资、合同、财务审计和政策管理等领域,使AI能够更自主地支持业务运作。此外,通过Workday Marketplace,企业可探索、部署和定制AI代理,进一步推动AI驱动的数字化转型。
【2025年2月11日,Pleasanton】 —— Workday(NASDAQ: WDAY)今日正式发布 Agent System of Record(代理系统记录),这一创新平台旨在帮助企业 管理、优化和监控 其 AI 代理(AI Agents),无论是 Workday 自家的 AI 代理,还是来自第三方合作伙伴的代理。该系统的推出,标志着 Workday 正式迈入 企业 AI 劳动力管理的新时代,并成为全球范围内 AI 代理管理的行业领导者。
在企业级 AI 应用日益普及的背景下,Workday 依托其 20 年来在 人力资本管理(HCM)和财务管理 领域的领导地位,推出了这一 AI 代理管理平台,旨在解决企业在 AI 代理治理、成本控制、合规审查、优化管理 等方面面临的挑战。
AI 代理管理的挑战:为什么企业需要 Workday Agent System of Record?
随着 AI 在企业管理中的应用日益深化,企业正在部署越来越多的 AI 代理来执行任务,例如 财务审计、合同管理、政策合规、薪资核算 等。然而,企业在使用 AI 代理时,普遍面临 治理和管理 的难题:
✅ 缺乏统一管理平台:不同部门可能独立部署 AI 代理,导致企业 难以追踪 AI 代理的使用情况、权限设定和数据访问控制,从而增加 安全隐患 和 合规风险。
✅ AI 代理的角色和能力不清晰:大多数 AI 代理是基于任务的(如自动审批报销单),但随着企业 AI 化的深入,企业希望 AI 代理能扮演更 自主 的角色,而不仅仅是自动化工具。
✅ 企业财务和 IT 预算控制挑战:AI 代理的运营成本如何衡量?如何确保 AI 代理的投资回报率(ROI)?缺乏一个 全面的预算、成本优化和效果分析工具。
✅ AI 代理的合规性与安全挑战:AI 代理处理的大量数据涉及企业合规性问题(如 GDPR、SOX),企业需要 可控、透明、安全的 AI 代理治理系统,确保 AI 代理遵循公司的合规要求。
Workday Agent System of Record 正是为了解决这些挑战而生。它提供了 集中管理、角色定义、成本优化、安全治理、实时监控 五大核心能力,帮助企业高效、安全地管理 AI 代理,实现 人+AI 代理协同办公 的未来工作模式。
Workday Agent System of Record:AI 代理管理的五大核心能力
Workday Agent System of Record 是一个 企业级 AI 代理管理平台,为 IT 和业务领导者提供一个 安全、高效、智能 的 AI 代理治理体系。其核心功能包括:
1️⃣ 统一管理所有 AI 代理
企业可以在一个集中管理平台上,统一查看和控制 所有 AI 代理(包括 Workday 内置代理、合作伙伴代理和第三方 AI 代理)。
实时监测 AI 代理的运行状态,了解它们的权限、角色、执行任务、数据访问情况等,确保 AI 代理的可追踪性和透明度。
2️⃣ 快速部署和角色定义
Workday 采用 “基于角色的 AI 代理”(Role-Based Agents),不同 AI 代理被赋予 特定职能和技能,而不仅仅是简单的任务自动化。
AI 代理的角色举例:
合同管理代理(Contracts Agent):分析合同,识别潜在风险,提出优化建议。
薪资核算代理(Payroll Agent):自动修正错误的薪资数据,确保合规性。
财务审计代理(Financial Auditing Agent):实时监测财务状况,辅助财务团队做审计决策。
政策合规代理(Policy Agent):自动推送公司政策更新,确保员工知悉并遵守最新规定。
3️⃣ AI 代理的 ROI 计算和成本优化
Workday 允许企业量化 AI 代理的投入产出比(ROI),提供成本分析、预算管理、预测工具,确保企业能够合理管理 AI 代理的运营成本。
4️⃣ AI 代理的安全性与合规保障
Workday 的 AI 代理管理系统提供自动化合规控制,企业可以设定数据访问权限、执行 AI 代理的行为审计、自动适配不同国家和行业的法规,确保 AI 代理的安全性与合规性。
5️⃣ AI 代理的实时监测和优化
通过实时分析 AI 代理的使用情况、执行效率和效果,Workday 允许企业优化 AI 代理的任务分配,提高整体运营效率。
Workday Marketplace:打造 AI 代理生态系统
Workday 还宣布,未来 AI 代理不仅限于其自家研发的代理,还将通过 Workday Marketplace 让客户和合作伙伴共同开发、购买和部署 AI 代理。这一策略意味着:
🔹 企业可以自由选择 AI 代理:客户不仅可以使用 Workday 提供的 AI 代理,还可以从第三方开发者或合作伙伴那里购买 AI 代理,形成 AI 代理的“App Store”。
🔹 合作伙伴可以开发 AI 代理:企业或开发者可以基于 Workday Extend 平台 定制 AI 代理,并通过 Workday Marketplace 提供给其他客户。
🔹 未来 AI 代理的管理将趋于标准化:如果 Workday 成功建立 AI 代理的行业标准,其他 HR SaaS 和 ERP 厂商可能会被迫采用 Workday 设定的 AI 代理管理规范。
企业如何受益?
多家企业和技术领导者对 Workday 的 AI 代理管理系统表达了认可:
💬 Accenture CEO Julie Sweet 表示:“企业在 AI 时代的转型,需要一个完整的 AI 代理管理体系,而 Workday 正在构建这一基础。”
💬 AWS 数据与 AI 副总裁 Swami Sivasubramanian 强调:“Workday 的 AI 代理管理系统让企业能够在确保安全和合规性的前提下,最大化 AI 代理的价值。”
💬 Salesforce AI 负责人 Adam Evans 认为:“Workday 让企业可以像管理人力资源一样管理 AI 劳动力,这是 AI 时代的颠覆性变革。”
Workday 正在塑造企业 AI 劳动力管理新范式
Workday 推出的 Agent System of Record,不仅仅是一个新产品,而是一种全新的 AI 代理管理模式。它的推出,意味着:
🔹 AI 代理将成为企业管理的新标配,HR、财务、合同管理等业务部门都需要 AI 代理来提升运营效率。
🔹 Workday 正在建立 AI 代理管理的行业标准,可能引领整个 HR SaaS 行业进入 AI 时代。
🔹 AI 代理的生态系统(Workday Marketplace)将推动 AI 代理市场化,让 AI 代理成为企业管理的新生产力工具。
🚀 AI 代理时代已经到来,Workday 正在成为这一变革的引领者。