HR AI 故事会

近日被报道在过去三个月裁减超过 11,000 名员工，属于一项和 AI 驱动转型相关的重组。报道中提到，公司一边推动人员调整，一边继续投资员工再培训，核心思路是把能转向 AI 相关能力的人留下来继续培养，无法完成能力转换的岗位则会被退出。 这个案例很典型：AI 转型进入咨询服务业后，变化不只是“顾问多用几个工具”，而是会直接改写交付方式、岗位要求和人才保留标准。对专业服务公司来说，未来组织竞争力会越来越取决于能不能把现有人才快速转成 AI 时代的交付人才。

韩国中小企业与创业振兴公团 KOSME 8 月 12 日宣布试点 “AI Academy”，面向中小企业员工提升实用 AI 技能，并为行业定制型 AI 合同学科建立运营基础。项目从 8 月 1 日开始培训，到 8 月 22 日前每周六开展，总共安排四次课程。 这件事的重点不是某一家企业上 AI，而是把中小企业员工作为一个群体来补能力。很多中小企业没有大厂那样完整的内部学院，所以更需要公共机构和产业体系提供低门槛、实战型的 AI 培训。

的 AI Learning Academy 近期获得 Stevie Awards 认可。公开报道提到，这个学院从 2 月启动，采用分阶段、按员工角色设计的训练方式，帮助不同岗位的同事建立实用 AI 能力；项目已经有超过 18,500 人次参加 live session，部分参与者在 AI 使用信心和工作效率上都有明显改善。 这个案例说明，大型传统企业做 AI 培训，不能只靠一套通用课程覆盖所有人。医疗零售这类组织岗位很多，从药房、门店、客服到后台职能，真正有效的 AI 学习必须贴着岗位来设计。

今年宣布计划新增超过 1,000 个 AI 相关岗位，用来支持其 agentic AI 能力建设和客户工具落地。公司披露，已有 700 多名员工参与相关用例建设，并把 AI 能力扩展到客户服务和内部工作方式中。 这个案例很有代表性：银行业的 AI 转型不是简单减少后台岗位，也会创造新的组织单元和新岗位，比如 AI 产品、用例设计、治理、数据和客户体验相关角色。对金融机构来说，AI 既会改造旧流程，也会重排人才结构。

推出 Skillspring™，定位是一个 AI 原生、对话式、多模态的人才转型平台，帮助企业把 AI-ready talent，也就是“能和 AI 一起工作的员工能力”，大规模培养起来。公司把 skilling 直接称为 AI 基础设施投资，意思是企业不能只买模型和工具，也要把人的能力建设当成基础工程。 这说明 IT 服务公司正在把自己从“技术交付方”进一步推向“客户组织能力建设方”。未来企业买 AI 服务时，可能不只是买系统上线，也会要求服务商帮它把员工、岗位和学习路径一起改好。

计划在新加坡培训超过 3,000 名居民掌握 Business AI 能力，课程从 AI 原理、伦理、提示词工程和 SAP Business AI 入门开始，再深入到财务规划、采购、劳动力管理、物流和生产等具体业务场景。项目强调培养“AI-bilingual professional”，也就是既懂业务、又能把 AI 用进日常流程的人。 这个案例的组织启示很直接：企业真正缺的往往不是纯 AI 工程师，而是懂业务又懂 AI 的桥梁型人才。尤其在 ERP、供应链、财务、人力这些场景里，员工如果能把 AI 和业务流程连起来，组织效率才会真的变。

美国劳工部推出 AI in Registered Apprenticeship Innovation Portal，帮助雇主和劳动者把 AI 素养纳入注册学徒制项目。官方信息显示，这个门户提供资源、模型和案例，目标是让雇主能开发 AI-ready 的学徒项目，也让劳动者通过学徒制获得适应 AI 经济的技能。 这个案例说明，AI 人才培养正在从企业内部培训扩展到公共就业体系。学徒制的优势是把学习和真实岗位绑在一起，能帮助普通劳动者在工作中补技能，而不是只靠短期课程。

在 2026 年 3 月宣布裁减约 10% 员工，约 1,600 人，同时把更多资源转向 AI 与企业销售方向。Reuters 报道提到，这轮调整属于一项重组计划的一部分，连 CTO 角色也同步发生变化，说明这不是小修小补，而是围绕 AI 重新摆组织、摆资源、摆领导班子。 这个案例很典型：当公司决定把 AI 当成下一阶段主线时，变化往往不只发生在产品上，还会直接传到组织结构、岗位配置和管理层分工上。对员工来说，未来更吃香的，不只是会做原来的工作，而是能把 AI 能力接到真实业务里。

在 2026 财年披露，员工总数同比减少约 21,000 人，降幅约 13%。Reuters 援引公司年报称，AI 技术在内部运营中的采用与部署，已经带来、而且未来还可能继续带来人员缩减。 这件事的信号很直接：AI 已经不只是“提升效率”的抽象口号，而是开始写进公司正式披露文件，变成影响岗位数量和组织配置的现实因素。对大公司来说，AI 会让后台流程、支持职能和重复性工作先被重排。

今年反而提出要把美国 entry-level hiring（入门级招聘）扩大到原来的三倍。IBM 官方文章里提到，公司管理层认为，如果因为 AI 就把早期人才入口砍掉，未来 3 到 5 年会出现人才断层。 这个案例很值得看，因为它和“AI 来了就少招年轻人”的直觉正好相反。IBM 的判断是：AI 会改写初级岗位，但不会让企业不需要新人；相反，组织要更早地培养会和 AI 一起工作的新人，才能保住长期的人才梯队。

在 7 月对外表示，AI 不会引发就业“整体崩塌”，但企业必须重新设计岗位，特别是初级岗位。Reuters 转述其 CEO 的观点称，未来更重要的是 upskilling 和 reskilling，也就是技能升级和转岗再训练，以及企业、政府、教育体系之间更紧密地一起补能力。 这类公司长期贴着招聘市场和企业用工一线，它发出的信号很有参考价值：AI 对组织的冲击，核心不是“岗位一夜消失”，而是“岗位内容变了，旧的培养方式不够用了”。

General Assembly 在 2026 年扩展企业 AI 培训，推出更完整的 AI Academy，覆盖基础学习、管理层赋能、按岗位设计的训练，以及持续能力建设。公开信息显示，它的目标不是只教几个提示词，而是帮助企业把 AI 能力真正铺到不同团队和不同层级。 这说明一个很现实的趋势：AI 培训正在从“公开课”走向“组织能力建设服务”。对企业来说，培训部门和外部学习伙伴的角色也在变，越来越像帮助公司做采用落地，而不只是做课程交付。

在 7 月被报道计划裁减约 7% 员工，重点影响技术和产品团队。多家主流媒体提到，CEO 在内部沟通中强调，公司必须继续改变工作方式，而 AI 正在加速这种变化。 这个案例反映出一类新趋势：连支付这样的成熟大公司，也开始把 AI 放进“组织怎么运转”的层面，而不是只放进某个创新项目。岗位调整不只是为了省钱，更是为了把资源重新挪到更有潜力的方向上。

英国在 7 月提出新的青年技术教育与培训调整方向，目标是让培训体系更贴近地方就业需求，并更好地应对 AI 改变劳动力市场的现实。Reuters 报道显示，这套思路的核心，是把年轻人的培养路径和 AI 时代真实会变化的岗位需求对齐。 这件事很重要，因为它说明 AI 对组织和人才的影响，已经不只停留在企业内部，而是开始推动一个国家重新看待教育、培训和就业衔接。未来谁能更早把学校、培训和岗位接起来，谁的人才准备就会更从容。

CEO Powell Brown 近日表示，公司正在推进“AI-first”策略，但不把 AI 当作大规模裁员工具。公司约 23,000 名员工会更多把 AI 嵌入日常工作，角色会发生变化，但方向是支持增长、重塑岗位，而不是简单减少人手。 这个案例说明，AI 进入传统服务业后，组织最先遇到的不是“要不要裁员”，而是“岗位怎么重新设计”。如果企业把 AI 用来扩大员工能力，而不是只做成本削减，人才策略就会从替代逻辑转向增长逻辑。

宣布在多伦多设立创新中心，推动加拿大企业的 AI 驱动转型。公司表示，新中心会支持其在加拿大近 2,200 名员工，并把 AI 与持续学习放到团队能力建设的核心位置，帮助员工围绕客户需求、行业伙伴和学术资源一起提升交付能力。 这个案例的重点不是单纯开一个办公室，而是把区域组织、客户协作和员工学习连接在一起。对 IT 服务公司来说，AI 会改变交付方式，也会倒逼本地团队持续补齐 AI、行业理解和解决方案设计能力。

Singapore Aero Engine Services（SAESL）与 NTUC LearningHub 合作，为员工提供工业自动化 AI 应用基础和设计思维等课程。项目强调结合公司自身战略和转型路线来设计课程，而不是拿通用培训直接套用，帮助员工理解 AI 能如何改变维修、工程和运营场景。 这个案例说明，制造和工业服务企业的 AI 培训要贴着现场问题做。员工只有把 AI 和真实流程、设备、质量、协同问题放在一起练，才可能从“听懂概念”走向“改进工作”。

菲律宾政府正在推动为超过 300,000 名 BPO 从业者做 AI 相关再培训，以应对生成式 AI 对客服、后台服务和外包岗位的冲击。相关报道提到，政府希望帮助从业者转向更高价值的工作，降低自动化带来的大规模岗位风险。 这个案例很典型：当一个国家的就业结构高度依赖某类服务岗位时，AI 不只是企业内部工具问题，而会变成公共就业和产业升级问题。政府需要提前给劳动者准备转岗路径，而不是等岗位消失后再补救。

巴基斯坦信息技术与电信部、Ignite National Technology Fund 和 Alibaba Cloud 举办 “AI for Public Sector Leaders” 培训，面向联邦秘书、总干事等高级政府官员。培训包括专家讲解、实践演示和应用练习，帮助公共部门领导识别适合的 AI 场景、改进机构流程，并理解 AI 治理与采购。 这个案例说明，公共部门采用 AI 不能只培训技术人员，决策层也要先理解 AI 能做什么、风险在哪里、怎么改流程。否则 AI 很容易停留在采购项目，而进不了真正的政务运行。

美国教师工会正在推动面向教师的 AI 培训项目，并获得大型科技公司资金支持。相关报道提到，Microsoft 是主要出资方之一，目标是让教育工作者在 AI 工具进入课堂时拥有更多发言权，参与塑造 AI 产品的使用方式，而不是被动接受工具落地。 这个案例的价值在于，它把 AI 培训放到了“职业群体如何参与规则制定”的层面。教师不是简单学习一个工具，而是在学习如何判断、选择和约束 AI 在教学中的使用，这会影响学校里的岗位能力、教学流程和技术治理。

英国政府相关机构计划与劳动力数据公司 Revelio Labs 合作，建设一个观察 AI 对就业影响的“早期预警能力”。项目思路是通过跟踪技能变化，提前识别可能出现的劳动力风险，而不是等到官方就业统计已经反映出问题后再行动。 这个案例说明，AI 时代的人才治理正在从事后统计转向提前预判。对政府和大型组织来说，岗位变化不会一天发生，技能需求先变、招聘信号先变、组织配置先变，谁能更早看见这些信号，谁就更容易提前安排培训和转岗。

8 月 4 日披露，将在未来几个月削减约 5% 的全球员工，并把组织重新对齐到长期增长重点上。公开报道援引其 SEC 文件称，这次调整的目标是精简组织结构、提升运营效率与敏捷性，并把资源重新投向包括 AI 在内的战略优先级。 这个案例说明，AI 对企业软件公司的影响不只是多做几个 AI 功能，而是会反向推动组织重新分配人力和预算。传统团队如果无法支撑新的增长方向，就可能被压缩；更贴近 AI 平台、客户价值和复杂系统交付的能力会变得更重要。

推出 AI Workforce Transformation Program（AI+），计划培训 50,000 名迪拜政府员工，并与迪拜政府人力资源部门、迪拜人工智能中心合作推进。项目不是简单开一门通用课，而是面向政府员工做结构化、按角色设计的 AI 培训，目标是让 AI 真正进入政府日常运营和公共服务。 这个案例的价值在于，它把公共部门 AI 转型从“技术采购”提前到“全员能力建设”。政府如果希望 AI 改善服务效率，就不能只让少数技术团队懂 AI，而要让不同岗位都知道怎么安全、有效、负责任地使用 AI。

迪拜道路与交通管理局（RTA）8 月 6 日举办 Microsoft Copilot Day，面向内部领导和员工展示 Microsoft Copilot、Microsoft 365 Copilot Cowork 等 AI 助手能力。活动重点放在企业用例和互动练习上，帮助员工理解如何把生成式 AI 用到日常业务任务中，并提升数字化转型效率。 这个案例说明，公共服务机构的 AI 采用正在从“听概念”走向“在工作里练”。交通管理这种组织有大量协调、文档、运营和服务场景，如果员工能在真实流程里用 AI，组织提效才会从口号变成工作方式变化。

美国人事管理办公室（OPM）发布 2026 AI Training 相关学习包，把面向政府场景的 AI 基础训练材料开放出来，帮助个人和组织建立负责任、有效使用 AI 的基础认知。资料强调政府工作环境下的 AI 使用，而不是泛泛讲技术概念。 这类动作对公共部门很重要：AI 进入政府后，员工需要的不只是“会问 AI 问题”，还要理解责任边界、合规要求和公共服务场景下的风险。把培训材料标准化、模块化，能帮助不同机构用相对一致的方式提升 AI 素养。

通过 Microsoft Copilot 推动员工主导的 AI 技能建设，从员工自发探索逐步发展为全公司范围的变革项目。微软客户案例显示，公司通过同伴带教、动手工作坊和 hackathon，让员工在真实业务场景中理解 AI，而不是只依赖自上而下的工具部署。 这个案例有代表性，因为消费品企业的 AI 应用往往横跨供应链、营销、财务、办公协作等多个部门。Conagra 的做法说明，组织想让 AI 真正落地，不能只靠技术团队推动，还要让业务员工参与发现用例、验证效果、带动同事。

7 月扩展在线培训库，新增一组面向员工和专业人士的 AI 工作课程，覆盖写邮件、角色提示、会计、头脑风暴、HR、管理等多个日常岗位场景。它的重点不是培养 AI 工程师，而是帮助普通员工把 AI 用进具体工作。 这个案例说明，企业 AI 培训正在变得更细：不是所有人都学同一套“AI 入门”，而是不同岗位按自己的任务来学。对组织来说，这会让 L&D 从“上课管理”变成“岗位工作方式升级”的推动者。

7 月发布研究指出，许多组织仍主要围绕员工当前岗位做 AI 素养和在岗提升，但对未来岗位变化所需的再培训准备不足。这个研究本身不是单家公司上工具，却反映出企业人才发展正在面临一个真实问题：AI 改变岗位之后，培训体系是否跟得上。 它给组织的提醒很直接：如果 AI 只被当成“让现有岗位更高效”的工具，企业可能会低估岗位结构变化的速度。真正的人才战略需要同时看当前提效、未来岗位、转岗路径和能力认证，而不是只做短期工具培训。

IKEA 近期再次被报道为一个“AI 不只替代人，也能重塑岗位”的案例。Ingka Group 在客服场景部署 AI 助手 Billie 后，把约 8,500 名呼叫中心员工转向更复杂的客户问题处理、远程室内设计顾问和销售型服务岗位，而不是简单把被自动化影响的岗位直接裁掉。 这个案例的组织含义很清楚：AI 先接管高频、重复、规则清晰的服务请求，人再被重新放到更需要判断、审美、沟通和销售转化的环节。对企业来说，AI 转型不是只有“少用人”一条路，也可以通过岗位再设计，把原来的一线经验转成更高价值的客户关系能力。

发布首批认证课程，面向专业人士和 K-12 教师提供 AI Foundations、ChatGPT Foundations for Teachers 等学习路径，目标是让 AI 使用能力从“会不会用工具”变成可学习、可评估、可证明的职业能力。公开信息显示，课程会把真实工作任务和教学任务放进学习过程，强调在 ChatGPT 环境里动手练习，而不是只讲概念。 这件事对组织人才发展影响很大：当主流 AI 平台开始做认证，企业的人才标准会被外部平台反向影响。未来招聘、晋升和内部培训，可能会越来越多地参考员工是否具备被验证过的 AI 协作能力，而不是只看传统岗位经验。

8 月 6 日宣布启动 2026 年 Samsung Innovation Campus，计划与印度电子行业技能委员会、通信行业技能委员会合作，在 10 个邦培训 20,000 名年轻人掌握 AI 技能。该项目是三星在印度的旗舰 CSR 项目，重点不是单次讲座，而是围绕行业相关技能、实践项目和就业准备来建设 AI 人才管道。 这个案例说明，大企业正在把 AI 人才供给前移到社会培养环节。对组织来说，未来 AI 人才竞争不只是公司内部培训问题，也会变成企业、行业协会和教育体系共同建设人才池的问题。

印度卡纳塔克邦近期与 Anthropic 团队沟通，探索把 Anthropic 的 AI 能力用于政府运营、公共服务和 AI 素养提升。报道提到，这一合作方向包括提升行政效率、改善公民服务，并把 AI literacy 扩展到更多社会群体和政府相关场景。 这类公共部门案例的重点，不是简单采购一个 AI 工具，而是政府组织如何把 AI 放进治理流程、人员能力和公共服务模式里。它也提醒公共部门：AI 转型要同时处理技术落地、员工能力、服务责任和公众信任。

Nazaré 与员工体验咨询公司 Forty1 推出 AI Academy，定位是帮助企业员工从“试用 AI”走向“把 AI 嵌入日常工作”。项目强调实践训练、动手学习和负责任采用，面向不同员工成熟度设计学习路径，让组织不只是购买 ChatGPT、Copilot 等工具，而是真正把工具转成日常绩效。 这个案例代表了企业 AI 培训的新方向：培训不再只教提示词，而是要解决员工不敢用、不会用、用不到流程里、用后没有业务结果的问题。对人才发展团队来说，AI Academy 本质上是一次组织采用工程，而不只是课程项目。

8 月 6 日宣布开启新的 Zero2Hero cohort，为 70 多名参与者提供免费的 IT 职业培训，并强调项目获得美国劳工部和 Texas Workforce Commission 认可，目标是把学员连接到高需求技术岗位。虽然这不是单一企业内部培训，但它反映了 AI 与数字化时代劳动力转岗的一类现实路径：通过认证项目和就业连接，把非技术背景人才转入技术岗位。 对组织和地区劳动力市场来说，这类项目的意义在于补齐“岗位变化之后，普通人怎么重新进入新工作”的桥梁。AI 改变岗位结构后，企业不能只说需要新技能，还需要和培训机构、政府体系一起建立可进入、可认证、可就业的转岗通道。