文章 · HR+AI 资讯 · 周报

2026年第41周10.5-10.11 AI+HR先行者周报

面向全体 HR · 让 HR 成为 AI 先行者，带动公司发展 · 每周一更。本周主线：招聘 Agent 从「会搜」进入「有记忆」时代——Agent 的核心资产不是模型，是它记得什么。

头

本周封面头条 · TOP STORY

国际

巨头动作

领英 Hiring Assistant 2 上线 —— 招聘 Agent 从「会搜」进入「有记忆」时代

领英（LinkedIn）10 月 2 日正式发布 Hiring Assistant 2，把持久记忆、上下文推理与语音切换装进招聘助手：它不再只按关键词检索，而是从招聘者过往的使用习惯里推断出「行业相近、经验匹配、级别相当」这类未被写进 JD 的隐性条件，并把「候选人是否可能回应」也一并算进来。

官方口径：已有 20,000+ 家企业使用其 Agent 招聘方案，由 Hiring Assistant 找到的候选人被招聘者主动联系的概率是传统搜索的 4 倍；同一周，伦敦 Metaview 完成 6000 万美元 C 轮（累计 1.1 亿），把 Agent 铺进寻访、筛选、面试全流程，客户数超过 7000 家；候选人一侧也在长 Agent。招聘的供需两端，第一次同时由机器起跑。

★ 对 HR 的角色信号：Agent 的核心资产不是模型，是「它记得什么」。当匹配逻辑被沉淀进某家平台的记忆里，你真正要守住的，是「我们自己认可什么标准」——这套标准不进系统，就会被供应商的默认值替你决定。这是 HR 掌握 AI 主导权的分水岭。

20,000+

使用 Agent 招聘方案的企业数（领英官方口径）

4×

由 Agent 触达候选人的联系率（厂商披露，未经独立审计）

6,000万

美元 · Metaview C 轮融资（累计 1.1 亿）

事

本周大事件 · WEEKLY BRIEF

政策落地

「AI+人社」实施意见进入落地期：20 个行业大模型场景、67 个细分场景

人社部、发改委、工信部、国家数据局四部门联合印发的《关于加快推进「人工智能+人社」应用发展的实施意见》开始落地：2026 年建设应用基础底座，打造 20 个行业大模型应用场景及高质量数据集；2027 年培养一批人社行业大模型与智能体，覆盖数智就业、智慧社保、人才精准培养等 6 方面 67 个细分场景。地方同步配置：广州打造 AI 数字化求职空间（AI 简历诊断 + 岗位智能匹配），宜昌云端招聘上线统一初筛与模拟面试。

对 HR 意味着：政策从「鼓励」升级成「路线图」，AI 招聘的产品化窗口已经打开。盯紧 20 个示范场景，在「智慧匹配 / 智慧评测 / 智慧管理」里找能真正落地的那个。

人社部等四部门 · 联合文件 · 地方人社厅官网报道

国际 · 产品

ICIMS 发布 Intelligent Hiring Platform：把 Hiring Agent 直接嵌进 Microsoft Teams

企业级招聘平台 ICIMS 推出 Hiring Agent 与 Interview Scheduling Agent，与此前的 Sourcing Agent 组成智能体矩阵架构。Hiring Agent 直接嵌入 Microsoft Teams，招聘经理与面试官不用登录 ATS 就能完成候选人评估、反馈与审批。ICIMS 强调其壁垒来自 25 年专有招聘数据与数十亿次招聘交互沉淀的 context。同期 Gartner 指出：仅 26% 候选人对「AI 公平评估自己」表示信任。

对 HR 意味着：海外头部已从「加 AI 功能」转向「建智能体架构」，且真正的门槛不在模型——在数据整合深度与招聘者的信任，后者比前者难得多。

ICIMS 官方发布 · Gartner 调研

研究 · 数据

麦肯锡 2026 HR Monitor：80% 已在至少一个 HR 职能用上 AI，只有 20% 重设了工作

麦肯锡规模最大的一期年度基准调研覆盖 10 个国家、1300 位 HR 从业者与 5500 名员工：80% 的组织已在至少一个 HR 职能里部署 AI，但只有 20% 因此真正改了工作方式——麦肯锡把这一落差点名为 2026 年余下时间里 HR 领导者的头号课题。《HR in the Agentic AI Era》同步显示，78% 的企业领导者计划在下一个财年增加 AI 支出，并给出三条典型路径：删旧、稳试验、价值创造。

对 HR 意味着：如果公司那 80% 里的「AI」只停在工具替换，还欠一次流程重写。今年的 KPI 不是「买了什么」，而是「改掉了哪一段流程」。

McKinsey 2026 HR Monitor · Deloitte HR in the Agentic AI Era

人才定价

AI 素养从「加分项」变「准入项」：全球两年新增约 130 万个 AI 岗位

领英《2026 全球劳动力市场报告》：过去两年全球新增约 130 万个 AI 相关岗位，美国招聘信息中要求 AI 素养的岗位同比增长 70%。国内同步给出定价信号——字节跳动 2027 届校招专项（Wonder AI）面向 AI 产品与 AI Agent 方向，入选毕业生年薪 100 万元起、最高 150 万元。岗位能力的定价权，正在从「经验年限」转向「能不能与 AI 一起交付」。

对 HR 意味着：招聘 JD、面试评分表、内部晋升标准——这三个地方不动，就等于默认执行「不会用 AI」。能力标准不重写，薪酬结构迟早替你写。

LinkedIn《2026 全球劳动力市场报告》· 企业校招公告

案

标杆案例 · PIONEER CASE

案例

带动公司：Agent 触达 52 人、30 天签下 offer —— Metaview 把招聘变成「人才工程」

伦敦 Metaview 完成 6000 万美元 C 轮（Insight Partners 领投，累计 1.1 亿美元），距上一轮 3500 万美元 B 轮仅 15 个月。它从「面试 AI 记录员」长成全流程 Agent：寻访候选人、审阅申请、做结构化初筛对话、把面试转成可复用情报，直到招聘者写个性化触达、跟进、约面试——招聘者只保留「拍板录用」这一个决策。官方给出的实数是：一个 Agent 触达 52 位候选人、30 天内拿到一份签署 offer，客户数从 B 轮时的 2500 家涨到 7000+ 家；团队计划从 80 人扩到 2027 年底 250 人，并重投「10x Recruiting」培训项目，教招聘者做 talent engineering（人才工程）。

为什么这是「带动公司」的杠杆点：注意它把钱花在哪——不是买模型，是训练人。当 Agent 接走寻访、初筛、约面这些动作，招聘者剩下的价值是判断与关系，而这需要新的方法论，不是新的按钮。HR 先行者要抢的不是工具预算，是团队能力结构的重排权：先定义「招聘者在新流程里必须会的那三件事」，再谈买什么。工具会被比价，能力结构不会被比价。

具

AI 实战工具箱 · PLAYBOOK

上手：给招聘 Agent 做一次「记忆体检」（4 步）。

问记忆：向供应商要一份清单——Agent 记住了哪些偏好？记多久？存在哪里？谁能看到？谁能导出？记住不 = 每次从零开始，记得太深 = 被它锁定。

定标准：把我们认可的候选人标准写成文档交给 Agent，不要让它从历史录用数据里自己总结——历史数据里带着过去的偏差，它学得越准，偏差复制得越快。

测偏差：同一批简历换名字、换性别、换学校、换年龄做盲测，比对评分差异；把结果留档，这是你日后敢对候选人解释的依据。

设出口：合同里写明「数据可带走」——换供应商或终止合作时，Agent 的记忆、匹配信号与评分记录必须能完整导出。记住：记忆在谁手里，标准就在谁手里。

数

数据对标看板 · BENCHMARK

80%

已在至少一个 HR 职能部署 AI 的组织

你们公司落在那 80% 里的哪一环？部署 ≠ 转型，中间还差一次流程重写。

20%

因此真正重新设计了工作方式的组织

「大家都做了」不等于「做了有用」。这 60 个百分点的落差，就是你的机会窗口。

26%

对「AI 公平评估自己」表示信任的候选人

候选人信任是 Agent 落地的硬边界，也是雇主品牌最容易被损耗的一项资产。

10–20%

大型雇主申请量中的机器人或欺诈占比

年收 700 万份申请级别的雇主已实测到这一比例。入口不治理，AI 只会把噪音放得更快。

思

本周思考 · REFLECTION

💡 AI 让工作变便宜之后，什么反而变贵了？

当生成与执行的成本趋近于零，组织里稀缺的资源正在换位——这是对每个人，也是对每家公司的同一道题。

个人 · 要升级的四件事

从「会做」到「说得清为什么这么做」：执行被 Agent 接手后，你的价值是给出判断依据，而不是交付成品。
从「占一个岗位」到「占一个判断位」：岗位会被重排，判断力不会：凡是能被写进 SOP 的，都会被写进 Agent。
从「个人产能」到「编排产能」：一个人带三个 Agent 的产出，正在取代三个人各干各的产出。比会用工具更值钱的，是设计分工。
从「等别人给标准」到「我来定标准」：当供应商只能执行、不能裁决，定义「什么是好」的人就成了新的权力中心。

组织 · 必须主动求变的四个方向

从「按人头配预算」到「按能力配算力」：AI 预算不按部门均分，按「谁的流程先掉队」发放；否则钱会均匀地浪费掉。
从「采购工具」到「采购记忆的所有权」：问清 Agent 记住了什么、能不能带走。记忆在谁手里，标准就在谁手里。
从「HR 负责流程」到「HR 负责入口治理」：申请入口的机器人、欺诈与 AI 代写简历，是今年最被低估的管理盲区，占比已达两位数。
从「等验证完再上」到「边跑边付费」：小范围试点、按结果计费、写清退出条件。为可逆决策付学费，比长期观望便宜得多。

行

本周行动 & 负责任的先行者 · ACT & ETHICS

✅ 本周可行动项

体检：用工具箱 4 步给在用的 AI 招聘环节做一次「记忆体检」，周五前产出一份清单：记住了什么 / 存在哪 / 能不能带走。
对标：拿「80% 部署 / 20% 重设计」当镜子，写下你公司今年真改掉的那一段流程。写不出来，就说明还在部署。
补课：把「AI 素养」写进至少 1 个岗位的 JD 与面试评分表。本周就改 1 份，别等体系。
治理：拉上法务 / 数据安全，确认「候选人告知 + 人工复核 + 申诉通道」三件套是否都在，缺的补进本周待办。

❗ 合规红线（不可逾越）

筛选 / 绩效等高风险 AI 不得全自动定稿——须 human oversight 并留痕（EU AI Act 高风险要求、NYC AEDT）。
必须明确告知候选人 AI 参与评估，并提供人工干预与申诉通道（NYC AEDT / 英国 ICO-GDPR）。
对供应商做独立偏见审计 + DPIA，并把责任条款写进合同——不能把法律责任外包给软件厂商。
按岗位族分别监测甄选率，不用全平台均值掩盖特定岗位歧视；同时防住「一键生成」的 AI 代写简历污染申请池。

学

能力补给站 · MICRO-LEARN

本周一词 · ONE CONCEPT

Agent Memory（智能体记忆）：工具的上限是模型，Agent 的上限是它记得你什么

自动化 = 按规则跑流程（IF 则 THEN）；Copilot = 你干活它补刀（写 JD / 润色）；Agent = 它自己定目标、调工具、多轮推进直到出结果（如「招到这个人」）。这一代的分水岭不在「会不会聊」，而在「记不记得住你的偏好」——记得越深，切换成本越高，你的标准就越容易被它的默认值替换。HR 先行者的顺序是：先用它把一件事记准，再谈让它自己跑。

群

社群互动 · JOIN US

本周同行问：你公司目前在用的 AI 招聘工具，它「记住」了什么？你敢不敢把这份记忆带走？
把答案发到社群，下期抽 3 个做成 mini 案例登上周报——让全体 HR 互相成为彼此的先行者样本。