人力资源监测 2026

⻨肯锡People & Organizational Performance Practice（⼈才与组织绩效实践） ⾯向欧洲、美国和中国开展的⼈⼒资源与员⼯队伍趋势综合性基准调研，为当今的HR领导者提供关键洞察。 2026年6⽉ 前⾔ 随着AI改变⼯作的完成⽅式，⼈⼒资源职能⽐以往任何时候都更加重要。随着岗位职责与技能要求不断迁移，⼈与机器之间新的协作形态不断涌现，员⼯队伍正经历着根本性的变⾰。HR正在承担起⼀种全新的双重⻆⾊：它既是AI转型的"架构师"⸺塑造⼯作、岗位与能⼒如何演化；同时⼜是"灯塔"，以⾝作则，重新构想⾃⾝的运营模式，并⽰范如何把AI嵌⼊到核⼼流程之中。 在这⼀背景下，⾸席⼈⼒资源官（CHRO）以及其他HR领导者需要更清晰地理解：HR职能⽬前处于什么位置，未来⼜该如何进阶。我们扩展了HR Monitor报告的覆盖范围，为领导者提供更丰富的数据，帮助他们将⾃⾝的⼈⼒资源职能与同⾏进⾏基准对标，评估进展，并识别关键的⾏动领域。 2024年的⾸期报告聚焦于德国的⼈⼒资源格局。去年，我们把视野扩⼤到整个欧洲，呈现欧洲范围内的员⼯队伍与HR趋势。今年，我们在⼗个国家调研了约1,300名HR专业⼈⼠和5,500名员⼯，主要聚焦欧洲（⽐利时、法国、德国、意⼤利、荷兰、波兰、西班⽛和英国），并辅以来⾃美国和中国的对⽐数据。数据采集于2026年1⽉，跨越多个⾏业，并结合了我们与⻨肯锡People &Organizational Performance Practice内部HR领导者及专家的访谈洞察。 由此形成的数据集可⽀持跨国别、跨⾏业以及跨年度的对⽐分析。（注：由于今年的国别覆盖较2025年略有变化⸺新增了中国、荷兰与⽐利时⸺跨年度的差异应仅作为⽅向性参考。） 今年的报告既探讨HR究竟在"交付什么"⸺涵盖战略性⼈才规划、⼈才招聘、学习与发展、员⼯体验等核⼼维度⸺也探讨HR究竟在"如何创造价值"，包括数字化技术与AI所产⽣的影响。同时，报告对⽐了HR⾃⾝的评估与员⼯的实际感受，以揭⽰潜在的理解偏差。每⼀章中，我们都会基于调研数据提炼关键主题，并附上给领导者的建议。 感谢您对HR Monitor的关注。我们期待在未来⼏年持续打磨并扩展这⼀基准研究。 Julian Kirchherr合伙⼈，柏林Kristina Störk副合伙⼈，慕尼⿊Vincent Bérubé资深合伙⼈，蒙特利尔 ⽬录 引⾔：HR处于转折点⸺从职能卓越⾛向系统级转型第1章：⼈机协作时代的战略性⼈才规划第2章：⼈才招聘⸺在劳动⼒市场趋稳的背景下提升招聘效能第3章：员⼯发展⸺为快速变化的技能与AI要求做好准备第4章：审慎的员⼯队伍⸺员⼯体验与留任洞察第5章：HR运营模式⸺在AI时代重塑⼈⼒资源职能结论附录作者简介 引⾔：HR处于转折点⸺从职能卓越⾛向系统级转型 经济压⼒、AI颠覆以及员⼯队伍期望的转变，正在重新定义什么是有效的⼈员管理。尽管近年来许多HR职能都在流程上有所加强，但我们的数据揭⽰出更⼴泛进步的必要性。在运营性规划与战略性前瞻之间、在培训与技能成⻓之间、在员⼯期望与组织回应之间、在AI试验与规模化影响之间，结构性鸿沟依然存在。 基于调研数据，本年度的HR Monitor提炼出领导者在⼈机协作时代需要拥抱的五项优先变⾰： ⼈才规划必须从运营性的⼈头规划，迈向战略性的能⼒规划。⾃动化与AI正在快速重塑⼯作⽅式以及所需技能。然⽽，⼈才规划仍以短期⼈头规划为主，只有11%的组织采取了⻓期视⻆。与此同时，技能缺⼝持续存在，需求正向更"以⼈为本"以及与AI相关的技能转移，⽽对常规任务型技能的需求正在下降。组织必须演进为⾯向未来的、基于任务和能⼒的规划，否则将低估即将到来的员⼯队伍转型规模。 在雇主主导的劳动⼒市场中，招聘的紧迫性有所下降，但招聘效能仍⾄关重要。全球劳动⼒市场已基本企稳，offer接受率上升了3个百分点，整体招聘成功率上升了4个百分点。尽管市场仍偏向雇主，企业仍需让招聘实践更⾼效。企业可能需要处理更⾼的单个岗位申请量，这要求更⾼效的筛选和协调能⼒。与此同时，招聘周期依然偏⻓，⾯临着失去顶尖候选⼈的⻛险。AI在提升 招聘速度与改善候选⼈体验⽅⾯潜⼒巨⼤，但它必须被嵌⼊到纪律严明、设计良好的流程中，⽽不是叠加在原本已经复杂的既有流程上。 绩效管理与员⼯发展重新回到领导者议程，但在执⾏上仍然碎⽚化。许多组织正在重新强调可衡量的绩效与系统化的能⼒建设。然⽽，这⼀抱负尚未在实践中得到体现。学习参与率仍然有限，24%的员⼯表⽰完全没有参加过任何培训。反馈周期也偏少，超过⼀半的员⼯⼀年最多收到⼀次反馈甚⾄完全没有反馈。HR专业⼈⼠往往⾼估了培训参与率以及员⼯对发展机会的重视程度。企业需要把绩效管理视为员⼯发展的核⼼抓⼿，并改善技能建设的衡量⽅式，从⽽为员⼯更好地应对未来做好准备。 在经济不稳定的环境下，劳动⼒市场流动性下降，薪酬成为员⼯最关⼼的话题。在宏观经济不确定的环境下，员⼯的流动性正在下降。相较去年，⾃愿离职率下降了2个百分点，⽽员⼯满意度整体保持稳定。与此同时，员⼯留下的决策越来越受到"实际"因素驱动：薪酬（52%）、⼯作与⽣活平衡（46%）和职位稳定性（45%）。在通胀挤压实际收⼊的背景下，薪酬已成为员⼯关注的核⼼，但企业对此的回应仍不充分。雇主主导的劳动⼒市场减少了外部机会，也相应降低了组织调整的压⼒。在这⼀背景下，改善员⼯体验的关键不再只是推出更多项⽬，⽽在于强化公平性、透明度以及可持续的⼯作负荷模式。 智能体化的HR运营模式正在浮现，但⼤规模AI应⽤的落地仍⼗分有限。传统的Ulrich模型正逐步让位于更敏捷、技术驱动的形态，但⼤多数组织仍处于混合过渡阶段。尽管⾃动化模型显⽰出HR各领域相当可观的AI潜⼒，落地却在缓慢推进（取决于领域，运营应⽤率仅提升0‒6个百分点）。许多组织仍停留在试点阶段，应⽤主要集中在⾏政性领域。碎⽚化的技术格局与有限的能⼒建设，仍在制约企业规模化AI应⽤。要释放AI的全部价值，HR需要围绕"按需调起⼯作"（flow-to-work）原则重新设计运营模式，建⽴统⼀的数据底座，并果断地从试验⾛向全企业级转型。 第1章：⼈机协作时代的战略性⼈才规划 AI的进步正在显著改变技能被应⽤的⽅式和场景⸺随着⼯作演化为"⼈+智能体"之间的伙伴关系，融合⼈类判断与⾃动化的⼒量。⻨肯锡全球研究院（MGI）分析显⽰：若AI在2030年前以中等速度被采纳，欧洲和美国最多30%的现有⼯时可能被⾃动化。MGI进⼀步预测，在同⼀时期，70%以上的现有技能仍将保持相关性，并可在可⾃动化与不可⾃动化的⼯作中应⽤。但这并不意味着岗位本⾝会保持不变。到2030年，⼏乎每个职业都会经历技能迁移，因为任务在⼈机之间被重新分配。 在技术快速变⾰的时期，最有能⼒回应的组织，是把⼈才像财务资本⼀样严格战略化对待的。S&P500上市公司中，在"⼈才投资回报率"上做到极致的公司，其⼈均收⼊是中位数公司的3倍。在很多情况下，这些顶尖企业借助战略性⼈才规划保持领先⸺采取三到五年的视野，预判多种情景，从⽽在合适的时间拥有合适数量、具备合适技能的⼈才。 然⽽，⽣成式AI所带来的不确定性，使这种前瞻视⻆既更难、也更为关键。⽣成式AI不只是⼜⼀项影响特定任务的技术进步；它是组织重塑⾃⾝运营与价值创造⽅式的催化剂，从根本上改变了"⼈vs技术"的配⽐。战略性⼈才规划提供了把这些变化显式建模的分析基础，帮助组织从被动的⼈头调整，转向基于能⼒和情景的⼈才决策。这使组织能够：针对不同AI采纳轨迹，前瞻性地预判未来⼈才需求；识别新兴的技能缺⼝；实施有针对性的再技能化和技能升级措施，从⽽确保⻓期的员⼯队伍就绪度。 下⾯我们将重点呈现从HR Monitor调研中浮现的、与⼈才规划相关的关键主题。 技能缺⼝持续存在，但在不同⾏业间存在差异 受访的HR专业⼈⼠表⽰，23%的员⼯⾄少在某种程度上缺乏胜任当前岗位所需的技能，较去年下降9个百分点。同时，22%的员⼯表⽰怀疑⾃⼰是否具备在未来五年继续胜任本职所需的技能，较2025年下降6个百分点。 意⼤利的HR⼈⼠所报告的当前技能缺⼝最⾼（28%），波兰最低（23%）。从⾏业看，当前技能缺⼝最⾼的⾏业是化⼯（30%）、公共与社会部⻔以及电⼦（28%）、旅游与餐饮、半导体（均为27%）。最低的是机械（16%）、旅⾏/物流/运输（18%）、房地产（19%）。这些数字表明，HR专业⼈⼠低估了未来技能变迁的幅度⸺⽽MGI研究预测，未来⼏年⼏乎每个职业都会经历技能迁移。 重要的未来技能正在发⽣变化 解决问题能⼒仍然是HR提及最多的未来技能，44%的HR⼈⼠将其列⼊今年的前五（图表1）。创造⼒被提及的频率位列第⼆，⽽去年它还排在第五。数据分析与AI仍稳居前三。 与之相对，软件开发和其它⾼度专业化的技术执⾏类技能的重要性则在下降，反映出AI系统越来越多地接管这些任务。同时，⽤于"引导、解读和应⽤AI输出"的技能正在快速崛起。数字素养是上升最快的技能，从2025年的第20位跃升⾄今年的第6位。推理能⼒从去年的第12位升⾄第9位。 图表1：未来技能将从"常规任务型"能⼒，向"分析与解读AI输出"的能⼒转变。HR专业⼈⼠眼中2025‒2026年的前五⼤未来技能（%受访者将该技能列⼊前5） 注：跨年度差异应仅作⽅向性参考。2025年的国别覆盖与2026年略有差异⸺2026年新增了⽐利时、中国与荷兰。数据来源：⻨肯锡HR Monitor调研，2026年1⽉，n =1,303名HR专业⼈⼠，分布于⽐利时、中国、法国、德国、意⼤利、荷兰、波兰、西班⽛、英国和美国；⻨肯锡HRMonitor调研，2024年12⽉，n =1,925名HR专业⼈⼠，分布于法国、德国、意⼤利、波兰、西班⽛、英国和美国。 这些变化凸显出"技能智能"（skills intelligence）的必要性⸺即系统性地捕捉、分析并预测组织内部技能的供需。如果没有对"组织拥有哪些技能、哪些技能正在变得关键"的细粒度、持续更新的理解，⼈才规划就⽆法跟上AI重塑任务结构的速度。建设了扎实技能智能的组织⸺把全⾯的技能分类法与AI驱动的分析相结合⸺能够更早地识别这些构成性变化、发现⽀持⼈才重新部署的技能邻接关系，并把新兴需求转化为有针对性的⼈才⼲预措施。以技能智能为⽀撑的战略性⼈才规划，提供了系统评估未来技能需求、定义匹配⻓期业务⽬标所需⼈才队伍的基础。 ⼈才规划仍以短期与运营性为主 平均⽽⾔，62%的HR专业⼈⼠表⽰其公司在全公司层⾯开展⼈才规划，34%仅覆盖部分员⼯队伍。然⽽，只有11%开展了战略性⼈才规划⸺即预测未来三年及以上的⼈才需求⸺近三分之⼆聚焦于不超过12个⽉的规划周期（图表2）。 图表2：⼤多数公司仍在做运营性⼈才规划，只有11%采取了战略性、⻓期的做法。是否开展⼈才规划，%受访者；通常提前多久预测⼈才需求，%受访者 提前预测的时间：>5年占4%；3‒<5年占7%；1‒<3年占27%；6‒<12个⽉占44%；<6个⽉占18%。只有11%采取战略性、⻓期的做法。数据来源：⻨肯锡HR Monitor调研，2026年1⽉，n=1,303名HR专业⼈⼠。 报告技能缺⼝最⾼的⾏业⸺⽐如化⼯、公共与社会部⻔⸺在全公司层⾯开展⼈才规划的⽐例反⽽较低（分别为47%和45%，低于62%的跨⾏业平均）。如果这些⾏业不扩⼤⼈才规划的覆盖，将进⼀步落后，技能缺⼝也会越拉越⼤。 此外，85%的组织表⽰已经建⽴了技能分类法，⾼于2025年的78%。然⽽，只有57%把"全公司层⾯的⼈才规划"和"完整的技能⽂档化"结合了起来。这说明许多组织尚未⽤技能分类法指导⼈才规划，错失了识别"技能邻接"以加速内部再部署、利⽤细粒度⼈员数据做出更明智循证⼈才决策的机会。 预测实践进⼀步反映出主流的规划逻辑：46%仍按具体岗位/职位层级规划，约三分之⼀按职位族（job family）规划，只有22%采⽤基于技能的预测。考虑到任务级转型和不断演变的技能要求⽇益重要，即