一、报告概述
本报告基于对全球2361名董事会成员和高级商业及人力资源领导者的调查，覆盖62个地区，系统分析了人工智能时代人力资本的核心趋势、挑战与行动路径。核心内容包括：
核心发现一：AI实施已成主流，但人力准备不足。73%的组织已部署或试点AI，但过去12个月中仅18%的组织有大多数员工参与AI再培训/技能提升。44%已部署，9%正在试点，仅8%未积极使用。与此同时，仅28%拥有完全有效的AI指导方针和监督机制。
核心发现二：投资于人是最终的优势。当被要求对未来三年关键员工技能进行排名时，“适应能力和变革管理”排第一，“领导力和人员管理”排第二，“数字素养和技术采用”排第三。人际技能仍是差异化因素，而技术和AI仍然是必不可少的。84%的员工在工作中仍感到高压力，仅21%报告获得情感福祉支持。
核心发现三：员工价值主张（EVP）驱动有意义的变革。仅19%的组织拥有明确且员工易于理解的EVP。拥有明确EVP的组织，在领导层对员工福祉承诺的强烈认同上高出34个百分点，在解决性别退休储蓄差距上高出21个百分点，在个性化员工福利上高出20个百分点。
关键数据：
全球44%已部署AI，9%试点，8%未积极使用
仅35%表示部署AI的主要目标是“推进员工再培训或技能提升”（“提高运营效率”为81%，“自动化常规任务”为80%）
仅28%拥有完全有效的AI指导方针和监督机制
仅38%报告HR数据成熟度较高
57%已实现例行和重复任务的自动化
63%员工愿意为更好的选择牺牲现有福利，72%认为定制福利重要或非常重要，但仅33%雇主提供
19%薪资透明度成熟（仅3%非常成熟）
84%雇主对福祉战略满足员工需求有信心，但仅25%员工认为领导层承诺强烈明显
81%员工认为展示更高的薪酬透明度和公平性非常重要或极其重要
地区差异：爱尔兰AI部署率71%（全球领先），印度在解决性别退休储蓄差距上48%（全球21%），阿联酋EVP清晰度37%（全球19%），中国35%紧随其后，马来西亚10%英国11%。
行动建议：量化AI将在整个劳动力中创造的价值和风险；重新设计工作、技能和操作方式以获取AI驱动的生产力；建立劳动力能力和治理以负责任地扩展AI；将幸福感融入劳动力战略；以公平的方式推进薪酬透明度；将机会公平设计纳入职业发展；建立并启动清晰定义的EVP。
核心结论：技术和AI是必不可少的，但没有强大的人类能力，成功的转型不太可能发生。真正的价值取决于组织在多大程度上将AI与其员工有效对接。那些在员工身上的投资和在AI上的投资同样专注的组织，将更好地在绩效、韧性和信任方面感受到回报。
二、整体解读
1. 实施与准备的“剪刀差”：73%已部署，但人力投资严重滞后
报告揭示了一个核心矛盾：组织在部署AI的速度上快于建立所需技能、结构和人力支持的速度。
| 指标 | 数据 | 含义 |
|---|---|---|
| 已部署或试点AI | 73% | 技术推进快 |
| 员工参与再培训/提升技能 | 18% | 人力投资滞后 |
| 仅将“员工再培训”作为主要目标 | 35% | vs 81%运营效率，80%自动化任务 |
| 拥有完全有效的AI治理机制 | 28% | 治理缺失 |
洞察：这不是“企业不重视AI”，而是“企业重视技术但忽视人”。当AI大规模部署时，若员工的技能、心理准备、治理机制跟不上，AI的价值将难以释放。Aon首席人事及行政官Lisa Stevens指出：“当人们能够领导、适应和创新——由变革性技术驱动——组织才能放大结果并将变革转化为优势。”
2. 人类技能仍是竞争的核心差异化因素
报告对未来三年关键技能的排名值得深思：
| 排名 | 技能 | 含义 |
|---|---|---|
| 1 | 适应能力和变革管理 | AI时代变化快，能适应者胜 |
| 2 | 领导力和人员管理 | 人机协作需要领导力 |
| 3 | 数字素养和技术采纳 | 技术仍是基础，但已不是唯一 |
洞察：当AI可以处理越来越多的技术任务时，人类的“软技能”反而变得更加珍贵。这也是报告中反复强调的“投资于人是最终的优势”的逻辑基础。Aon英国合伙人Charlotte Schaller指出：“重视学习的文化更可能拥抱新的工作方式并建立未来的准备度。”
3. 福祉差距：84%雇主有信心，但72%员工仍感高压
报告揭示了一个令人担忧的“福祉鸿沟”：
| 指标 | 数据 |
|---|---|
| 雇主对福祉战略满足员工需求有信心 | 84% |
| 员工认为领导层对福祉承诺强烈明显 | 仅25% |
| 员工在工作中仍感到高压力 | 72% |
| 报告获得情感福祉支持的员工 | 仅21% |
洞察：雇主和员工对“福祉”的认知存在系统性偏差。雇主认为“我们有战略”就足够，但员工感受到的是“工作压力未减、支持不足”。Aon亚太区健康解决方案负责人Susan Fanning指出：“只有在生产力的好处被故意再投资于可持续的工作设计时，健康收益才能实现。”
4. EVP清晰度是投资转化为影响的关键
拥有明确且员工易于理解的员工价值主张（EVP）的组织，在多个维度表现更优：
| 维度 | 有明确EVP | 无EVP | 差距 |
|---|---|---|---|
| 领导层福祉承诺强烈明显 | 49% | 15% | +34pct |
| 主动解决性别退休储蓄差距 | 35% | 14% | +21pct |
| 现在或未来个性化员工福利 | 64% | 44% | +20pct |
洞察：EVP不是“墙上的一句话”，而是指导投资方向、个性化内容和在成本压力下做出权衡的决策框架。然而，仅19%的组织拥有明确且易于理解的EVP。Aon北美战略传播负责人Jim Huff指出：“以数据为驱动的EVP，清晰且一致地传达，确保人力投资支持商业优先事项并带来可衡量的回报。”
5. 薪酬透明度的进展与挑战
薪酬透明度正在成为员工信任和人才吸引的关键因素：
| 指标 | 数据 |
|---|---|
| 员工认为薪酬透明度和公平性重要或非常重要 | 81% |
| 薪资透明度成熟 | 19%（仅3%非常成熟） |
| 管理者解释薪资的准备度被识别为最大风险 | 84% |
| 将“增强EVP/人才吸引力”作为透明度关键动机 | 第二高回答 |
洞察：薪酬透明不仅是合规要求（特别是欧盟即将生效的立法），更是建立信任和吸引人才的战略工具。但大多数组织仍在应对“如何做”的挑战——政策存在但实施者（管理者）未准备好。Aon指出，建立整合的、数据驱动的和有意的薪酬透明度方法，超越了解决监管要求，能够“将合规性转化为竞争优势”。
6. 机会公平：从性别工资平等到机会公平
报告指出，虽然84%的雇主声称确保同工同酬不论性别，但支持女性职业发展的项目仍然稀缺：
| 指标 | 数据 |
|---|---|
| 确保同工同酬不论性别 | 84% |
| 拥有支持平等职业发展和晋升机会的政策 | 仅14% |
| 正在整合主动解决性别退休储蓄差距的举措 | 仅21% |
洞察：薪酬公平只是起点，真正的差距在“机会公平”——谁获得晋升、谁被分配到高影响力项目、谁的职业得到投资。报告警示：如果不解决这些结构性差距，人才、生产力和留存风险将持续存在。
7. 个性化福利的供需差距
员工对个性化福利的期待远高于当前供给：
| 指标 | 数据 |
|---|---|
| 员工愿意为更好的选择牺牲现有福利 | 63% |
| 认为定制福利重要或非常重要 | 72% |
| 雇主提供定制福利 | 仅33% |
洞察：福利个性化是EVP的重要组成部分，但大多数组织尚未建立有效的个性化能力。Aon提出的解决方案是通过技术赋能——人工智能礼宾服务、互动选择工具、个性化推荐等——在规模上实现个性化。巴西是这一差距最明显的市场（63%差距），印度和土耳其的薪酬透明度成熟度最高（37%）。
8. 数据成熟度：从“描述”到“预测”的跃升
仅38%的组织报告HR数据成熟度较高。更值得关注的是，组织评估整体奖励有效性的主要方法仍然是员工满意度得分（57%）、流失率（50%）和外部基准（42%），而更复杂的、互联的分析工具使用率极低——仅12%的首席人力官和董事会成员使用全面的互动分析工具。
洞察：数据成熟度是解锁人力资源战略全部潜力的关键。只有12%的高级领导者使用全面互动分析工具，这意味着大多数组织的HR决策仍基于“过去的描述”而非“未来的预测”。那些投资于高级分析的组织，将能够“预见未来风险、机会和权衡”。
三、总结与启示
这份报告的核心价值在于：它提供了全球范围内人力资本在AI时代的最新状态快照，揭示了“技术推进快、人力准备慢”的结构性矛盾，并给出了可操作的行动框架。
对人力资源管理者和企业领导者的核心启示：
同步投资于技术和人才：AI部署的节奏必须与员工再培训、技能提升、福祉支持的节奏同步。否则，技术投资将难以转化为实际绩效。
福祉不是“福利”，而是“生产力”：72%的员工仍感高压，仅21%获得情感支持。福祉战略需要从“口号”转向“可衡量的行动”，并将生产力收益再投资于可持续的工作设计。
EVP是连接投资与影响的桥梁：清晰、数据驱动、员工易于理解的EVP，可以使人力投资从“成本”变为“价值创造”。仅19%的组织做到了，这是巨大的改进空间。
薪酬透明度从“合规”转向“竞争优势”：81%的员工认为薪酬透明度和公平性重要，但仅19%的组织成熟。第一批将透明度转化为信任和人才吸引力优势的组织将获得先机。
机会公平比工资公平更难但更重要：84%确保同工同酬，但仅14%有公平的职业发展政策。企业需要审核晋升、绩效和人才流程，查找结构性偏见。
个性化福利是差异化的重要手段：72%的员工认为定制福利重要，但仅33%雇主提供。技术支持的个性化福利平台可以缩小这一差距。
数据成熟度是HR战略的基石：仅38%组织HR数据成熟度较高。投资于综合人力资本分析，可以使领导者“预见未来”而非“回顾过去”。
最大的未解难题：报告揭示了“技能提升滞后于AI部署”的问题，但对“如何规模化技能提升”的具体方法论着墨较少。考虑到技能半衰期持续缩短，企业需要建立“持续学习”的文化和基础设施，而不仅仅是一次性的培训项目。此外，报告对AI可能带来的就业替代风险（23%同意AI将显著取代工作）未展开深入讨论，这可能是未来版本需要更深入探讨的议题。