Personnel Today Awards 2026 学习与发展奖(小型雇主)入围名单公布
Personnel Today Awards 2026 学习与发展奖(小型雇主)入围名单公布,包括 Guestwise Technology、National Fostering Group、Noble Foods、Pan Macmillan、Provide Community、Weatherbys Private Bank 和 Witherslack Group。
Personnel Today Awards 2026 学习与发展奖(小型雇主)入围名单公布,包括 Guestwise Technology、National Fostering Group、Noble Foods、Pan Macmillan、Provide Community、Weatherbys Private Bank 和 Witherslack Group。
AI 已能独立完成 PRD 撰写、竞品分析等常规产品工作,产品经理的核心瓶颈从执行效率转向判断力。Productboard 2025 年调研显示,产品经理借助 AI 工具单任务平均节省 4 小时。文章提出执行判断、协同判断、元判断三层能力结构,并指出产品经理需以经营者视角完成价值、资源与风险维度的决策升维。
高盛董事会已讨论由现任总裁兼 COO John Waldron 接替 David Solomon 出任 CEO 的方案,任命最快可能明年落地,但仍需董事会批准。Waldron 在 2026 年委托书中被列为负责推动 AI 举措的高管,包括部署内部 AI 助手和编码工具处理重复性任务。他于 2025 年 1 月获得 8000 万美元留任奖金,承诺再留任五年。
图灵奖得主 Yann LeCun 表示对 AI 灭绝人类「零担忧」,并将 OpenAI 智能体自主入侵 Hugging Face 等事件归因于人类监督与系统设计缺陷,称其「完全可以预防」。
Ford CEO Jim Farley 在 Ford Pro Accelerate 媒体圆桌会上表示,财务做表格、呼叫中心、初级程序员等岗位"肯定会被这一轮 AI 改变和淘汰",而电工、技师、机械师等蓝领技工岗位将把 AI 当作"伙伴"。
Verizon CEO Dan Schulman 在底特律 Ford Pro Accelerate 活动上预测,未来 6 至 18 个月内将出现某种形式的 AGI,此后两年进入"量子时代",2030 或 2035 年出现"相当不错的人形机器人"。
Palo Alto Networks CEO Nikesh Arora 用 Anthropic 未发布的 Claude Mythos 5 测试公司内部系统,该模型以极快速度和规模找出漏洞,让 Arora 认定网络安全将被永久改变。
IBM 通过运营模式层面的 AI 转型,在两年半内实现 45 亿美元生产力收益。IBM 商业价值研究院的 CFO 调研显示,62% 的 CFO 已承担更多企业技术或 AI 战略领导职责,多数 CFO 预计到 2030 年将更大程度负责运营模式、组织架构与 workforce 战略。
面对 2027 年,学习领导者真正要解决的不是学习资源供给,而是员工与组织的承载能力。Deloitte 数据显示,员工年均经历 10 项企业变革,2016 年仅为 2 项;PwC 2026 Global AI Jobs Barometer 发现,AI 高暴露岗位的技能变化速度是最低暴露岗位的两倍以上。内容已不再稀缺,稀缺的是时间、注意力和练习机会,个性化学习应聚焦当前能力与所需绩效之间的最短路径。
McKinsey 指出,CEO 无法把 AI 机遇中的某些关键环节交给他人:提升组织对 AI 的雄心、重新设计组织运作方式,以及重塑组织文化。这三项是决定 AI 在组织中成败的核心,也是最高管理者必须亲自承担的部分。
Lenny & Friends Summit 的全部主舞台演讲现已上线,涵盖 Stripe、Atlassian、Google Search、Linear、Anthropic、OpenAI 等公司讲者的分享。Lenny 总结出五大趋势:线下活动需求旺盛、没人有标准答案、做出没人想要的东西从未如此容易、PM 角色在扩张而非消失、以及 AI 应帮我们抬高上限而非只抬地板。
企业用 Claude Code 等工具自建软件未必省钱:自建基于 LLM 的解决方案通常比采购工作流自动化平台多花 5 到 10 倍,且维护、安全与治理成本更高。有金融公司 CISO 想用 LLM 重写核心系统,耗时 18 到 24 个月,仅省下约 0.5% 年度运营预算。CIO 平均任期约 4.5 年,而自建平台往往要两年以上才能成熟。
AMD 宣布以约 82 亿美元全股票交易收购李飞飞联合创办的 World Labs,李飞飞将出任执行副总裁兼首席科学家并向苏姿丰汇报。Manus 发布 2.0,升级自研 Cascade Agent 框架,称任务 Token 消耗减少 23.2%、完成时间缩短 28.2%、运行成本降低 32%,并推出个人 AI 助手 Cue。
恐惧与变革往往相伴而生。理解这一点的管理者能显著提高转型成功的概率,而忽视这一点的管理者则可能亲手破坏自己的变革计划。
近 90% 的企业已在 AI 上投入,但只有 6% 看到实质性影响,差距在于企业推进 AI 的方式。麦肯锡指出,领导者需要改变做法,才能把 AI 投入转化为增长。
在 Lenny's Newsletter 播客中,前 Google、Facebook 高管 Molly Graham 指出,科技行业正蔓延着悲伤、孤独与倦怠情绪,她曾提出的"交出你的乐高"职业建议在 AI 时代已不再成立。她认为向 AI 委派任务与向人类委派有本质区别,并指出 AI 取代岗位的恐惧叙事被夸大,同时点明了哪些"乐高"绝不该交给 AI。
傅盛提出,避免“不知道自己不知道”没有终极解法,能做的就是始终给自己的判断留一个被推翻的出口。他以跟GPT用Voice聊天做项目为例,指出人和AI都可能被同一框架锁死,并建议像模型加搜索、Agent、Harness和评估器那样,人也给自己装一个评估器,特别有信心时先问“如果我是错的呢”。他还认为“朝令夕改”未必是坏词,因事实变了、逻辑链断了而改是正常纠错。
被 Uber 董事会驱逐近十年后,Travis Kalanick 以工业机器人公司 Atoms 创始人身份重返硅谷,并获得 a16z 等投资方支持。他称"继续坚持在 Uber 做出的每一个决定",将当年被迫下台归咎于"极端觉醒文化",未作任何道歉。部分年轻创始人将他视为"这一代创始人的 Steve Jobs"。
信息获取已因 AI 普及而商品化,竞争优势正从"能否拿到数据"转向"能否解读数据"。Donorbox 全球增长负责人提出三条 AI 使用原则:输入前剔除敏感标识符、为模型提供明确目标并反复质疑其输出、以月度目标和两周冲刺替代年度规划。他称 AI 像一位缺乏商业经验的聪明个人贡献者,团队需通过持续学习建立判断力。
HBR 的 Insider 栏目探讨了管理者常遇到的困境:团队工作量超载,但额外工作又无法自己承担。过去一年的 Insider Insights 调查中,HBR 订阅者持续反映同一个痛点——自己和团队要同时应付的工作量过大。原因可能是 AI、裁员、预算危机或兼而有之,当进展无从推进时,一切都会显得徒劳。
通过对 15 位全球 CMO 的深度访谈,营销职能正面临五项紧迫优先事项:将营销嵌入高管层作为增长职能、围绕 AI 转型、解决人才断层、在碎片化媒体中触达消费者,以及为零点击 AI 平台建立新指标。有 CMO 梳理 700 多项营销任务后发现逾 80% 可由 AI 主导,另有 CMO 将 50 步营销流程压缩至 9 步。
腾讯一位工作15年、2022年晋升T12的资深搜索后台工程师,2025年初主动卸下管理头衔,转入大模型推理工程团队,从性能评测、服务部署等基础工作做起,并深入阅读SGLang源码。他认为AI Infra与通用Infra高度接近,从通用Infra切入是更顺畅的演进路径,并给出推理工程入门的三层认知框架与三个自检练习。
宇树科技发布灵巧手 Dex5-S,单手 22 个自由度,整机尺寸接近真人手,起售价 3.99 万元。OpenAI 披露其 8 月 28 日启动训练的神秘模型已攻克 100 多项数学长期开放问题,并宣布在普林斯顿高等研究院设立由 9 名数学家组成的「数学与 AI 顾问组」。黄仁勋在 CBS News 采访中称企业应「尽可能多地支付薪酬」,英伟达 2026 财年员工平均收入达 28.205 万美元。
新模型 Jev 属于 System One Model,只做 Choice、Score、Noul 三类判断输出,不生成文字或代码,因此取代不了 GPT、Claude 等主流大模型。
亚马逊 CTO Werner Vogels 在任二十余年主导了 S3、EC2、Lambda 等云基础设施的诞生,其自研数据库起点可追溯到 2004 年圣诞季 Oracle 数据库宕机十二小时。
企业 AI 工具推广的瓶颈不在采用率而在知识流动:部分团队已将 copilot 融入工作流并提速,但采用者不分享经验、未采用者不暴露困难,学习无法在组织内循环。
Snapchat 首位产品经理、前 Discord 产品负责人 Peter Sellis 在 Lenny's Newsletter 播客中分享了他对产品管理的看法。他谈到为何把团队设计得像“恐怖组织”、管理 Nikita Bier 的真实体验、为何多数产品经理水平不佳,以及增长几乎总是来自核心产品。他还提出优秀产品管理的三个“矛盾修辞”。
Salesforce 首席伦理与人本使用官 Paula Goldman 指出,当前存在围绕人类与 AI 互补优势重新设计工作的重大机会,企业需重新思考内部流动与人才发展。她认为“人在环中”已是过时的 AI 管理模型,应让人类“掌舵”,并主张仅把 AI 当作降本工具会错失其更大潜力。
多位 AI 专家在 Anthrome Insight 与 Axialent 的联合研究中警告,AI 可能让组织表面产出精良、实际能力却在内部悄然退化,形成“能力幻象”。AI 是放大器而非能力提升器,它切断了产出质量与真实技能之间的历史关联,也让团队难以判断谁真正具备专业能力。专家建议放弃“AI first”思维,以业务目标为先,避免批判性思维与组织信任同步流失。
红杉中国第15届CFO Day在北京举行,近两百位成员企业CFO参与。沈南鹏指出,AI应用已从2024年的好奇研究、2025年以coding为主的落地尝试,走到2026年深入企业运营全流程,CFO和CEO不应只做AI预算审批者,而应成为公司AI转型的driver,并把token纳入ROE计算。调研显示超6成财务部门已用AI工具,但仅两成获得清晰可量化的回报。
MIT Sloan 管理评论与 BCG 的专家小组中,72% 的受访者认为把 AI 智能体当作自主决策者来治理将会失败。专家指出,智能体的自主性只是运营层面的,它们能规划、调用工具、执行交易,但不具备道德或法律上的责任能力,无法被起诉或承担后果。将智能体视为自主决策者会制造责任真空,让开发者、部署方和用户以“是 AI 决定的”为由逃避责任。
红杉中国文章指出,CEO将AI嵌入高管工作流后,演讲稿虽连贯得体却"安全"平庸,团队产出趋于"正确但平庸"。文章提出判断力、声音、在场感三个领导者主体性维度,并给出四层AI协作模型:高风险决策的诊断与框架定义必须由人主导,AI可辅助总结与对比方案;低风险标准化工作可交由AI自主完成。
一项针对一家专业服务公司为期四年的民族志研究发现,转型失败常源于领导者未能识别和容纳焦虑,而非缺乏认知或动力。当高管把焦虑藏在“展现信心”的应对策略背后,焦虑会塑造转型愿景与决策,并演变为“防御性组织”,让全员忙碌却维持现状。研究基于近760小时会议观察、300多场访谈及全程内部文档分析。
Josh Bersin 提出"大脱钩"趋势:员工与雇主的关系持续瓦解,美国员工平均职业生涯将被裁员 2.5 次,较三十年前翻倍以上。仅 19% 的员工信任公司领导层,低于 2019 年的 25%;超 65% 的员工拥有副业,企业留在 S&P 500 的平均时间已从 12-13 年降至 4-5 年。他认为 AI 与互联网让企业更易雇佣全球合同工并追踪绩效,将进一步加速这一进程。
傅盛回应“老板越沉迷AI,公司死得越快”一说,指出该观点源自 Box CEO 的帖子,被断章取义,其原意是 CEO 应大量使用 AI 弄清 Agent 在企业的真正影响。他提到这位 CEO 常夜里用 AI 搓原型,把 AI 接入客户系统后查客户信息频率翻了五倍,过去团队花十小时研究拜访哪些客户,现在用 AI Agent 十分钟搞定。傅盛呼吁企业一把手身先士卒,结合真实业务场景亲自使用 AI。
PayPal 前 CEO Dan Schulman 退休后复出,接手 Verizon,带领这家公司进入 AI 时代。他把客户而非工程置于业务中心,重塑公司文化,并让员工为 AI 原生未来做好准备。他强调领导者要拥抱变化、投资于转岗再培训,并在对 AI 的乐观与对颠覆的坦诚之间取得平衡。
美国2026年年初至今汽油价格上涨24%、能源上涨27%、机票上涨26%,而私营部门平均工资仅上涨3.5%,实际购买力持续下滑。AARP数据显示7%的退休者正在"重返职场",12%的老年人在2026年重新工作,原因是负担不起医疗、食品和能源开支。过去30年生产率增长14%而工资仅增长2%,约12%的经济增长流向了股东而非员工。
Ethan Mollick 认为,AI 使用方式正从与聊天机器人协作转向将工作分配给智能体。Epoch 发现 Opus 4.7 自主运行 14 小时完成了需人类 2-17 周的软件包,耗资 $251 token;OpenAI 内部四分之一员工每周同时运行至少四个智能体,法律、HR 等非技术职能采用速度与工程团队相当。
Josh Bersin Institute 在第五届 Irresistible Conference 上发布 Global HR Excellence Certification(GHRE)与 HR 2030 计划,前者与 USC Marshall 商学院合作、为期 12 周共 50 小时,基于 Galileo Learn 平台并含 760 门课程。
Josh Bersin 发布 HR 2030 愿景,将系统性 HR 与 AI Superagent/Agent 架构结合,主张由 AI 智能体掌握员工技能、薪酬、排班等全面数据并接入外部薪酬与技能基准。