全球劳动力市场趋势 - 全球招聘市场进入低速换挡期，截至去年底，全球招聘规模相比2020年下降20%，职场流动率跌至近十年最低点，每个空缺职位的申请者数量与招聘率之间的鸿沟创下2020年以来最高纪录 [1] - 全球人才市场呈现“冷热并存”的分化格局，发达经济体企业整体招聘规模比2019年下降20%至30%，而印度和阿联酋等新兴市场则分别高出约40%和37% [3] - 驱动全球人才市场区域分化的核心因素包括人口教育结构、产业发展阶段及政策开放度 [3] 领英中国战略与市场地位 - 领英在中国市场的战略聚焦于服务中国企业的全球化需求，已果断放弃面向个人用户的C端竞争，商业模式转向为企业提供海外人才等业务的“出海赋能平台” [3] - 领英在中国出海百强企业中的渗透率达到76% [3] 企业出海人才策略 - 中国企业出海策略需要从“去哪儿做生意”升级为“去哪儿建团队”，不同区域的人才结构差异很大 [5] - 建议出海企业：在出海早期就将“人才策略”提上日程；把“人才地图”作为战略输入；尽早在出海目的地搭建关键岗位的管理层，以实现本地决策与全球协同 [5] 劳动力市场结构性矛盾与AI影响 - “求职拥挤但匹配很难”的现象预计将成为未来一两年的常态，核心矛盾在于技能要求快速更新而人才和组织的调整速度未能跟上 [6] - 预计到2030年，当前劳动力市场中70%的岗位技能都会发生改变，而AI的影响可能会使这一变化速度更快 [6] - 全球招聘规模比特殊时期前仍低约20%，但单个岗位的申请量却创新高，岗位技能要求日益“复合”，且对AI素养和软技能的要求越来越高 [6] 企业招聘与人才管理新逻辑 - 企业招聘逻辑应从“岗位匹配”转向“技能匹配”，用技能而非头衔来定义岗位和指导招聘 [8] - 应把“内部流动”当成第一招聘入口，以技能为基础推进内部流动，能使AI人才管道规模提升8倍以上 [8] - 企业应放宽对“现成即用”的执念，拥抱“三至六个月可培养”的理念，鼓励员工在岗学习，通过标准化学习路径提升技能 [8] AI落地操盘手岗位趋势 - “前置部署工程师/AI落地操盘手”是过去3年数量增长最快的岗位之一，全球需求量增长了42倍 [8] - 该岗位的核心是“让AI真正落地”，而非单纯“做AI”，企业常犯的错误是将其视为“高级工程师” [9] - 更可行的方式是从最懂业务流程的人中培养其掌握AI工具与应用，配合系统性学习、场景化训练和跨部门协作 [9] - 随着中国企业全球化从“拼速度”走向“造能力”，该角色对增强跨区域业务一致性和提高效率至关重要，尤其是在新兴市场 [9] 企业内部人才培养体系 - “新领人才”代表一套新的能力结构，完全可以在组织内部培养，对于数字化转型中的企业，让现有团队拥有新技能比“换血”更现实高效 [10] - 培养“新领人才”的三步法：先定义人才标准；基于技能差距做可视化诊断；提供可落地的学习路径，让员工“今天学，明天能用” [11] - 领英学习（LinkedIn Learning）可让“学习路径”被组织化管理，通过个性化技能学习路径、精准匹配课程与技能需求，提升员工AI应用水平，使用其解决方案的企业员工AI技能提升速度是未使用者的3.4倍 [11] AI招聘工具的应用与挑战 - AI招聘的瓶颈不仅在于技术，还在于人才和组织能力，企业常面临岗位语言与技能标准不统一、流程过于传统无法承接AI效率提升两大落地难点 [12] - 应用AI招聘工具的建议：统一技能语言；用“小试点”跑通AI招聘闭环再复制；明确AI是为了让招聘团队聚焦于“判断”而非“机械劳动” [13] - 领英的企业招聘账号依据全球13亿职场人的技能图谱数据构建，其AI招聘助理能学习招聘者偏好，拓宽候选池、自动化重复环节，让招聘者专注于判断文化匹配、成长潜力等高价值工作 [13] AI相关岗位的未来演变 - 2023年至2025年，全球预计新增至少130万个与AI相关的岗位，其中数据标注类岗位达77.4万个，是规模最大的单一岗位类型，目前仍是AI生态的“核心底座” [14] - 随着技术进步，重复度高、规则固定的标注任务会被自动化接管，基础岗位会减少但角色会升级，AI相关岗位正从“执行型”向“判断型”与“场景型”迁移 [14][15] - 未来企业对数据标注等岗位的要求将转向三类更高阶能力：质量与安全管理能力、场景与行业理解、AI素养与协作能力，标注人员可向数据运营、质量分析、模型治理等更核心的岗位发展 [15]