数字经济时代,人力资源数字化正在成为越来越多企业进行数字化升级的关键一环,人才数字经济已蔚然成风。
11月17日,Moka联合艾瑞发布《CHO人才战略调研报告数字经济篇》(以下简称《报告》),报告首创性推出了ATOP人力资源数字化成熟度模型,为企业评估自身人力资源数字化成熟度水平提供参考依据,并对企业人力资源数字化转型发展路径提供建议。
报告显示:68.4%的中大型企业已将人力资源数字化转型上升至企业战略层面,人员规模越大的企业整体人力资源数字化成熟度越高。但是,目前仅有18%的企业成立了专门的组织来落地人力资源数字化战略并建立运行机制;90%的企业还没有数字化人才储备或人才储备较少,标准化人才培育体系欠缺,人力资源数字化转型还有很大的提升空间。
Moka助企业搭好人力资源数字化底座
从企业的角度来讲,HR信息化系统往往作为一个数字化底座存在。它在企业内部与各种各样的系统实现关联,往往处于牵一发而动全身的角色之中。所以很多企业在做信息化整体规划时,都会首先考虑如何建设好人力资源数字化底座。

Moka CEO李国兴
为此Moka向企业提供了一个非常开放的对接方式,在自身的HR SaaS产品设计中,将开放对接作为第一要素去设计。然后通过专业交付团队,令Moka的HR解决方案在最短时间内实现成功部署。
其次,Moka会向企业持续提供CSM服务。基于客户业务不断变化,提供最有效的产品应用解决方案,让客户可以在HR SaaS系统部署后的长周期中,应用愈发成熟。
第三,为企业提供全面线上支持和反馈的客服团队。将30秒必须响应客户作为最核心的目标。同时三个团队形成一个并行和耦合的协作机制,确保信息的穿透,给客户一个更好的服务体验。
Moka还构建出完善健全的方法和流程,将整个交付的过程分成了5个大阶段,25个主阶段,然后92个关键行动。并构建出500家最佳实践库,基于Moka过往7年的沉淀,分成了不同行业、不同规模、不同的场景,去完美匹配客户当前业务场景,让交付质量、效率和满意度达到最高。
让数字化可量化 Moka首推人力资源数字化成熟度模型
未来,人力资源将以适应数字化时代的工作方式为前提,实现组织的数字化协同,大数据的发展与应用也将进一步推动组织提效和变革。
因此,Moka首先提出并发布了ATOP人力资源数字化成熟度模型,为企业评估自身人力资源数字化成熟度水平提供参考依据。
该模型包含意识、组织、人与生态、流程四大维度及十三个子要素,能够更全面地衡量一家企业人力资源数字化成熟度,指引人力资源数字化未来发展目标的制定。根据该模型的评估,企业数字化程度可以分成四个等级,由低到高分别为有意识的、可知的、可优化的、成熟的。
ATOP人力资源数字化成熟度模型
企业“数字人力”氛围仍有待提升
在ATOP人力资源数字化成熟度模型发布的同时,Moka联合艾瑞基于ATOP模型对174家企业人力资源高管进行了深度调研,全面分析了企业人力资源数字化成熟度情况。调研结果显示:
目前有51.7%的企业人力资源数字化成熟度水平位于第二等级,整体来看,企业人力资源数字化成熟度与企业规模成正比。68.4%的中大型企业已经实施人力资源数字化转型战略,但企业“数字人力”氛围仍有待提升,事业部管理者和员工的数字化认知度与接受度仍有待加强。
数字化人才培育是企业人力资源数字化转型的关键一环,调研结果显示:目前90%的企业还未储备数字化人才,59.7%的企业尚未定制数字化人才培育体系,人力资源部门还需要不断完善数字化人才培养机制。
具体到转型推进步骤上,企业有明确的数字化转型战略是一方面,另一方面,还要将战略落到具体的执行上,明确人力资源数字化转型推进步骤。从调研数据来看,79.3%的企业尚未形成人力资源数字化转型机制,人力资源数字化工具的完善程度和模块间的集成也有待提高。
转型之路道阻且长,但企业一旦作出转型的决心,并在这条路上持续投入人力物力,转型成效也会显而易见。数据显示:已经实施转型的68.4%中大型企业中,超九成企业已经获得成效,尤其是人力资源数字化转型在提升企业管理效率上成效更加显著。
企业进行人力资源数字化转型是一个持续的过程,这个过程必然会经历从起步到成熟等多个阶段,ATOP人力资源数字化成熟度模型将有助于帮助企业的人力资源部门理清当前所处的数字化位置,并对数字化转型路径有个清楚的认识,为后续制定适合的人力资源数字化转型战略和具体可落地执行的行动计划提供参考。
未来,人力资源将以适应数字化时代的工作方式为前提,实现组织的数字化协同,大数据的发展与应用也将进一步推动组织提效和变革。
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。