92%的HR专业人士相信自家员工可以被再培训进AI相关岗位，88%的人事经理持相同看法。但当这些组织真正面对AI新岗位的人才需求时，51%的HR和47%的经理报告其组织选择了外部招聘，而仅42%的受访者（HR和经理均为此数）报告进行了内部员工再部署。

这组数据来自Careerminds于2026年11月4日通过PR Newswire发布的白皮书《The AI Redeployment Gap: What Companies Lose by Hiring over Reskilling》。信念端接近一致看好，行动端却走向相反方向——这个落差构成了一个典型的组织行为谜题：如果决策者真的相信内部人才可以胜任，为什么钱还是花在了外面？

要回答这个问题，需要拆解调查本身的设计与局限、造成信念与行动断裂的障碍，以及不同行业之间的显著差异。

调查设计与厂商属性：读数据前先读方法论

Careerminds委托Censuswide执行了这项调查，样本覆盖595名美国HR专业人士和547名美国人事经理，合计1,142人，受访者年龄在25至65岁之间，均就职于500人以上规模的组织。据ZDNET报道，调查执行时间为2026年5月15日至26日。

几个方法论细节需要前置说明。

第1，样本构成。595名HR专业人士和547名人事经理是两个不同群体，白皮书分别报告了他们的回答。这一设计有其合理性——HR和一线经理对同一问题的感知往往不同——但也意味着两组数据的口径和视角存在天然差异。

第2，组织规模门槛。据ZDNET报道，受访者来自500至10,000人以上规模的组织。这意味着调查结果反映的是中大型企业的状况，无法直接推广到小型企业。中大型企业通常拥有更成熟的HR职能和更多的内部调岗空间，如果连这些企业都存在再部署不足的问题，小型企业的情况可能更为严峻——但这是推测，调查本身不覆盖这一群体。

第3，厂商属性。Careerminds在PR Newswire新闻稿中自我定位为”a leading global provider of workforce solutions”（全球领先的劳动力解决方案提供商）。白皮书的核心结论——企业应在外部招聘前优先评估内部再部署机会——天然指向Careerminds自身的业务范畴。这并不意味着数据本身不可信，Censuswide作为独立调研机构执行了数据采集，但读者需要意识到，白皮书的问题设计、叙事框架和建议方向都服务于Careerminds的商业利益。

第4，调查时间与发布时间的间隔。调查在2026年5月执行，白皮书在2026年11月发布，中间相隔约5个月。AI领域的变化速度极快，5月时企业对AI岗位的认知和实践与11月可能已有差异。这不构成硬伤，但在解读具体百分比时需要考虑这一时间差。

9个百分点的缺口：信念与行动之间到底卡在哪里

白皮书揭示的核心矛盾可以用两组数字概括：

  • 信念端：92%的HR专业人士和88%的人事经理相信员工可以被再培训进AI相关岗位。
  • 行动端：51%的HR和47%的经理报告组织在为AI新岗位进行外部招聘；仅42%报告进行了内部再部署。

外部招聘与内部再部署之间的差距，在HR群体中为9个百分点（51% vs. 42%），在经理群体中为5个百分点（47% vs. 42%）。这个差距看起来不算巨大，但考虑到信念端几乎一边倒地支持再培训，行动端理应呈现内部再部署占优的格局——实际却恰好相反。

Careerminds高级合伙人Mark Saddic在新闻稿中的表述是：”Companies are investing in AI while potentially overlooking one of their most valuable resources: the people they already employ.”（企业在投资AI的同时，可能忽视了最有价值的资源之一：他们已有的员工。）

白皮书指向了几个可能的障碍。

障碍1：技能可见性缺失

据Careerminds白皮书数据，约43%的HR专业人士和34%的人事经理报告，他们对员工现有技能和哪些员工应该被再培训缺乏可见性或存在不确定性。

这个数字揭示了一个基础设施层面的问题：即使HR在态度上相信再培训可行，他们在操作层面也缺乏识别”谁应该被再培训”的工具和数据。一个组织如果不知道员工现有的技能组合是什么，就无法评估从现有技能到AI相关岗位所需技能之间的差距有多大，更无法设计有针对性的培训路径。

相比之下，外部招聘的决策链条更短：岗位描述写好，简历筛选，面试评估，发offer。候选人的技能是”已知”的（至少在简历和面试中是可观测的），而内部员工的技能组合却可能是”未知”的。这种信息不对称本身就构成了对外部招聘的路径依赖。

Careerminds白皮书页面上另有一个数据点：仅18%的组织使用集中式系统追踪员工现有技能，该数据标注来源为TalentLMS于2026年发布的Skills Visibility Report。该数据为白皮书页面转引，本文仅作补充参考。

障碍2：责任归属的严重分歧

白皮书揭示了HR与经理之间在AI劳动力规划责任归属上的显著分歧。

据PR Newswire新闻稿，近2/3（63%）的HR专业人士认为HR应对AI驱动的劳动力变革规划和管理承担主要责任。但仅24%的人事经理同意这一判断。相反，35%的经理认为HR以外的高层领导才是主要责任方。

这个分歧的实际影响比数字本身更严重。当HR认为自己是主导方、而一线经理认为应由高层领导主导时，结果往往是：HR制定了再培训计划但缺乏经理层面的执行配合，经理等待高层指令但高层可能并未将此列为优先事项。PR Newswire新闻稿将此描述为”This disconnect could complicate efforts to identify internal talent, coordinate reskilling programs, and transition employees into emerging roles.”（这种脱节可能使识别内部人才、协调再培训项目和将员工过渡到新兴岗位的努力变得复杂。）

笔者判断，这种责任归属的模糊性可能比技能可见性缺失更难解决。技能可见性是一个技术问题——可以通过部署技能追踪系统来改善；而责任归属是一个组织政治问题——涉及HR与业务线之间的权力边界，不是一份白皮书的建议就能化解的。

障碍3：自我评估的盲区

白皮书中还有一组耐人寻味的数据：87%的HR专业人士和84%的人事经理认为其组织”adequately consider reskilling employees for future roles”（充分考虑了为员工未来岗位进行再培训）。

将这个数字与前述的外部招聘优先数据放在一起，矛盾就很明显了——大多数受访者既认为组织在再培训方面做得足够好，又报告组织实际上更多地选择了外部招聘。PR Newswire新闻稿对此的评论是：”The findings suggest that organizations may believe they are prioritizing internal talent development even when their hiring practices tell a different story.”（研究结果表明，即使组织的招聘实践讲述了不同的故事，它们也可能认为自己在优先发展内部人才。）

这种自我评估与实际行为的脱节，在组织行为研究中并不罕见。但它对政策制定有直接影响：如果决策者已经认为”我们做得够好了”，那么推动更大幅度变革的动力就会大打折扣。

行业差异：科技电信的15个百分点与媒体娱乐的例外

白皮书和ZDNET报道都指出了不同行业之间的显著差异，这是整份研究中信息量最丰富的部分之一。

科技与电信行业：外部招聘比内部再部署高出15个百分点，且这一差距在HR专业人士和人事经理两个群体中均成立。据ZDNET报道，这一行业的外部招聘偏好尤为突出。

这一发现看似反直觉——科技和电信行业理应是最了解AI技术、最有能力进行内部再培训的行业。但从另一个角度理解，科技电信行业对AI岗位的需求可能更为紧迫和专业化，企业需要的是能立即投入工作的人才，而非需要数月培训才能上岗的内部转岗人员。AI领域的技术迭代速度意味着，等内部员工完成培训时，技术栈可能已经更新了一轮。

媒体与娱乐行业：这是调查覆盖的所有行业中唯一一个两个受访群体都报告内部再部署频率至少与外部招聘持平的行业。据PR Newswire新闻稿，该行业56%的HR专业人士报告进行了员工再部署，而仅25%报告进行了外部招聘。

媒体与娱乐行业的例外地位可能有多重解释。笔者推测，这个行业的AI应用场景（如内容生成、后期制作、数据分析）可能更多地是对现有创意和技术岗位的增强而非替代，使得现有员工更容易通过学习AI工具来适应新角色。此外，媒体娱乐行业的人才市场相对封闭，行业经验和人脉网络的价值较高，这可能天然有利于内部再部署。但需要强调，这些都是基于行业特征的推测，白皮书本身未给出行业差异的成因分析。

这两个行业之间的对比——科技电信高度依赖外部招聘、媒体娱乐偏好内部再部署——提示了一个重要的分析维度：AI对不同行业的冲击方式不同，因此最优的人才策略也不同。一刀切的”再培训优于外部招聘”叙事可能过于简化。

外部招聘的成本：白皮书引用的二手数据

Careerminds白皮书引用了The Josh Bersin Company的研究（白皮书页面标注来源为The Josh Bersin Company, Internal Hiring Factbook），称外部招聘的成本可以是内部填补同等岗位的3到5倍，且平均耗时多出最多20天。ZDNET在报道中也引用了这一数据。

这是白皮书论证链条中的关键一环——如果外部招聘既贵又慢，那么企业偏好外部招聘就显得更加不理性，从而强化了白皮书”企业应优先考虑内部再部署”的核心建议。

但有几点需要注意。

第1，这是二手引用。Careerminds白皮书引用了The Josh Bersin Company的数据，但笔者无法直接查看该原始研究的发表日期、样本量和方法论。据白皮书页面描述，该数据基于”roughly half a million hiring records”（约50万条招聘记录）的分析，但具体的分析口径和时间范围不详。”3到5倍”的成本差异覆盖了一个很宽的范围，具体倍数可能因岗位级别、行业和地域而有很大差异。

第2，成本比较的口径问题。”外部招聘成本”通常包括招聘广告、猎头费、面试流程、入职培训等；”内部填补成本”通常包括内部选拔流程和岗位培训。但如果内部再部署涉及长期的AI再培训项目（如数月的技术课程），这部分培训成本是否被计入”内部填补成本”？不同的口径定义会显著影响倍数计算。

第3，Careerminds自己的博客文章提供了一些补充背景。据Careerminds在2026年10月14日发布的博客文章，该公司引用Gallup的数据称，替换一名领导或经理的成本约为其年薪的200%，技术专业人员为80%，一线员工为40%。需要说明的是，该数据经Careerminds博客转引，出自Gallup 2024年的《42% of employee turnover is preventable but often ignored》，属于2024年数据。此外，该博客文章还引用了一个数据：52.1%的HR领导者表示其组织在6个月内重新招聘了被裁撤的岗位。该数据来源标注为Careerminds自身的另一篇博客文章《AI-led layoffs: What HR leaders wish they knew, 2026》，属于Careerminds自有调研，未经第三方独立验证。

这些成本数据共同构成了Careerminds的商业叙事：外部招聘贵、慢、且经常导致”裁了又招”的循环。这个叙事在逻辑上是自洽的，但读者需要意识到，所有这些数据都是通过Careerminds的白皮书和博客文章呈现的，而Careerminds作为劳动力解决方案提供商，其商业模式直接受益于企业增加内部再部署的投入。

再部署的实际操作难度：白皮书未充分讨论的一面

Careerminds的博客文章对再部署的操作流程进行了较为详细的描述。据该文章，再部署涉及岗位变更、职能变更、部门变更甚至工作地点变更，但雇佣关系保持不变。文章将再部署定位为裁员的”结构化替代方案”（a deliberate, structured alternative to layoffs）。

该博客文章还提供了一个再部署与裁员的对比框架，指出再部署在制度知识保留、招聘成本避免、士气影响等方面优于裁员，但在前期规划投入上要求更高，且短期成本节约不如裁员直接。文章承认：”Redeployment takes more planning upfront”（再部署需要更多的前期规划），以及”a layoff delivers faster short-term savings”（裁员带来更快的短期节约）。

这种坦诚的权衡分析在一定程度上增强了Careerminds内容的可信度，但也恰恰揭示了为什么企业在实践中更倾向于外部招聘：外部招聘的决策成本更低、执行路径更清晰、结果更可预测。内部再部署则需要技能盘点、培训设计、岗位匹配、经理配合等一系列复杂的协调工作——而白皮书自身的数据已经显示，43%的HR和34%的经理在技能可见性上存在盲区，63%的HR和仅24%的经理在责任归属上无法达成一致。

换言之，白皮书诊断出的问题本身就解释了为什么其建议难以落地：在技能数据缺失和责任归属模糊的条件下，再部署的执行难度远高于外部招聘，即使决策者在态度上支持再培训。

更广泛的背景：AI技能缺口与再培训的行业讨论

ZDNET在报道中提到了一个相关案例：教育巨头Pearson于2026年9月同意收购Workera——一个被ServiceNow、Accenture和美国太空军等组织使用的AI原生技能平台。ZDNET将此案例置于”技能发展管理”的讨论框架中，指出AI技能的追踪和发展管理已经成为一个独立的市场需求。

这个背景信息有助于理解Careerminds白皮书所处的市场语境：围绕AI再培训和技能管理，正在形成一个包含咨询服务、技能平台、培训课程在内的产业生态。Careerminds的白皮书、Pearson对Workera的收购，都是这个生态中不同玩家的市场动作。

再培训讨论中一个常被忽视的约束条件是时间。即使企业有意愿、有预算、有工具进行内部再培训，如果员工的日常工作已经满负荷，培训时间从哪里来？这个问题在白皮书中未被直接讨论，但它可能是信念与行动之间的又一道隐性障碍。

对白皮书结论的独立评估

Careerminds在白皮书中给出了3条建议：(1) 建立AI劳动力规划的明确问责机制；(2) 提高对员工现有技能的可见性；(3) 在默认外部招聘之前评估内部发展机会。

这3条建议在方向上是合理的，但存在几个局限。

局限1：建议的通用性过高。 “建立明确问责机制”和”提高技能可见性”几乎适用于任何组织管理问题，缺乏针对AI再培训的具体操作指引。例如，AI相关岗位的技能要求变化极快，传统的技能盘点方法（如年度技能评估）是否能跟上这种变化速度？白皮书未就此给出具体方案。

局限2：未区分不同类型的AI岗位。 “AI相关岗位”是一个极为宽泛的类别，涵盖从AI工程师、数据科学家到AI产品经理、AI伦理专员等差异巨大的角色。一名市场营销经理可能通过短期培训学会使用AI工具来优化广告投放，但要转型为机器学习工程师则需要数年的技术积累。白皮书将所有”AI相关岗位”混为一谈，可能高估了再培训的可行性。

局限3：样本的自选择偏差风险。 调查对象是HR专业人士和人事经理——这恰好是最有动力声称”员工可以被再培训”的群体，因为承认员工无法被再培训等于承认自身职能的局限性。92%的信心数字可能部分反映了这种角色偏差。

局限4：调查问题的措辞影响。 PR Newswire新闻稿和ZDNET报道都没有给出问卷的原始措辞。”相信员工可以被再培训进AI相关岗位”这个问题的具体表述方式——比如是否提供了”部分可以”、”大多数可以”等选项，还是仅提供”可以/不可以”的二元选择——会显著影响92%这个数字的解读。在缺乏原始问卷的情况下，对这个数字的精确解读需要保持谨慎。

信念-行动缺口的机制

笔者判断，Careerminds白皮书揭示的信念-行动缺口并非AI领域独有的现象，而是组织决策中一个反复出现的模式：在态度调查中表达支持某个理念（如多元化、可持续发展、内部人才发展），但在资源分配和实际决策中走向不同方向。

这种模式的成因通常包括：(1) 态度调查反映的是”应然”判断（我们觉得应该这样做），而行为数据反映的是”实然”选择（在具体约束条件下我们实际做了什么）；(2) 组织中的决策权分散在多个层级和职能之间，即使每个决策者都支持再培训，缺乏协调机制时也难以形成一致行动；(3) 外部招聘的决策通常由业务线经理主导（他们需要尽快填补岗位），而再培训的推动通常需要HR牵头——白皮书数据显示，这两个群体在责任归属上存在严重分歧。

若按上述分析推演，仅靠提高”再培训意识”或发布更多白皮书是不够的。缩小信念-行动缺口需要的是组织层面的制度设计：将内部再部署纳入招聘流程的强制性前置步骤（类似于一些组织要求在外部招聘前必须先内部公示岗位）、建立与业务线经理的KPI挂钩的再部署目标、以及投资于持续更新的技能数据基础设施。

但这些制度变革本身需要高层的持续推动和资源投入——而白皮书数据显示，HR和经理们甚至无法就”谁来推动”达成一致。这构成了一个颇具讽刺意味的循环：解决信念-行动缺口需要明确的组织领导力，而组织领导力的缺位恰恰是信念-行动缺口的成因之一。

对企业HR决策者的实际含义

抛开白皮书的厂商属性，其揭示的几个事实对企业HR决策者有直接的参考价值。

第1，外部招聘与内部再部署的比例可以作为一个自检指标。如果一个组织的HR和经理都认为员工可以被再培训，但实际数据显示外部招聘占主导，那么至少需要追问：这是因为经过评估后确认外部招聘是更优选择，还是因为从未认真评估过内部再部署的可能性？

第2，技能可见性是一个值得优先投资的基础设施。43%的HR报告缺乏技能可见性，这意味着近一半的HR在做人才决策时缺乏基本的数据支撑。无论最终选择外部招聘还是内部再部署，决策都应基于对内部技能存量的准确了解。

第3，HR与业务线经理之间的责任归属需要明确的制度安排，而非默认某一方负责。63%的HR认为自己是主导方、仅24%的经理同意——这个分歧如果不通过正式的组织设计来解决，再培训项目就很难获得跨职能的执行力。

Careerminds白皮书作为一份厂商发起的调研，在数据采集上借助了Censuswide的独立执行。它的局限在于样本量（1,142人）、样本构成（仅覆盖500人以上组织）、以及天然的商业立场。但它提出的核心问题——为什么信念无法转化为行动——是一个值得每个面临AI转型的组织认真回答的问题。答案在预算分配、流程设计和组织架构中。

参考资料

  1. New Research: 92% of HR Professionals Believe Employees Can Be Reskilled for AI Jobs, Yet External Hiring Outpaces Redeployment — Careerminds / PR Newswire, 2026-11-04
  2. HR thinks you can learn AI skills – so why is your company hiring elsewhere? — ZDNET, 2026-11-05
  3. Workforce redeployment: What it is and how HR gets it right — Careerminds, 2026-10-14
  4. The AI Redeployment Gap (white paper page) — Careerminds, 2026

主题分类：劳动力变革