在AI时代，SSC是冲击最大、风险最高的HR职能之一，因为这个模块的本质就是处理标准化、高频、大批量的事务性工作，这正是AI和自动化的绝对优势区。人类员工的追求，应该维护这个模块的高效运转。因此，他们需要管两头：一头是模型的搭建；另一头是处理例外、应急事项或AI无法处理的员工情绪。

但值得玩味的是，如果按照这种方式运作SSC，人类员工在建好模型之后，就只能成为AI的助理，价值被大大降低，SSC的从业者们也会失去了光明的前途。其实，过去的SSC也被数字化工具冲击，只不过，AI的强大让这种冲击的程度呈指数级增长。

破解之道还是“升维”，SSC要从过去单纯的“运行流程”，走向“数据运营”“产品运营”“解决方案”“数据规划”等高价值工作。他们要基于战略、业务、文化等背景，规划出人力资源管理职能的数据结构，推动数据沉淀，执行数据清洗，为各个HR模块的运作提供基础弹药，也要亲自下场做交付产品或解决方案。我甚至认为，在AI时代，一个好的SSC的重要性可以比肩OD。

01 HRM基本流程运行——无人工厂

对于这类标准化工作，数字化工具已经大量进行了替代，加上AI的介入，几乎完全可以脱离HR的干预。换言之，这个领域的HR从业者被淘汰的风险最大。

• 入离调转手续办理——AI可以实现电子签约、自动开通/关闭系统账号、生成劳动合同、推送待办清单等全流程可自动化。纸质填写、人工审核、手动开通权限等环节消失。

• 档案管理与数据录入——在职证明、收入证明可让员工自助打印；电子档案系统自动分类、检索、归档；RPA机器人自动将请假单录入薪酬系统。专职录入员、档案管理员基本消失。

• 薪酬/考勤/社保数据核对——系统自动对接打卡记录、请假审批、加班单，自动计算并完成社保增/减员。

• 员工咨询服务——聊天机器人（如对话式AI）可7x24小时回答考勤、休假、薪资、社保等常见问题，准确率极高，成本几乎为零。根据现在各类机构的统计，这类AI大概能直接替代50%-70%的一线问询。

在上述工作中，人类员工仅需要处理例外情况。例如，证件信息无法识别、特殊审批流、VIP式的面对面服务（如高管入职）、处理系统报错等。AI在这个领域，毫无疑问将成为主角，企业应该按照“无人工厂”的方式来建设。一旦人类员工过度介入，都会成为效率的堵点。

当前，若干先锋企业都在这个“看得见效果”的领域坚决投入。

西门子与IBM合作打造了名为 CARL（认知交互用户关系和持续学习助手）的AI HR智能体，该智能体运行于IBM云平台，由IBM watsonx Orchestrate和Watson Discovery技术驱动。西门子自2019年起将生成式AI整合入其共享服务中，通过CARL等工具实现了HR服务的高效自动化，员工满意度保持在8.7/10，并整合了350多个邮件渠道。

此外，Hoag Health System用Zendesk AI智能体取代了基于Outlook的HR流程，员工可直接获得即时答案，HR工单解决时间减少了86%。AXA Partners则通过部署Neocase HR解决方案，实现了员工文档管理、入职管理和员工请求的全面数字化。

02 数据分析与优化——效率加速器

基于“无人工厂式”的运行，SSC可以形成大量标准化的数据，这就给AI留下了大量发挥分析能力的空间。AI可自动分析服务工单量、响应时长、员工满意度、投诉、离职、沟通冲突等数据，并识别高频问题，形成优化方案，预测员工需求，合理化资源配置。

这里需要明确的是，SSC的目的不是直接干预人力资源管理动作，而是形成模型框架，监控人力资源管理各项职能的运行效率，初步发现问题，以便COE的各个模块能够深度介入，出台相应的政策和方案。

如果明确这个前提，人类员工的保留地还是模型搭建和（初步的）深度诊断。他们会为各项人力资源职能（入离调转、绩效、薪酬等）设计对应的数字化流程，并建立效能仪表盘，基于数据反映的表象，分析背后的原因，给出初步的判断，直到可以交棒给COE各模块。

03 产品与解决方案——产品经理

有时，仅仅呈现问题还不够，有时，人力资源部门某单个模块也无法解决问题，此时，就需要SSC走向产品经理的角色。SSC本来就直接提供面对员工的产品（表现为SaaS、APP、企业号上呈现的服务模块），从这个角度上讲，我很赞成腾讯将SSC推向SDC（Shared Delivery Centre，共享交付中心）的实践，其核心主张就是，面向内部用户需求（员工、管理者和HR三大群体），主动提供交付。

考虑AI的技术环境，SDC的主动交付可能分为两种：一是提供内部用户急需的模块产品，例如，训练聊天机器人，更新背后的知识库；二是提供内部用户急需的精准而复杂的解决方案，这本来就是对于SDC的导向，加载AI工具后，必然能够如虎添翼。

这里有个典型的例子。

腾讯的《王者荣耀》项目组面临核心策划、美术人员流失风险，直接影响版本迭代质量和上线节奏。传统SSC只能统计离职率，无法诊断原因，更无法干预。腾讯的SDC拉通了考勤、绩效、薪酬、内部活水、满意度调研等多维数据，结合业务排期、加班强度、竞对挖角情报，构建了“人才健康度指数”。他们发现，离职高发群体并非普遍认知的“高强度加班者”，而是“连续3个月未参与核心玩法设计、且绩效无反馈的中层主美（美术）”。

追溯到人力资源体系上，这是“工作内容单一化+缺乏晋升通道”的问题，而非单纯薪资问题。于是，SDC联合COE设计“关键岗位保留津贴+核心玩法轮岗计划”，对高风险人员进行定向沟通。在长期内，SDC为项目组建立了“人才梯队看板”，按季度预测流失概率，并配套内部活水优先通道。在这个过程中，SDC派人员驻场项目，与项目经理共同制定行动清单，SDC的后台则负责数据追踪和效果复盘。

试想，如果“人才健康度指数”“人才梯队看板”“复盘框架”能够被AI接管，那么，“解决方案”就变成了“模块产品”，就可以在更大范围内进行推广，进而提升人力资源管理的整体效率。

04 数据管理——数据仓维护者

AI时代，算力并不是稀缺的资源，企业的核心竞争力在于算法（大模型、小模型等）和数据。一个流行的说法是，企业要建立自己封闭的数据花园（Walled Data Garden）。这个数据花园是不对外开放的，仅仅服务于企业自己的决策，数据花园里的数据越丰富、质量越高，企业的决策就越精准。

按照这个理念，SSC应该建立人力资源管理领域的数据花园。在人力资源管理的各项职能中，哪些节点应该有哪些数据，这个应该由SSC的数据管理员来规划，这类从业者对于数据的范围、规模和质量负责。正因为这个原因，SSC应该深度参与到人力资源体系规划的工作中，需要深度理解战略、业务、文化等宏观变量。在过去，SSC似乎只需要机械、被动地执行人力资源各项流程，在大多数企业里，他们几乎都成为了COE的内包商或施工单位。而现在，他们需要站得更高、看得更远，甚至可以说，他们的眼界就决定了人力资源专业的上限。

进一步看，SSC的数据管理岗位应该是整个人力资源部门中最懂数据的，这里，应该集中整个部门最顶尖的数据科学家。道理很简单，如果让人力资源各职能模块来建立效能仪表盘，除了OD里的人效管理外，其他的招聘、薪酬、绩效、培训，都会主张自己的工作效能出色，相当于是让运动员当裁判员。但SSC不一样，他们天然就是中立的，他们可以用客观的数据来说话。换言之，SSC的数据管理岗位对于数据的理解越深，越能建立科学的数据框架，运营分析与优化岗位越能基于这个框架洞察问题，越能驱动人力资源各个模块提升效能。其实，我一直认为，在人力资源数据化这个工作上，SSC应该是冲锋手。

说到底，SSC的数据管理岗位，相当于是在为AI提供燃料，与AI天然就是协作关系，并不存在替代的效果。随着AI的浪潮袭来，他们将是站上浪尖的主角。