SAP 收购 TechWolf：劳动力数据成为 AI 新战场
SAP 于 10 月 6 日同意收购 TechWolf，这家成立八年的工作智能公司由此被置于其企业 AI 战略的核心位置。SAP 对 TechWolf 的收购并非又一笔普通的 HR 软件交易。它让 SAP 获得了一层数据基础，可用于映射员工从事的工作、使用的技能，以及这些信号如何随时间演变。
这也立即带来一种张力。TechWolf 依托跨企业平台合作建立了自身地位，覆盖 SAP SuccessFactors、Workday 和 ServiceNow。SAP 现在希望将其技术打造为 SuccessFactors 的智能核心，同时仍向使用竞争系统的客户提供 TechWolf。
因此，这笔收购检验了企业 AI 的两种竞争模式。SAP 希望掌控为其智能体提供依据的劳动力上下文；但 TechWolf 更广泛的价值，则取决于它能否继续在员工实际工作的碎片化系统中发挥作用。
SAP 收购 TechWolf 带来了哪些改变
SAP 收购的并非又一款面向员工的应用，而是 AI 决策背后的劳动力上下文。
双方已签署最终协议，SAP 将收购 TechWolf。双方预计交易将在 2026 年第四季度完成，但仍须获得监管批准并满足惯常交割条件。交易财务条款尚未披露。
SAP 的收购公告称，这笔交易涵盖 TechWolf 的工作上下文图谱、AI 模型以及应用 AI 研究团队。上下文图谱将任务、技能、岗位和劳动力需求等信息连接起来，使软件能够推理它们之间的关系。
这一资产不同于传统的员工档案数据库。传统 HR 记录通常通过职位名称、组织单元和直属经理来描述岗位。这些字段很少能反映工作如何变化、员工使用哪些工具，或已完成项目中体现了哪些技能。
TechWolf 表示，其平台会在三个层面构建持续更新的模型。它可将工作细化至单项任务，识别员工拥有并实际运用的技能，并将这些信号与外部劳动力市场进行比较，随后再将这些信息与雇主的战略关联起来。
该公司连接现有 HR 和业务系统，而不是要求员工维护另一份独立档案。其集成可从职位描述、培训记录、项目系统和工作场所应用中提取信号。随后，TechWolf 会将结构化技能信息回写到客户已经使用的系统中。
SAP 预计这些信息将支持基于技能的招聘、劳动力规划、内部流动、再技能培训和组织重构。这些都是熟悉的 HR 目标，但此次收购改变了 SAP 打算部署它们的位置。工作智能将成为其更广泛 AI 平台的基础设施，而不再只是孤立的 SuccessFactors 功能。
SAP 还计划利用 TechWolf 数据为其企业 AI 助手 Joule 提供依据。所谓 grounding，是指 AI 模型在生成回答或执行操作前，先获取可信的业务上下文。缺少这些上下文时，劳动力智能体或许能理解某个通用职位类别，却无法掌握某个具体团队实际从事的工作。
SAP Autonomous Suite 总裁兼首席产品官 Manoj Swaminathan 将此次收购直接与这一问题联系起来。他表示，TechWolf 的图谱有望提高 token 效率，并降低部署劳动力智能体的成本。在客户能够在生产环境中测量这些收益之前，它们仍只是 SAP 的说法。
这笔交易建立在既有合作基础上。TechWolf 的技能基础设施于 2025 年 1 月通过 SAP Store 上线，并可为 SuccessFactors Talent Intelligence Hub 填充数据。这段合作历史降低了集成风险，但也说明了 SAP 为何认为底层数据层具有战略重要性。
这正是核心变化。SAP 此前通过合作伙伴关系使用 TechWolf 的智能能力；若交易完成，SAP 将拥有产生这些能力的模型、研究团队和图谱。
为什么劳动力上下文对企业 AI 至关重要
如果职位名称和员工自报技能是唯一证据，企业智能体就无法做出可信的劳动力决策。
通用大语言模型可以解释软件工程师通常会做什么，却无法可靠地判断某位具体工程师是否部署过支付服务、审查过安全事件，或管理过云迁移。回答这些问题需要最新的组织内部证据。
劳动力数据之所以难处理，是因为企业将其分散在许多系统中。HR 软件保存正式记录，学习平台记录已完成课程，Jira 或类似工具捕捉项目活动，协作系统包含文档、决策和讨论，外部劳动力数据则显示公司外部的需求如何变化。
向管理者提供招聘或调配建议的智能体，需要理解这些来源之间的关系。仅有一份技能清单并不足够，因为相同标签可能对应不同程度的证据。完成一门课程、获得经理认可，以及在项目工作中反复使用某项技能，并不代表同一件事。
TechWolf 提出的优势在于，它能从运营信号中推断技能和任务。该平台可以将实际工作所体现的技能与岗位要求和市场需求进行比较。尽管客户仍需要验证这些推断，但这种方法有望比年度档案更新更及时地反映实际情况。
随着企业从聊天界面走向能够提出建议或发起行动的智能体，这一区别愈发重要。聊天机器人可以容忍一定模糊性，因为人类会解读其回答；而对内部候选人进行排序或提出岗位重构建议的系统，影响则更大。
SAP 表示，TechWolf 将为劳动力智能体提供 grounding 层。实际而言，这意味着 Joule 可以查询结构化关系，而不必将整套文档都发送给模型。更聚焦的相关上下文可以减少 token 使用，并使输出更容易追溯。
潜在应用不止于 HR。SAP 运营着财务、采购、供应链和客户运营系统。将工作数据与这些业务流程连接起来，可能揭示哪些任务支撑某项特定结果，以及自动化如何改变对人类专业能力的需求。
以一家正在重构客户支持运营的公司为例。交易数据可能显示哪些案例耗时最长；项目和工作流数据可能揭示所涉及的任务；劳动力智能则可以识别已经展现相关技能的员工，并指出需要培训的领域。
这一工作流比向 AI 系统询问哪些岗位容易受到自动化冲击更具体。它将单个组织内部的业务活动、任务和人员联系起来。SAP 正押注于，这种上下文将使有用的智能体区别于泛泛而谈的建议。
这一方法也契合了向基于证据的知识系统转变的更广泛趋势。个人AI 知识库会组织信息，以便助手检索相关上下文。TechWolf 将类似原则应用于企业工作，只是治理和雇佣层面的风险要高得多。
其局限性同样明显。推断不会自动成为事实。不完整的集成、不一致的职位记录，以及发生在受监控系统之外的活动，都可能扭曲全貌。工作产生较少数字痕迹的员工，尽管贡献很大，仍可能显得技能较弱。
因此，SAP 收购的是一种构建劳动力上下文的机制，而不是一张完美的人类能力地图。其成败将取决于数据质量、透明的置信度信号，以及让员工和管理者能够有效纠正错误的途径。
这笔交易给 Workday 及其他 HR 平台带来压力
直接压力落在 Workday 身上，因为 TechWolf 既是其投资对象，也是重要的跨平台智能合作伙伴。
TechWolf 的独立性一直是其商业吸引力的一部分。该公司将自己定位为增强现有 HR 系统的数据层，而非替代它们。这使客户可以将其智能能力与 SAP SuccessFactors、Workday、ServiceNow、Visier 及其他平台结合使用。
该公司的融资反映了这种中立定位。TechWolf 于 2024 年 6 月宣布完成由 Felix Capital 领投的 4,275 万美元 B 轮融资。SAP、ServiceNow 和 Workday 与其他投资者共同参与，这种由争夺企业工作流的公司形成的投资组合并不常见。
Axios 后来报道称，TechWolf 在收购协议达成前累计融资 5,500 万美元。多家战略投资者的组合表明，几家大型供应商都看重共同的技能智能层，即便每一家都希望将这类智能能力纳入自己的产品。
Workday 的参与不止于投资。2025 年 1 月，该公司宣布将在超过 20,400 名员工中部署 TechWolf 技术。这项Workday 部署旨在丰富技能数据、改善员工档案，并支持员工职业发展。
TechWolf 还持续通过 Workday Marketplace 提供劳动力智能应用。该集成让组织能够在任务层面审视岗位，并将洞察回传至 Workday。SAP 的所有权使这层关系处于竞争对手的控制之下。
这笔收购并不意味着这些连接会消失。SAP 表示，交易完成后 TechWolf 仍将向非 SAP 客户开放。当前计划还要求该公司在联合创始人兼 CEO Andreas De Neve 的领导下作为独立实体运营。
不过，所有权改变了激励机制。SAP 将决定为竞争平台提供多少工程资源、集成多快获得新能力，以及哪些产品体验会首先在 SuccessFactors 内推出。即便合同访问权限相同，也未必意味着获得同等的战略关注。
Workday 目前面临几种可能的应对方式。它可以维持与 TechWolf 的关系，并根据 SAP 的实际行动作出判断；可以加大对 Workday Skills Cloud 的投资；可以收购其他技能智能供应商，或深化与其合作关系。大型客户也可能在扩大部署前，要求更严格的数据可移植性条款。
ServiceNow 面临类似问题。该公司投资 TechWolf，是因为劳动力智能可以为工作设计和自动化提供信息。若 SAP 将这一图谱与其 Autonomous Suite 紧密连接，ServiceNow 就必须证明其自身工作流数据同样能够支持可信的任务和技能推理。
Eightfold AI、Beamery、Lightcast 和 Gloat 等专业厂商分别处于人才智能市场的不同环节。一些专注于人才匹配、劳动力数据、招聘或内部流动。SAP 的举措通过将这些能力与运营企业数据和智能体平台连接起来，提高了竞争门槛。
压力并非来自另一个仪表盘，而是来自 SAP 将人力资源决策与其软件组合中已记录的业务流程连接起来的能力。当一项劳动力规划建议能够反映生产计划、采购约束、财务计划和客户需求时，它就更具价值。
竞争对手可以通过强调开放性来挑战这一优势。许多跨国企业同时使用多种 HR、财务、协作和工作流平台。相较于围绕自身应用进行优化的套件，供应商中立层有时更能反映这种现实。
这正是 TechWolf 的跨平台承诺如此重要的原因。如果 SAP 保留这一特性，此次收购将扩大 SAP 在异构环境中的覆盖范围。如果整合逐步偏向 SuccessFactors，竞争供应商就会获得一个支持独立劳动力智能的明确论据。
核心权衡是所有权与开放性
SAP 需要将 TechWolf 深度整合，以改进其代理，同时又不能破坏使 TechWolf 具有价值的平台中立性。
两家公司正试图同时承诺这两种结果。SAP 称 TechWolf 将成为 SuccessFactors 未来的智能核心，但计划将 TechWolf 保持为独立实体。该平台预计也将继续向 SAP 和非 SAP 客户开放。
从理论上看，这些承诺可以兼容。子公司可以在与所有者建立紧密产品合作关系的同时，维持开放接口。多家企业软件公司都以不同的品牌、领导团队和客户基础运营着收购而来的产品。
执行起来更为困难。深度整合需要共享路线图、身份系统、数据模型、销售激励机制和支持流程。独立性则要求 TechWolf 根据客户需求分配资源，而这些需求可能与 SAP 的套件战略相冲突。
这种张力首先体现在产品发布顺序上。如果一项新的任务智能能力比 Workday 提前数月进入 SuccessFactors，TechWolf 在技术上仍然开放，但在战略上将变成 SAP 优先。如果所有平台同时获得该功能，SAP 就会牺牲其为收购所支付的部分优势。
数据治理带来了另一项挑战。使用非 SAP 系统的客户希望明确了解其劳动力数据在哪里被处理、哪些团队可以访问这些数据，以及汇总信息是否会影响 SAP 产品。法律上的分离本身无法回答这些运营问题。
可移植性同样重要。技能分类体系和任务模型会随着历史数据的积累而变得更有价值。客户需要了解，是否可以将这些信息以有用的格式导出、迁移到另一套系统，并保留修正记录或置信度评分。
SAP 收购 TechWolf 也带来了人类治理问题。劳动力智能可以指导培训和内部流动，但也可能影响招聘、晋升、重新部署和岗位取消。即使 AI 系统仅提供建议，这些决定仍会影响员工。
TechWolf 的模型会根据互联的业务数据推断能力。这可以减少对过时简历和员工自报资料的依赖。如果员工不了解哪些活动会影响其推断出的技能，也可能引发监控方面的担忧。
数字活动并非衡量绩效的中性指标。有些岗位会在代码仓库、工单工具或共享文档中留下大量记录。另一些岗位则依赖私人交流、实体工作、关系管理或企业系统难以充分捕捉的判断力。
历史数据也可能再现历史上的机会差距。一名员工可能缺乏领导项目的证据，仅仅是因为组织从未提供过这样的机会。推断系统可能将缺失记录视为能力不足，从而强化原有的不利处境。
因此，部署这项技术的公司需要的不只是模型准确性声明。它们还需要记录数据来源、置信度水平、纠错程序、访问控制、保留政策，以及针对重大决策的人类审查机制。员工应能对实质性影响其利益的个人档案提出异议。
监管又增加了一层不确定性。与就业相关的 AI 正受到日益严格的审视，因为错误可能影响生计。即使供应商提供了底层评分或建议，企业仍可能需要对最终决定负责。
SAP 尚未披露收购价格、详细整合时间表或产品打包方案。它也尚未发布独立证据来支持其关于降低代理部署成本的说法。这些信息缺口在交易完成前很常见，但限制了买方对这笔交易的评估信心。
客户案例表明 TechWolf 可以大规模运行，尽管大多数公开证据来自公司制作的案例研究。其客户组合包括涉及 HSBC、Ericsson、T-Mobile、GSK 及其他大型组织的部署。
TechWolf 表示，HSBC 建立了覆盖超过 25 万名员工的技能智能基础。该公司称，Ericsson 让 10 万名员工的技能变得可见，而 T-Mobile 则为 7.5 万人绘制了工作图谱。这些数字证明了部署规模，并不代表经过独立验证的准确性。
决定性问题在于，客户是否足够信任这些生成的档案，以至于改变真实的劳动力决策。如果管理者忽视它，或员工拒绝其结论，那么再复杂的图谱技术价值也有限。
TechWolf 为 SAP 带来的不只是技能数据库
这项战略资产是一张不断变化的工作地图，可将企业代理与业务现实连接起来。
技能数据库已经存在多年。它们通常从一个分类体系开始，将技能匹配到岗位，并要求员工或管理者确认档案。其弱点在于维护。工作变化的速度快于正式的岗位架构，尤其是在团队采用 AI 工具时。
TechWolf 试图通过将任务和技能视为动态信号来解决这一问题。该系统结合内部证据、外部劳动力情报和客户战略。这个模型不仅可以显示谁拥有某项技能，还能显示该技能在工作中出现的位置，以及需求如何变化。
这一差异对于 AI 驱动的岗位重构至关重要。一家公司不应仅因模型能够完成若干可见任务，就认定整个岗位可以自动化。岗位由常规工作、例外情况、关系、责任和隐性知识共同构成。
任务层面的分析提供了更可信的衡量单位。它可以识别代理可能加速的工作、需要人工审查的工作，以及自动化新产生的任务。管理者随后可以重新审视岗位，而不必假设每一次效率提升都会直接转化为人员缩减。
TechWolf 在 2025 年发布的研究声称，在被审查的任务中，只有 18% 可以自动化。这一发现反映了该公司的方法论，不应被视为普遍的劳动力市场预测。不过，它说明了为何任务数据能够挑战关于整个职业将消失的简单化预测。
SAP 还从图谱结构中获得另一项优势。代理需要快速检索相关上下文，但企业数据包含重叠的标签和关系。例如，“Python”可能出现在职位描述、课程记录、项目工单或员工档案中。
图谱可以将这些引用与相关人员、任务、岗位、项目和业务目标连接起来，也可以附加时间和置信度信号。代理随后便能区分近期得到证明的能力与旧的培训记录。
这可以改善多种场景。招聘代理可以在启动外部招聘前，将职位要求与内部人才进行比较。学习代理可以根据即将开展的项目推荐培训。规划代理可以识别任务需求变化最快的岗位。
这种方法还可以改善组织记忆。当员工调岗或离职时，公司往往会失去围绕其决策和专业知识的背景信息。治理良好的工作图谱能够让项目、任务和能力之间的关系更易检索。
然而，图谱的实用性取决于与其连接的系统。拥有碎片化数据、不一致岗位定义或薄弱访问控制的企业，无法通过收购驱动的整合解决这些问题。它们仍须清理记录并界定合法用途。
SAP 的规模有助于分发。SuccessFactors 为 TechWolf 提供了接入既有 HR 工作流的渠道，而 SAP 更广泛的产品组合则提供业务上下文。但规模也可能因更长的采购、合规和发布流程而减缓迭代。
TechWolf 的研究文化是另一项面临风险的资产。SAP 计划将应用 AI 团队纳入公司，同时保留 TechWolf 实体。能否留住研究人员、创始人和产品负责人至关重要，因为此次收购的大部分价值存在于专业知识中，而不只是软件本身。
据报道，该公司的开源模型下载量已超过 200 万次。这种覆盖范围帮助 TechWolf 在传统 HR 采购体系之外建立了信誉。买方应关注 SAP 是否继续发布这些模型，并保留社区访问渠道。
因此，这笔收购最好被理解为对上下文基础设施的押注。SAP 已拥有员工记录、应用程序和 AI 助手。TechWolf 则提供了一层旨在解释工作、技能和业务需求如何相互关联的能力。
三个信号将显示 SAP 的押注是否奏效
完成交易只是第一个里程碑；产品访问、客户行为和可衡量的代理表现将决定结果。
第一个信号是交易完成后的产品路线图。SAP 预计交易将在获得批准后于 2026 年第四季度完成。买方应关注明确列出的集成项目、交付日期、治理控制措施，以及 TechWolf 与 SuccessFactors 之间清晰的边界。
详细的路线图将强化 SAP 的论点：它收购的是基础设施，而非一套功能包。若只是含糊地提及未来共同创新，则会削弱这一论点，尤其是在客户无法确定哪些能力将发生变化时。
第二个信号是对非 SAP 客户的处理方式。TechWolf 目前支持使用 Workday 和其他企业系统的组织。继续投资这些集成将表明，SAP 重视 TechWolf 的中立数据层。
产品延迟、市场可见度下降或支持范围收窄，则会指向相反的方向。Workday 的公开回应将尤其值得关注，因为该公司投资了 TechWolf，并在内部部署了这项技术。
第三个信号是劳动力代理可衡量的表现。SAP 表示，上下文图谱将降低 token 使用量、减少部署成本，并让 Joule 更加智能。客户需要看到证据，说明这些改进如何影响准确性、实施工作量和业务决策。
有用的衡量指标包括档案修正率、建议接受率、技能映射节省的时间、内部岗位配置结果，以及不同数字化工作模式员工群体的表现。仅有总体采用数字无法证明可靠性。
独立审视同样重要。公开报道已确认，SAP 计划保留 TechWolf 的独立运营和跨平台可用性。一份市场报道指出，该公司将继续把总部设在根特，并在伦敦、纽约和旧金山设有办公室。
这些组织层面的承诺只是一个起点，并非保证。SAP 在描述其计划时使用了条件性措辞；该交易仍有待完成，并须经过必要协商。后续作出的整合选择，其重要性将超过此次公告本身。
企业买家应利用这一过渡期提出实际问题：每项推断由哪些数据源支撑？员工能否查看并更正自己的个人档案？非 SAP 集成能否使用同样的模型？若合同终止，客户数据将如何处理？
他们还应将劳动力规划与自动化决策区分开来。图谱可以帮助管理者了解任务如何变化，但不应因此赋予智能体招聘、晋升或解雇的决定权。影响更大的应用场景需要更严格的验证和审查。
SAP 对 TechWolf 的收购，使劳动力情境成为企业 AI 中的一个竞争层。此举将迫使 Workday 及其他平台捍卫自身的技能智能能力，同时也为 SAP 的智能体 HR 产品奠定更坚实的基础。
交易成果将取决于一种艰难的平衡。SAP 必须足够紧密地整合 TechWolf，以改善 SuccessFactors 和 Joule，同时保留吸引客户与战略投资者的开放性。值得关注的是跨平台路线图、员工治理控制措施，以及独立衡量的智能体成果。这些信号将揭示 SAP 收购的是一张值得信赖的工作地图，还是仅仅将另一个有价值的数据源纳入了自己的产品套件。
