一、传统招聘卡在哪三处

这三处有个共同点：都不是"难"，而是"多"。多到必须靠人力堆，也正因为如此，它天然适合交给模型。

二、AI 能接手的四个具体环节

以猎聘与阿里云百炼的合作为例，用的是千问大模型加分场景定制的提示词优化，落地在四个动作上：

• 生成并优化 JD。输入岗位职责要点，模型输出结构完整的职位描述，再按反馈调整语气与侧重点。省的是"从零憋文案"的那半小时。
• 智能岗位发布。把 JD 里的关键条件结构化，避免"要求写得含糊、来的人全不对版"。
• 人岗匹配。把候选人经历与岗位要求做语义层面的比对，而不是只对关键词。
• 智能面试与摘要。面试过程录音转写、要点提炼，减少面试官事后靠回忆写评价。

背景规模可以参照：猎聘深耕在线招聘十余年，拥有超 1 亿人才、21 万以上验证猎头用户、132 万以上验证企业，走的是 B（企业）—H（猎头）—C（个人）三边闭环，而不是常见的双边模式。

三、"筛得快"不是重点，"筛得一致"才是

同一份简历，上午看和下午看，两个 HR 可能给出相反结论。这才是招聘真正的隐性成本——不是慢，是不稳定。

模型的价值在于把判断标准固定下来：同一套标准跑一千份简历，结果可比、可复盘、可申诉。这一点对求职者其实是好事——被拒的时候，你至少能问"是哪一条不符合"，而不是得到一句"综合评估不合适"。

四、给求职者的三条应对

• 按"条件"写简历，别按"经历"写。模型读的是结构化信息，把"3 年 To B 销售、年签约额、覆盖行业"写清楚，比大段抒情有效。
• 关键词要真实地出现。语义匹配比关键词好，但仍需要原文里出现过对应表述——你做过的事，得用行业通用词写出来。
• JD 里的硬条件逐条对照。AI 筛的第一层就是硬条件，学历、年限、证书这类字段对不上，后面的优势很难被看到。

五、给招聘方的三条提醒

• 把 AI 放在"初筛 + 摘要"，别放在"终审"。模型能筛掉明显不匹配的，判断不了"这个人能不能扛事"。
• 保留人工复核通道。尤其涉及年龄、性别、婚育等敏感维度的推断，一旦进入筛选逻辑就是合规风险。
• 把节省下来的时间还给候选人。筛得快，回复也该快——这是 AI 提效最容易被忽略的一半收益。