简历初筛和面试准备，是 HR 每天最耗时、最机械、又最不能马虎的两件事。这个岗位把这两件事接过去，HR 只做判断和决定。
不是 HR 不专业，是初筛这件事本身就不该由人一份份看——标准写得很清楚的事，交给机器做更快也更一致。
一个岗位几百份简历
每份看三分钟，几百份就是十几个小时。等你筛完，合适的人早被别的公司约走了。
筛到后面标准就飘了
前二十份认真比对，后面开始凭感觉。同一份简历上午看和下午看，结论都可能不一样。
面试问题每次都临时想
面试官坐到对面才开始翻简历，问的都是通用问题，问不出真实水平。
简历里的疑点容易漏
跳槽频繁、时间对不上、职责写得太虚——这些信号需要耐心一条条捋，人一忙就跳过。
用人部门催得急
业务部门今天要人，HR 手上还有五个岗位在并行，谁先谁后全靠吼。
聊完留不下记录
面试官的感受全靠事后回忆写评语，三句话交差，下次复盘什么也看不出。
关键在于，它按你们自己定的岗位标准来筛——不是网上通用的“优秀简历特征”，而是你们用人部门真正在意的那几条。
| 环节 | 它替 HR 做的活 | 给出什么 |
|---|---|---|
| 简历初筛 | 按岗位硬性条件和加分项逐条比对打分 | 按匹配度排序的候选清单 + 每项评分理由 |
| 亮点识别 | 找出与岗位真正相关的经历、成果、能力证据 | 候选人亮点摘要（附简历原文位置） |
| 疑点标注 | 识别时间断层、职责含糊、频繁跳槽等需要澄清的点 | 疑点清单 + 建议的追问方向 |
| 面试准备 | 针对这个人这份简历，生成该问什么 | 定制面试问题（含考察目的） |
| 问题分层 | 区分验证性问题、深挖问题、意愿度问题 | 结构化面试题单，可直接打印 |
| 流程跟踪 | 提醒哪些候选人该跟进、哪些该发拒信 | 每日待办清单 |
| 归档沉淀 | 把每次面试的问题与结论归入人才库 | 可检索的历史面试记录 |
BULK SCREENING
INTERVIEW PREP
TALENT POOL
HUMAN DECIDES
NO BIASED FILTERS
NO AUTO CONTACT
| 岗位名称 | 招聘智能体（招聘支持岗） |
|---|---|
| 汇报对象 | HR 负责人 / 用人部门主管 |
| 日常输入 | 岗位 JD、硬性条件与加分项、简历文件、面试官关注点 |
| 标准输出 | 匹配度排序清单 / 评分理由 / 亮点摘要 / 疑点清单 / 定制面试问题单 |
| 需要的“料” | 历史岗位 JD、过往录用者的画像特征、常见面试题库、用人部门的筛选偏好 |
| 验收标准 | 初筛时间下降 ≥ 60%；HR 对排序结果认可率 ≥ 80%；面试官使用问题单比例 ≥ 70% |
| 兜底规则 | HR 复核全部初筛结论；AI 不得接触敏感个人信息字段；录用决定全程人工 |
| 数据合规 | 简历数据隔离存储，权限最小化，不符合条件者到期删除 |
这是最该问的问题。我们的做法是三条：数据隔离（不与其他客户混存）、权限最小化（谁能看哪部分由你们定）、到期清理（不符合条件的简历按时限删除）。
数据的归属权永远是你们的，我们只按你的指令处理，不做二次使用。
你们定，我们负责让它守住。具体是：HR 和用人部门把硬性条件、加分项、一票否决项列清楚，我们把这些变成它的评分规则。
如果标准本身有问题（比如隐含偏向），我们会指出来——这是我们的责任，不是多管闲事。
有这个风险，所以它输出的是排序加理由，不是简单的通过/淘汰。HR 可以看到每份简历的评分依据，觉得判得不对就回捞。
我们也会在试跑期统计“人工回捞率”，如果漏得太明显，就调整评分逻辑。
按我们的经验（行业参考值），批量初筛环节时间能压掉六成以上，具体看简历量和岗位标准清晰度。实际以诊断为准。
如果一年就招三五个人，可能不划算，我们会直说。
但如果岗位常年招不满、或者 HR 兼着其他事务，这个岗位的价值就明显——它省的是 HR 的整块时间。