从流程到AI落地
第3章 AI赋能人才获取与发展（上）
数据流闭环：职位画像/能力标签 → 人才库 → ATS状态流转 → 面评数据 → Offer与入职 → 试用期反馈 → 人才画像迭代
简历筛选耗时
面试记录不全
JD吸引力不足
评估标准不一
候选人等待时间长
反馈不及时
| AI应用 | 原理 | 输入 | 输出 | 效果 |
|---|---|---|---|---|
| ①需求预测 | 时序预测+回归 | 业务目标/历史编制 | 岗位缺口与招聘节奏 | 缩短决策周期 |
| ②JD优化 | LLM+检索 | 岗位画像/对标JD | 多版本JD与要点 | 提升投递质量 |
| ③向量寻源 | 嵌入匹配 | 简历库+岗位画像 | Top-K候选/去重 | 提高寻源效率 |
| AI应用 | 原理 | 输入 | 输出 | 效果 |
|---|---|---|---|---|
| ④简历解析 | LLM/规则链 | 简历PDF/Word | 结构化要点与评分 | 初筛时间缩短70%+ |
| ⑤面试助手 | 语音转写+LLM | 对话/录音 | 面评与追问脚本 | 提升一致性 |
| ⑥Offer预测 | 树模型/AutoML | 候选人/岗位特征 | 接受概率 | 提高Offer命中 |
| ⑦入职机器人 | 多轮对话 | 常见问答 | 个性化指引 | 提升候选人体验 |
技术：LLM + 检索增强（RAG） + 行业职位知识库
价值：JD编写时间从1小时缩短至10分钟，投递匹配度提升30%
你是一位有10年经验的招聘顾问，擅长撰写吸引人才的JD
🎭 角色设定
📝 提供输入
🤖 LLM处理
📤 生成输出
⚠️ 约束检查
✅ 完成
北京 | 30-50K·15薪
💡 以上信息将作为Prompt输入，交由LLM生成JD
【关于我们】
我们是一家专注HR SaaS领域的B轮公司，服务超500家中大型企业。团队技术驱动，鼓励创新与试错。
【岗位职责】
1. 主导招聘/绩效/薪酬模块产品规划，从0到1构建核心功能
2. 深入HR业务场景，通过用户访谈挖掘真实痛点，输出高质量PRD
3. 与技术、运营紧密协作，推动产品按节奏上线并持续迭代
【我们期待你】
- 3年以上B端产品经验，至少1年深耕HR SaaS赛道
- 熟悉招聘/绩效/薪酬流程，能快速理解业务逻辑
- 出色的需求分析能力，擅长将业务语言转化为产品方案
【我们提供】
30-50K·15薪 | 弹性工作 | 技术成长空间 | 期权激励
技术：LLM结构化抽取 + 评分Rubric + 嵌入相似度
价值：初筛用时缩短70%，标准一致性提升，降低漏选/误选
结构化简历评审官，客观公正评估候选人
必备项 60分
加分项 30分
风险项 -10分
飞书招聘ATS系统重构
72% → 89% 用户满意度
北森OKR智能推荐算法
85% 目标对齐准确率
姓名：张晓明
年限：5年
学历：本科（北大）
专业：计算机科学
"飞书招聘模块产品设计，从0到1搭建简历解析"
"绩效与OKR模块规划，服务200+企业"
"主导AI简历筛选，效率提升60%"
"深入HR团队调研，输出20+份PRD"
92分
结论：✅ 通过
完全满足必备项，加分项突出，无明显风险。强烈推荐进入面试环节。
✅ 人工复核：评分合理，证据充分，建议直接进入初面
⚠️ 注意事项：需要人工抽样复核（建议10%-20%）；定期更新Rubric以匹配岗位变化
技术:语音转写 + 话语意图识别 + LLM摘要/评分卡生成
价值:面评质量提升40%,STAR证据完整度提升60%,合规留痕100%
你是结构化面评撰写助手,擅长提取STAR要点（S - Situation 背景、T - Task 任务、A - Action 行动、R - Result 结果）
🎭 角色设定
📝 提供输入
🤖 LLM处理
📤 生成输出
⚠️ 约束检查
✅ 完成
岗位
产品经理
候选人
李明 | 3年B端产品经验
时长
45分钟
面试官:
请分享一个你主导的产品从0到1的案例,遇到了什么挑战,如何解决的?
李明:
我在上家公司负责过一个SaaS平台的权限管理模块。【S背景】当时公司有200多家企业客户,他们对权限的要求差异很大,有的需要角色级,有的需要到字段级。【T任务】我需要在3个月内设计一套灵活的权限体系,既要满足不同客户需求,又不能让配置过于复杂。
面试官:
具体是如何设计的?
李明:
【A行动】我先调研了10家典型客户的需求,发现80%的场景可以用"角色+部门+数据范围"三层模型覆盖。然后我设计了一套可视化配置界面,用拖拽的方式设置权限规则,并提供了模板库。技术上采用RBAC+ABAC混合模式,用规则引擎处理复杂场景。我还专门设计了权限测试工具,让配置员能在上线前模拟验证。
面试官:
最终效果如何?
李明:
【R结果】这个模块上线后,配置时间从平均2天缩短到4小时,客户满意度从72%提升到89%。而且因为设计灵活,后续又扩展支持了API级别的权限控制,成为我们的产品亮点之一,帮助公司拿下了几个大客户。
💡 以上对话将由AI提取STAR要点、生成面评与评分
S - Situation 背景
SaaS平台,200+企业客户,权限需求差异大(角色级/字段级)
T - Task 任务
3个月内设计灵活权限体系,满足多样需求且配置简单
A - Action 行动
R - Result 结果
证据:调研10家客户,提炼80/20法则
证据:可视化配置+模板库+测试工具
证据:量化效果(配置时间↓83%,满意度↑24%)
证据:成产品亮点,助力拿下大客户
结论:强烈推荐进入终面
理由:STAR结构完整,展现出优秀的需求分析与产品设计能力。量化结果显著,有商业价值意识。建议终面重点考察:①团队协作能力②技术深度理解③对我司业务的理解
合规留痕100%
自动存档ATS,可追溯可审计
校准会议效率↑60%
结构化面评降低沟通成本
新人面试官培训
AI追问建议作为培训素材
⚠️ 注意事项:需候选人授权录音;敏感信息脱敏;AI生成内容需人工复核;定期校准评分标准
📺 本视频展示了AI在招聘全流程中的实际应用案例
端到端自动化：从寻源→筛选→初步接触，AI自主完成80%工作
语音/视频/代码轨迹综合分析，更立体的候选人画像
算法透明化，定期审计确保多元与公平，候选人数据主权保护
候选人也用AI评估雇主（文化/发展/真实评价），推动透明化
与人力数据中台深度融合，形成"人才资产"长期运营与回流
AI是工具，HR是主导。让招聘更高效、更公平、更有温度