招聘筛简历用 AI，怎么用才不误杀合适的人

招聘筛简历用 AI，怎么用才不误杀合适的人

招聘岗位挂出去三天，收到四百份简历。人工一份份看，看完要到下周，好的人早在别家面试了。交给 AI 先过一遍，两小时能出一份初筛名单，这件事已经有不少公司在做。

麻烦出在后面。筛出来的二十份简历，约来面试的不到五个；一些本该合适的人连第一轮都没进。用人部门说筛得不准，招聘的同事说模型就是这么给的。两边都没错，问题出在筛选标准是让模型自己猜的。

先把「合适」写成人能看懂的条件

把岗位要求翻成可判断的条目

「有较强的沟通能力」「踏实肯干」，这类话写进 JD 可以，写进筛选标准等于没写。模型对这类描述的理解完全靠猜，最后它会给你一批看不出毛病但也说不出好在哪的简历。

可判断的写法是：做过三年以上同类岗位、独立负责过完整项目、带过团队、有某类系统的实施经验、需要经常与客户对接。每一条都能在简历里找到对应的证据，找不到就是不符合。

区分硬条件和加分项

硬条件只有几条，达不到就直接出局，比如执业资格、学历门槛、工作地点。加分项可以有十几条，符合几条算几条。这两类混在一起打分，模型会把加分项当硬条件用，把一批够格的人挡在门外。

我们的做法是先定三条硬条件，写死在提示词里，让它逐条判断是或否，三条全过才进入打分环节。这一层不做任何综合评价。

哪些信息不该进模型

与岗位无关的个人信息

性别、年龄、婚育状况、籍贯、照片、民族、政治面貌，这些内容不该参与判断。多数简历里都带着，模型会看见，看见就会用，哪怕你没让它用。

现实的做法是投喂之前先把这些字段遮掉。把简历统一转成纯文本，删掉照片和出生年月，把姓名换成编号。这一步看着麻烦，其实是保护自己：按这些条件筛人，一旦被追问很难解释。

学校名气

模型对学校的偏好很明显，同样一段经历，挂一个名气大的学校，评分会高一截。如果这个岗位真的不看学校，就在提示词里明确说「不参考毕业院校的层次，只看专业相关性和项目经历」。说了它基本会照做，不说它一定自己判断。

空窗期

简历上有半年、一年的空窗，模型容易往负面方向解读。空窗的原因很多，生育、生病、家里有事、自己接活，这些都不影响能力。处理办法是让它把空窗单独列出来，不要计入评分，留给面试去问。

让模型输出理由，别只输出分数

只给一个分数，招聘的人没法判断这个分数靠不靠谱，最后还是要自己看一遍，等于白筛。让它给理由，理由本身就能被检验。

要求引用简历原文

「每一条判断都要引用简历里的原句」，这个要求很好用。它引用不出来的地方，就是它在瞎猜的地方。我们看初筛结果的时候只做一件事：扫一眼每条理由后面有没有原文，没有的直接打回。

让它写「不确定」

不少简历写得含糊，写「负责某模块」却不说做到什么程度。这类情况让它标「信息不足，建议面试确认」，不要硬判。硬判的结果往往是把做过的人判成没做过，因为简历没写清楚。

把「信息不足」的单独归一类，招聘的人集中看这一堆，用五分钟决定要不要约。这一类里常常藏着不错的人，只是简历写得笨。

必做的一步：拿历史数据回测

标准定完，先别上生产。找三十份已经入职并且干得不错的简历，二十份已经被淘汰的简历，混在一起让模型筛。看它能不能把该留的留下来。

看漏筛率，不看准确率

准确率这个指标在招聘里没用。四百份简历里合适的有二十份，模型全判不合适，准确率也有百分之九十五。要看的是漏筛率：那三十份好简历，它筛掉了几个。

漏掉三个以内可以接受，漏掉超过五个，说明标准写得太紧，回去改硬条件。这个回测做一次大约两小时，能省掉后面几个月的扯皮。

定期重跑

岗位要求会变，简历的写法也在变，两年前的标准放到现在不一定合适。每季度拿新入职的一批人重跑一次，看漏筛率有没有抬头。抬了就是标准该调了，调的时候只动硬条件里最苛刻的那一条，一次改一处，改完再跑一遍。

没有历史数据的小公司怎么起步

公司小、岗位新，翻不出一批「已入职且干得好」的样本，回测这步做不了。替代办法是用在职员工做样本：把现在这个岗位上做得最好的三个人和刚离职的两个人的简历找出来，一样做一次盲测，看模型能不能把好的人排在前面。样本少，结论不硬，但能看出标准有没有写反。

再退一步，连样本都没有，就先跑影子模式：模型照常筛，但结果不用于决策，招聘的人按自己的方式看完全部简历，然后把两份名单对一遍。对上一周，差异在哪就清楚了。这一步不省时间，省的是上线之后返工的时间。

AI 不该做的两件事

第一件是决定录不录。它可以排序、可以给理由、可以标疑点，最后一票必须是人投的。把决定权交出去，出了问题没人能解释为什么。

第二件是直接拒信。模型判不合适的人里一定有误判，自动发拒信等于把误判变成既成事实。流程上留一道人工确认，哪怕只是扫一眼名单，也比全自动强。

一套能跑起来的流程

简历进来先转纯文本、去敏感字段、编号；模型过三条硬条件，不达标的归入「不符合」，理由必须带原文；达标的按加分项打分，输出分数、三条理由、两处疑点；分数靠后的归入「待确认」，统一人工看；最后人工定面试名单，模型的结果只作参考。名单定完在流程里记一笔：谁的简历模型没看出来、面试却很好，这类人不定期回看，就能知道标准哪一处写窄了。

这套流程跑顺之后，招聘的人从看四百份变成看六十份，时间从两天压到半天。省下来的时间该花在面试上，那才是真正决定招得对不对的环节。筛简历这件事，做得再准也只是把人挑出来，留不留得住还得靠面谈。招聘这件事从来没有捷径可走，工具能压掉的只是初筛那一段的机械劳动，判断一个人合不合适，还是要有人坐下来和他聊上四十分钟，看他把做过的事讲得清不清楚，看他的反应真不真实。