AI 招聘怎么做：从 JD、简历初筛到面试复盘的完整工作流
AI 招聘最适合做的，不是替公司决定“录不录这个人”，而是把岗位需求、简历证据、面试题、沟通节点和复盘数据整理得更清楚。读完本文，你可以直接拿走一条七步流程、多张可复用表格、四组 AI 提示词、四类沟通模板、一套偏差检查清单，以及一份 7 天上线计划。最终淘汰和录用仍由人负责。
本文评测与流程基准日为 2026-07-25。示例中的公司、候选人和数据均为合成案例，不代表真实招聘结果。使用任何 AI 工具处理简历前，请先脱敏，并核对组织所在地及候选人所在地适用的个人信息、就业与自动化决策规定。工具的数据处理条款可能调整，正式使用前应复核其官方说明。
AI 招聘最危险的做法，不是模型把一句话写错，而是团队把模型给出的“建议淘汰”当成事实。简历里少写一个关键词，候选人就被排除；学校名称、年龄或空档期被模型当成能力信号；最后没人说得清，这个决定依据了哪条岗位标准。
正确做法刚好相反：AI 负责整理证据和暴露信息缺口，人负责定义标准、追问、判断和承担结果。
AI 招聘适合解决什么，不适合解决什么
先把边界定清楚，否则后面的自动化越顺，风险越大。
| AI 可以辅助 | AI 不应独立完成 | 人必须负责 |
|---|---|---|
| 把业务需求整理成 JD 草稿 | 按年龄、性别、籍贯、婚育或学校标签淘汰 | 确认岗位是否真的需要招聘 |
| 从简历中提取与岗位标准相关的证据 | 推断候选人的性格、忠诚度、健康状况 | 设定硬性条件与评分锚点 |
| 生成结构化面试题和追问 | 根据照片、姓名、口音等敏感线索评分 | 面试、复核证据并作决定 |
| 起草邀约、改期、感谢和拒绝消息 | 未经复核自动发送拒绝通知 | 批准所有对外沟通 |
| 汇总面试记录和招聘漏斗 | 自动决定录用、薪资或背景调查结论 | 作淘汰、录用和 offer 决策 |
如果团队想做的是“一键替我筛人”，建议先停下来。AI 招聘的价值来自标准统一和证据可追溯，不是把人的判断藏进一个不可解释的分数里。
开始前准备：四份东西缺一不可
不要先选模型。先准备岗位胜任力、硬性条件、评分标准和隐私边界。
岗位胜任力卡
岗位胜任力卡只写“完成工作需要什么”，不写“我们喜欢什么样的人”。两者差别很大。
| 字段 | 写法 | 反例 |
|---|---|---|
| 核心结果 | 入职 90 天内独立完成 3 次活动复盘 | 有网感、有冲劲 |
| 必备能力 | 能用表格拆解渠道转化漏斗 | 名校优先 |
| 可验证证据 | 提供本人负责的活动目标、动作和结果 | 看起来很聪明 |
| 允许学习项 | 公司内部投放系统可入职后学习 | 所有工具都要熟练 |
| 失败信号 | 无法区分本人贡献与团队结果 | 年龄偏大 |
硬性条件清单
硬性条件必须满足两个要求：与实际工作直接相关；能在同一规则下对所有候选人验证。
例如，技术支持岗要求能读英文报错日志，可能与工作直接相关；要求毕业于某几所学校，通常不能直接证明能解决客户问题。把“偏好”伪装成“硬性条件”，AI 只会更稳定地放大它。
评分锚点
不要只写“1 到 5 分”。每个分数要对应可观察证据：
| 分数 | 证据锚点 |
|---|---|
| 1 | 没有相关例子，或答案与问题无关 |
| 2 | 描述参与过，但说不清本人动作和结果 |
| 3 | 能给出完整案例，说明本人动作、约束和结果 |
| 4 | 除完整案例外，还能解释取舍、复盘和改进 |
| 5 | 能迁移方法到新场景，并指出方法的适用边界 |
隐私边界
简历不是普通文本。上传前至少删除身份证号、住址、私人电话、私人邮箱、照片、婚育情况、健康信息，以及与岗位无关的家庭信息。候选人编号可以保留，例如 CAND-2026-017。
团队还要明确：谁能看原始简历、谁能看脱敏副本、AI 输出保存多久、候选人要求更正或删除信息时由谁处理。没有这四个答案，不要把简历交给外部服务。
Step 1：把业务需求转成岗位说明书
很多招聘从一份模糊需求开始：“找个能做增长的人，最好懂内容，也懂投放。”AI 可以帮你拆问题，但不能替业务负责人选择优先级。
先让用人经理填一张需求澄清表：
| 问题 | 示例答案 |
|---|---|
| 为什么现在招 | 现有 2 人无法同时维护自然流量和活动投放 |
| 30/60/90 天交付 | 30 天熟悉口径；60 天接手 1 个渠道；90 天接手 2 个渠道并每周输出一次漏斗复盘 |
| 必备能力 | 内容策划、基础数据分析、跨团队推进 |
| 可学习能力 | 公司内部 CMS、行业术语 |
| 不负责什么 | 不负责品牌视觉和销售签单 |
| 招错的代价 | 活动复盘断档，渠道预算继续凭经验分配 |
职位需求澄清提示词
你是岗位需求整理助手，不替我决定招聘标准。
请根据下面的业务背景，输出：
1. 岗位存在的业务原因；
2. 入职 30/60/90 天可验证的结果；
3. 必备能力、可学习能力、明确不负责的事项；
4. 每项能力可以在简历或面试中核对的证据；
5. 仍需用人经理回答的问题。
禁止使用“有网感、抗压、性格好、年轻、有狼性”等无法客观验证的标签。
不知道的内容写“待确认”，不要补写。
业务背景：
[粘贴脱敏后的业务背景]
AI 输出后，用人经理逐项确认。仍是“待确认”的地方，不允许在 JD 里变成确定要求。
JD 审核清单
- 岗位名称与真实工作一致，不用夸张称号。
- 职责写结果和动作，不堆工具名。
- 要求能在简历或面试中验证。
- 去掉与工作无关的年龄、性别、婚育、籍贯和学校限制。
- 薪资、地点、汇报关系、工作方式等候选人关心的信息不藏着。
Step 2：建立“证据优先”的简历初筛
AI 初筛最容易犯的错，是把“简历没写”当成“候选人不会”。所以初筛表必须分成三列：匹配证据、缺失证据、待核实。
| 候选人编号 | 岗位标准 | 匹配证据 | 缺失证据 | 待核实 | 人工结论 |
|---|---|---|---|---|---|
| CAND-2026-017 | 独立做过活动复盘 | 写明负责 4 次活动复盘，含渠道拆分 | 未说明预算规模 | 本人负责范围、复盘如何影响下一次活动 | 待电话沟通 |
| CAND-2026-021 | 基础数据分析 | 提到 Excel 和看板 | 没有具体分析案例 | 是否能解释转化率变化 | 待补证据 |
| CAND-2026-025 | 跨团队推进 | 有项目经理经历 | 未写冲突处理 | 如何推动设计和销售按时交付 | 进入面试追问 |
以上编号和内容均为虚构演练，用于展示证据表的填写方式。
证据优先初筛提示词
你是简历证据整理助手，只提取材料中明确存在的内容，不做录用或淘汰决定。
岗位标准：
[粘贴已确认的胜任力卡]
候选人简历（已脱敏）：
[粘贴简历]
按表格输出：
- 岗位标准
- 匹配证据（必须引用简历原句或可定位段落）
- 缺失证据（简历没有提供，不等于候选人不具备）
- 待核实问题
- 信息置信度（高/中/低，并解释原因）
禁止：
- 推断年龄、性别、民族、籍贯、婚育、健康、性格或家庭背景；
- 用学校、照片、姓名、空档期直接判断能力；
- 输出“建议淘汰”“不适合录用”或综合排名；
- 补写简历里不存在的经历和数字。
人工复核的三道闸门
- 引用闸门：每项匹配都能回到简历原文，找不到引用就删除。
- 标准闸门：只按已确认的岗位标准看证据，不临时加个人偏好。
- 缺失闸门：缺失信息进入追问清单，不自动判负。
初筛的输出不是“淘汰名单”，而是下一轮沟通需要核实什么。
Step 3：生成结构化面试题和追问树
面试题要围绕同一组胜任力，让不同候选人接受可比较的核心提问。AI 可以根据岗位标准起草题目，但面试官要确认每道题究竟在测什么。团队最终仍按 1–5 分记录；面试题先写 1、3、5 三个锚点，2 分和 4 分用于相邻锚点之间的情况，必须补一句证据说明。
面试题模板
| 胜任力 | 主问题 | 追问 | 3 分锚点 | 风险信号 |
|---|---|---|---|---|
| 复盘能力 | 讲一次结果不及预期的活动复盘 | 你先看了哪三个数据？下一次改了什么？ | 能区分现象、原因、动作和后续结果 | 只说“团队配合不好” |
| 跨团队推进 | 讲一次依赖他人但时间很紧的项目 | 对方不同意时你怎么处理？ | 能说清目标、分歧、取舍和结果 | 把推进等同于催促 |
| 数据判断 | 某渠道点击上涨 30%，成交没变，你先查什么？ | 如何排除口径变化？ | 先核口径，再拆漏斗并提出验证方法 | 直接把点击上涨当成增长 |
| 学习能力 | 最近一次快速学会新工具是什么 | 你怎么验证自己真的会了？ | 有练习、反馈和迁移过程 | 只列课程名称 |
这里的“点击上涨 30%”是面试情境，不是业务事实。候选人不需要猜标准答案，面试官看的是分析顺序和证据意识。
生成题目提示词
根据以下岗位胜任力，生成结构化面试题。
每项胜任力输出：
1. 1 个所有候选人都会被问到的主问题；
2. 2 个根据答案继续追问的问题；
3. 1/3/5 分的可观察评分锚点；
4. 需要记录的原话证据；
5. 不能据此推断的内容。
题目必须围绕实际行为或工作情境，不能询问年龄、婚育、籍贯、宗教、健康等与岗位无关的信息。
岗位胜任力：
[粘贴胜任力卡]
面试时怎么记
把记录分成“候选人原话”“面试官解释”“待核实”三栏。原话是证据，解释是判断，两者不能混在一起。AI 可以帮助整理会后记录，但不能把面试官的印象改写成候选人说过的话。
Step 4：候选人沟通模板与时间节点
AI 很适合起草高频消息，但所有消息发送前都要由招聘负责人确认收件人、岗位、时间和语气。特别是拒绝消息，不应把内部评分或模型标签发给候选人。
邀约
你好，[候选人称呼]：
感谢你申请[岗位名称]。我们希望与你安排一次[时长]分钟的[电话/视频/现场]沟通，主要了解[2-3 个与岗位相关的主题]。
可选时间：
- [时间 A]
- [时间 B]
如果都不方便，请回复你合适的时间。确认后我们会发送会议链接和联系人信息。
改期
你好，[候选人称呼]：
原定于[原时间]的面试需要调整，很抱歉给你带来不便。我们可以改到[时间 A]或[时间 B]。如果这两个时间不合适，请告诉我们你的可用时段。
岗位和面试内容不变，确认后我们会更新日历邀请。
面试后感谢
你好，[候选人称呼]：
感谢你今天参加[岗位名称]面试。我们预计在[明确日期]前完成本轮评估，并通过[邮件/电话]同步结果。如果时间有变化，我们会提前说明。
拒绝
你好，[候选人称呼]：
感谢你投入时间参与[岗位名称]的招聘流程。综合本轮面试中与岗位标准相关的材料，我们决定本次不继续后续流程。
这次决定只针对当前岗位和本次招聘需求。感谢你的准备与交流，祝你接下来的求职顺利。
建议给每个节点设置 SLA：收到简历 3 个工作日内反馈；面试改期发现后尽早通知；面试结果在承诺日期前发送。做不到时主动更新，不要让 AI 自动编一个新日期。
Step 5：面试记录摘要与评分校准
面试结束后，先让每位面试官独立评分，再看 AI 摘要。这样能减少“先看到总结，所有人一起被带偏”的情况。
摘要格式
| 项目 | 内容 |
|---|---|
| 核心证据 | 候选人原话或案例摘要，附记录位置 |
| 对应胜任力 | 这条证据对应哪项岗位标准 |
| 信息缺口 | 还缺什么，是否能在下一轮核实 |
| 面试官评分 | 1–5 分，附评分锚点 |
| 分歧 | 不同面试官在哪项标准上差 2 分以上 |
| 下一动作 | 补问、作业核验、进入决策会或结束流程 |
摘要提示词
请把以下面试记录整理成证据表，不添加原记录中没有的信息。
要求：
- 区分候选人原话、面试官观察和你的整理；
- 每项结论附原记录位置；
- 信息不足写“待核实”；
- 不输出综合录用建议；
- 不推断候选人的性格、动机、家庭情况或受保护特征。
岗位评分标准：
[粘贴评分锚点]
面试记录：
[粘贴已脱敏记录]
评分校准会
校准会只讨论“证据是否支持评分”，不讨论“我就是觉得他不行”。推荐按以下顺序：
- 每位面试官独立提交评分和证据。
- 找出同一胜任力评分差 2 分以上的项目。
- 回到原话、作业或可核实材料，不靠印象投票。
- 如果证据不足，决定补问还是明确承担不确定性。
- 会议主持人记录最终判断、少数意见和责任人。
Step 6：人工决策闸门与偏差检查
在淘汰或录用前，必须过一张人工闸门表。AI 可以提示检查项，不能替人签字。
偏差检查清单
- 决定只引用了事先确认的岗位标准。
- 没有使用性别、年龄、籍贯、民族、婚育、宗教、健康等与岗位无关的信息。
- 学校、公司名气和简历空档期没有被直接当成能力分。
- “沟通感觉”“文化匹配”“稳定性”已改写为可观察的工作证据，或从决定依据中删除。
- 所有负面判断都能找到候选人材料、面试原话或作业证据。
- 简历没写的内容被标为“待核实”，不是自动判负。
- 同一岗位的候选人使用了相同核心问题与评分锚点。
- 至少一名未参与首轮面试的人复核了边界和证据。
- 最终决定、理由、复核人和时间有记录。
- 候选人信息按既定保留周期处理，不无限保存。
决策记录模板
candidate_id: CAND-2026-017
role: 增长运营
result: 进入下一轮 | 不继续 | 拟录用
decision_owner: 招聘负责人
evidence_refs:
- 简历第 3 段
- 一面记录 Q2
- 作业评分表第 4 项
competency_refs:
- 复盘能力
- 数据判断
uncertainties:
- 尚未核实预算规模
bias_check_reviewer: 复核人
created_at: 2026-07-25
这里的 result 必须由有授权的人填写。AI 只能整理候选项，不能代签。
Step 7：招聘漏斗复盘与持续优化
招聘结束不是工作流结束。复盘的目标也不是“找出哪个候选人最像优秀员工”，而是检查流程有没有稳定地产生可解释的决策。
招聘漏斗表
| 阶段 | 人数 | 进入率 | 平均等待时间 | 主要退出原因 | 要检查的问题 |
|---|---|---|---|---|---|
| 需求确认 | 1 个岗位 | — | 2 天 | — | 90 天结果是否明确 |
| JD 发布 | 120 份简历 | — | 5 天 | — | 渠道带来的候选人是否匹配 |
| 简历初筛 | 36 人 | 30% | 2 天 | 已核实的硬性条件不符、岗位方向明显错配 | 硬性条件是否过度 |
| 电话沟通 | 18 人 | 50% | 3 天 | 工作方式、薪资范围不匹配 | JD 是否提前说明关键信息 |
| 面试 | 8 人 | 44% | 5 天 | 胜任力证据不足 | 面试题能否拉开证据差异 |
| offer | 2 人 | 25% | 2 天 | — | 决策理由是否完整 |
| 入职复盘 | 1 人 | 50% | 30/60/90 天节点 | — | 招聘证据与入职表现是否一致 |
这组数字是合成示例。进入率计算分别为 36 ÷ 120 = 30%、18 ÷ 36 = 50%、8 ÷ 18 ≈ 44%、2 ÷ 8 = 25%、1 ÷ 2 = 50%，用于演示如何检查漏斗，不是行业基准。
每轮招聘至少复盘四件事：
- 哪些岗位标准在简历和面试中无法验证，需要改写。
- 哪些题目让不同面试官理解不一致，需要补评分锚点。
- 哪个阶段等待时间过长，候选人没有收到更新。
- 哪些 AI 输出经常被人工推翻，说明提示词或输入材料有问题。
不要拿“入职后表现”反向给学校、性别或年龄等特征打标签。复盘流程，不训练歧视。
三类团队怎么落地
10 人创业团队
不需要先买招聘系统。用一张岗位胜任力卡、一张候选人证据表、一套固定面试题就够了。创始人负责最终标准，业务负责人负责证据复核；AI 只整理脱敏文本。最需要防的是标准每天变化，今天要“全能”，明天又要“垂直经验”。
电商运营岗
把“有爆款经验”拆开：候选人负责了什么渠道、预算和周期，采取了什么动作，结果如何，是否能解释复盘。不要把 GMV 数字脱离团队规模和职责范围单独排名。面试题应覆盖活动复盘、渠道判断、内容协作和数据口径。
技术研发岗
把简历中的技术名词当作追问入口，不当作能力结论。代码作业要明确允许使用哪些 AI 工具，并让候选人解释关键取舍、测试与回滚。可参考 AI 编程实战 设计透明的 AI 使用规则。
四个常见失败模式
让 AI 自动淘汰
问题不在“模型偶尔会错”，而在错误可能没人看到。修复方法是把输出改成证据表，去掉综合排名和淘汰按钮。
把主观印象写成事实
“稳定性差”“气场不够”“文化不合”都不是证据。要求面试官引用具体回答，并说明它对应哪项工作标准。写不出来，就不能进入决定依据。
上传敏感信息
把原始简历直接丢进个人账号，往往连保存期限和访问人都说不清。先脱敏，再用组织批准的工具和账号；无法确认数据条款时，改用内部环境或不上传。
评分标准漂移
面试到第三个人，问题和标准已经变了，最后的分数不可比较。核心问题保持一致；新增标准若确实必要，应回看前面候选人的材料，而不是只对后来者生效。
7 天上线计划
| 天数 | 交付物 | 验收方式 |
|---|---|---|
| Day 1 | 岗位胜任力卡 + 90 天结果 | 用人经理逐项确认，无空泛标签 |
| Day 2 | 硬性条件 + 1–5 分规则（先写 1/3/5 锚点） | 每项能关联真实工作任务，2/4 分有相邻锚点说明 |
| Day 3 | 脱敏规则 + 候选人编号规范 | 用一份虚构简历演练，不碰真实信息 |
| Day 4 | 简历证据表 + 初筛提示词 | 输出只有证据、缺失和待核实，无淘汰建议 |
| Day 5 | 结构化面试题 + 追问树 + 试评分校准 | 两名面试官独立评分，再对分差 ≥2 的项目回看证据 |
| Day 6 | 四类沟通模板 + 人工发送闸门 | 收件人、岗位、日期、语气、SLA 均有复核人 |
| Day 7 | 决策记录 + 漏斗看板 + 复盘时间 | 用合成候选人走完整流程并留痕 |
第一周只用合成简历演练。团队能解释每一步之后，再把真实候选人接入流程。
FAQ
AI 简历筛选能不能直接给候选人排名？
不建议。一个总分会掩盖证据缺失、标准权重和偏差来源。更稳妥的输出是逐项证据表，由招聘负责人按统一标准复核。
简历没写某项经验，能不能判定不具备？
不能。只能写“材料未提供”。如果这项能力确实重要，就在电话沟通、面试或作业中核实。
可以把候选人简历上传到 ChatGPT、Claude、DeepSeek 或 Kimi 吗？
先看组织政策、账号类型、供应商当下的数据处理条款和适用法规，再决定。最低要求是脱敏、限制访问、明确用途与保存周期。无法确认时，不要上传真实简历。工具选择可先看 AI 工具推荐、ChatGPT 教程、Claude 教程、DeepSeek 教程 和 Kimi 教程。
AI 生成的面试题可以直接使用吗？
不能直接使用。面试官要确认题目对应哪项胜任力、追问是否与岗位相关、评分锚点是否可观察，以及是否触及与岗位无关的敏感信息。
小团队没有 ATS，能不能用表格做？
可以。重点不是系统名称，而是同一岗位使用同一标准、每个判断有证据、每次决定有人负责。需要把会议、表格和邮件串起来时，可参考 AI 办公工作流；漏斗复盘可参考 AI 数据分析工作流；JD 与沟通稿可参考 AI 写作工作流 和 WPS AI 教程。
写在最后
AI 招聘不该把人变成一个分数。它应该把原本散落在聊天、简历和面试官印象里的依据摊开，让团队看见：标准是什么，证据在哪里，哪里还不知道，最后是谁作了决定。
如果你只先做一件事，先把现有的“AI 推荐结果”改成“证据 / 缺失 / 待核实”三列表。这个改动不会替你作决定，却能让错误更早暴露。把上面的 7 天计划存成团队任务，明天先和用人经理过一遍岗位胜任力卡。
下一步建议：先确认岗位胜任力卡，再用一份合成简历跑通证据表，最后让两名面试官对同一份回答独立评分并校准。三步走通后，再接入真实候选人。
继续搭企业工作流，可以看 AI 办公工作流、AI 数据分析工作流 和 AI 写作工作流。对模型选择没有把握，可比较 ChatGPT 与 Claude 和 国产 AI 模型。
