金帆树人KINGFASTER
010-64425981 预约场景诊断
能力AI 应用开发数据与 BI低代码与流程自动化FDE 交付模式解决方案采购与供应链人力与员工服务财务与费控制造与质量行政后勤与工会IT 与资产行业案例资源洞察文章数字化人才培训技术市场服务关于我们预约 AI 场景诊断 →
首页/案例/跨行业
AI HR招聘

初筛 3 天 → 4 小时:把 300 份简历筛成 20 份面试名单

系统不替 HR 做决定,只解决看不过来的问题。关键不是打分,而是每条分数都有依据。

客户名称按保密要求匿名 · 界面与数据已脱敏

客户某跨国企业招聘团队(匿名)
行业跨行业(外企)
场景规模旺季单岗位 300+ 份简历
使用角色招聘 HR 4 人 · 用人经理
交付形态FDE + AI 工程师
周期2 周
-85% 初筛耗时 实测 3 天 → 4 小时 / 岗位
300 → 20 简历筛选结果 实测 3 个岗位均值
可追溯 每条评分有依据 硬项 / 加分 / 否决三类
48h 候选人反馈时效 原为不固定

数字口径:实测来自客户后台或验收报告;推算为样本外推;基准为公开研究。

简历初筛 · 界面示意 · 数据已脱敏
简历初筛界面示意
按硬项、加分、否决三张清单打分,每条分数都能点回简历原文。
Why now

如果不做,会发生什么

  1. 01

    旺季单个岗位收到 300 多份简历,4 个 HR 全月在看简历,面试官却在等。

  2. 02

    初筛标准依赖个人经验,不同 HR 筛出的名单差异很大,用人经理经常质疑「这个人为什么没进面试」。

  3. 03

    筛选过程没有任何记录。事后问「为什么这个人没进面试」,谁也答不上来。

Trade-offs

关键取舍

1

先把岗位要求拆成硬性条件 / 加分项 / 否决项三张清单

为什么这么选

不拆清楚,模型只会输出一个无法反驳的总分。拆清楚之后,每一条分数都能指回具体事实。

代价是什么

需要用人经理参与 2 次、每次 1 小时。他们通常最不愿意给这个时间。

2

只做排序与推荐,不做自动淘汰

为什么这么选

自动淘汰一旦误伤,候选人永远不知道自己被谁筛掉,品牌风险不可控。

代价是什么

HR 仍要人工过一遍 20 份,节省的是 280 份的时间,不是全部时间。

Timeline

落地节奏

W1
岗位画像

与用人经理拆出三张清单,标注每项的判定依据。

W1
结构化解析

简历解析成统一字段,消除格式差异对判断的影响。

W2
打分与复核台

输出排序表 + 评分依据,HR 可逐条采纳或驳回。

W2
坏例回流

驳回记录进样本库,两周一次回归。

Results

结果

指标 之前 → 之后 初筛耗时 约 3 天 / 岗位 约 4 小时 / 岗位 面试名单质量 依赖个人经验 按统一标准,可解释 筛选记录 无 完整留痕,可复盘
关键指标的前后对比,口径与统计周期见上表
指标之前之后
初筛耗时约 3 天 / 岗位约 4 小时 / 岗位
面试名单质量依赖个人经验按统一标准,可解释
筛选记录无完整留痕,可复盘
候选人体验等待时间长48 小时内反馈
Not good enough

一项没达到预期的

跨行业跳槽候选人的「可迁移能力」判断仍偏保守,容易漏掉转型型人才。目前靠 HR 手动捞回,还没做到自动识别。

它不替我们做决定,但把 300 份变成 20 份,我们才有时间认真看那 20 份。以前我们是在 300 份里平均分配 8 分钟,现在是在 20 份里每人 25 分钟。
招聘负责人上线 6 周 · 应客户要求匿名
Reusable

这个项目留下了什么

  • 岗位画像三张清单模板
  • 简历结构化解析字段规范
  • 评分依据展示组件
  • 驳回样本回流机制
Next

这套做法还能用在哪

  • 岗位画像三张清单可直接用于同类销售岗,换的是硬项与加分项。
  • 评分依据展示组件已复用到渠道与供应链岗位的初筛。
  • 驳回样本回流机制可迁移到任何「有判据」的排序场景。

模板与连接器可以直接复用,相邻场景不必从零开发。

Stack
大模型简历解析低代码审核台权限控制
聊聊我的场景
下一步

你们的情况可能不同

同样的场景,行业不同、系统不同、人不同,做法会差很多。90 分钟诊断,我们给出针对性的判断——包括该不该做。