去年我们内部评估了一个看起来很美的方案:AI 帮 HR 筛简历。支持者的论据很硬——岗位平均收到 480 份投递,HR 人工初筛每份 4.2 分钟,一个岗位光初筛就吃掉 33 小时。系统上线前我们做了 6 周灰度,结论是:技术指标全线达标,业务指标全线不达标,最终只在「明显不合格过滤」这一层上线,其余全部撤掉。这篇把灰度数据、失效原因和最后保留的那一层写清楚。样本:3 个岗位、2,847 份简历、6 周。
如果你也在考虑类似场景,我们觉得最有用的一句结论是:筛简历的难点从来不是判断「这个人能不能写代码」,是判断「这个人在什么条件下会写代码、以及我们愿意为多少不确定性付多少成本」。前者 AI 已经能做,后者它做不了——而后者才是招聘失误的真正来源。
一、技术指标:分很高,高到让人放松警惕
先说模型侧表现,因为这是我们差点被骗过去的地方。用内部标注的 300 份简历做测试集(标注为「进入下一轮 / 不进入」),接入的模型在这三个维度上的表现:
| 维度 | 模型表现 | 人工基线 | 差距 |
|---|---|---|---|
| 硬性条件匹配(年限、学历、必会技术栈) | 准确率 96.7% | 94.1% | +2.6pp |
| 简历质量主观评分(5 分制) | 与资深 HR 相关 0.83 | HR 之间 0.71 | 优于人工 |
| 最终处理结果预测(是否进入下一轮) | 准确率 81.4% | — | 看似不错 |
第三个数字是陷阱。81.4% 的准确率高,是因为测试集里 78% 的简历本来就该被淘汰。真正值钱的是「该进的人有没有被留下」,也就是召回。重跑后:在高信号候选人子集上,召回只有 64.9%。相当于每 10 个我们事后确认很合适的人,有 3.5 个在第一轮就被刷掉了,而 HR 永远不会知道。
二、业务指标:三个岗位的灰度结果
技术指标过关后我们上线灰度,对照组是同等岗位的人工初筛。看的是业务方真正在意的四个数:
| 指标 | 人工初筛 | AI 初筛 | 变化 |
|---|---|---|---|
| 单岗位初筛耗时 | 33.1 小时 | 0.7 小时 | -97.9% |
| 最终到岗人数 | 1.4 人/岗位 | 1.1 人/岗位 | -21.4% |
| 到岗后 90 天留存率 | 82.3% | 71.6% | -10.7pp |
| 用人部门满意度(5 分制) | 3.9 | 3.1 | -0.8 |
省了 32 小时,丢了 0.3 个到岗和 10 个点的留存。标准的时间优化案例,最后变成负 ROI。事后访谈时用人经理说了一句我们记了很久的话:「它筛掉的那批人里,有几个我看着简历就觉得可惜,但我说不出哪里不对——你们现在没法让我看到它们。」
三、失效的三个原因,都不是模型问题
3.1 信号伪装:AI 筛的是「像不像」,不是「是不是」
我们回看了被误筛掉的 71 份高信号简历,错误集中在三类:
- 职业路径不标准。37% 的误筛来自非科班、转岗、空窗期超过 6 个月的候选人。模型学到的是「历史数据里最终通过筛选的人长什么样」,而历史库里科班出身占比 88%。它把路径当成了能力的代理变量。
- 表达风格差异。22% 来自表达朴素但实质扎实的简历——比如写「负责后台系统维护」而不是「主导高并发微服务架构演进」。资深 HR 会追问,模型只做一次判断。一次判断,没有追问,这就是信息量的硬上限。
- 领域迁移。15% 来自相邻领域转入(如从 infra 转业务开发)。模型对「相关但不同」的迁移判断显著弱于人。
这三类有个共同点:它们不是模型不够聪明,是「筛简历」这个输入本身不充分。一份 800 字的文档,无论谁来读,都不足以支撑一个公平的能力判断。模型只是把这种不诚适用更自信、更快的方式放大了。
3.2 反馈回路缺失:没有人告诉它筛错了
人工 HR 筛选是一个持续学习的过程:HR 上个月拒了一个后来在别处表现很好的人,下次会调整标准。而我们的模型上线后,被筛掉的简历连给人看见的机会都没有,误筛无法被发现,模型也就无法修正。6 周里唯一一次发现误筛,还是一位候选人在朋友圈吐槽——他侧面打听才知道是被系统筛掉,不是因为 HR。
没有反馈回路的自动化筛选,会把第一批的错误永久固化。这是我们认为最危险的一点,比准确率数字重要得多。
3.3 责任归属:出了问题谁解释
有两次用人部门对结果有异议:一次是某位候选人通过其他渠道直接联系了部门负责人,我们无法解释他为什么在第一轮被筛掉;另一次是岗位空缺 5 周后复盘,发现前 20 名里没有一人在 AI 的前 50 排序中。
能被解释是招聘系统的底线要求,而「模型打了个低分」不是解释。这不是技术能力问题,是系统设计问题,但它足以让整个方案在合规和信任层面失效。
四、最后保留了哪一层
灰度结束后我们没有全盘推翻,保留了三个极窄的用法:
- 硬性条件过滤层。只做「有 / 无」判断:是否满足最低年限、是否具备必会的三项技能、工作地点是否可行。这层不用评分,只用规则,且规则对业务方完全透明、可逐条质疑。过滤比例控制在投递量的 35% 以内——再高就会伤及高信号候选人的召回。
- 去重与信息补全。合并同一人多渠道投递、把散落在各处的项目经历整理成结构化字段给 HR 看。不淘汰任何人,只减少 HR 的机械劳动。这层把 HR 的单份阅读时间从 4.2 分钟降到 3.1 分钟,且没有可测量的质量损失。
- 排序建议,决策权 100% 留人。模型给出阅读顺序建议,但明确标注「这是顺序建议,不是淘汰建议」,HR 可随时查看被排到底部的简历,且必须至少翻完前 50 名之外的后 20%。
这套窄化方案的全岗位指标:初筛耗时降 68.4%,到岗人数不变,用人部门满意度回到 3.8。比原来的激进方案,业务影响好得多,因为它没有偷走任何人的判断权。
总结
筛简历这类任务的问题在于:它的输入不足以支撑一个公平的判断,而它的输出又必须对人负责。AI 在这类场景里的正确位置是减少机械劳动和提供阅读顺序,而不是做淘汰决策。技术指标和业务指标不是一回事,而后者才是要优化的对象——我们花了 6 周和 2,847 份简历才真正理解这句话。
如果只抄一条:任何会把一部分人「不再被人看见」的自动化筛选,都要先问一句——筛错了,谁会发现?如果答案是没有人,这个系统就不该上线。
互动提问:你们的 HR 初筛有没有用 AI?用在了「减少阅读量」还是「减少候选人」上?
互动提问:你见过最合理的「非标准简历」是什么样的?如果让 AI 筛,它会通过吗?
— IMAI 编辑部 | 2026-11-08