求职新体验：当AI成为我的面试官_我的ai面试官

“金三银四”招聘季已至，2024年的1158万毕业生刚涌入职场

求职者广撒网投简历，HR们则被淹没在简历的海洋。“今年的招聘，1:500很正常，一个岗位发出去，至少会收到五百份简历。”一家五百强企业的HR Mary说，以往校招时，她在一个学校收到的简历数约二三十份，今年至少能收到五十份，以往她在各个招聘平台收到的简历数，每天30-50份不等，现在每天六七十份，最多时有近百份。

为了提高效率，AI开始在招聘领域发挥作用：毕业生用AI写简历，AI模拟面试，AI推荐岗位；HR们也通过AI发JD，AI筛选，AI面试，双方都试图在茫茫人海中找到对的人。

当人的经验特质被AI量化及判断时，哪些问题得到了解决？哪些隐忧或将出现？

01、“你我本无缘，AI一线牵”

拉勾招聘日前调研了874位企业HR，发现每天查看100份以上简历的HR占半数以上。

数据来源：拉钩招聘

尽管简历数量在增加，招聘难度却不降反升。Mary发现，“今年我们的招人要求越来越高，预算却越来越紧。” 她不得不借助AI工具来筛选简历，过去自己初筛、业务复筛，然后再邀请面试的流程，也被缩减为AI筛选、AI排序、AI邀请面试，争取一步到位。

Mary使用的工具是Yeebot，一个主打智能人才发现的大模型工具，简历收进来后，Yeebot会对简历做匹配度打分并智能排序，“谁的匹配度最高，从高往低排序，排名最靠前的几个人，基本不需要业务部门复筛，可以直接约面试。”

此外，初筛、笔试甚至是首轮面试，Yeebot几乎都可以代劳。“它有一套算法可以算出来，亮点和潜在风险都附在排序下面，还会说明哪些纬度会影响这个人的未来绩效，这个对我们很有帮助。”Mary介绍。

另一个HR李林则在这半年接到不少紧急的用人需求。李林所在的集团企业员工数达2万，拥有7个事业部，2023年已经经历了两轮部门调整，第三轮调整正在进行中。公司要成立新能源事业部，需要招募大批相关人才。

一些岗位需求听得李林一头雾水，“算法工程师也就罢了，前驱体研发工程师、逆变器研发工程师、感知融合专家……这都是干什么的？”

李林需要业务部门提供岗位能力要求，等了一天没有回复。听说业务内部已经忙得脚不沾地，李林只好通过AI写JD的方式先草拟岗位需求，给到业务部门确认，然后分发至各个招聘渠道。“算是解了燃眉之急。”

用友网络副总裁、用友大易创始合伙人石磊注意到，近两年的市场变化让HR的工作内容也随之改变：

• 第一，不少企业业务变化大，新部门新岗位快速涌现，企业需要快速招人，HR也要响应这种短期招聘需求。

• 第二，大部分企业处在业务转型期，希望引入高质量人才，招人要求越来越高，但是预算越来越收紧。

• 第三，在招聘入口上，传统招聘渠道效果减弱，招聘入口分散，招聘质量有待提升。

企业要想更准、更快、更低成本地获取人才，AI能力不可或缺。《风向标》调研显示，七成左右HR关注AI在人才智能测评分析、智能简历筛查领域的应用，有51%的企业关心智能员工服务，另有43%的企业关注AI面试。越是流程型和重复性的工作，越需要AI来解决。

数据来源：36氪企服点评《风向标》调研N=107

“你我本无缘，AI一线牵。”Mary开玩笑，一份简历能够走到HR面前，已经经历了招聘平台、企业内部的两轮AI筛选，“或许在更早阶段，这份简历在撰写时，也是AI帮忙生成的。”

【一一AGI大模型学习 所有资源获取处一一】

①人工智能/大模型学习路线

②AI产品经理入门指南

③大模型方向必读书籍PDF版

④超详细海量大模型实战项目

⑤LLM大模型系统学习教程

⑥640套-AI大模型报告合集

⑦从0-1入门大模型教程视频

⑧AGI大模型技术公开课名额

02、AI招聘官：会看简历会面试

目前市面上的AI招聘产品，主要侧重于JD发布、智能筛选、面试题库推荐、AI面试等环节。

图片来源：《风向标》调研

AI 面试在近两年应用广泛。海纳AI创始人梁公军认为，AI面试目前成熟度最好、应用最广泛的基础岗位招聘，主要集中于校招和工程师、蓝领的招聘。

AI面试包括两种模型：

• 挑优模型：从10万人挑出30%比较优秀的进入下一个环节。

• 汰劣模型：把10万人中的5%淘汰，剩下的人应招全招。

校招主要使用AI面试的挑优模型——在第一轮面试中，通过AI挑出符合公司要求的优秀候选人进入下一个环节，在二、三轮真人面试的时候对综合素质进行考察。

在过往面试中，AI只是辅助判断面试者的性格特征，现在可以完全由AI来提问，因为海纳AI已经搭建了50多个通用岗位的AI面试模型，包括快递员、服务员、销售代表和客户经理等 ，可以在零成本、零样本量训练的情况下直接调用 AI 模型能力，完成AI面试。

图片来源：海纳AI官网

而接入了大模型的AI得贤招聘官，推出升级版的得贤L5级别AIGC面试官，已经可以通过多模态算法分析候选人的言语、面部表情和声音等多个维度的信息，以便更好地精确评估候选人的能力和潜力，跟候选人进行问题的提问、追问、多轮对话等。

图片来源：AI得贤招聘官官网

除了AI面试，智能生成JD也被普遍重视。

拉勾招聘其近期上线大模型产品HRMind，主打一键生成岗位需求。HR在企业端后台，点击“发布新职位”，会自动接入与HRMind的对话框。HRMind底层是智谱AI的预训练大模型，基于拉勾平台数十万HR的招聘经验训练，未来还将帮助HR分析求职者简历，实现模拟面试。目前拉勾平台超过一半HR已经试用该产品。

图片来源：拉勾招聘

能够统一管理全渠道候选人的Yeebot，Yeebot是用友企服务大模型YonGPT在智能招聘场景的一个AI机器人，可以将AI能力贯穿面试前、中、后全流程，进行岗位要求+人才画像的智能筛选，发现合适人选后一键发起面试安排，因岗设问，AI面试。

图片来源：用友大易

目前用友公司已全部使用Yeebot完成招聘任务，同时和多家五百强企业客户进行招聘模型的共创。据悉，一个月左右时间，就可以共创出一个可供客户使用的招聘模型。预计本轮共创后，智能招聘大模型就可以进行大规模商业化。

在提高人岗匹配效率方面做探索的还有Boss直聘。针对求职者搜索岗位的需求，Boss直聘试图通过大模型进行生成式岗位推荐系统，在过去推荐系统的基础上，为求职者提供更加高效的岗位匹配效率。该系统目前还处于研发阶段，有多项成果被收录在KDD 2023及推荐系统顶级学术会议RecSys 2023上。

但AI并不是万能的，在招聘领域，大模型遇到了人性难题。

“招聘行业的核心是找对人，越高效越好。但这个行业的很多卡点，不是卡在技术问题，而是卡在一些其他因素上。”拉勾招聘CMO鲍春华指出，“B端的真实需求是什么？C端的真实需求是什么，怎么把它们碰到一起。这个行业一直在干这件事儿，但始终没有干得很好，为什么，因为我们这个行业有个词叫Hiding Information，就是隐藏信息。”

招聘方和应聘者都有各自的隐藏信息。“我的亲身经历，人家问我你家有小孩吗？你小孩几岁了？咱也不知道他是希望孩子大，还是希望孩子小。”拉勾招聘CTO蔚志刚回忆，“就这些东西，你说起来跟笑话一样，但是确实在你求职成功的过程中，可能权重还挺重。”

Mary遇到过类似问题，“花了大力气找了一个人，老板一面试，属相不合，pass掉。”

类似情况并不少见：招聘助理，要看属相是否冲突；招个组员，要看星座是否相合；有人认为，某个地区的人适合做销售，还有人认为某个血型的人不适合做销售。

求职者与某个机会失之交臂，往往会觉得自己是回答不好、经验不足或学历不够。可HR们知道，经验、学历、性别、年龄，都是可能性的一部分，还有些埋藏更深的看不见的信息，也在发挥作用。

与之相对，在激烈的求职市场，应聘者也学会将自己武装到牙齿，“当一个人打扮得漂漂亮亮去面试，简历倍儿好看，你通过什么技术手段把TA看明白？除非马斯克的脑机接口接上去，直接和大脑说话。”Mary开玩笑。

鲍春华见多识广，“应聘者中，有的人非常有水平，但是简历表达不出来。有的人则非常善于美化自己，简历和真人有差距。此外，应聘者拒绝Offer的理由五花八门，有的想要安稳，不想996，但在简历和面试中又不可能直接表达，有的仅仅不喜欢领导的风格，就拒绝了offer。这里面有很多隐藏信息，不是AI能够解决的。”

石磊也认为AI解决不了面试双方隐藏信息的问题。“现在国外有一些微表情技术，判断你有没有说谎，但这在国内是犯法的，不可以采集用户的微表情。我们能做的就是在业务问题上多做追问，多问细节。”

“目前行业还在不停寻找落地场景。大语言模型一定能帮助招聘，只不过帮多少，推动到什么程度，确实比较难讲。可以有一个模型更好地去收集双方的信息，但是短时间来说，人跟系统没有办法完全交底，这种行业固有的隐藏信息确实还是比较难攻破的。”蔚志刚认为。

03、大模型时代，HR被取代了吗？

不少HR设想，未来招聘很有可能就是一个对话框，招聘方直接输入需求，比如招聘一名算法工程师，AI就会自动走完全流程，直到候选人入职。

只不过，AI让不少HR也有了职业危机感。Mary已经开始担忧，“Yeebot现在相当于一个至少有三年工龄的HR的能力，经过不断训练，可能有五年工龄的HR，然后呢？它会迭代得越来越快，它现在已经能代替我完成很多工作。”

《风向标》调研显示，75%的受访HR认为，自己的岗位会部分被人工智能取代；仅3%的受访HR认为人工智能会完全取代自己的岗位。人机协同，与AI做同事，将成为HR部门未来的常态。

不少HR已经开始寻求转型，从事务型HR向战略型HR转型——事务型HR负责选用预留的管理，战略型HR要围绕着企业的业务战略，更好地赋能组织、激活人才、提升组织绩效。“ HR正在往整合资源、更懂业务、更能运用新技术的方向发展。”石磊指出。

Mary觉得，大模型在一些流程推进和基础问答上已经驾轻就熟，比如安排面试、协调资源、基础答疑。为了职业生涯考虑，自己也需要一些新技能，比如使用AI、训练AI的能力，“目前我还得要告诉AI，这个人推荐得没有那么精准，哪些地方识别得不太好，帮助AI继续优化。”

梁公军认为，AI面试相较于人工面试，更加公平可靠，具有有更大的确定性。人工面试官可能因为情绪变化、利益立场、个人标准，哪怕对同一个人，不同面试官的面试结果可能都各不一样：而AI面试官的算法模型是统一的、恒定的，反而能做到“精准如一、稳定可靠”。

石磊则认为，AI招聘更重要的是和人类的价值观对齐。机器虽然是中立，但假设训练它的数据，都是35岁以下的人成功入职，那它在去评估简历时，会将35岁作为一个评估标准，这时就有价值观的问题，“招聘市场不能有偏见，不管是地域偏见、年龄偏见、种族偏见。用AI消除偏见才是我们要做到的。”

石磊指出，未来HR的价值将体现在管理人性的部分，对候选人深度的洞察，跟员工的沟通，激发员工创造力，这些是机器取代不了的。

与AI共生，这已经不是一个选项，而是未来大多数职业的必由之路 。

​

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓