返回行业资讯
中小企业AI筛简历实操：两百份怎么筛才不漏人
📌 摘要
一个仓管岗挂两天收两百多份简历，行政翻了三个晚上，约来面试的六个人里只有一个干满三个月。AI 能把初筛从几天压到几小时，但把淘汰权也交给它，风险比漏人更大。这套流程怎么搭、标准怎么写、哪些环节必须留给人，逐条说清。
招人这件事，真正磨人的往往不是面试。一家年营收几千万的制造企业，仓管岗挂出去两天收了两百多份简历，行政主管翻了三个晚上，约来面试的六个人里只有一个干满三个月。问题不在她不认真——在两百份简历里用肉眼找硬条件，本来就不是人该干的活。
一、简历不是拿来读的，是拿来筛的
伦敦一家年撮合约 2400 个岗位的招聘机构，过去每个岗位要花 45 分钟通读简历、比对要求、排初选名单。他们把头一遍交给模型：需求一生成，AI 先读岗位说明书，再逐份给候选人打分，排出带解释的短名单。上线后单岗筛选从 45 分钟降到 9 分钟，从收到需求到给出短名单从 2.4 天压到 6 小时，没加一个人，产能相当于多出 2.3 个全职岗位，全年撮合量涨了 31%。系统建了 1.2 万英镑，一年释放的产能价值超过 18 万英镑（Seven Solvers，2026）。
国内同量级的数字也差不多：杭州一家跨境电商公司用上 AI 招聘系统后，HR 每天筛简历从 5 到 6 小时降到 1.5 小时，推荐给业务的候选人面试通过率从 22% 提到 54%；苏州一家 280 人的精密制造企业把两个 HR 各筛各的标准统一成可复制的模型，招聘周期从 42 天缩到 28 天（Moka 案例，2026 年 5 月）。
注意数字的落点：省下的不是读简历的时间，是反复沟通的时间。
二、先写清楚标准，再把活交给模型
那家伦敦机构上线前做的一件事最值得抄：把筛选标准先写成明确的打分维度，再交给模型，而不是让它自由发挥。
具体到一家中小企业，一份岗位的筛选表可以拆成三层。硬条件是门槛，不满足直接出局：证书资质、从业年限、现居城市、能否接受倒班。软条件是加分项，用来排序：同行业背景、服务过的客户类型、带过多少人、做过多大规模的单。排除项要明写：要求薪资超过预算上限的、频繁跳槽且无说明的、岗位JD里明确不接受的情形。
这三层写进提示词，让模型对每份简历逐条给分并附一句理由，输出成表格。关键在「附一句理由」——没有理由的排序是黑箱，你没法复核它到底因为什么把人排到第二十名。
三、AI 排顺序，人做淘汰决定
这条不是保守，是合规要求。国务院办公厅 2026 年 10 月印发的《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》第十三条写得很直接：规范人工智能在人力资源管理领域应用，依法治理因滥用算法等造成的就业歧视、虚假招聘、侵犯隐私权休息权等违法违规行为。
国外判例已经把边界压出来了。2026 年 6 月 22 日，加州北区联邦法院在 Mobley v. Workday 案中驳回 Workday 的部分驳回动议，认定它履行筛选、排序这些传统招聘职能时可能被视为雇主的代理人——供应商不能再以我只是卖软件脱身，雇主也不能指着算法说不是我干的。更早的 EEOC v. iTutorGroup 案 2023 年 9 月和解，系统被设定为自动拒绝 55 岁以上女性、60 岁以上男性申请者，一次筛掉 200 多名合格申请人，代价 36.5 万美元。斯坦福大学 2026 年 5 月的研究则显示：26% 的黑人求职者、15% 的亚裔求职者所申请职位上，AI 系统对其族群存在歧视性差异。
落到操作就三条：AI 只出短名单和排序理由，不写不通过；淘汰决定由人签字，留下谁在什么时间依据什么条件做的决定；别让模型拿职业空档期当减分项——它在 Mobley 案里被指为对残障求职者不利的代理变量。
四、平台自带的 AI 匹配，精度能差出一倍
很多老板以为招聘平台都上了 AI，实际差距很大。第三方 2026 年测评给出的实测匹配精度：BOSS 直聘约 70%，猎聘约 45%，前程无忧约 30%，智联招聘约 28%（余姚新闻网转引，10 月 10 日）。同一批简历在不同平台上被推到前面的人，可能完全不是同一批。
价格也得算清楚：BOSS 直聘 AI 助手按候选人数量计费，月支出大致 2000 到 8000 元；智联招聘 3000 到 15000 元；猎聘订阅制 4000 到 12000 元（i人事整理）。年招聘量不到二十人的公司，先用平台自带的基础功能——BOSS 直聘的简历解析对企业用户免费用基础版。
验证办法很土但有效：同一批真实简历，让平台 AI 推荐前二十名，让最懂这个岗位的主管人工挑前二十名，看重合多少。过半再谈付费。
五、三个月回检一次，别让模型自己跑偏
模型会漂。一是数据漂：它学的是你过去的录用记录，过去招的人单一，它就一直招同一类人。二是人会偷懒，这叫自动化偏差，招聘者倾向于照抄 AI 的排名而不追问——ThriveMap《State of Assessment Market Report 2026》调研 1000 名候选人、200 位招聘负责人和 20 多万次测评记录，82% 的雇主说自己用了与岗位相关的测评，只有 22% 能指出它对离职率有任何可衡量影响。
那家伦敦机构把偏见审计做成例行机制：用历史数据检验排序结果，看性别、族裔、年龄是否与人工评审存在统计显著差异，定为每季度复检一次。中小企业做不了统计检验，可以做简化版——每季度抽二十份被 AI 排到后段的简历，让主管盲评一遍。
顺带一提，AI 筛选最被忽略的用法在老简历库里：新岗位一发布，让它去翻过去几年投过别的岗位的人，两年前不合适，现在可能正好。
现在就能做的四件事
挑一个最费人的岗位先跑，别全公司铺开。把它的筛选表按硬条件、软条件、排除项三层写出来。用现有平台的基础版跑一百份真实简历，人工复核 AI 的前二十名并记下误判。三个月后回检一次，看误判率有没有下降。
一句话归拢：AI 在招聘里该干的活是排序，不是裁决。把标准写清楚、把理由留下来、把签字权攥在人手里，效率能提上去，麻烦不会跟上来。
站内上手实操栏目还有对账、知识库等环节的落地拆解，按自己的行业翻一栏对照着看。
❓ 常见问题（FAQ）
小公司一年就招十几个人，值得上 AI 筛选吗？
值得用，但不必买系统。先用招聘平台自带的基础解析和推荐功能，把筛选表按硬条件、软条件、排除项三层写清楚再跑。判断标准是单次招聘耗掉的行政工时：如果一个岗位 HR 要花两天以上翻简历，AI 的收益就覆盖了学习成本；如果一年只招三五个人，写清楚岗位要求比上工具更划算。
AI 筛简历会不会把好的人漏掉？
会，而且漏法很有规律——它偏好标准答案式简历，跨行业转岗、经历 unconventional 但能力强的人容易被排到后段。规避办法是让 AI 只输出排序和理由、不输出淘汰结论，人工复核时专门看排在中段的那批；另外把软条件写宽一点，比如同行经验不要限定为一个行业名，而是列出等价经历。
用 AI 做视频面试，国内合规吗？
目前没有专门禁令，但方向已经明确：国务院办公厅 2026 年 10 月的意见要求规范人工智能在人力资源管理领域应用、治理算法歧视与侵犯隐私权等行为；人社部 10 月 9 日发布的新就业形态劳动者权益保障办法征求意见稿也确立了不得仅由算法自动作出减损劳动者重大利益的决定的原则。稳妥做法是 AI 只做记录和结构化摘要，评分和建议交给人，且事先告知候选人。
📚 资料来源
- 小略AI《AI筛简历提效4倍，单岗45分钟降到9分钟》2026-10-10（转引 Seven Solvers 英国招聘机构案例）
- Moka《精准人才筛选：从大海捞针到智能匹配的进化路径》2026-05（杭州跨境电商、苏州精密制造案例数据）
- 中国政府网《国务院办公厅关于适应人工智能技术发展助力构建就业友好型发展方式的意见》2026-10
- HR on Demand《AI招人，也歧视人？Workday深陷算法偏见诉讼》2026（Mobley v. Workday 2026-06-22 裁定、斯坦福2026-05研究）
- AI Business Weekly《AI Hiring Discrimination: Bias, Lawsuits and Your Rights in 2026》（EEOC v. iTutorGroup 36.5万美元和解）
- 余姚新闻网《AI招聘渠道怎么选？2026国内主流招聘服务多维度评估报告》2026-10-10
- ThriveMap《State of Assessment Market Report 2026》（82%使用率与22%可衡量影响）