2025年12月，在极新AIGC峰会上，智面玄赏联合创始人李男分享了AI在招聘行业的落地经验。她回顾了团队从2020年做多模态建模，到如今构建千万用户双边平台的过程，并直言：'在企业普遍追求降本增效的当下，招聘环节成为最容易通过技术实现效率提升的领域。'
传统招聘的困境
过去做招聘，简历筛选、多轮面试之后，发出去的offer还是经常与岗位错配。这几乎是所有HR都踩过的坑。全球AI招聘市场规模在2025年达到120亿元人民币，北美地区AI面试覆盖率超过70%，背后正是传统模式积累下来的三大阻塞。
首先是成本。猎头费用虽然在下降，但高精尖岗位的招聘成本依然涨得很快，而且这些岗位重复招聘率超过30%——招到的人留不住，成本就反复叠加。
其次是简历筛选的负担。校招时候简历量巨大，从前甚至'成车拉回简历'，靠人看根本看不过来，标准也不统一。AI介入后，这部分是效率提升最明显的一环。
第三是匹配度。2023年大模型成熟以后，人岗匹配的偏差才开始真正缩小。以前靠关键词和简单规则，现在模型能理解简历里的隐性信息，把'错配'这个核心问题一点点解掉。
AI怎样重构招聘流程
我们从2020年切入这个赛道，见证了技术架构从感知、认知到决策的演进。底层要融合语音识别、OCR、简历解析和NLP；认知层依赖知识图谱和语义理解——在GPT还没火的时候，团队就已经建了1500个岗位的知识图谱和千万级标签体系；决策层则是匹配算法、打分模型和预测分析的组合。现在简历解析已切换到大模型，几十秒处理上百份简历，同时完成标签标注和匹配度排序。
面试环节变化也很大。AI面试在蓝领岗位的覆盖率几乎达到100%，因为评价标准高度一致，AI面试官能7×24小时远程工作，成本压到最低。对于白领，AI面试也成了常规配置。我去年和00后交流，发现大部分人都有过AI面试经历，校招、实习生招聘基本逃不开。
结合知识图谱和大模型的人岗匹配，现在不仅能识别显性技能，还能挖掘候选人的隐性特征和发展潜力。所以给高校学生做就业指导时，我常建议他们面试中多讲自己的经历，让AI抓取到更丰富的信号，匹配精准度会更高。
这些能力集成到'智面玄赏'平台后，我们在北京、上海、杭州、成都、深圳都铺了办公场地。2020年启动多模态建模，2022年完成全岗位AI面试产品，之后陆续拓展到高校毕业生就业、退役军人安置、社区灵活就业、公务员面试、企业社招等场景。
从卖工具到建平台
2023年AI全面进入应用期后，我们意识到'卖工具'的商业模式竞争太激烈，于是转向平台经济。思路很简单：企业发布悬赏岗位，HR、求职者或任何有资源的人都可以来'揭榜'，同时AI人才寻访在全网筛选候选人，入职成功则推荐者分得赏金。这种结果导向的模式，让招聘变成了企业、推荐者、求职者三方的共赢局。
平台构建的是双边经济：企业悬赏方 + 人才推荐方。C端用户目前已过千万，B端企业用户在2025年商业化测试仅半年就达到6万家。远期目标是到2026-2027年，企业用户突破2000万，总用户过亿。
平台的核心壁垒在于数据飞轮。1000万注册用户是初始积累，然后数据维度逐步丰富，算法匹配持续优化，用户体验变好，吸引更多用户和岗位，形成自我强化的循环。'数据积累需要时间沉淀，而算法优化又依赖海量数据，这正是平台经济的核心壁垒。'
我们自己的能力建设也同步推进：语音、文本处理等核心模块自研，结合大模型及胜任力模型的RAG工程，把招聘领域知识图谱融进大模型，形成人力资源行业专属模型。AI招聘智能体矩阵现在包括人才寻访、简历筛选、HR问答Agent、AI面试官等，贯穿招聘全流程。
给企业的三步路径
结合为多家企业咨询的经验，我建议HR部门的AI转型分三步走。
第一步，试点先行。拿一两个岗位试用AI招聘工具，跑通效果，验证价值。
第二步，重建人才画像和胜任力模型。基于试点数据，把岗位需求和人才画像做细，为推广打底。
第三步，积累合规数据，持续优化算法。招聘智能化的长期竞争力，一定来自数据和算法的迭代。
AI对招聘行业的改变，不只是提效。它消除了不少人为主观偏见，把匹配度、周期、成本这些指标真正拉了上来。有AI企业成立五年就IPO，我们也迈入第五年，从技术研发走到平台成型，C端与B端双螺旋增长，现金流已经正向循环。明年会重点做品牌、增长和体验优化，争取在接下来两三年成为国内头部的AI招聘平台。
