智面玄赏联合创始人李男:人工智能赋能招聘行业——从效率革新到平台经济重构|2025极新AIGC峰会演讲实录

智面玄赏联合创始人李男:人工智能赋能招聘行业——从效率革新到平台经济重构|2025极新AIGC峰会演讲实录

2025年12月26日,【想象·2025极新AIGC峰会】在上海浦东浦软大厦成功召开。智面玄赏联合创始人李男女士在会上做了题为《AI时代招聘变革》的演讲。重点分享了智面玄赏发展情况、发展历程以及他们在AI招聘赛道的实践心得。

智面玄赏联合创始人 李男

李男重点提到以下几点:

“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。“

“企业悬赏方+ 人才推荐构起招聘飞轮”

“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。”

以下内容为嘉宾分享实录,经极新整理,希望能给大家带来收获。

大家下午好!今天,我将为大家分享人工智能在招聘行业的应用实践与发展趋势。过往,我曾在外企与国企长期从事人力资源领域的 IT 研发工作,正是这段经历,让我们在此次 AI 浪潮中,深度参与了人力资源板块的技术研发与市场应用探索。

01

传统招聘步履维艰

“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。”

在人工智能时代,医疗、法律、生物医药等多个行业均迎来了技术变革,而招聘领域作为一个细分但落地性极强的场景,同样展现出巨大的技术应用价值。相信大家都有过这样的体验:AI 时代来临之前,企业招聘往往要经过一轮、两轮,甚至三轮、五轮、八轮面试,但即便如此,发出 offer 后仍可能发现候选人与岗位的匹配度不够精准。这一行业痛点,也让招聘领域成为最早通过人工智能技术实现突破的场景之一。

从市场规模来看,官方数据显示,2025 年全球 AI 招聘市场规模已达到 120 亿人民币。其中,AI 智能面试单品在全球市场的覆盖率尤为突出,以北美为主的地区覆盖率超过 70%,而 AI 技术为招聘效率带来的提升更是达到三倍以上,充分印证了技术落地的商业价值。

回望人工智能时代之前的传统招聘模式,其效率短板尤为明显。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。具体来看,传统招聘的核心痛点集中在三个方面:

第一是招聘成本高。目前,全球范围内尤其是国内,猎头业务的整体招聘成本呈下降趋势,仅在人工智能等高精尖领域,招聘成本仍保持增长态势。同时,高单次招聘成本的岗位重复招聘率极高,至少达到 30%,造成了大量资源浪费。

第二是简历筛选压力巨大。无论是现在还是十年前,企业校招的简历量都庞大到难以想象 —— 早年甚至出现过 “成车拉回简历” 的情况。对于 HR 而言,人工筛选简历不仅耗时耗力,还存在评判标准不统一、误差较大的问题。而人工智能技术的应用,让简历筛选成为招聘全流程中效率提升最显著的环节。

第三是岗位与候选人的匹配度不足。2023 年大模型技术成熟后,这一问题得到了有效改善。随着底层模型效果持续优化,人岗匹配度不断提升,偏差也逐渐缩小,从根本上解决了传统招聘中 “人岗错配” 的核心痛点。

我们从 2020 年起便专注于人工智能在招聘领域的研发工作,见证了行业的快速发展。目前,AI 招聘在企业中的应用增长率同比保持在 30%~70%,这一增长背后,是技术架构的持续迭代与完善,主要分为三个核心层级:

第一层是感知层,整合了多种底层技术,包括语音识别、面部识别、简历解析、传统 OCR 技术以及基于大模型的简历解析、自然语言处理等,为招聘全流程提供基础数据支撑。

第二层是认知层,核心围绕 NLP 语义理解与知识图谱展开。在 2023 年 GPT 等基础模型成熟之前,我们于 2020 年至 2022 年期间,构建了 1500 个岗位的知识图谱与行业模型。同时,我们还建立了千万级智能标签体系,支撑人力资源任职资格体系模型的运转。如今,简历解析技术已升级至大模型级别,精准度与效率大幅提升。

第三层是决策层,涉及多种算法的深度应用,包括匹配算法、打分算法、人岗匹配模型、风险评估以及预测分析等。随着基础模型技术的成熟,招聘领域已实现智能筛选、AI 面试、数据分析、人才库激活及全流程自动化的完整闭环。

02

AI重新定义招聘流程

“企业悬赏方+ 人才推荐构起招聘飞轮”

今年 9 月前,我们已将 AI 招聘领域的所有工具整合为全流程解决方案,其中包括 HR 助手、问答助手等产品,并基于知识图谱与大模型完成了 LG 工程升级,实现了工具间的协同联动。

在具体业务场景中,AI 技术的价值得到了充分释放:

其一,简历筛选效率实现质的飞跃。我曾有过一天审阅数千份中英文简历的亲身经历,人工筛选不仅误差大,且难以做到精细化评判。而通过人工智能技术,从 NLP 处理、标注到匹配,几十秒内即可完成上百份简历的处理。目前,我们的平台已累计处理千万级简历,能够在短时间内完成企业人才库的全域搜索、标签标注与匹配度排序。

其二,AI 智能面试全面普及。如今,AI 面试已成为求职市场的常态 —— 我此前参与 00 后交流局时发现,实习与就业阶段的年轻人几乎都有过 AI 面试的经历。除校招与实习生招聘外,AI 面试在骑手、制造业等蓝领招聘场景中的覆盖率可以达到 100%,且能够独立完成面试决策。这得益于蓝领岗位的评价标准高度统一,而 AI 面试官可实现 7×24 小时远程办公,大幅降低了企业的招聘成本与时间成本。

早在 2020 年,受远程办公趋势推动,国内企业开始逐步接受线上面试方案,我们也于同年启动 AI 面试产品研发,历时两年完成了 1500 个岗位的全岗位模型构建。目前,市场上企业自建或外部提供的 AI 面试工具已日趋丰富。

其三,智能人岗匹配精准度持续提升。这一功能以知识图谱为核心驱动,依托人力资源胜任力行业模型,结合大模型与知识图谱的双重优势,构建岗位能力框架,不仅能识别候选人的显性技能,还能挖掘其隐形技能与发展潜力。因此,我们在为高校学生做就业指导时,常会建议他们在面试中充分分享自身经历,以便 AI 抓取更全面的信息,提升匹配精准度。

此外,AI 技术还赋能数据分析与预测场景,通过多维度数据看板,为企业提供离职预警、招聘渠道投放建议等决策支持,最终实现招聘周期缩短、成本降低、匹配度提升、猎头费用占比下降等多重价值。

基于上述技术与场景积累,我们推出了 “智面玄赏” 平台,重新定义招聘流程。目前,我们已在北京、上海、杭州、成都、深圳等地布局全国办公场地,业务发展历程清晰:2020 年启动多模态建模项目;2022 年完成 1500 个岗位的 AI 面试产品体系搭建;2023 年至 2024 年,持续拓展应用场景,覆盖高校毕业生就业、退役军人安置、社区灵活就业、公务员面试、企业社招等多个领域。

2023 年 AI 时代全面来临后,我们意识到单纯 “卖工具” 的商业模式竞争激烈,因此决定向更高维度的平台经济转型。通过两年的深耕,我们的 C 端用户已突破千万,B 端企业用户在今年9月商业化测试开始半年内达到 6 万家。未来,我们的目标是到 2026 年至 2027 年,成为企业用户超 2000 万、总用户过亿的头部 AI 招聘平台。

为支撑平台发展,我们的语音、文本处理等核心能力均来自自研系统与模型,结合大模型及胜任力模型的 rag工程,将招聘领域知识图谱深度融入大模型,实现人力资源行业模型的迭代升级,全面服务企业人力资源部门的智能化转型。

目前,我们已构建起 AI 招聘智能体矩阵,涵盖 AI 招聘人才寻访,AI简历筛选,AI HR问答 Agent、AI 面试官等核心产品。平台创新推出 “悬赏招聘” 模式:企业开通悬赏功能后,HR、求职者或身边有求职资源的人可参与 “揭榜”,同时 AI 人才寻访工具会在全网筛选候选人,候选人成功入职后,推荐者即可分得悬赏奖金。这种以结果为导向的招聘模式,将成为未来企业招聘确定性结果的主流.

值得一提的是,今年红杉中国推出的 Raas 模式,我们早在2023便已完成规划,今年正式上线后运营效果良好。平台构建了 “企业悬赏方 + 人才推荐方” 的双边经济模式 —— 招聘平台本质上是双边经济驱动,我们通过悬赏与揭榜的赏金分配机制,实现了企业、推荐者与求职者的三方共赢。

03

打破平台经济核心壁垒

“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。”

我们已服务多家标杆企业:去年及前年,部分互联网头部企业的校招面试工作由我们全程承接;众多 AI 科技企业借助我们的工具,在校园招聘团队尚未完善的情况下,高效完成了招聘任务;在制造业及骑手等蓝领招聘场景中,我们的 AI 面试官与招聘解决方案得到了广泛应用。此外,我们还为央国企提供高阶服务,包括干部盘点、行业人才库建立等,满足其政策合规要求。

平台经济的核心逻辑在于双边经济的数据飞轮效应:通过 1000 万注册用户的初始数据积累,逐步丰富数据维度,再通过算法匹配持续提升精准度与用户体验。对于企业人力资源部门而言,仅需发布岗位需求,后续全流程招聘工作均可由 AI 完成。一旦数据飞轮启动,便会形成自我强化的正向循环 —— 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。

结合实践经验,我们为企业人力资源部门的 AI 转型提供三步实施路径建议:

第一步,试点先行。建议企业先从少数岗位切入,部署 AI 招聘工具,通过 1-2 个岗位的成功实践,验证技术价值与落地效果。

第二步,重建人才画像与胜任力模型。基于试点阶段的经验,优化岗位人才画像,完善胜任力模型,为全面推广奠定基础。

第三步,积累合规数据,优化算法,构建长期竞争优势。通过持续的数据积累与算法迭代,逐步建立企业在招聘智能化领域的核心竞争力。目前,我也在为多家企业提供这一转型过程的咨询与支持。

总而言之,在 AI 与平台经济的双重驱动下,招聘行业正从人力密集型向智能驱动型全面变革。AI 技术不仅带来了高效、精准的招聘体验,更实现了消除主观偏见、提升匹配度、缩短招聘周期的核心价值,彻底革新了传统招聘流程。如今,已有 AI 企业成立 5 年便成功 IPO,我们也已迈入发展第五年,实现了从技术研发到平台成型的跨越,构建了 C 端与 B 端双螺旋增长驱动的格局,达成了现金流正向循环。

明年,我们将在品牌宣发、用户增长与用户体验优化方面加大投入,力争在 2026 年至 2027 年成为中国头部 AI 招聘平台。以上就是我的分享,谢谢大家!

Read more

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践 背景 Amazon SageMaker 汇集广泛采用的亚马逊云科技机器学习和分析功能,统一访问所有数据,为分析和人工智能提供一体式体验,使用亚马逊云科技机工具进行模型开发、生成式人工智能、数据处理和 SQL 分析,在融通式合作开发工作室中加快协作和构建,借助强大的生成式人工智能软件开发助手 Amazon Q 开发者版提升效率,无论数据存储在数据湖、数据仓库,还是第三方或联合数据来源中,均可访问所有数据,同时内置治理功能可满足企业安全需求。 前言 本文将通过 Amazon SageMaker Notebook 实例完成 AIGC 模型的测试与验证,再将模型部署至 Amazon SageMaker Inference Endpoint 实现服务化,最后利用 Amazon

copilot学生认证2026-github copilot学生认证(手把手教会)

copilot学生认证2026-github copilot学生认证(手把手教会)

1.前言 博主在24年的时候发过一篇copilot认证成功的帖子,当时也是领到了一年的pro 文章链接:github copilot学生认证(手把手一小时成功)-ZEEKLOG博客 如今26年了,copilot的申请增加了一年的时间,博主也进入了研究生生涯,前段时间也是再次进行了申请,现在已经用上了,Pro 版直接解锁无限制基础功能 + 海量高级模型,我的感受是:真香!:   既然官方的申请有变化,咱们教程也得与时俱进,下面就开始手把手教大家如何进行申请copilot学生会员。 2.完善 GitHub 账号基础配置 在Emails里面加入你对应学校的教育邮箱(以edu.cn结尾),打开教育邮箱点击GitHub发送的验证邮件链接,即可完成邮箱认证 3.Github学生认证 完成上述步骤后,打开学生认证申请链接,依旧还是在设置里面,这里也可以用手机操作,因为上传证明材料用手机拍照更方便: 选择身份为学生,下滑填写学校信息,输入学校的英文,最后选择自己的学校教育邮箱,点击continue(还得分享位置) 接下来就是上传证明材料: * 可以使用手机摄像头拍摄,证件

【Coze-AI智能体平台】解锁 Coze 工作流:逻辑控制・数据处理・AIGC 多媒体全场景实战

【Coze-AI智能体平台】解锁 Coze 工作流:逻辑控制・数据处理・AIGC 多媒体全场景实战

🔥小龙报:个人主页 🎬作者简介:C++研发,嵌入式,机器人方向学习者 ❄️个人专栏:《coze智能体开发平台》 ✨ 永远相信美好的事情即将发生 文章目录 * 前言 * 一、业务逻辑节点 * 1.1 选择器节点 * 1.2 意图识别节点 * 1.3 循环节点 * 1.4 批处理节点 * 1.5 变量聚合节点 * 1.6 代码节点 * 1.6.1 JSON? * 1.6.2 python异步编程 * 1.7 数据库节点 * 1.7.1 新增数据节点 * 1.7.2

通义万相 2.1 与蓝耘智算平台的深度协同,挖掘 AIGC 无限潜力并释放巨大未来价值

通义万相 2.1 与蓝耘智算平台的深度协同,挖掘 AIGC 无限潜力并释放巨大未来价值

我的个人主页我的专栏:人工智能领域、java-数据结构、Javase、C语言,希望能帮助到大家!!!点赞👍收藏❤ 引言:AIGC 浪潮下的新机遇 在当今数字化飞速发展的时代,人工智能生成内容(AIGC)已成为推动各行业变革的关键力量。从创意内容的快速产出到复杂场景的智能模拟,AIGC 正以前所未有的速度改变着我们的生活和工作方式。通义万相 2.1 作为多模态 AI 生成领域的佼佼者,与蓝耘智算平台这一强大的算力支撑平台深度协同,犹如一颗耀眼的新星,在 AIGC 的浩瀚星空中熠熠生辉,为挖掘 AIGC的无限潜力和释放巨大未来价值提供了坚实的基础和广阔的空间。 一:通义万相 2.1:多模态 AI 生成的卓越典范 ***通义万相 2.1 是阿里巴巴达摩院精心打造的多模态 AI 生成模型,在图像、视频等内容生成方面展现出了令人瞩目的实力。*** 1.1 创新架构引领技术突破 1.