面试官实录｜AI 面试助手筛选 100 份简历，结果超出预期揭秘

——从“简历山”到“黄金候选人”只差一次智能过滤

1. 开场白：当 HR 把 100 份简历丢给我

周三下午 3 点，HRBP 在飞书群里甩了一个压缩包：“Leah，Java 架构师 HC 还有 3 个，老板要求本周五出终面名单。”
我打开一看——387 份 PDF、DOCX、PNG、甚至手写扫描件。
招聘系统提示：预计人工阅读时长 6.4 小时；而我只剩 2 小时。

解决方案：AI 批量筛选 + 人工复核。
目标：30 分钟完成第一轮粗筛，留下 30 份进入二轮。

2. 为什么传统关键词筛不干净？

传统布尔表达式=「关键词+年限+学历」，
AI 语义模型=「向量+场景+风险+潜力」。

3. 5 分钟快速上手的 3 个 AI 简历筛选工具

本次我们组合使用 3 款工具，原因：

• 免费额度大，注册即用
• 支持中文简历 & 海外 JD
• API 文档清晰，可一键批量

4. 真机实录：30 分钟跑完 100 份简历的 SOP

4.1 环境准备（3 分钟）

1. 把 100 份简历统一命名为 姓名_岗位_年份.pdf
2. 打开 Moka 校园招聘 → 新建职位 → 上传压缩包
3. 设置过滤规则：
   • 必须关键词：Java、分布式、高并发
   • 权重加分：Kubernetes +10、DDD +8、云原生 +6
   • 风险减分：每跳一次槽 -2、空档 > 6 个月 -5

4.2 AI 跑批（2 分钟）

点击「智能排序」→ 30 秒后生成 Excel，字段包括：

• AI 综合分（0-100）
• 技能匹配度、经历连贯度、风险指数
• 亮点摘要（一句话）

4.3 人工复核（25 分钟）

• 只看 AI 分 ≥ 70 的 41 份
• 用 Workday Talent Optimization 打开 DEI 报告，剔除潜在性别/年龄偏差 3 份
• 最终留下 30 份进入二轮视频面

5. 数据拆解：AI 打分 vs 人工打分差距有多大？

结论：AI 适合粗筛+排序，人工负责校准+文化匹配。

6. 候选人反馈：被 AI 筛掉是一种怎样的体验？

我们匿名回访了 20 位被筛掉的候选人：

• “简历里用了太多口语，AI 可能没识别到‘微服务’=‘micro-service’。”
• “跳槽确实多，但每段都是 6 个月合同，AI 降权可以理解。”
• “收到拒信 3 小时后，AI 给我推荐了更适合的 AIGC 产品经理岗位，已约面。”

透明化提示：所有拒信都附带「AI 评分明细 + 改进建议」PDF，减少投诉。

7. 风险与合规：GDPR、个保法、算法备案一次说清

工具选择建议：

• 优先选 国内服务器 的 Moka、拉勾
• 海外业务用 GDPR 合规 的 Workday、SmartRecruiters

结语

AI 不会取代 HR，但会用 AI 的 HR 正在取代不会用 AI 的 HR。
100 份简历，30 分钟，9 个终面 offer——这不是科幻，是 2024 年的日常。
祝你也能把“简历山”变成“人才池”，我们直播间见！