2025年AI in Recruiting-解锁智能招聘实践指南-智享会.pdf

1、 版权声明 本调研报告属智享会&北京外企人力资源服务有限公司所有。未经双方书面许可，任何其他个人或组织均不得以任何形式将本调研报告的全部或部分内容转载、复制、编辑或发布使用于其他任何场合。Copyright ownership belongs to HR Excellence Center&FESCO.Reproduction in whole or part without prior written permission from HR Excellence Center&FESCO is prohibited.AI IN RECRUITING调研主办方联合主办方解锁智能招聘实践指南解锁智

2、能招聘实践指南解锁智能招聘实践指南同程旅行产品专家某大型互联网企业资深招聘亚信科技控股有限公司人力资源中心招聘部总监费森尤斯医疗投资（中国）有限公司中国区人才招聘负责人丹纳赫人才招聘运营雇主品牌建设及校园关系高级经理FESCOAI 招聘专家数智万维负责人 拜耳（中国）有限公司亚太招聘负责人首席顾问CHIEF ADVISOR人力资源智享会感谢以下调研顾问团成员在本次调研及案例采访过程中提出的宝贵建议。（顾问排名不分先后）顾问团ADVISOR GROUP作者Author车迎雪女士在本次研究中，负责市场诊断、问卷设计、案例采访、数据分析与报告撰写等工作。车迎雪女士现任人力资源智享会（HREC）咨询顾

3、问（Consultant，Research and Survey）一职，目前所负责的调研报告有 智慧人力，引领未来2024 生成式 AI 赋能人力资源管理研究报告、职场健康管理：打造可持续发展与舒适的工作环境 等。Yvette.chehrecchina.org车迎雪Yvette玛氏MGS P&O Lead，TalentAcquisition Director China&ANZ方颖 陈小帅凌妮 周正蔡皓天周密李琪熊玉玲仲小玲海尔集团海尔集团校招雇主品牌负责人序言研究思路与框架Key Findings从 AI in HR 聚焦 AI in Recruiting 现状 AI in HR 的现状 8

4、 AI in Recruiting的现状 11 应用阶段 11 挑战分析 12AI in Recruiting 场景化实现 生成式 AI 的文本生成功能 21 招聘机器人（Chatbot）22 AI 外呼机器人（AI Call）26 AI 简历筛选与解析 29 AI 赋能人岗匹配 34 AI 面试/测评 37 AI 赋能招聘数据统计 44 AI 赋能候选人关系保温与维护 45AI in Recruiting 实践指南 彩蛋：人机关系思考人机共生、以人为本、能力转型标杆数据专家洞察企业案例4562084846515256AI in RecruitingAI in Recruiting04序言技术

5、革新驱动人力资源管理变革在全球数字化浪潮的深度渗透下，人工智能技术正以量子跃迁式的创新重构商业世界的底层逻辑。深圳市人工智能与机器人研究院（AIRS）启动了一项关于工程师人才的研究，研究中发现，传统人力资源管理模式已难以适应快速变化的市场需求。作为组织战略的核心支点，人力资源管理在这场变革中经历着范式级的重塑，尤其在人才获取的关键环节招聘领域，人工智能已从辅助工具演变为驱动价值创造的核心引擎。这项技术革新不仅重新定义了人才筛选的时空边界，更在深层次上解构了传统招聘的价值链，推动着人力资本管理从经验驱动向认知智能驱动的历史性跨越。传统招聘机制长期受限于人类认知的有限带宽，在简历筛选、候选人评估等

6、环节往往陷入效率与精度的双重困境。当机器学习算法突破数据处理能力的生物极限，当自然语言处理技术穿透文本表征的语义迷雾，招聘活动得以突破物理时空的桎梏，建立起多维人才画像与动态岗位需求之间的量子纠缠。这种技术赋能使企业首次实现对人才市场的全景感知，将原本离散的个体能力要素转化为可计算、可预测、可干预的决策参数，在微观层面解构了人才与岗位的适配逻辑。技术革命催生的必要性源于三重维度的价值重构：在效率维度，智能解析系统以指数级速度压缩传统招聘周期，将人力资源专家从重复劳动中解放，转而聚焦战略决策等高阶认知活动；在公平维度，算法模型通过消除人类决策中的认知偏误，构建起基于能力图谱的客观评估体系，为多元

7、化人才生态的培育提供技术保障；在战略维度，预测性分析模型突破传统人力资源规划的线性思维，通过实时捕捉市场供需波动与组织能力缺口，建立起动态自适应的人才储备机制。这种转变本质上是对人力资本价值的重新定义人才获取不再是被动响应，而是转化为驱动组织进化的战略杠杆。技术演进同时催生新的管理哲学。当智能系统接管流程性工作，人力资源管理的价值重心向人性化维度跃迁：智能推荐算法创造个性化求职体验，情感计算技术优化人机交互温度，这些创新正在重塑雇主品牌的价值维度。这种技术与人性的共生关系，恰恰揭示了人工智能时代人力资源管理的本质在算力与洞察力的融合中，构建更具韧性的人才供应链。面向未来，技术深化将带来更深刻的

8、认知革命。下一代人工智能系统或将突破现有数据分析的局限，通过行为建模预测人才成长轨迹，借助知识图谱实现跨领域能力迁移，甚至在元宇宙场景中构建沉浸式评估空间。这些创新不仅将重新定义招聘的时空边界，更将推动人力资源管理从事务性职能向战略预测职能的质变。在这个人机协同的新纪元，拥抱人工智能已不是技术选择，而是组织进化的必然路径它标志着人力资源管理从工业时代的机械范式，向数字时代的生态范式的历史性跨越。内容来源：香港中文大学（深圳）深圳市人工智能与机器人研究院 人工智能与机器人学院 学院副主任 楼子彦AI in RecruitingAI in Recruiting05研究思路与框架AI in Recr

9、uiting 的现状AI in Recruiting 场景化实现应用阶段已有场景化实践有意向进行场景化实践挑战分析企业执行层面的不足技术本身的问题数据积累系统集成性产品成熟度招聘效益实现AI in Recruiting 实践指南生成式 AI 文本生成式 AI 文本生成功能生成功能AI 外呼机器人AI 外呼机器人（AI Call）（AI Call）AI 简历筛选AI 简历筛选与解析与解析AI 赋能招聘AI 赋能招聘数据统计数据统计招聘机器人招聘机器人（Chatbot）（Chatbot）AI 赋能AI 赋能候选人关系候选人关系保温与维护保温与维护AI 赋能AI 赋能人岗匹配人岗匹配AI 面试/测评

10、AI 面试/测评AI in RecruitingAI in Recruiting06Key Findings报告内容AI in Recruiting的现状与挑战分析AI in Recruiting场景化实现应用阶段生成式AI 的文本生成功能主要发现与精粹 随着技术的不断成熟，AI in Recruiting 的场景化规划和应用程度有所进步，但横向比对下实际应用的进展略有滞后。53.85%的企业处于 AI 赋能招聘场景化应用的准备阶段，较 2020 年下降了 22.49%。4 成以上的企业开始尝试 AI 技术在招聘中的场景化应用，其中 16.92%的企业已经实现有效产出。生成式 AI 在招聘领域

11、的应用正从基础文本生成向多模态、多样化的场景拓展。岗位 JD 撰写仍然是最核心的应用（65.71%）。随着多模态技术的进步，生成式 AI 在招聘领域的应用扩展到更具专业性的领域，如海报生成（40.00%）、视频脚本生成（42.85%）和能力模型生成（31.34%）等。AI in Recruiting 所面临的挑战整体而言，得到了不同程度的解决。但处于不同应用阶段的企业仍面临供应商产品成熟度考量和数据积累薄弱的共同问题。对于仍处在规划中的企业而言，系统集成性（48.57%）、数据基础薄弱（37.14%）、成本预算（36.67%）、专业人才的缺乏（36.67%）和外部产品成熟度的考量（31.43%

12、）是制约 AI技术应用的重要因素。对于已经实现场景化实践的企业而言，仍然会受到数据积累和训练（56.56%）以及供应商产品选择（46.67%）方面的挑战和制约。挑战分析 企业利用问答机器人优化招聘流程以提高效率和候选人满意度，特别是在信息提供和流程协调方面。“回答候选人关于企业、职位等方面的询问”以超 7 成的占比成为问答机器人最常见的应用场景。企业在招聘中越来越追求招聘流程的优化和效率的提升。因此，通过技术实现岗位推送（50.00%）、面试时间协调和预约（46.88%）以及面试进度查询（43.75%）等，可以有效减少 Recruiter 的工作负担，赋能招聘提效。招聘机器人（Chatbot）

13、企业对 AI 外呼的沟通效率和对候选人体验的影响存疑，同时考虑到成本效益与技术挑战，整体应用态度较为谨慎。仅不到 3 成的企业采用了AI 外呼机器人，询问候选人的职业意向等基础信息。可行性方面，企业普遍关注候选人体验（100.00%）和沟通局限性（100.00%）；成本效益方面，沟通率低下（33.33%）和招聘体量较小导致性价比不高（46.67%）是企业对应用效果不满意或导致企业仍处在观望状态的原因。AI 外呼 机器人（AI Call）以下主要发现仅对本次研究的数据结果进行汇总。具体解决方案详见“AI in Recruiting 实践指南”。AI in RecruitingAI in Recr

14、uiting07报告内容主要发现与精粹AI in Recruiting场景化实现AI 简历筛选与解析 总体来看，企业在实施 AI 简历筛选时，更倾向于能够快速带来效率提升和成本节约的应用。企业利用 AI 技术进行简历查重与智能合并（64.29%），提升简历的有效性。正在规划 AI 简历筛选的企业也对此表示认同（有意向实现：54.55%）。为提升简历筛选的效率和客观性，企业倾向于通过 AI 的文本识别、语义理解（42.86%），实现对候选人的初步评估（50.00%）。企业在 AI 简历筛选与解析的应用中普遍关注误伤率问题（39.28%），并积极寻找解决方案。近 4 成的企业已经意识到 AI 在简

15、历筛选与解析过程中存在的误伤率问题，并通过人工审核等应对措施，平衡效率和公平性，降低技术应用的风险。另外，42.86%的企业也对此表示关注，正在评估 AI 误伤的情况。AI 面试/测评 企业利用 AI 面试/测评工具，结合岗位模型，评估候选人的专业技能和语言能力。企业通过 AI面试/测评，结合岗位模型，对候选人能力（70.59%）和语言（58.82%）进行评估，实现对候选人专业技能和岗位匹配度的考察。企业对于 AI 面试中的作弊问题已经有一定程度的关注，并已开始通过面部识别（85.71%）等技术手段提升面试公平性和准确性。企业对 AI 面试中的作弊问题已经有所警觉，35.30%的企业已经实施或

16、正在寻求解决 AI面试/测评中的作弊问题。此外，35.29%的企业已经对 AI 面试的作弊现象予以关注。在行动方面，多数企业通过面部识别技术进行规避，并采取语音特征分析（50.00%）作为辅助手段，识别潜在的作弊行为。此外，部分企业从面试内容的个性化方面入手，采用多种形式的面试题目或自行设计面试题目规避候选人提前准备试题答案的情况。在 AI 赋能人岗匹配方面，企业端的人才标签和简历匹配度打分（69.57%）以及候选人端的职位推荐（65.22%）体现了AI 在提升招聘精准度和个性化服务方面的价值。从企业端视角分析，超 6 成企业通过 AI 对候选人简历进行语义识别并形成人才标签，通过简历分类和评分，提高招聘效率和匹配的准确性。从候选人端视角分析，65.22%的企业将人岗匹配与候选人体验进行综合考虑，根据岗位要求结合候选人的意愿度和职业选择进行个性化职位推荐，利用 AI 技术实现更精准的人岗匹配。AI 赋能人岗匹配 考虑到技术的有限以及招聘数据量较小，企业在 AI 赋能招聘数据统计方面应用较为局限，主要体现在 AI 优化招聘渠道和漏斗转化率分析方面。企业出于对优化招聘资源分配、提升招聘流程