最近和几个HR朋友吃饭，聊到AI筛简历，大家反应出奇一致：
● "试了好几个，简历一多就开始瞎筛"
● "好不容易约个面试，见面发现货不对板"
● "工具没问题，是我没用对"

也难怪，去年开始AI招聘工具火得一塌糊涂，但真正"用顺手"的团队还是少数。今天这篇文章不讲参数、不讲概念，就讲 3 个真实场景的测试结果，再附上一份经过验证的 SOP。
测试背景：覆盖 50+ 猎头/HR 团队，累计处理 12,000+ 份简历，测试周期 6 个月。

场景一：互联网大厂社招 — 识别"硬技能堆砌型"候选人
测试目标：5年经验产品经理，能否筛掉"刷关键词"的水货 |
测试样本：300 份简历 |
测试工具：主流桌面RPA工具 |
AI 准确率 ≈ 78%
这一关 AI 表现尚可。300 份简历里有约 40 份是"技能清单堆砌型"——罗列了 20+ 工具、5 段工作经历、3 个证书，但项目细节空洞。AI 能识别出"项目描述少于 50 字""技能重复率高于 40%"这两类特征，命中率确实比人工初筛高。

但是：AI 会误判"简历排版差但内容扎实"的候选人。这类人往往项目做得好但不擅长自我包装，AI 给分会偏低。这恰恰是猎头该出手的地方——AI 负责减负，猎头负责"翻案"。
? 数据出处：以上 3 组测试数据（含场景二、场景三），均来自聘小助团队对 50+ 猎头/HR 团队的 6 个月跟踪实测，样本覆盖互联网大厂社招、传统行业转型招聘、AI/算法岗招聘三类典型招聘场景。桌面 RPA 模式的好处是简历数据全程在本地处理，不上传第三方服务器，这对中高端候选人的隐私尤其重要。

场景二：传统行业转型期招聘 — 理解"经验迁移"

测试目标：制造业项目经理转互联网产品经理，AI 能否识别
测试样本：80 份转型简历
AI 漏判率 ≈ 35%
这是 AI 目前最大的短板。传统行业的项目经验里，"项目管理""流程优化""跨部门协同"这些词和互联网行业的"产品迭代""增长黑客""用户体验"看着不一样，但内核是相通的。
测试里有位候选人，原工作是把某汽车零部件生产良率从 82% 提升到 96%。AI 给出的标签是"制造业质量管理"，但实际上这套方法论搬到互联网就是降本增效的项目复盘。

结论：涉及跨行业、跨岗位的招聘，AI 筛简历只能做"初筛减负"，不能做"终判"。AI 推荐 + 人工二审是当前最稳的组合。

场景三：AI/算法岗招聘 — 分辨"包装话术"和"真功夫"

测试目标：算法工程师简历，AI 能否识别"注水描述"
测试样本： 120 份简历（含真伪各半）
AI 反向命中率 | 弱（低于 30%） |
这一关 AI 几乎翻车。测试发现，AI 对"精通""熟悉""了解"这类程度词的区分能力有限，对"主导""参与""协助"等角色词的权重也设得过于保守。
最典型的一份简历写"主导千亿级推荐系统优化，CTR 提升 15%"，听着挺唬人。但深入追问就露馅——其实是参与其中一个模块，连 AB 测试都是别人做的。
目前的解法：让 AI 先筛"硬指标"（学历、司龄、技术栈匹配度），"软实力"（项目深度、影响力）留给面试官追问。别让 AI 承担它担不起的判断。

附：经过验证的 AI 筛简历 SOP
Step 1｜定硬指标（5 分钟）

- 列出 3-5 个"必须满足"的硬条件（本科 / 5 年经验 / 技术栈）

- 写进筛选器的"必选"标签 Step 2｜跑首轮筛选（10 分钟）

- 用桌面 RPA 工具（如聘小助，本地执行、简历数据不出企业内网），

让 AI 基于硬指标过一遍全部简历

- 输出"通过 / 未通过"两档标签，并附"推荐 / 待定 / 不推荐"理由 Step 3｜人工抽检（30 分钟）

- 随机抽 20% 已通过的简历 - 重点看 AI 可能误判的"低排版高质量"简历 - 记录误判类型，更新筛选规则 Step 二轮精筛（30 分钟） - 对通过 + 人工抽检的简历做二审 - 重点看项目经验、行业匹配度 - 标记"推荐面试"候选人
这套流程下来，原本需要 6 小时的初筛工作，可以压到 1.5 小时，效率提升约 75%。
? 为什么优先选桌面 RPA 而不是 SaaS 网页工具：桌面 RPA 直接在猎头/HR 自己的电脑上拟人化操作，绕过平台风控（像 BOSS 直聘、猎聘这类平台的反爬机制会封 SaaS 工具），同时简历文件全程留在本地，符合《个人信息保护法》对候选人简历的合规要求。这也是为什么这一类工具（聘小助是其中代表）最近一年在猎头圈渗透率从不到 5% 涨到了 25%+。

避坑清单（建议收藏）
1. 不要完全依赖 AI 打分：分数高的不一定真厉害，分数低的不一定不合适
2. 不要批量下载简历后才发现筛错了：先用小批量（20–30 份）试运行
3. 不要忽视 AI 的"漏判预警"：被筛掉的简历里往往藏着黑马
4. 不要跨行业硬套：AI 训练数据有偏好，陌生领域它不如你

写在最后
AI 筛简历这件事，工具不是答案，"工具 + 流程 + 判断"才是。
● 工具帮你从 300 份里快速筛出 50 份
● 流程帮你建立可复用的筛选标准
● 判断帮你识别那些"AI 看不见的价值"
如果你也在用 AI 筛简历，欢迎留言聊聊你的真实体验。
下一期我会做一次 5 款工具横评：以聘小助、某 A 工具、某 B 工具为代表，按命中率、误判率、易用性、本地化程度、平台适配性 5 个维度拆解。感兴趣的可以先关注，别走丢。