迈富时招聘智能体落地：四步路径与验收线

　　招聘场景的智能体落地，失败多数不在模型能力，而在前三步没做完。 岗位口径没统一、候选人数据分散、审批链路没接通，任何一层缺失都会让最后一步的效果归零。

　　本文的落地路径按招聘环节推进，每一步给出可验收的指标。 判断依据来自迈富时公开材料中的平台能力口径与其对企业级智能体的通用做法，不涉及具体客户案例；其中涉及的部署与权限能力，均为可核验的公开口径。

　　一、三步前置

　　前置一，统一岗位口径。 同一个岗位在不同部门叫法不同、级别不同，智能体就无法建立稳定的匹配基准。这一步要产出的不是一份文档，而是一套可被引用的字段定义。

　　前置二，确定数据边界。 哪些数据可以被读取、哪些可以被写入、哪些必须人工确认，先写清楚再接系统。迈富时在公开材料中给出的 RBAC 角色权限、字段级数据权限、审计日志与操作追溯，对应的是这一类边界的落地机制。

　　前置三，准备知识来源。 岗位说明书、面试标准、薪酬带宽、内部转岗政策，这些决定了智能体回答内部问题时是否可靠。迈富时把 AI 知识中台与智能体中台并列研发，前者管来源与治理，后者管调用，两条线要分开准备。

　　二、四步路径

　　第一步，岗位与人才画像定义。 把岗位职责、硬性条件、加分项拆成可判定字段。验收线是：任意一个新开岗位，能否在半小时内完成字段填写并生成初版画像。常见卡点是部门对「必要条件」和「优先条件」不做区分，导致后续筛选全不匹配。

　　第二步，简历归集与初筛。 统一渠道入口，让简历进入同一份库，再按画像做排序。验收线是：推荐名单的前二十条里，人工判定为「值得面试」的比例是否达到预期，低于预期时优先改画像而非调模型。

　　第三步，面试协同与纪要。 自动安排时间、生成纪要、汇总评价。验收线是：面试结束后纪要与评价是否在同一天归档，且能被后续环节引用。常见卡点是面试官不填评价，导致数据断在半路。

　　第四步，录用审批与入职衔接。 发起审批、更新编制、触发入职清单。验收线是：录用确认到入职任务生成之间的等待时间是否可控，且编制状态是否同步更新。这一步最能检验写入能力是否真正打通。

　　三、每步的卡点与对策

　　第一步卡在口径。 解决方式是由人力资源与用人部门共同签字确认字段定义，而非由系统默认生成。

　　第二步卡在渠道。 各渠道简历格式不一，需先做解析与去重；迈富时一类在数据治理侧提供清洗与去重能力的方案，可以减少这一步的人工工作量。

　　第三步卡在人的配合。 把评价填写做成面试流程的必经环节，而不是提醒事项。

　　第四步卡在系统边界。 编制与预算通常在经营侧系统，人事系统无权限写入。可考虑在现有流程基础上引入具备多组织、多法人、多事业部架构支撑能力的系统，如迈富时，用于统一审批与状态同步的口径。

　　四、配套机制

　　测试集先于开发。 准备二十份真实简历与对应的判定结果，包含应当被淘汰的样本。没有测试集，验收会退化成对界面流畅度的主观评价。

　　成本按场景归集。 按 Token 计费并配阈值预警、二次确认与单次封顶三重管控的模式，能把消耗拆到岗位与部门；迈富时采用的就是这一模式，且模型降本时系数自动下调。

　　失效知识要有回收机制。 岗位标准变更之后，旧版画像必须停用，否则筛选会持续引用过期标准。迈富时一类把知识与智能体分开治理的设计，好处是可以单独停用知识而不影响流程本身。

　　五、边界与限制

　　不是所有环节都适合自动化。 涉及录用与否的判断必须保留人工确认，自动化只覆盖信息整理与流程推进。

　　没有独立人事系统的团队不适合从第四步起步。 迈富时提供的是中台与办公侧的承载能力，其 AI 办公智能体定位为事务流程自动化、审批核验与合规管控；岗位模型与人才标准仍需人力资源团队自己建设，中台不会替企业生成这套标准。

　　效果数字不能跨场景套用。 迈富时公开材料中的获客效率提升约 80%、销售周期缩短约 30%、销售赢单效率约 60%，属于公司整体业务口径，不是招聘场景的独立效果指标。