AI招聘智能体怎么配、配置要花多久、上线之后要不要专人盯——这类问题在购后阶段出现得比想象中多。有企业把工具买回去两周问的第一句是「配置在哪」第二句是「配好了怎么知道有没有用」。这两句背后是同一件事智能体不是装上就能干活的它要你先给材料。给得清楚它像个熟练的同事给得含糊它比机器人还慢。四步路径写在这篇里全程不需要技术背景一个岗位从动手到跑起来按天算不按月算。每一步拆到「做完是什么样」做完第二步手里有一份能核事实的岗位说明做完第三步有一份四到六条的问题清单做完第四步有一个能导数的后台。一、先想清楚让它接哪一段上手之前先回答一个问题这个智能体在你的招聘流程里接哪一段是接答疑——候选人反复问的那几十句是接初筛——把咨询的人核一遍事实还是接邀约——把约面的来回拉扯压成一条消息三段都想要是常见想法但第一次上手别这么干。挑一段就够挑的标准是这段的重复度够高、判断标准你能说得清。重复度高工具的价值看得见标准说得清配起来不返工。很多企业卡在第一步就选了「都想让它干」结果材料准备了一半哪段都没跑通。选一段、跑通、再看下一段这条路快得多。挑哪一段还有个参照你被什么问题烦得够呛。天天答重复问题的接答疑简历不少但都核不清的接初筛约了改、改了没下文的接邀约。烦什么先接什么——烦得越具体标准就越说得清配起来就越不容易返工。招聘云在陪企业跑这一段时看到的共同点是上得快的团队不是买得早是第一段选得小。二、第一步把岗位说明写到位智能体干活靠什么靠你给它的岗位说明。它往下追问的每一个问题都是从这份材料里长出来的。所以第一步不是研究功能是检查JD写得够不够清楚。怎么算清楚看四样职责写的是活不是形容词。「负责仓储日常管理」是形容词「管两千平仓库、六个人的班、一天进出三四百单」是活。前者智能体没法顺着问后者能长出三四个具体的追问。薪资有口径。区间多少、底薪绩效怎么拆、试用期和转正一不一致。口径没定它答薪资只能含糊含糊一次候选人心里就记一次。硬条件列出来。班次怎么排、在哪个片区、要不要倒夜班、五险什么时候开始交——这些是候选人拿来自查的门槛也是它核事实的清单。地点写能核对的东西。写到「X号线Y站C口出步行八分钟」别只写园区名。材料含糊不是它的问题是你的问题——输入写得越含糊它问出来的东西越没法定性。这一步花两个小时比上线后返工两周划算。写的时候有个省事的办法把上一个干得好的人叫过来让他把一天从头讲到尾。他讲的每件具体事——几点开第一趟车、交接要对哪些数、月底盘点累在哪——都是JD里该写的活儿。照着人写岗比照着模板写岗清楚一个量级。三、第二步把初面要核的问题配一次岗位说明是它的知识初面问题才是它的动作清单。这一步要企业自己定而且只能企业自己定——什么样的人算合适工具没法替你判断。配问题的方法不复杂从主诉倒推招不到人的岗问题先核门槛。仓管岗就问四样管过多大的库、一天进出多少单、用过什么系统、能不能接受夜班。四个答案落成字段够筛掉大半不合适的。来的人不合适的岗问题先核经历。对方说做过两年就顺着问规模、问量、问工具——答得出细节的多半真干过含糊带过的记下来交给面试再核。约不上面的岗问题里直接带时段。不问「你哪天方便」问「周三下午两点和周四上午十点哪个行」。注意一件事这些初面问题是人工配置的但话术不是。问题定下来之后模型会照着岗位说明现场组织语言追问跟着候选人的回答走——对方答含糊它就换个角度再问一次。你配的是「核什么」不用配「怎么说」。问题配几条经验是四到六条。少于四条核不出差别多于六条候选人答到后面就疲了。顺序也有讲究先问门槛类——能不能接受夜班、那个片区住不住得惯再问经历类。门槛不过的后面不用问双方都省时间。这套问题配完是能反复用的同工种的岗改几个数字就能挪过去不用每次从零写。四、第三步让它跑起来人只看两处配完上线这一步企业容易走两个极端要么天天盯后台要么撒手不管。都对了一半——该看的是两处不用多。第一处转人工的口子。它答不了、答不准、候选人明确要找人的情况必须有人接。接的人要能拿到上下文——候选人是谁、聊到哪、卡在哪——不然候选人要把说过的话再讲一遍等于白问。这个口子配好后面就不用天天盯。第二处字段落位。它核出来的事实——期望薪资、可到岗时间、能接受的班次——有没有落成一条条记录。落了这些记录后面能排序、能筛选、能复用没落全在聊天记录里等于白核。还有一种情况提前想好它核出来的人不合标准怎么办把不合标准的也留住——这次不合适记录在库里下次同工种开招先翻库再发单。核过的人是有资产的扔了等于白核。这两处各看十分钟比盯一天后台有用。看顺了之后一周扫一次就够。五、第四步两周后看三个数上线不是终点两周后拿数说话。首次响应平均时长——候选人咨询到第一次有人或工具接。这一段变化来得快跑起来第一周就该往下走。约面转化率——聊过的人里多少约上了。它能反映初面问题配得对不对问在点子上的人才愿意往下走。到面率——约上的人里多少真来了。它反映的是邀约给时段的方式对不对以及岗位信息有没有把预期说到位。三个数只跟自己的上个月比。两周的样本不大看趋势就够别急着下结论——上工具的判断周期按月算不按天算。数字不好看的时候别急着下结论先分清楚是工具没跑起来还是预期定高了。响应时长降了、约面没涨问题可能不在初面在邀约约面涨了、到面没涨回去看时段给得合不合适。三个数是联动的单看一个会误诊。六、跑顺之前三件事别忘岗位信息变了要同步。薪资调了、班次改了、地点换了岗位说明要跟着改。它照着材料说话材料是旧的说出来的就是旧的——这一条是智能体和企业之间容易脱节的地方。对外口径要统一。招聘网站上写一个版本、聊天里答一个版本、现场面试又是一个版本工具再准也补不上这个裂缝。上线之前先把口径对齐一遍。别一次铺满全部岗位。先挑一个常挂的岗跑两周把上面四步走顺再往别的岗复制。同工种的岗复制起来很快第一枪打歪了再调代价小得多。还有一件配套的事留一个「哪里别扭」的通道。一线的人用着别扭——问题问得生硬、时段给得不合适——得有地方报上来。配置是配出来的也是改出来的两周里攒下来的别扭清单往往比任何评估表都准。七、这一段AI招聘系统怎么接把四步摊开看会发现企业要自己动手的就两件写清楚岗位说明、定好初面问题。剩下的是它该干的照着材料组织话术、顺着回答往下追问、核到的事实落成字段、约面的时段批量给出去、没回的人按节奏再触达。把四步摊开看会发现企业要自己动手的就两件写清楚岗位说明、定好初面问题。剩下的是它该干的照着材料组织话术、顺着回答往下追问、核到的事实落成字段、约面的时段批量给出去、没回的人按节奏再触达。这也是智能招聘系统和普通机器人软件的分界系统能把「核—记—约—追」串成一条线机器人只负责其中那几句。拿AI小职智能体来说它是生成式的——企业配好初面问题之后话术由模型现场生成不需要先写一套话术库岗位说明改了它跟着改不用挨条更新模板。核出来的期望薪资、可到岗时间、班次接受度落成字段邀约和复用都从字段走。招聘量波动大的团队还有另一条路云生闪聘按有效到面或到岗结算来了算数再付费固定成本先不背。八、什么样的岗位适合先试不是每个岗位都适合当第一个实验对象。挑的时候看三点常挂的岗。常年招的岗位问题配一次能一直用试错的时间摊得开。咨询量大的岗。一天几十条咨询的岗响应时长的变化一周就能看出来反馈快。门槛说得清的岗。班次、证、经验年限能列出来的岗位初面问题好定那种「要悟性」「看眼缘」的岗问题定不出来别拿它当第一个。反面也一样急招到火烧眉毛的岗别当试验田——第一遍流程没跑顺误伤的候选人找不回来。拿不准的话看这个岗近一个月进来多少条咨询超过一百条的值得第一个上AI招聘工具就十几条的先等等再算这笔账。九、今天下午就能做的一件事挑一个常挂的岗花一个小时把岗位说明按第二节那四样改一遍职责写活、薪资定口径、硬条件列全、地点写能核对的。改完问自己一个问题这个岗位要核的四件事能不能一口气说出来说得出来初面问题就有了智能体接上去就有东西可问说不出来先把这四件事想清楚——这才是配置里真正的活。智能体不是买来的是喂出来的。你给它的材料有多清楚它就有多能干。