项目编号： 人力资源管理引入基于 DeepSeek AI 大 模型筛选简历可行性 研 究 报 告 目 录 1. 引言.................................................................................................................................. .........................................................................................16 2.2.1 简历筛选................................................................................................. .........................................................................................23 3.1 传统简历筛选流程...............................................................................................

作为一种先进的深度学习推荐 系统，能够通过分析大量的职位描述和候选人简历，自动匹配最合 适的岗位和人才，提高招聘效率和匹配精度。 具体而言，DeepSeek 系统通过以下几个方面实现岗位推荐的 优化：  数据整合与分析：系统能够整合多源数据，包括职位描述、候 选人简历、历史招聘数据等，进行综合分析。  特征提取与匹配：利用深度学习模型提取职位和候选人简历中 的关键特征，进行精准匹配。  个性化推 系统集成了多源数据采集、智能算法分析以及个性化推荐功能，能 够根据企业需求和候选人背景实现精准匹配。其核心技术包括自然 语言处理（NLP）、机器学习（ML）以及深度学习的协同过滤算 法，确保在短时间内从海量简历中筛选出最合适的候选人。 系统的主要功能模块包括数据预处理、特征提取、模型训练以 及推荐引擎。数据预处理模块负责清洗和标准化来自不同渠道的简 历和岗位信息，确保数据质量；特征提取模块通过分析候选人的教 画像构建、智能匹配与推荐、结果反馈与优化等。 首先，系统通过自然语言处理（NLP）技术对企业发布的岗位 描述进行解析，提取关键指标，如岗位职责、技能要求、工作经验 等。同时，系统通过机器学习模型对候选人的简历进行深度分析， 生成候选人画像，涵盖专业技能、职业发展路径、个性特征等核心 要素。基于这些数据，系统采用协同过滤、知识图谱、深度学习等 算法，将候选人与岗位进行多维度匹配，输出推荐结果。 其

泛且成熟。借助 AIGC、NLP 及机 器视觉等技术，招聘流程实现自动化、智能化变革。岗位 JD 生成时，AI 依企业需求与岗 位能力要求，自动生成精准详细描述。简历筛选匹配环节，智能招聘系统用 NLP 技术自 动提取分析简历关键信息匹配筛选候选人。视频面试与评估反馈场景下，AI 辅助面试官分 17.00% 15.50% 11.10% 9.80% 9.30% 7.70% 6.70% 成就梦想 析，评估性格、沟通能力等，部分系统还能模拟面试对话。《AI 在企业人力资源中的应用 白皮书 2.0》数据显示，34.3%受访企业在招聘管理中应用 AI。其中，AI 面试、职位描述 撰写、简历筛选匹配、智能应答功能普及占比依次为 30.8%、21.0%、18.2%、15.4%。 在赋能效果上，5.3%企业非常满意，7.0%企业认为符合预期，57.9%企业觉得基本达到 预期。 图 4：企业招聘管理中应用 节的精准匹配与高效筛选。“京企直聘”平台通过 PC 端、微信公众号、小程序等多渠道， 与高校、媒体平台互联互通。其依托 AI 智能技术，自动整合分析海量求职数据，从 60 多 万份简历中精准匹配人才与岗位，极大提高招聘效率，为 760 余家市属及区属企业节省了 大量筛选简历的时间和人力成本。平台已累计访问量超 400 万次，发布岗位 1 万余个，组 织招聘活动千余场，成为首都国企引才聚才的重要渠道。同时，在服贸会现场的 AI

• 各个子公司独立操作，资源不共享 • 需求不准 / 不合理，反复沟通 • 招聘渠道越来越繁杂 • 被动地忙于填补岗位空缺，人力资源规划这类全局性工作却似乎 无暇顾及 • 来自招聘网站的海量招聘简历筛选耗时费力 • 暂时无法进入的优秀人才信息散落，无法形成积累 • 在人才甄选方面面临诸多困难 • 如何通过更加规范的招聘过程管理和招聘效果监测分析提升招聘 效度成为难点 • …… 将人才规划、人才招聘、人才 绪能力测评 等 / 逻辑推理测 评等 简历管理 设计网申平台 用人部门 提出需求 对应领导审批 对应层级人力资源 部形成招聘计划 eHR 编制模块 自动审核 依据权限表 依据人力资源分 工界面 与招聘工具系统打通， 实现信息传递（例如岗 位要求、简历传递等） 管理招聘渠道 自动查收、筛选、查重、 分类，自定义查询等、 统一简历呈现模板、面 试邀请、 offer 发送等 笔试 报表、工资条、薪资顾问在线支持、工资发 放、个税申报、薪资专家在线 / 现场支持、 工资异常预警 • 福利采购 35 近年来外部新兴的垂直细分领域的 SaaS 产品 • 智能招聘管理系统整合简历发布、回收、筛选、邀请、面试安排、录取等招聘的全环节 备注：视频需在线播放 36 举例： AI 在招聘上的应用 - 面试机器人 备注：视频需在线播放 37 举例： AI 在招聘上的应用 - 面试机器人

浪潮下的人力资源管理迭代与蜕变正由星星之火，迈向燎原之势。 围绕人才选、用、育、留各主要业务场景，AI-HR 在不同阶段应用落地、价值体现也各有不同，例如： 发展早期：主要应用于人才选拔、面试辅助环节，帮助 HR 节省简历和面试效率、从而提升招聘效率； 发展中期：随着深度学习的持续深入，AI 在人才筛选甄别中价值除了体现在整体效率上，还逐步参与到决策 辅助中；同时，以 HRBP 为代表，AI-HR 的价值定位不再局限于传统的 可量化的产出，其特点主要表现为：重复性高，任务明确； 可以通过标准化流程和工具进行管理；该类工作的绩效评估方式通常绩效评估相对简单，通常基于效率、准 确性和完成度。典型场景如薪酬计算、考勤管理、简历筛选、员工入职手续办理等。 非标准工作，则指任务内容灵活多变，需要创造性思维、复杂决策和个性化处理。主要特点为：任务不固定， 依赖员工的技能和经验；难以通过标准化流程完全覆盖。该类工作绩效评估更注重结果的质量和创新性。典 流程灵活，需要根据具体情况调整策略 和方法 对技能的要求 对技能的要求相对固定，通常可以通 过培训快速掌握 需要较高的专业技能、经验积累和创造 性思维 绩效评估方式 绩效评估主要基于效率、准确性和完 成度（如处理了多少简历、计算了多 少薪酬） 绩效评估更注重结果的质量、创新性和 影响力（如解决了多少复杂员工关系问 题、制定了多有效的战略计划） 技术替代性 容易被自动化工具或 AI 替代（如薪 酬计算、考勤管理） 难以被完全替代，需要人类的判断力和

适其岗”，根据人不同的素质和个性将其安排在最合适的岗位上，做到 “人尽其才，物尽其用”， 才能使人才发挥最大价值，同时激活组织。 那么，HR 如何做好人岗匹配呢？ 以前，在千百万份简历中筛选人才，是 HR 工作中 “解不开的劫”，每天花费大量的时间和精力 对优秀简历和职位信息人工做匹配，不仅消耗着 HR 的积极性，往往结果也不尽如人意，筛不到 合适的人才，难以满足业务部门的需求。 现在，数字经济时代的新技术给 HR 在人岗匹配的任务中存在 HR、职位（JD）、简历（CV）三种实体，人岗推荐系统中由 HR 发布职位， 根据发布职位来推荐简历，该场景中需要优化推荐的准确率、召回率，提升 HR 更高的工作效率， 提升岗位和简历的匹配度来减少招聘人才的成本。 在经典的机器学习排序模型中通常分为两种：复杂的人工特征工程 + 简单的模型，简单的人工 特征 + 复杂的模型。本着该原则我们对以文本为主的职位和简历对进行了匹配排序实践。 能力和产品整合至 AI 开放平台，并通过开放平台将 AI 能力开放给所有企业和友商。 e 成科技 AI 开放平台是 HR 赛道首个企业自主研发的聚焦人力资本场景的一站式 AI 能力服务平 台，覆盖简历解析、人岗匹配、HR 机器人等诸多场景，通过 OpenAPI 及需求定制等形式，面 向所有自研系统大型企业、垂直招聘平台、传统 HR 行业厂商等企业用户提供智能化服务。 未来，我们将一直保持高效的创新与研发能力，将前沿的

的技术支持，企业可以实现 HR 数据的全面整 合、智能分析和精准决策，从而优化人力资源配置，提升员工满意 度，降低运营成本。 具体来看，企业在 HR 管理中面临的主要问题包括：  招聘流程低效：传统的简历筛选和面试安排耗费大量时间和人 力，且难以精准匹配候选人与岗位要求。  绩效评估主观性强：缺乏客观的数据支持，评估结果容易受到 主观因素影响，难以公平反映员工的实际贡献。  培训资源分配 理、普通员工等不同权限的用户，确保各角色能够根据其职责范围 进行相关操作。系统将提供灵活的权限配置功能，允许根据企业实 际需求进行调整。 其次，在招聘模块中，系统将实现从职位发布、简历筛选、面 试安排到录用决策的全流程管理。支持与主流招聘平台的接口对 接，实现简历自动导入与筛选。同时，系统将集成 AI 智能面试功 能，通过视频面试和自然语言处理技术，提升招聘效率。 在员工管理方面，系统将提供员工档案管理、考勤管理、薪酬 面存在显著需求： 首先，企业在人才招聘方面亟需提升效率和精准度。通过数据 分析，发现当前招聘流程中存在简历筛选耗时长、候选人匹配度低 等问题。为提高招聘效率，需引入智能化人才匹配系统，借助自然 语言处理和大数据分析技术，自动筛选和推荐符合职位要求的候选 人。具体需求包括： * 简历智能解析与关键词匹配 * 自动化初筛与 候选人分级 * 职位画像与候选人画像智能匹配 其次，员

原 因 分 析 提 升 建 议  制定明确的招聘需求管理流程 及时获取与人力需求相关的业务数据，建立定期拉通产招协同机制，及时调整招聘需求。  强化招聘团队能力 RPA 替代人工进行简历筛选等招聘事务性工作，实现招聘的降本增效。  开展面试官队伍建设 建立面试官准入与评估标准，并定期对面试官面试技巧进行赋能训练，提升面试官的技能和能力，提升招聘收敛比率。  构建公司级闲置资源池 合同协议 员工服务 核心人事 全面薪酬 奖金分配 薪酬预算 薪酬核算 社保福利 薪酬分析 薪酬福利 考勤业务 休假业务 加班业务 出差业务 假勤规则 假勤分析 考勤管理 职位管理 职位发布 简历筛选 面试管理 评估中心 入职管理 人才招聘 共享服务 技 术 现 状 分 析 数 据 现 状 分 析 数 字 化 成 熟 度 评 估 应 用 现 状 分 析 业 务 现 状 分 析 任务管理 绩效管理 绩效目标 绩效跟踪 绩效评价 绩效申诉 结果应用 绩效分析 学习培训 培训需求 培训计划 培训项目 在线学习 实施跟进 评估认证 培训结果 人才招聘 需求管理 职位发布 简历筛选 面试管理 评估管理 录用管理 人事管理 员工档案 入职管理 借调兼职 转正管理 离职管理 合同协议 组织管理 组织管理 岗位管理 职务管理 编制管理 职级管理 职业通道 考勤管理 考勤排班

人在实际申请之前了解更多关于组织的信息，这在一个工人在从事特 定工作之前对公司和品牌声誉进行广泛研究的时代是一种关键能力。 与基于关键字搜索的更传统的方法相比，它还可以实现更好的工作匹 配。 还可以使用技能匹配算法将角色与候选人简历中的技能相匹配 ， 并 根据分析提供建议。诸如此类的能力增加了将求职者转变为求职者的 机会。 i净发起人得分 （ NPS ） 是由 Fred Reichheld，Bai ＆ Compay 和 Satmetrix 。净发起人得分。i与传统的申请途径相比 ， WCA 的 （ NPS ） 也更高 ， 从申请到面试的时间也大大减少了。正如 IBM 人力资源通信副总裁 Carrie Altieri 所说 ，“IBM 每天收到 7, 000 份简历 ， 在合理的时间内浮出水面合适的候选人就像大海捞针一样。自实施 WCA 以来 ， 我们大幅缩短 了招聘时间 ， NPS 翻了一番 ， 并大大改善了候选人与工作的匹配。 ” 人力资源中的 AI 业务案例 优先排序，也可能为角 色选择错误的候选人。在此设置中，可以使用 AI 根据历史数据预测一份 工作申请需要多长时间才能完成，从而允许招聘人员根据需要重新确定 优先级。AI 还可以用于确定候选人的简历和工作申请之间的匹配，并使 其准确。 基于在工作申请过程中收集的关于候选人的信息来预测未来绩效。此外 ， 它可以帮助招聘人员编写更具包容性的工作描述 ， 更有效地过滤候选人 ， 最大限度

底座，提供一个统一的入口来供用户自由问答，来自动规划和调度需要采用的功能。 61 企业数智应用白皮书 ● 垂直技能：封装N个垂直场景的AI应用，并嵌入业务的knowhow，让大家可以直接可以去配置垂直的技能进来，比如 像简历相关的简历助手、合同审核等技能，这样可以帮助大家去完成AI的加工和处理，并且可以和简道云的表单流程 相结合 ● IM集成：让大家能够实现在企微钉钉里面，通过对话的方式就可以操作简道云内部的资源，在企微钉钉群里面就可以 业务建议 调工作流 生成仪表盘 生成分析过程 生成报表 问答式分析 数据解读 归因分析 反馈 零代码平台AI智能体工作框架 简道云AI智能体底座 10+AI场景方案 流程自动审批 简历识别 语义识别智能打标签 子表单识别批量填入 图像识别填报 知识库对话查询 场景方案模板 持续更新中 63 企业数智应用白皮书 应用场景举例 具体场景实践 AI 价值点 客诉 AI 智能分析 HRM 简历 解析筛选 通过 AI 简历解析插件、短信通知插 件和通义千问 AI 插件，实现从简历 录入、解析到 ai 初筛、短信提醒这 一系列的初筛流程 ● 减少人力成本：对于招聘季，很多公司往往 面临成千上万份简历，此时简历初筛需要耗 费大量人力成本，而通过 AI 简历解析和 AI 初筛，可以基本完成简历初筛的任务，大大 减少了人力成本。 ● 提升招聘效率：一份简历的 AI 初筛只需要