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...............................................................................................

探索聚合生态资源等能力的同时，支付宝推出一套包括“招”“用”“薪”“培”“保”全链 路的安心就业服务数字化解决方案。主要包括 11 大类 45 种产品能力，其中七 大主要产品力，包括实名认证、人岗匹配、智能简历、区块链合同、芝麻企业信 用、资金转账等技术，为就业提供高水平的保障。这些使支付宝成为数智化平台 推动高质量充分就业的一种新力量。 IV 目录 前言 I 目录 IV 第一章 导论 1 cn/zxdt/art/2024/art_5ddf14a2289b47ceb42470a38c63c295.html 10 简单重复的任务、提高招聘效率、个性化推荐职业机会等方面。例如，一些企业 已经开始利用人工智能技术来筛选简历、进行初步面试，以减轻人力资源部门的 工作负担，并快速识别出潜在的合适人选。此外，还有一些平台利用人工智能技 术为求职者提供个性化的职业推荐和规划建议，帮助他们更好地了解市场需求和 自身优势，从而做出更加明智的职业选择。 招聘、录用、薪酬管理、培训 以及社会保障等多个环节，使得整个就业流程更加顺畅和高效。此外，就业生态 系统还注重信息渠道的全面贯通。以支付宝就业生态系统为例，其五大核心产品 ——服务通、岗位通、简历通、消息通和内容通，通过数字化技术实现了劳动力 市场供需的高效匹配。这些产品不仅服务于劳动力市场的供需双方，还通过数字 技术为就业中后期的服务提供了有力支持，如薪资发放、保险办理、职业培训以

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

在招聘、培训、劳动 力管理和员工服务等领域也跑出了一些比较不错的产品。 大家熟悉的 OCR 和 RPA 这些流程自动化的工具在企业人力资源管理领域已经有了超过 10 年 的应用，特别是在招聘的简历解析和智能推荐等方向；基于数据和信息洞察的人才画像、人才扫 描、离职预测、组织健康度 / 活力度分析、舆情分析大家也不陌生；用智能客服替代绝大多数人 工进行员工咨询的自助应答，通过外呼机器人联系 沉浸式体验 个性化服务 智能客服、AI 视频面试、外呼机器人…… 人才画像、人才扫描、人岗匹配、离职预测、组织活力 度/健康度分析、舆情分析、职业发展轨迹及趋势分析...... OCR、RPA、简历解析、智能推荐…… VR，AR、虚拟形象、游戏化测评、战略沙盘模拟…… 千人千面的员工交互体验、个性化课程推荐、 员工学习地图…… 23 AI 在企业人力资源中的应用白皮书 企业性质为 企业所属行业 事务性工作集中、痛点明确、 需求迫切的模块，所以市场供给也相对成熟和充分。 主题 / 场景 主题 / 场景描述 AI 应用价值 应用成熟度 智能简历筛选和 双向推荐 基于对简历全文篇章级别的语义理解和职位要 求的理解及分析，进行智能简历筛选和搜索， 自动进行人岗匹配和双向推荐，即：将合适的 候选人推荐给招聘专员，将匹配的职位推荐给 候选人。 外部招聘的 人才情报 在合规前提下，利用爬虫技术获取各企业在不同

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

招聘是人才的源头，因此制造企业不仅要提升招聘的深度与广度，还要创建有利于人才生长的内部土壤，这就对人力资源管 理的“选用育留”提出了更高要求。 基于人力资源数字化系统，一键登录所有招聘网站，自动筛选简历，将招聘过程线上化、透明化，自动跟踪整个招聘过程等， 能极大提升招聘效率。入职后，通过线上培训，企业也能够更快更好地促进员工的成长。 另一方面，通过将员工在企业内的各项数据打通，进行整合、分析之 人员流动很频繁，因此需要大量 招聘，而低效的招聘流程也让他们“痛苦万分”。 先说岗位发布和简历筛选。HR 需要在多个招聘渠道分别发布、维护，导致相同职位在不同渠道需要操作很多遍，而各个平 台没有记忆功能，每次都需要重新输入，耗时耗力。简历的筛选与处理，也同样需要频繁切换各个招聘渠道。将筛选后的简历， 推荐给用人部门时，用人部门如果无法及时回复，还会错失合适人才。 在面试和 Offer 发放环节，HR 如果收不到反馈，也无法及时跟进候选人状态，而候选人的薪资信息 等也无法根据不同权限显示等。 i 人事招聘模块的渠道管理 i 人事职位发布 简历查询同样如此，i 人事的招聘模块支持多维度快速查 询简历，而系统还会自动简析简历，呈现亮点与风险点， 让 HR 快速了解。合适简历，则会快捷地推送给用人部门， 面试安排也能自动同步至钉钉日程，与面试官快速沟通确 认。面试过程中的面试轮次记录等，HR 也能基于系统自

招聘是人才的源头，因此制造企业不仅要提升招聘的深度与广度，还要创建有利于人才生长的内部土壤，这就对人力资源管 理的“选用育留”提出了更高要求。 基于人力资源数字化系统，一键登录所有招聘网站，自动筛选简历，将招聘过程线上化、透明化，自动跟踪整个招聘过程等， 能极大提升招聘效率。入职后，通过线上培训，企业也能够更快更好地促进员工的成长。 另一方面，通过将员工在企业内的各项数据打通，进行整合、分析之 人员流动很频繁，因此需要大量 招聘，而低效的招聘流程也让他们“痛苦万分”。 先说岗位发布和简历筛选。HR 需要在多个招聘渠道分别发布、维护，导致相同职位在不同渠道需要操作很多遍，而各个平 台没有记忆功能，每次都需要重新输入，耗时耗力。简历的筛选与处理，也同样需要频繁切换各个招聘渠道。将筛选后的简历， 推荐给用人部门时，用人部门如果无法及时回复，还会错失合适人才。 在面试和 Offer 发放环节，HR 如果收不到反馈，也无法及时跟进候选人状态，而候选人的薪资信息 等也无法根据不同权限显示等。 i 人事招聘模块的渠道管理 i 人事职位发布 简历查询同样如此，i 人事的招聘模块支持多维度快速查 询简历，而系统还会自动简析简历，呈现亮点与风险点， 让 HR 快速了解。合适简历，则会快捷地推送给用人部门， 面试安排也能自动同步至钉钉日程，与面试官快速沟通确 认。面试过程中的面试轮次记录等，HR 也能基于系统自