业务问题
简历来源多、格式不统一，人工录入重复，难以形成可检索的结构化人才数据。
简历解析
标准能力- 输入
- PDF、Word、纯文本等常见简历文件，具体支持格式以实际接入版本为准。
- 输出
- 基本信息、教育经历、工作经历、项目经历、技能与证书、期望信息等结构化字段，可按业务扩展。
- 人工复核
- 解析结果可在系统中查看和修改，以人工确认后的字段版本入库。
AI 的位置
AI 不替代招聘流程，而是嵌入真实环节
我们不做脱离业务的能力演示。每项能力都要说清它处理哪个环节、需要什么输入、产出什么结果，以及哪一步仍然由人来决定。
AI 能力矩阵
从业务问题出发，看能力的输入与输出
简历解析为标准能力；辅助筛选、人岗匹配与招聘助手按你的场景与数据评估后定制实现，标注为可定制而非已具备。
业务问题
招聘人员需要反复核对学历、经验与技能是否符合岗位要求，处理量大时效率明显下降。
AI 辅助筛选
可定制- 输入
- 客户提供的岗位条件、筛选规则，以及授权范围内的人才简历数据。
- 输出
- 辅助排序、要点提取与规则命中说明，用于缩小人工需要细看的范围。
- 人工复核
- 系统只输出辅助信息，是否进入下一环节由招聘人员判断，筛选过程可回看复核。
业务问题
关键词搜索难以理解岗位要求与工作经历之间的关系，合适的人才可能被漏看。
AI 人岗匹配
可定制- 输入
- 职位库与人才库数据，以及岗位要求的结构化描述与业务权重。
- 输出
- 带匹配依据说明的推荐排序，供招聘人员参考，不作为录用结论。
- 人工复核
- 推荐结果需人工查看原始简历确认，使用反馈可用于调整匹配规则。
业务问题
职位描述、邀约话术、沟通与面试记录摘要需要持续编写整理，占用招聘人员时间。
AI 招聘助手
可定制- 输入
- 岗位信息、沟通记录、面试记录等由客户授权使用的招聘文本内容。
- 输出
- 可编辑的文本草稿与信息摘要，例如职位描述草稿、沟通话术、候选人要点摘要。
- 人工复核
- 生成内容按草稿处理，需由使用者审阅修改后再对外发送或归档。
落地前提
满足这些条件，AI 才谈得上落地
缺少数据基础或流程位置时，先解决业务与数据问题，再讨论用哪种能力。
- 有明确的业务问题：知道当前是哪个环节在消耗人工
- 有可用的数据：来源、数量、格式与质量可以确认
- 有数据使用授权：使用范围与合规要求已经明确
- 有确定的流程位置：AI 输出会进入某个具体的业务环节
- 保留人工复核：关键判断由招聘人员确认后生效
- 有可核对的评估方式：用样本与人工处理结果做对照
接入方式
先小范围验证，再决定接入范围
接入路径分为产品内置、接口接入与项目定制三种，具体方式在场景与数据评估之后确定。
第 1 步：说明业务场景
描述当前流程、处理量、参与角色和期望结果，明确希望减少的是哪一部分人工处理。
阶段产出：场景说明与目标范围
第 2 步：评估数据与边界
确认数据来源、格式、质量与使用授权，同时写清哪些判断不交给 AI。
阶段产出：数据可行性判断与能力边界说明
第 3 步：小范围验证
用你的真实样本做小批量试算，与人工处理结果对照后再决定是否扩大范围。
阶段产出：样本对照结果与调整方向
第 4 步：接入与复盘
按产品内置、接口接入或项目定制的方式落地，上线后按真实使用反馈继续调整规则与提示。
阶段产出：接入方案、验收方式与迭代计划
常见问题
数据、接入与效果评估的决策问题
使用 AI 能力需要准备什么数据？
至少需要与场景相关的真实业务数据：简历解析需要可读取的简历文件，筛选与匹配需要岗位条件和人才数据，招聘助手需要岗位信息与沟通记录。数据的来源、格式与使用授权需要在评估阶段确认。
AI 能力怎么接入？一定要换掉现有系统吗？
不需要。接入方式分三种：在迈旗人才招聘平台系统中使用产品内置能力、通过接口接入你现有系统、或按场景做项目定制。具体采用哪种由场景与数据评估结果决定。
招聘流程可以完全自动化吗？
不建议，我们也不这样承诺。AI 用于辅助处理和信息整理，筛选、匹配与录用判断保留人工复核环节。页面上标注为「可定制」的能力表示需要按你的场景评估后实现，不是现成即用的功能。
迈旗如何保护我们的招聘数据？
数据使用范围、存储位置、留存与删除方式在方案与合同中写明；支持部署在你可控的环境中，测试阶段优先使用脱敏样本，不使用未获授权的候选人数据。
怎么判断 AI 到底有没有效果？
在接入前约定评估方式：用你的真实样本做小批量试算，与人工处理结果对照，看需要人工返工的比例和处理时长变化。评估结论以你自己的样本为准，我们不在公开页面给出准确率数值。
AI 定制属于产品还是服务？如何计费？
已产品化的能力属于产品功能，随版本提供；场景评估、方案设计、接口开发与后续优化属于项目服务，按需求范围和交付内容报价，评估结论与边界会在方案中写清楚。