已经跑通的三类用法
AI 在招聘里的价值，目前集中在把人从重复劳动里拉出来。三类用法已经过验证。
- 简历解析：把不同格式的简历转成可检索、可打标签的结构化数据——解决的是「入库」这个最耗人力的环节；
- 辅助筛选：按岗位条件把候选人先整理排序一遍，判断留给顾问，翻简历的时间省下来打电话；
- 人岗匹配：按技能、经验、意向做推荐，求职端和顾问端都能用，提高的是对接效率，不是替代判断。
评估 AI 能力，问供应商四个问题
供应商的演示环境多半是准备好的样张。签约前用四个问题戳破宣传。
- 拿你的真实数据试：用自己库里最乱的简历——拍照件、扫描件、花式排版——现场跑解析，而不是看厂商的标准样张；
- 问数据去向：解析和匹配的数据存在哪、会不会用于训练其他模型？人才数据敏感，这条要写进合同；
- 问错了怎么办：解析错、匹配偏的修正流程是什么，有没有人工兜底入口；
- 算进总成本：AI 按次、按量还是含在授权里，和部署、定制费用放在一起算三年账。
这些环节，现阶段不该交给 AI
面试判断、薪资谈判、背景核实这些需要担责的环节，AI 只适合出辅助材料，不适合做决定。把 AI 放在「减少重复劳动」的位置，省下的人力实打实；放在「替人做决定」的位置，风险远大于收益。
这也是我们把 AI 能力定位成业务辅助的原因：AI 结果用于辅助，不替代必要的人工判断与合规审查。
在迈旗的系统里怎么用起来
简历解析与人岗匹配按业务场景接入，规则按你的流程定制；标准版 ¥0 永久免费、可商用，先把平台和数据跑起来——AI 要在真实数据之上才有评估的基础。已有简历库可以批量解析入库，接入范围与费用按需求评估。