你的下一位面試官，可能不是人

誰能保證超級數字員工不是下一個AI落地的窗口

撰文|李嘉星

編輯|張薇

封面來源|元企AI

七月初，秋招開始預熱。你投出去的下一份簡歷，可能不是先被HR看到，而是先被一個AI員工讀完。

機器篩簡歷并不新鮮。真正有意思的是，如果這個AI不只是幫HR篩一下簡歷，而是像一個新入職的同事一樣，被交代一個目標后，自己去找人、溝通、打分、匯報結果呢？

最近，元企AI推出了第一款產品“超級HR”。它不是一個只解決單點環節的工具，而是試圖像一個員工一樣接下任務：拆解崗位需求，去招聘平臺找人，看你的項目經歷，給你打一個匹配分，再把“是否值得繼續溝通”的理由交給人類HR。

今年3月底，清華博士陳猛和他的大學室友、北大博士楊一博，正式啟動了元企AI的創業。

這不是陳猛第一次創業。

在做元企AI之前，他已經連續做過多個項目，經歷過教育SaaS、鈉電池、車載光伏等方向。

也正因為長期和企業打交道，陳猛對企業里的成本問題很敏感。

“最近幾年和企業家聊天，大家最常聊的就是降本增效。與此同時，很多崗位也存在人的不確定性，比如請假、離職，有些很重要的崗位突然離職，會影響企業業務推進。”這是陳猛與各個企業家交流后發現的問題。那么，企業有沒有可能擁有一個更穩定的崗位形態，讓企業更穩定，而且成本更低？

陳猛給出了他的答案。做一套像人的數字員工平臺。

先從招聘需求開始。

陳猛告訴“未來人類實驗室”，在調研中他們發現，獵頭或人力資源服務公司前段找人和溝通可能占掉大量時間。對HR和獵頭來說，招聘前段的大量工作并不性感。找簡歷、翻簡歷、初篩、溝通、推進面試、整理候選人，這些事耗時、重復，卻不一定產生最高價值。

如果這部分工作能交給AI，人的時間就可以被釋放到更需要判斷和關系處理的地方：理解業務需求、和客戶對齊崗位畫像、判斷候選人是否適合組織，以及促成最終成交。

很關鍵的一點是，它得像個人。用戶不是讓它“幫我篩一下簡歷”，而是直接給它一個任務：我要招一個電子工程師。然后它自己拆任務、去平臺找人、篩簡歷、看項目經驗、打分排序、匯報結果，再讓人確認下一步。換句話說，它不是嵌在平臺里的工具，而是圍繞“招到合適的人”這件事往前推進。

但一個新員工剛入職，也不可能第一天就完全懂公司。元企AI對超級HR的理解也是如此。它不是一上來就變成一個滿分員工，而是需要在和企業的持續交互中，慢慢理解這家公司到底想要什么樣的人。比如同樣招產品經理，有的公司更看重大廠經驗，有的公司更看重創業公司里從0到1把事情跑通的經歷；有的崗位學歷是硬門檻，有的崗位項目經驗更重要。

AI員工市場

它還遠不是一個完美員工。

“目前行業對數字員工存在兩個極端概念，一個是過度悲觀，一個是過度樂觀。”陳猛告訴“未來人類實驗室”。他認為短期內，Agent可能主要解決局部的、重復的、可標準化的環節。之后才可能逐步進入更完整的業務流程。不能因為技術有缺陷就否定方向，也不能因為技術進步就說馬上能實現。

陳猛也承認，客戶最關心的就是兩件事：幻覺和數據泄露。企業沒有的福利，AI不能憑空說有；企業是單休，AI不能說成雙休。企業交給數字員工的賬號和招聘數據，也不能被泄露或濫用。

超級HR只是一個開始。元企AI接下來還想把這套能力復制到財務、法務、銷售等企業基礎崗位。它已經完成種子輪數百萬元融資，正在推進天使輪融資。

它的長期設想，是讓企業用自然語言生成不同崗位的數字員工。而一個AI進入組織之后，能不能被管理、被限制、被評價，也能在出錯時被追蹤，正是它能否在企業的業務流中落地的關鍵要素。

以下是“未來人類實驗室”與元企AI創始人陳猛的對話，經整理發布——

工具解決環節，員工解決任務

未來：你們為什么一定要把它叫數字員工，而不是AI招聘工具？

元企AI：工具解決的是環節，員工解決的是任務。

普通工具可能幫你做一個環節，比如篩一下簡歷、寫一段話、生成一份報告。但數字員工是任務導向的。你不是讓它“幫我篩一下簡歷”，而是告訴它“我要招一個電子工程師”。它需要圍繞這個目標，自己去拆解任務、找人、篩選、溝通、打分、總結，并把結果交付給人。

它更像一個線上員工。用戶不需要每一步都盯著它，它需要自己推進任務，并在關鍵節點向人匯報。

未來：一個AI要做到什么程度，才算從工具變成了員工？

元企AI：我們希望它能夠像人一樣完成閉環。

現在市面上很多做超級數字員工的公司，其實做的是工作流，只能完成一些環節。比如RPA、淘寶客服這類，有很多地方需要人介入，不能自己閉環完成一個工作。

比如一個任務有A、B、C、D、E五個環節，它可能只能解決A、C、D，中間還有環節需要人介入。這樣效率提升就沒有那么明顯。

我們希望它像人一樣獨立完成一個閉環工作。比如我讓一個人類HR招一個財務或行政，他的目標肯定是招到這個人為止。中間如果他對需求有誤解，再和我確認、及時修正，但最后交付物應該是一個完整候選人，而不是每一步都來問我。

如果每一步都要打斷我，其實沒有給我省很多時間，甚至還挺耽誤事。

未來：它在哪些地方必須像人，哪些地方又不能太像人？

元企AI：像人的地方，是要能閉環工作，像一個聰明上進的好員工。

不像人的地方，一個是人需要休息，但AI可以7×24小時實時在線響應。另一個是成本。大規模商用必須把成本降下來。

比如一個資深招聘HR，年薪可能五六十萬、六七十萬。我們希望一年5萬到10萬元以內，就能把這個成本包住。它可能能頂80%的資深HR，但成本只有那個HR的20%。這樣才是真正能幫到企業，而不是一個面子工程。

未來：如果把超級HR放進一個真實招聘流程里，它具體做哪些事？

元企AI：它主要做招聘前段比較重復、低效、費時間的工作。

比如從一個招聘漏斗看，可能一開始有1萬個人，其中對公司有意向的大概200個；這200個里面，公司感興趣的可能30個；這30個經過幾輪溝通，雙方都OK的可能5到6個。

我們解決的是從一兩千人到三四百人，甚至到30人的這段工作。比如找簡歷、篩簡歷、判斷匹配度、做初步溝通、整理結果。最后候選人來不來，還要看HR怎么和他溝通，怎么推銷公司，怎么判斷價值觀是否匹配。

所以我們解決的是匹配工作，HR還是要做更高端的溝通、判斷和關系處理。

未來：那它現在不能做什么？哪些環節必須由人確認？

元企AI：一頭一尾目前還需要人。

頭是招聘需求。HR本身不生產需求，很多需求來自老板或業務團隊。所以真實、明確的招聘需求，還是需要業務團隊或老板輸入。

尾是終面。AI可以幫你匹配簡歷上的信息，但到最后合不合眼緣，或者一些軟實力，比如銷售的溝通情商、組織適配度，還是需要人做最終判斷。

目前AI可以通過簡歷和初步溝通幫你兜住底線，但上限判斷仍然需要人。比如你希望銷售是嚴謹型、數據型，還是春風化雨型，這種偏好需要人做最終決策。

唯一你會覺得它像AI的地方，可能是它回得太快

未來：現在外面很多AI產品都能聊天。你們怎么判斷一個數字員工是不是真的落地？

元企AI：我覺得不能只看它會不會聊天，而要看它能不能進入真實業務流。

對招聘來說，真實業務流不是回答幾個招聘問題，而是從崗位需求開始，去找人、篩人、溝通、打分、匯報結果。它要能把這些事情串起來。

我們現在更偏產品，不是自己做底層模型。模型層調用市面上成熟的大模型，重點是在應用層、上下文、長期記憶和成本控制上做工作。

如果一個資深HR自己用大模型手搓一個AI招聘產品，產品力可能也能接近我們。但直接用大模型非常耗token，而且它不會長期記住你的偏好，每次都要重新磨合。

我們要做的是讓它記住企業的偏好，降低調用成本，讓它真正變成一個可以長期使用的產品。

未來：你們為什么第一步先服務獵頭、招聘團隊，而不是直接服務所有中小企業？

元企AI：因為獵頭、招聘團隊有批量重復需求，而且付費意愿更強。

一個十幾二十人的中小企業，正常一年可能只招六七個人。讓它花一萬多或三萬塊買一個專業版，并不一定劃算。老板自己空的時候看一看，也能處理。

但獵頭不一樣。獵頭招得越多，賺錢越多。他們有大量招聘需求，也有很強的效率訴求。大廠的專門招聘團隊、快速擴張的創業公司招聘團隊，也有類似需求。

我們的最終目標是服務中小企業，但中小企業不會在A公司買AI招聘、B公司買AI法務、C公司買AI銷售。我們希望未來把AI人力、財務、銷售、品宣做成一個綜合崗產品。到那個時候，中小企業過去可能要找四五個員工，未來找我們一家，就可以覆蓋很多基礎崗位需求。

未來：一個普通求職者，可能會最先感受到什么變化？

元企AI：最直接的是響應速度。

比如你問加不加班、出差頻率、五險一金，過去可能要等HR幾個小時，甚至等到周一。AI如果提前知道這些信息，就可以7×24小時及時回答。

人類HR處理10份簡歷時，可能還能高效、溫柔地回復你；處理100份時，可能就會疲憊、出錯。但AI處理10份還是100份，標準都不會變。

這對求職者來說，體感會更好。一方面能感受到公司更及時的回應，另一方面也能更快判斷自己和崗位是否匹配。

未來：求職者會知道自己正在和AI溝通嗎？

元企AI：從我們現在的演示看，它回答得還蠻像真人。比如加不加班、出差頻率這些問題，唯一讓你覺得它像AI的地方，可能是它回得太快。

但我們作為商用產品，會對規則限制得很死。比如公司沒有的福利，它不能亂說；月薪8000的崗位，它不能隨便承諾能開到2萬。它可以不知道，但不能亂說。

未來：如果一個人學歷一般，但項目經歷很好，AI會不會把他誤傷？

元企AI：這取決于用人團隊給AI的需求是否明確。

比如老板到底更看重大廠背景，還是更看重創業公司里一個人hold住完整鏈路的經歷？學歷是必須項，還是加分項？項目經歷是必須有某類技術經驗，還是加分項？這些都要先講清楚。

AI會把這些需求拆成多維度評分。比如英語能力對出海項目可能占30%到40%，但對中后臺崗位可能只占5%到10%。如果第一批簡歷不OK，人也可以反饋給AI，AI會調整打分項。

傳統篩簡歷可能更像關鍵詞匹配，但AI可以看項目經歷里的語義。只要候選人把項目寫在簡歷上，AI就能識別并判斷匹配度。

但它也有邊界。如果候選人簡歷上沒有寫出來，AI可能會把他掛掉；而人類HR通過電話追問，把隱藏經歷問出來，這件事目前AI還不一定能做到。

未來：那正在做HR的人應該擔心什么？

元企AI：我覺得不是簡單說替代HR，而是把HR從低效重復工作里解放出來。

AI更適合做匹配、初篩、整理這些前段工作。人類HR還是要做更復雜的溝通、判斷和關系處理，比如理解業務需求、判斷候選人和組織是否適配、把公司推銷給候選人。

未來可能被淘汰的，不是HR這個崗位，而是不會用AI的人，或者用AI比較晚的人。用得早的人，會先享受到效率提升。

越像員工，越需要被管理、審計和限制

未來：數字員工越像人，是不是也越需要被管理？

元企AI：是。尤其是商用產品，安全性非常重要，甚至是生命線。

免費產品出錯，大家可能覺得好笑。但如果用戶一年花3萬塊錢買一個AI產品，它出錯，輕則退款，重則產生聲譽風險。

所以我們從公司成立第一天，就把安全性寫進準則里。比如AI在招聘軟件上回答問題，不知道就不能回答。它可以不知道，但不能亂說。

未來：客戶最擔心它出什么錯？

元企AI：一類是幻覺。比如企業沒有的福利，AI不能憑空說有；崗位月薪8000元，它不能承諾2萬元；公司是單休，不能說成雙休。

另一類是數據安全。招聘里會涉及賬號、簡歷、候選人信息、搜索記錄，這些信息不能泄露，也不能被濫用。

未來：你們在安全上有哪些具體措施？

元企AI：首先沙盒我們會做。我們服務不同獵頭，他們之間的簡歷信息不重疊。包括訓練大模型，我們用的是脫敏后的用戶行為，而不是簡歷本身。

云端會做相應部署。未來面對一些大客戶，我們也會支持本地部署模型，這樣資料根本不會上云，可以保存在公司內部。所以我們現在用很多國產開源模型，也是因為未來希望服務需要本地化部署的公司。

另外，算法層面也會做一些安全提升。我們的技術負責人之前做過一些算法研究，比如數據離散化處理、數據加密等。基礎安全能力，商用產品肯定會做；一些已經公開發表的核心算法，后續也會運用進來。

未來：Gartner提醒過，很多Agent項目可能因為成本、價值和風控問題被取消。你們怎么避免變成“agent washing”？

元企AI：我們也認同這個判斷。確實有很多AI應用看起來很fancy，但不是真實需求，也不是可持續付費的東西，而且沒有很深壁壘。

比如AI PPT，去年很火，剛出來時用戶數很多。但今年很多做AI PPT創業的公司已經沒有那么強的存在感。因為它很容易被抄，產品生命周期也比較短。

我們公司成立之初就想好，要做產品矩陣，也要持續進化。比如我們現在比市面產品領先3到6個月，等別人摸清我們的產品后，我們已經進化到下一層，和其他公司保持代際差別。

很多所謂AI招聘產品，其實是過去SaaS公司或RPA產品重新包裝出來的。比如五六年前淘寶客服可以回答幾天發貨、女裝尺碼，五年后還是只能回答這些問題，因為它本質上是配置知識庫，不是自我學習和進化。

我們要做數字員工基座，讓它有持續進化能力。對我們來說，關鍵不是包裝成Agent，而是能不能進入業務流、能不能持續交付、成本能不能降下來。

未來：你們怎么看數字員工的長期趨勢？

元企AI：我覺得將來Agent會是人手一個。

但實際情況是，誰先把產品打磨得更好，誰更懂用戶，誰的成本最低，誰才能真正鋪開。

很多大廠有資金、數據和資源優勢，但它們也有歷史包袱。我們和大廠是差異化競爭。大廠更多瞄準大中型客戶，我們更希望做AI平權，服務中小用戶。

基礎藍領工作和基礎白領工作，未來一定會被AI和機器人影響。AI應用會影響基礎白領工作，機器人會影響基礎藍領工作。這是一個大的方向。但具體誰能跑出來，還是要看產品能不能真實落地。

你如何看待超級數字員工的發展趨勢？

歡迎在評論區分享你的看法~