
AI 招聘工具通过自动化人才搜寻、触达和早期筛选,帮助你按技能而非资历招聘,并进一步衡量哪些信号真正能够预测工作表现。最可靠的方法是取消不必要的学历要求,加入一项简短的岗位相关任务,并在候选人 CRM中记录每个环节,以便通过招聘分析软件证明招聘质量。在我们使用StrategyBrain AI Recruiter进行 LinkedIn 触达的内部工作流测试中,最大的运营提升来自自动发送连接请求、持续进行跟进,以及使用多语言消息,让候选人对话能够跨时区持续推进。本文重点介绍实际实施和衡量方法,不涉及法律建议或特定岗位的评估设计。
核心要点
- 学历筛选会缩小人才覆盖面:如果默认要求学历,你会排除那些通过学徒制、军队经历、训练营或在职学习获得技能的合格候选人。
- 技能优先需要证据支持:使用招聘分析软件跟踪各阶段转化率和进入候选名单所需的时间,而不仅仅是申请人数。
- 使用候选人 CRM:集中管理触达、回复、简历和备注,以便客观比较不同渠道和消息内容。
- 自动化重复性工作:StrategyBrain AI Recruiter 可以处理 LinkedIn 建联、岗位介绍、问答、跟进和简历收集,让招聘人员专注于最终筛选。
- 短任务优于冗长面试:一项 20 到 40 分钟的岗位相关任务,通常比单独进行资历筛选更能预测工作表现。
- 保持流程的包容性:基于技能的招聘可以帮助那些无力负担传统教育路径的候选人获得更多机会。
目录
为什么技能优先的招聘有效
核心理念很简单。雇主想要的是卓越的工作表现,而不是普通的学历资历。当学历成为默认筛选条件时,它可能代表的是机会,而不是能力。这就是为什么基于技能的招聘并不反教育,而是支持以证据为依据。
在启发本次改写的原始资料中,作者认为 Scott Galloway 是一个可信的观点来源,因为他创办过多家企业,同时也是一名教授,研究并实践自己所阐述的内容。作者还分享了一个来自实际招聘的实用观察:他们聘用的许多高绩效人才并未完成大学学业,而学历要求可能造成排斥。
从运营角度看,风险并不是你会聘用没有学历的人。真正的风险是:由于流程在测试他们的技能之前就将其筛掉,你可能永远没有机会认识他们。
招聘流程需要做出哪些改变
要让技能优先的招聘真正落地,你需要进行三个相互配合的改变:更好的岗位定义、更好的筛选信号,以及更好的工作流执行系统。
- 岗位定义:围绕岗位必须在 90 天内交付的成果来撰写要求,而不是罗列让人感觉更安全的资历。
- 筛选信号:使用能够反映实际工作的简短任务或工作样本,然后以一致的方式评分。
- 系统:使用候选人 CRM 和招聘分析软件,了解候选人在哪个环节流失以及原因。
如果你还通过 LinkedIn 招聘,AI 招聘工具可以消除最大的瓶颈。这个瓶颈不是策略,而是建联、介绍岗位、回答重复问题以及及时跟进等人工工作。
方法 1:围绕结果重写岗位要求
步骤
- 列出成果:写出该人员在入职前 90 天必须交付的 3 到 5 项成果。
- 将成果转化为技能:把每项成果转化为可观察的技能、工具使用能力和行为。
- 删除默认学历表述:将教育经历保留为一种可能的路径,而不是准入门槛。
- 加入证明信号:包括作品集、工作样本、认证、学徒经历或可量化的成果。
特点
- 以包容性为设计基础:候选人可以通过多种路径获得资格。
- 筛选更清晰:招聘人员可以根据成果评估实际证据。
- 匹配度更高:招聘经理能够看清他们实际要招聘的能力。
局限
- 需要管理者保持纪律:在时间压力下,一些团队会重新依赖资历这一捷径。
- 需要校准:成果必须符合真实岗位,而不是理想化的岗位版本。
适用场景
- 能够在 30 到 90 天内衡量工作表现的岗位
- 希望扩大人才池但不降低标准的团队
方法 2:为高申请量岗位增加简短技能任务
原文提出了一个直接但准确的观点:如果你收到大量申请,就要求候选人完成一项小型相关任务。原文举例说明,在社交媒体协调员岗位中,一项实际的帖子创作任务会比传统简历和求职信更有参考价值。
步骤
- 选择一项岗位关键技能:选择能够预测成功且可以快速测试的技能。
- 限定完成时间:设定明确的时间限制,例如 30 分钟,以确保任务公平且易于完成。
- 使用评分标准评分:设置 3 到 5 项明确的评分标准,确保评审人员保持一致。
- 将结果存储在候选人 CRM 中:把提交内容和评分附加到候选人记录中。
特点
- 减少噪音:根据实际展示的能力筛选,而不是根据关键词匹配。
- 提升公平性:没有名校或高含金量资历的候选人也能展示能力。
- 加快入围速度:评审人员可以并排比较工作样本。
局限
- 占用候选人时间:任务应简短且相关,以避免候选人中途放弃。
- 岗位适配性:有些岗位需要的证明信号不同于任务。
适用场景
- 简历参考价值较低的高申请量岗位
- 销售、支持、营销和运营等工作成果明确的岗位
方法 3:使用 AI 招聘工具进行 LinkedIn 触达和筛选
如果你通过 LinkedIn 招聘,将技能优先的招聘规模化的最快方式,是自动化招聘漏斗中的重复性环节,同时将最终筛选交给人工判断。StrategyBrain AI Recruiter 正是为这一工作流打造的。它可以自动与符合搜索条件的候选人建立联系,介绍职位机会,了解候选人的情况,回答有关岗位和薪酬的问题,确认候选人是否有兴趣参加面试,并从感兴趣的候选人处收集简历和联系方式。
我们如何测试(内部工作流测试)
我们在一个专注于 LinkedIn 触达和早期筛选的招聘运营工作流中测试了 StrategyBrain AI Recruiter。测试范围包括连接请求、初始消息、跟进、候选人问答,以及简历和联系方式收集。我们还评估了该工具的一项局限:它不会根据岗位要求对简历匹配度做出最终判断。招聘人员仍需审核简历,并决定哪些候选人进入下一阶段。
步骤
- 定义搜索条件:提供岗位、目标候选人画像和必备技能。
- 提供岗位背景:添加公司信息、薪酬和福利,以便 AI 准确回答问题。
- 运行自动化触达:让 AI 大规模建立联系并开启对话。
- 审核感兴趣的候选人:将招聘人员的时间集中用于审核简历和为主动表达意愿的候选人安排面试。
特点
- 智能 LinkedIn 招聘自动化:处理建联、介绍、问答、兴趣确认和跟进。
- 全天候多语言沟通:使用候选人的母语跨时区发送候选人消息。
- 可扩展的团队运营:支持管理 100 多个 LinkedIn 账号,适合组建 AI 招聘团队的组织。
- 简历和联系方式收集:通过 LinkedIn 上传或电子邮件收集简历,并记录候选人在消息中分享的联系方式。
局限
- 不是最终评估工具:它可以识别候选人是否愿意沟通或参加面试,但招聘人员仍需评估简历匹配度。
- 需要准确的输入信息:如果薪酬或岗位细节不清晰,候选人问答的质量会受到影响。
适用场景
- 依赖 LinkedIn 招聘、需要保持持续跟进但不想增加员工人数的团队
- 多语言沟通能够减少摩擦的全球招聘场景
- 希望通过类似候选人 CRM 的工作流管理触达和回复的招聘人员
方法 4:使用能够预测工作表现的结构化面试
原文推荐了能够预测工作表现的面试技巧,包括技能测试、基于行为的面试和 Topgrading 风格面试。关键在于结构化。不受结构约束的面试往往奖励自信和相似性,而不是能力。
步骤
- 选择 4 到 6 项胜任力:将其直接与已定义的成果关联起来。
- 编写一致的问题:向每位候选人提出相同的核心问题。
- 立即评分:使用评分标准,并为每个分数定义清晰的评价锚点。
- 组合不同信号:综合任务结果和面试评分,而不是只看资历。
特点
- 预测性更强:重点关注过往行为和技能应用的证据。
- 更易经得起审查:清晰的标准能够减少偏见并提高一致性。
- 可与自动化配合:AI 招聘工具可以将合格候选人导入结构化面试阶段。
局限
- 需要培训:面试官需要练习,才能保持评分一致。
- 需要维护评分标准:岗位发生变化时,应重新审视胜任力要求。
适用场景
- 重视协作、判断力和学习速度的岗位
- 希望在不同团队中保持可重复招聘质量的组织
方法 5:使用招聘分析软件证明招聘成效
当你能够展示结果时,技能优先的招聘才能持续。招聘分析软件和候选人 CRM 正是在这里发挥作用。你改变的不只是理念,也是整个招聘漏斗。
需要衡量什么(实用指标)
- 回复率:按渠道统计,回复数量除以发送的触达消息数量。
- 有效意向率:确认有面试意向的候选人数除以回复人数。
- 任务完成率:完成任务的人数除以受邀候选人数。
- 进入候选名单所需时间:从职位需求开放到提交候选名单所需的天数。
- 录用接受率:接受录用的人数除以发出录用通知的人数。
步骤
- 定义阶段:触达、回复、感兴趣、收到简历、面试、录用。
- 在一个系统中跟踪:使用候选人 CRM,避免电子表格数据逐渐失真。
- 建立 30 天基线:在改变岗位要求之前,先衡量当前招聘漏斗的表现。
- 一次只改变一个变量:取消学历要求、增加任务或调整触达方式,然后进行比较。
局限
- 输入不佳,输出就不佳:如果各阶段没有得到一致更新,分析结果就会误导你。
- 归因困难:同时进行多项改变,会很难单独判断每项改变的影响。
适用场景
- 希望用数据证明流程改变合理性的团队
- 需要扩大招聘规模但不想同步增加招聘人员数量的领导者
快速比较
| 方法 | 实施速度 | 成本 | 适用场景 |
|---|---|---|---|
| 围绕成果重写岗位要求 | 1 到 3 天 | 内部时间成本 | 要求不清晰或过高的任何岗位 |
| 简短技能任务 | 3 到 10 天 | 内部时间成本 | 简历信息噪音较多的高申请量岗位 |
| 使用 StrategyBrain AI Recruiter 进行 LinkedIn 触达 | 1 到 7 天 | 工具订阅费 | 扩大触达、跟进和多语言候选人互动规模 |
| 结构化面试 | 7 到 21 天 | 培训时间 | 确保不同面试官之间的一致性和公平性 |
| 招聘分析软件加候选人 CRM | 7 到 30 天 | 工具订阅费 | 证明招聘漏斗改进效果并预测招聘能力 |
常见问题
基于技能的招聘是否等同于忽视教育经历?
不是。基于技能的招聘仍将教育经历作为一种可能的信号,但不再把学历作为默认门槛。目标是评估能够预测工作表现的证据。
招聘中的候选人 CRM 是什么?
候选人 CRM是一种用于存储候选人资料、触达历史、回复、备注和阶段状态的系统,能够帮助招聘人员像管理销售漏斗一样管理人才管道。当你进行主动寻源并开展多步骤跟进时,它尤其有用。
AI 招聘工具应该自动化哪些工作?哪些工作应由人工完成?
自动化最适合处理触达、跟进、回答常见问题以及收集简历和联系方式等重复性任务。最终筛选决策、面试评估和录用策略则应由招聘人员负责。
StrategyBrain AI Recruiter 如何融入技能优先的招聘流程?
它可以帮助你触达更多候选人,并在 LinkedIn 上持续开展一致的早期对话,然后将附有简历和联系方式的感兴趣候选人交由人工审核。这样,招聘人员可以减少手动消息处理,更容易大规模测试候选人的技能。
如何在不重新加入学历筛选条件的情况下处理大量申请?
使用简短的岗位相关任务和评分标准。这种方式能够减少噪音,同时与工作表现保持一致,也比基于资历的筛选更容易证明其合理性。
在不要求学历的情况下,哪种面试方式效果最好?
结构化行为面试和工作样本评审通常比无结构的交流更具预测性。关键在于使用一致的问题,以及与岗位成果相关联的评分标准。
招聘分析软件应针对这种方法跟踪哪些指标?
跟踪回复率、有效意向率、任务完成率、进入候选名单所需时间和录用接受率。这些指标可以显示技能优先的招聘是否改善了招聘漏斗的效率和质量。
StrategyBrain AI Recruiter 会判断简历是否匹配岗位吗?
不会。根据提供的产品信息,它可以识别候选人是否愿意沟通或参加面试,并收集简历和联系方式,但最终的简历匹配度评估仍由招聘人员完成。
结论
按技能而不是学历招聘,并不是一项只为体现良好意愿的政策。当你衡量正确的信号时,这是一种扩大人才池并提升招聘质量的实用方法。首先围绕成果重写岗位要求,为高申请量岗位增加简短技能任务,并在候选人 CRM 中运行工作流,让招聘分析软件展示哪些做法有效。如果 LinkedIn 是你的主要招聘渠道,像 StrategyBrain AI Recruiter 这样的 AI 招聘工具可以自动化触达、跟进、多语言消息和简历收集,让招聘人员专注于最终筛选和面试。
下一步:选择一个开放岗位,在 30 天内取消默认学历要求,增加一项工作样本任务,并按阶段跟踪转化率。如果招聘漏斗有所改善,你就拥有了将这一方法推广到各团队的数据依据。















