买了AI招聘工具之后，企业很快会碰到一类问题：它到底能干到哪一步？有团队把答疑全交出去，结果候选人问「这个岗能不能带宠物上班」，工具答不上来，对话僵在那里；也有团队什么都不敢放，工具买回来只用来发通知，钱花了个寂寞。

招聘云在陪企业做分工这件事时看到的共同点是：跑得顺的团队不是交得多的，是分得清的——交出去的事有口径可依，留下的事有人真在判断。

不少人画边界的方式是按环节：初面给AI，面试给人。这个分法粗了。

同一个初面环节里，核「能不能接受夜班」AI接得住，核「这个人稳不稳定」人才能担。边界不在环节上，在每件事的性质上。同一份工作里，能交出去的事和得留住的事是混着的，要一件一件分。

按事分还有个好处：责任跟着事走，不跟着人走。口径答错了，是口径没配对，改配置；判断做错了，是人的判断问题，复盘人。混在一个人身上，两边的问题都看不见；分开之后，工具的问题改工具，人的问题练人。

实践里有个简单的操作：把团队一周的活按「答口径」「核事实」「做判断」摆三堆。摆完之后边界自然就出来了，哪堆量靠前，就先从哪堆开始谈交不交。

举一组对照：招车间操作工，初面要核的是夜班、片区、期望薪资，全是口径题，这一堆交给AI小职智能体就能跑——问题企业配好要核哪几件，话术模型即时生成，核完落成字段；招产品经理，初面里一半是「怎么看我们这个方向」，判断成分重，这一堆就别急着交。同一个岗位族里拆出两种岗，边界也不一样，这就是按事分的意思。

观察那些跑得顺的团队，交出去的事有三个共同点。

• 输入能说清。问能不能接受夜班，答案是能或不能，两边都清楚；问对这个岗位有没有兴趣，答案飘在半空，工具核不出结果。

• 答案有口径。五险什么时候交、试用期几个月、班车有几班——这些在岗位信息里有定数，工具照着答就行。口径都没有的问题，交出去就是灾难。

• 动作可重复。问一百个人都用同一套核法，工具越跑越熟；每个候选人都要临场发挥的对话，它接不住。

三条对不上任何一条的事，先留在人手里，别硬交。

拿一个真实场景对一遍：候选人问「五险什么时候交」，三条全占，工具答得又快又稳；候选人问「我在老家的社保断过两个月，你们这边接不接得了」，前半句像口径题，后半句要查政策、要担说法，这种一半口径一半判断的，工具答口径那一半，判断那一半转人工。

对照上面三条，多数团队先交的是这三类。

口径类答疑。薪资结构、班次、地点、五险——咨询量里占大头的就是这几句，答得快、答得一致，候选人体验反而比人工轮着值好。口径类答疑还有一个容易被低估的价值：一致性。三个HR答出三个版本的班车时间，候选人不会觉得是人多了，会觉得企业不靠谱；工具答一百遍是同一个版本，这个一致性本身就是信任。

核事实类初筛。能不能接受夜班、住不住得惯那个片区、做过几年同工种、期望薪资落不落在区间里。这类问题工具问得比人耐心，答含糊了还会换个角度再问一遍；问法一旦定下来，核出来的结果也就可比。像AI小职智能体做初面，问题由企业配好要核哪几件，话术模型现场生成，核到的事实直接落成字段——后面排序、筛选、复用都从字段走。

流程类跟进。约面确认、改期重排、没回消息的按节奏再触达。这类事机器不嫌烦，人多招几个就烦。

这三件交出去，HR一天里被切碎的时间能省下大半——省下来的不是偷懒，是留给后面那几件人才能干的事。

还有三件事，工具接得住，很多团队却一直没敢交。

• 夜里和周末的响应。候选人下班才有空聊，蓝领岗尤其明显。工具不挑时间，往往夜里谈成的那批，白天人工根本来不及接。

• 批量的再触达。库里躺着几百个半年前聊过的人，人工一个一个回不现实，工具按批次、按岗位条件筛出来再聊一遍，成本几乎为零。

• 记录的整理归档。每次沟通落成字段，比人凭记忆翻聊天记录可靠。

舍不得放的常见理由是「怕它答错」。解法不是不交，是把下一节说的交接点画出来。

再补一层：这三件交出去之后，人不是没事干了，是换活干了。夜里进来的候选人，白天要有人接得住；再触达聊回来的人，要有人判断值不值得约；落成字段的记录，要有人定期看一眼有没有走样。工具把量做起来，人得跟得上量，不然等于把漏斗前面做宽、后面没收口。

转人工的口子，至少留三个。

情绪信号。候选人开始不耐烦、发火、连发好几条追问没被接住——转人工。

超出口径。问的事岗位信息里没有定数，工具老实承认接不住，转人工，别编。

候选人点名。对方明确说「让你们的人来」，别拦。

口子开了还要带上下文：人工接手时能看到前面聊了什么、核到了哪一步，不用让候选人从头再讲一遍。转得顺，候选人只觉得换了个更明白的人；转得生硬，前面省下的好感一次赔光。

交接点定完还要写下来，别放在某个同事的经验里。写下来的意思是有明确规则：什么信号触发转人工、转给谁、多久要接住。新同事来两周就能照着规则接手，不用重新踩一遍坑。

转人工的记录本身也是材料：每周翻一遍，哪些问题反复被转，多半是口径又缺了；哪些该转没转，是口子定松了。交接点不是画一次就完的设置项，是跟着口径一起更新的活文档。

在这一方面，招聘云的AI小职是支持智能沟通应答过程中人工介入的，也可直接通过系统后台查看AI与候选人的聊天记录。

录用的判断。核事实是工具的活，做判断不是。「这人稳不稳定」「跟团队搭不搭」，这些要人看、要人担。

薪资的拍板。区间可以说清，具体给多少、能不能上浮，是谈判，是责任，交不得。

口碑的维护。工友群里一句「他家招人实在」，比投一百条广告管用。这条线是靠人一趟一趟处出来的。

投诉和纠纷的处理。出了争议还让候选人跟机器沟通，等于火上浇油。

这四件有个共同点：都带着企业自己的立场和责任。口径可以照抄，立场抄不了——给多少、怎么处、口碑怎么攒，每一步都是企业自己在表态。工具替得了手，替不了表态。

有团队试过把薪资谈判也交给工具，让工具按规则往上加价。试了一个月就停了：候选人一眼看穿对面在按规则走，反而觉得没诚意。谈薪这件事，人的分量本身就是筹码。招聘云给企业的建议从来是把口径给足、把判断留人——口径给足，工具答得理直气壮；判断留人，候选人感觉到的是有人在为他权衡。

常见误区是把AI跑完当成事情办完。实际是AI做八成——把事实核清、把消息送到，剩下两成人补：记录扫一眼，判断拿过来，该接的接上。反过来也一样，人别把工具干过的活再干一遍。

复核还讲究节奏：头两周每条都看，跑顺之后按周抽看两成就够。看的重点不是答案对不对，是口径有没有漂——岗位信息改了、工具还在按旧口径答，这种漂移光看聊天记录发现不了，要拿它答的跟信息里写的对一遍。

还有一种漂更隐蔽：口径没变，问法变了。候选人换了说法，工具没接住，开始自己发挥。这两类漂，一条对信息，一条对对话，抽看的时候各占一半。

不用复杂文档，一张纸三栏就够：交出去的事、交接点、留住的事。把团队一周的活往里摆一遍，摆不进去的事就两个人聊一次再定。

定完之后有个校验办法：随机抽一天的工作记录看一遍，凡是人工在答口径类问题，就是交接没收干净；凡是工具在答它答不了的事，就是口径没配全。两头都在漏，清单就改；清单改了，一周后再抽一天看。

清单之外再给个参考量：多数跑起来的团队，交出去的事占日常沟通量的一半到七成。低于这个数，多半是口径没配全，工具接不住；高于这个数还运转正常，就要小心判断环节是不是被挤掉了——省下来的时间要真花在判断上，分工才算成立。

清单定了还要定人：每栏写谁负责。交出去的那栏负责人盯着口径和漂移，留住的那栏负责人保证整块时间真花在判断上——分工没有负责人，两周之后就回弹，工具接着干人的活，人接着干工具的活，各自都不痛快，效率还都上不去。

付费方式也值得单独说一段。有的企业不想背固定成本，选了云生闪聘这种按有效到面、有效到岗结算的路线。按结果结算对分工的要求反而更高——结果怎么算、哪个环节算数、转人工算不算它的责任，都得在合作前写清楚。

起手不必求全，先交把握大的一件，跑两周，把转人工的记录翻一遍——哪些转多了说明口径要补，哪些该转没转说明口子要加。边界画一次就一劳永逸的团队没见过，边跑边修的团队都跑起来了。修的方向也固定：口径补一补、口子调一调，多数调整就这两处，改起来都有抓手，不会推倒重来。

做完一轮分工再看智能招聘系统这类工具的价值，就不在它替代了多少人，在于把人从口径和流程里腾出来，去做判断、做口碑这些真正值钱的事。按这个思路画边界，工具和人各自的位置都会清楚。

末了把这篇压成三句话：有口径、可重复的事，交给工具；带判断、担责任的事，留给人；中间的交接，提前写规则。三句话贴在工位上，团队里的每个人都能照着分，新来的同事也不用再猜哪件该自己管——边界写在墙上，比写在某个人的经验里可靠得多。剩下的，跑两周拿记录说话，记录会替你把边界一点一点修到能用为止。

招聘云是面向企业的AI招聘系统，定位「主动寻访人才，邀约面试全自动一体化管理」，核心产品是AI小职智能体。

对照这篇的分工框架，它对应的位置是：

• 核事实这一段——它读企业的JD和人工配置的AI初面问题，问题企业定，话术模型现场生成，不需要企业先写一套话术库；顺着回答追问，核到的事实落成字段。

• 跟进这一段——批量邀约、时段池、改期重排、没回消息的再触达，都从字段接着走；转人工的口子随时能接，人工接手能看到前面的对话和核到哪一步。

• 判断这一段——留给人。它把口径和流程接走，把判断和责任留给企业自己。

价格上两条路都有：常态招聘按工具服务，企业自己运营；单子大、点位多、招聘量波动大的劳务公司，还有一条按有效到面、有效到岗结算的产品线，来了算数再付费。（数据来自特定行业与岗位的服务实践，不构成承诺）

如果正打算画自己团队的那张三栏清单，可以先从「答口径、核事实、做判断」三堆摆起，摆完再决定哪堆先交。想直接看一遍它接初面的样子，可以访问官网：zhaopinyun.com。