AI招聘机器人是什么、智能招聘系统和招聘机器人有什么区别、AI招聘智能体到底能不能自己干活、AI招聘工具那么多该从哪个看起——这几个问题在招聘方的购前研究阶段被反复问，问法不同，指向的是同一件事：我招聘卡住的那一段，到底该由什么来接。

询价的场面通常是这样：供应商说自己是「AI招聘机器人」，官网写的是「智能招聘系统」，方案里的名词又换成「AI招聘智能体」。三个词听着差不多，回答却互相打架——有的说能自己跟进候选人，有的说只负责答问，有的说要看你怎么配。报价能差三倍，功能表看着又都很像。

招聘云在服务企业时见过一个常见的开场：负责人拿着三个词来问「我们这种体量该上哪个」。聊十分钟会发现，难点不在名字，在他们还没定下「候选人回复之后那一段归谁管」——名字定得再准，这一段空着也没用。

这篇按四步走：先把三个词分开，再按招聘量对号入座，然后辨别「AI」底下到底是什么机制、付费方式怎么影响验收，末了给三条不用等预算就能动的事。

有家连锁企业上线了「AI招聘机器人」，用了一个月，负责人问了一句：它能不能自己去把没回消息的那批人再拉一遍？技术答不上来——因为那套东西只负责答问，回复之后就停在原地，等流程里的人接手。后来翻后台记录，有一批候选人说过「我再想想」，此后没有任何人再找过他们，一共三十一个。

同一批需求换个叫法去询价，得到的方案完全不同：一家报的是按条计费的问答机器人，一家报的是整套流程系统，还有一家报的是按结果结算的托管服务。功能表里都写着「智能筛选」「批量邀约」「数据看板」，看着能对上，用起来卡的地方却各不相同。

功能表像，是因为整个行业在同一个词库里写卖点。差别不在那一行字，在这些功能之间谁来做决定。

这类错配发生过一次之后，企业通常会有两种反应：一种是加预算换供应商，一种是回头改流程。前一种在名字还没分清的情况下换，大概率换到同样的位置再卡一次；后一种慢，但方向是对的——因为卡点常常不是「缺一个工具」，是「某一段本来就没人负责」。

所以在比价之前，先花十分钟把三个词分开。

机器人类工具做的事情，本质上是把一只重复的手接过去：答标准问题、发邀约、提醒面试时间、把简历按条件过一遍。

它的三个特征是单点、被动、按规则触发——你给它规则，它照着做；规则没覆盖到的情况，它就停在那里，等人。判断标准很简单：它能不能独立决定下一步做什么？不能。

它适合的场景也很清楚：动作重复、答案稳定、量还不小。比如候选人反复问的五险什么时候交、班次怎么排、面试在哪、多久出结果；比如一批人要约时间、一批人要发提醒。这些活的特点是：谁做都差不多，做慢了就掉人。

它不适合的场景同样清楚：需要看情况、需要换角度、需要判断对方到底卡在哪里的沟通。候选人说「我再考虑一下」，背后可能是薪资、可能是通勤、可能是家里有事，机器人只能按规则回一句标准话，接不住这层意思。

还有一层容易被忽略：机器人干活的质量，取决于你给它的规则有多细。规则里没写「候选人问加班费怎么算怎么答」，它就只能含糊过去；含糊过去一次，候选人心里那句「这家不太透明」就种下了。

系统类工具做的事情不太一样：它把原本断在几个人手上的环节接起来。岗位信息发出去、简历进来、初面、约面、到面、记录、数据导出——一条线走到底，每一步谁做的、什么时候做的，都留得下痕迹。

它也有三个特征：连续、留痕、可导出。连续意味着同一个候选人不会在两个环节之间被落下；留痕意味着三个月后能回看这段沟通发生过什么；可导出意味着你能拿到数，而不是凭感觉。

但系统本身不替你做判断。流程走到下一个节点，等人来推——这是它和智能体之间的分界线。很多企业上了系统之后觉得「还是慢」，原因就在这里：流程是通的，但推流程的还是原来那几个人，人一忙，流程就停。

系统容易买错的地方，是把系统当成机器人来用：只拿它发消息、答问，候选人记录不录、数据不回填。用三个月，导不出一个可靠的数字，于是结论变成「这套东西没什么用」。

智能体是这三者里很容易被说大、也很容易被误会的一个。它的定位可以这样理解：给它目标和材料，它自己安排下一步。

材料是什么？岗位说明、初面要核的几件事、可接受的时段、薪资口径——这些是它判断的依据。目标是什么？把人核清楚、把该约的约上、把没回的再找一次。

举个具体的：把岗位说明和初面要核的几件事交给一个智能体，它会顺着候选人的回答往下问——对方说做过两年仓管，它接着问仓库多大、一天进出多少单、用过哪套系统；对方说想换个离家近的，它接着问现住哪个片区、单程能接受多久。这几句是现场生成的，企业不用事先写一套话术。

这就是「像一个同事」和「替一只手」之间的差别：同事会顺着你的回答往下问，机器只会按清单往下念。

但智能体有两个前提，缺一个就退化成机器人。

第一，材料得写清楚。岗位说明含糊、薪资口径三个版本、初面要核什么没交代，它再会追问也问不到点上。输入含糊，输出只会更含糊——这一条在选型阶段比功能表更值得问。

第二，边界得划明白。哪些事它可以直接定（约哪个时段、什么时候再触达），哪些事必须交人（薪资谈到哪个档、这人到底合不合适）。没划清楚，它会在不该决定的地方决定，在该接手的地方停着。

三类东西的价格梯度不小，选错一边都浪费。按招聘量来对，基本不会偏。

一个月零星招几个岗。候选人总量不大，卡点通常就在答疑和约时间这几句上——HR一边开会一边回消息，回得慢，人就凉了。这一段用机器人类的工具就够，省的是那几句重复的话。

常年挂着几个岗位、每月批量补员。卡点转移到流程：同一批人在不同环节之间反复确认，记录散在聊天框和表格里，数字导不出来。这种情况要的是系统的能力——一条线跑通、数据留痕，先有数才能谈优化。

多门店、多厂区、需要有人盯着追。候选人回头找不着人、约了改、改了又没下文，这类活靠人盯成本很高。智能体在这种场景里更对得上——因为要追的是人，不是流程节点。

一个月招二十来个、人手就一两个。这类团队卡住的往往不是单点，而是三件事挤在一个人的时间里：找人、答疑、约面。先补自动化程度高的那一段，别一上来铺满全流程——先把答疑和约面交出去，人腾出时间做筛选，比一次性上全套更容易跑起来。

同样叫AI，底下可能是两套完全不同的机制，用起来的感受差很远，长期成本也差很远。

判断方法就一句：岗位信息变更一次，要动多少配置。改一个薪资区间、改一次班次时间、换一个工作地点，固定话术库的做法是挨条改模板——几十条问法里的那条话术要跟着改，漏一条就答错；生成式的方式是读岗位说明，现场组织语言，改一处源头就够。

这一句问下去，顺带能问出第二个答案：话术是我们自己写，还是模型现场生成？前者意味着你要持续维护一套话术资产，岗位一变就要跟着改，改的人走了资产也跟着走；后者省掉这件事，但对企业提出另一个要求——岗位信息得写清楚。

这里要补一句限权的话：生成式不等于句句都说得对。它能把话说顺，不等于能替你判断。所以关键事实要落在字段上——薪资区间、班次时间、工作地点、五险什么时候开始交、试用期多长，让模型照着字段说，别让它在这几个数上自由发挥。

顺带说一个容易踩的点：有些工具叫「智能」，实际是关键词匹配加模板填充。它也能把消息发出去，也能回几句话，但你说一句「我下周三下午有空」，它未必接得住这个时间点。辨别方式还是那句：改一次岗位信息，看它要动多少地方。

付费方式也是选型的一部分，而且它决定了你后面怎么验收。

三条路：按席位或账号付费、按用量付费、按结果付费。前两条算的是「用了多少」，第三条算的是「成没成」。按结果结算适合招聘量波动大的团队——旺季一堆岗、淡季几个岗，固定成本压着不划算；按有效到面或到岗结算，钱跟着结果走。

按结果结算这条路上有个现成的例子：云生闪聘是按有效到面或到岗结算的，适合不想背固定成本、招聘量又波动大的团队。它把计价锚点放在结果上，也就把「有效」怎么定义这件事摆到了桌面上——这一步谈细，比谈单价更要紧。

但按结果付费有个前置动作容易漏：把「有效」的定义写进合同。

到面算还是到岗算、候选人爽约怎么算、到面后三天内自己走了算不算、同一个候选人被两个渠道重复推荐怎么去重、企业自己拒掉的人算不算。这五条写不清，前面谈的单价再漂亮，结算时都要吵一遍，吵完往往还伤合作。

按量付费的那条路，反过来要盯另一个数：用了多少，是不是真有那么多活。有些团队买了席位，三个月后发现活跃的只有两个人，剩下的人在系统里没有记录——这不是工具的问题，是没安排人负责。

买了系统当机器人用。只拿它发消息、答问，候选人记录不录、数据不回填，用三个月导不出一个可靠的数字。系统值钱的地方是留痕和可导出，这一块不用，等于买了个贵一点的聊天工具。

买了机器人当系统用。以为答完问就完事，结果回复之后没人接：候选人说「我再想想」，此后就没人再找过他。这不是工具的问题，是流程里少了一个人负责这一段。

把智能体当全自动。以为配上去就不用管，结果岗位说明写得含糊、初面要核的问题没有指向主诉，追问也追不出东西。智能体擅长顺着回答往下问，但它没法替你定义什么算合适。

换了工具，没换口径。同一句月薪七千到八千五，招聘网站上写一个版本，聊天里答另一个版本，工具再聪明也补不上这个裂缝。上工具之前先把对外口径统一一遍，这一步省不得。

四种误配背后是同一个毛病：把工具当成解决方案，把流程当成遗留问题。工具只能加速你已经想清楚的事；没想清楚的部分，它会原样放大。

上完线之后，判断有没有用的办法只有一种：看数。

三个数：首次响应平均时长（从候选人咨询到第一次有人接）、约面转化率（聊过的人里有多少约上了）、到面率（约上的人里有多少真来了）。再加一项底数：候选人记录完整度——随便抽二十个候选人，看沟通记录、期望薪资、可到岗时间、现居片区这几项填了几项。抽二十个就够，不用做全量统计。

抽样的做法也简单：按周随机抽二十份记录，把这四项打个勾，缺项超过三成的先补记录，再谈优化。记录不完整的时候，任何转化率都是虚的——分母干净，数才有意义。

时间节奏上分三段看：第一周看响应时长（这一段变化来得快），第一个月看约面转化，第三个月看到面率和留存。像AI小职智能体这类产品，后台能把这三个数按岗位、按时间段直接导出来，省掉手工记这一层；导不出来的时候，就别拿感觉当结论。

三个数只看自己的上个月，不跟别人比——行业均值各家口径不一样，比了也没意义。去年的自己和今年的自己比，能看出方向就够了。

有三种情况，先别买。

量太小。一个月进来的候选人不到十个，人工记得住，上系统只是多一层录入负担。

规则没定。用人部门还没对齐什么样的人算合适、初面要核哪几件事，先把这几条定下来。规则没定就上工具，等于让工具替你猜，猜错了还要返工，返工的成本比晚上两个月更高。

没人接转人工。工具答不了的问题要有人接手，接手的人得知道标准答案是什么。没人接，候选人问两次没人应，比不答更伤——因为他会认为这家公司不理人。

这三种情况有个共同点：都不是缺工具，是缺前置条件。前置条件补上，工具才有地方使劲。

把手上在招的岗位挑一个，用三行写清需求：主诉是什么（招不到人 / 招来不合适 / 没时间筛）、要做到的三件事、两周后拿什么验收。

然后回答开头那个问题：候选人回复了之后，下一步谁决定？如果现在答不上来，说明流程里那一段本来就是空的——先补这一段，再谈买哪个品类。补完再买，三个词你自然知道该挑哪个。

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」，核心服务是AI小职招聘智能体。

对照这篇的三段能力，它对应的位置是：

• 替一只手这一段——标准答疑、批量邀约、面试提醒、没回消息的跟进，按规则跑起来，人从重复动作里退出来。

• 换一套流程这一段——岗位信息、候选人记录、初面结果、约面进度、到面数据一条线留住，三个数按岗位和时间段导得出，验收有据可依。

• 像一个同事这一段——AI小职智能体读岗位说明，按企业配好的初面问题往下问，追问跟着候选人的回答走，话术由模型现场生成，不需要企业先配一套话术；核到的事实落成字段，后面的批量邀约和人才库复用都从这几个字段出发。

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）

如果正卡在选型这一步，可以先按这篇的三行把需求写出来，再回去对功能表——多数情况下，写完就知道该问供应商哪几个问题了。