AI在人力资源行业的应用现状与策略 - 人工智能在人力资源领域的应用正以“老场景，新解法”的范式重构行业，聚焦于用颠覆性方案解决既有业务痛点[1] - 当前招聘相关的AI应用层出不穷，但技术环境尚未收敛，公司采取务实策略，通过小范围验证成功后再规模化复制[1] - 整体上，人力资源公司和SaaS公司在AI应用方面发展最快，企业侧相对较慢，AI仍处于完善基础设施的阶段[7] 科锐国际的AI技术应用演进路径 - 公司将生成式AI在业务中的应用演进划分为三个阶段：ChatGPT阶段重塑知识获取方式，显著提升猎头业务效率[1]；多模态阶段聚焦语音与文本模态融合，优化招聘中的语音沟通环节[2]；Agent阶段主攻重构短流程业务，实现从辅助决策到自主执行的跨越[2] - 在技术路径选择上，公司判断微调垂直大模型无实际意义，主攻RAG方向，核心是训练招聘与技能的垂直Embedding模型和研发MatchSystem匹配系统[8] - 公司利用研发的MatchSystem匹配系统和CRE Embedding模型能力，将线上线下、增量存量的客户、职位、人才和顾问进行实时AI匹配，以更快响应市场变化[10] Agent技术的落地方法与挑战 - Agent的引入从根本上改变了技术需求的界定方式和产品设计逻辑，更强调自主完成任务，需观察优秀顾问的感知与决策过程[3] - 落地Agent时应优先解决基础能力（如沙箱、工作记忆、感知系统、工具），再解决场景需求，采用迭代螺旋上升的方式[4] - 公司提出用“问题清晰度”和“费力度”两个指标筛选Agent优先落地场景，高问题清晰度、低费力度且高频出现的问题应优先解决[16][17] - 通用Agent面临“三难困境”，即长上下文窗口、有效注意力和高信息密度三者无法同时实现，而招聘Agent的上限取决于其感知能力[24][25] 核心技术突破与创新 - 公司正在研发RT推理技术和CRE-T1模型，RT技术通过多次前向传播激发Embedding模型的推理能力，已在多个公开数据集上刷新SOTA[13] - 认识到匹配不仅是语义匹配，更是推理，需要多跳检索，传统基于语义的Embedding模型在Agent时代存在Token消耗大、速度慢的问题[11] - 预训练语言模型和合成数据是关键突破性技术，大幅降低了对人工标注的依赖，并通过强化学习以少量数据显著提升推理能力[23] 产品设计与需求管理范式转变 - Agent出现之前，产品设计的核心是识别小而高频的真实需求以实现单点突破，公司提出了“问题-方案链”的需求管理方法[15] - Agent时代产品设计发生巨变，交付物的固化不再重要，更需要优秀顾问参与产研环节，以抽象提炼其感知和决策过程[15][20] - AI落地应选择“老场景，新解法”，避免走到通用大模型的主航道上，并对技术保持敬畏之心，在单点上反复打磨以实现突破[27][35] 组织变革与行业影响 - AI浪潮正在加速消灭分工和协作，公司推动产品、数据、工程师等多部门融合，要求后端会写算法、产品经理会写代码以拉齐认知[18][19] - AI变革将引发管理革命，当中层干部的协调职能被AI大量替代时，其角色可能会消失，服务行业的标准化和自动化程度将进一步提高[21][36] - 2025年公司的核心目标是将MatchSystem持续改进，增强其从语义级匹配往应用级匹配过渡的能力，并与招聘场景结合形成SearchAgent[4]