对话式候选人筛选
通过 AI 与候选人来回沟通,在问答中收集简历之外的信息,再判断是否匹配职位要求,而不是只看关键词命中。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
Holly 是一款面向企业招聘团队的智能招聘工具,主打把招聘流程中最耗时的一环——寻找和筛选候选人——交给 AI 自动完成。它用对话的方式与候选人互动,在沟通中收集信息、判断匹配度,并依据招聘方的反馈持续调整筛选标准。与只做简历关键词匹配的工具不同,Holly 更接近一个不知疲倦的招聘助理:它主动发起沟通、追问细节、汇总结果,让人只处理最终入围的名单。它仍处在早期产品形态,公开信息有限,功能覆盖范围和稳定性需要以实际试用为准。
Holly 是一款智能招聘工具,定位是替招聘团队完成人才招聘流程中的自动化环节,核心场景是寻找和筛选候选人。它的工作方式偏对话式:由 AI 主动与候选人沟通,通过问答获取简历之外的补充信息,再据此判断是否进入下一轮。
从产品形态看,它更接近一个常驻的招聘助理,而不是单纯的简历库或筛选器。招聘方给出职位要求和偏好后,Holly 负责触达候选人、完成初步沟通、整理反馈,并根据招聘方对结果的评价不断优化后续的筛选判断,让筛选标准随着使用过程逐步贴近真实需求。
对招聘团队来说,它的价值主要在初筛这一段:把大量重复的沟通和判断前置给 AI 处理,HR 只接手真正有机会的候选人。对用人部门负责人,它能减少在无关简历上花的时间。由于产品仍在早期,接入方式、数据回流机制和深度定制能力适合在试用阶段逐一确认。
通过 AI 与候选人来回沟通,在问答中收集简历之外的信息,再判断是否匹配职位要求,而不是只看关键词命中。
把寻找候选人的环节交给 AI 执行,由系统主动定位并触达潜在人选,减少招聘方手动搜索和逐一发消息的工作量。
招聘方对筛选结果的评价会反过来影响后续判断,让 AI 的筛选标准随使用过程逐步贴近团队的真实偏好。
覆盖从触达候选人到初筛出结果的连续环节,把重复沟通和初步判断前置处理,人只接手进入下一轮的候选人。
当你的招聘痛点是「初筛太占时间」时,Holly 值得纳入候选:它把主动沟通和初步判断交给对话式 AI,人只需要看结果、给反馈。当你的职位高度依赖硬性资质核验、或者候选人群体对 AI 沟通本身就抵触时,要谨慎,这类场景里 AI 的对话优势会被削弱。它更适合招聘量大、职位描述清晰的团队,而不是一次只招一两个稀缺岗位的小团队。由于产品仍在早期,建议先用一个真实职位跑完整流程,再决定是否扩大使用范围。
同时推进多个职位、初筛沟通量大的团队,用它可以先把重复沟通前置处理,人只接手进入下一轮的候选人。
团队在短时间内要补较多岗位时,可以把初筛交给 AI 跑,减少负责人亲自筛简历的时间。
一年只招几个人、职位描述还在频繁调整的团队,引入新工具的磨合成本可能高于节省的时间。
如需要核验证书、执照或硬性经验的岗位,对话式筛选只能做初步判断,关键结论仍要人工复核。
如果目标人群对和机器人对话明显反感,AI 主动触达反而可能降低回复率,这类场景不建议作为主力筛选方式。
它专注在人才招聘流程的前半段:主动寻找候选人和初步筛选。招聘方给出职位要求后,由 AI 负责触达候选人、完成沟通并整理出值得进入下一轮的名单,后续面试和录用决策仍由人来完成。
常见的筛选工具是对已有简历做条件匹配,Holly 更强调主动沟通:它会和候选人来回对话,在问答中获取简历上没有的信息,再据此判断是否匹配。判断依据从文本匹配变成了对话结果,这是它最主要的区别。
产品的设计逻辑是把招聘方对筛选结果的反馈回流到判断标准里,让后续筛选逐步贴近团队偏好。实际效果取决于你反馈的频率和具体程度——只标记合适或不合适,和写清为什么不合适,调优效果差别很大。
招聘量大、职位要求相对清晰的团队最能体现它的价值,因为初筛的重复劳动最多。如果一年只招几个人,或者岗位要求还在频繁变动,引入新工具的磨合成本可能不太划算。
这取决于你招的人群。技术类和职能类岗位的候选人对 AI 初筛的接受度通常更高,而一些特定行业或资深岗位的候选人可能更希望直接和人对话。建议先在一个职位上观察回复率,再决定是否扩大使用。