Microsoft

AI Agent 如何重塑 HR 工作

讲者 Jane Zhou
Jane Zhou微软 · AI 解决方案专家
讲者 Otto Deng
Otto Deng微软 · Azure 云架构师
2026 · Shanghai
公开案例 · HR 员工服务

IBM Ask HR

11.5M员工互动次数
94%无需升级即可解决

IBM 将 Ask HR 作为员工咨询的 AI 优先统一入口,连接政策、福利与 HR 服务工单管理。

对 HR 的启示很直接:当知识被良好结构化后,AI 可以吸收大量重复服务流量,让 HR 团队把更多时间留给复杂的员工问题。

来源:IBM Think
IBM Ask HR AI 员工服务入口图
公开案例 · 人才招聘

Unilever Recruiting Funnel

100K节省的面试工时
约 $1M每年节省的招聘成本

Unilever 的 AI 招聘流程表明,大规模招聘可以围绕自动化、筛选信号和更快的流程协同重新设计。

实际价值在于压缩招聘漏斗中的重复环节,让招聘人员把更多时间投入岗位匹配、候选人体验与最终沟通。

来源:The Guardian
Unilever 招聘漏斗图
公开案例 · HR 员工服务

ServiceNow AI Experience

20×HR 查询解决速度提升
约 400K每年节省的工时
>$17M每年节省的成本

ServiceNow 的 Now-on-Now AI Experience 通过 AI 搜索、虚拟 Agent 和自助工作流处理常见员工问题。

实践启示是,AI 价值通常从服务流量开始:更快回答日常问题、减少工单负荷,让 HR 团队专注于例外与复杂事项。

ServiceNow AI Experience HR 服务图

HR 是 Agent 最自然的落地场景之一。

01
面向员工与候选人PEOPLE EXPERIENCE
高频起点人才招聘需求澄清、JD、人才搜寻、简历筛选、面试准备
高频起点员工服务政策问答、福利导航、工单分流、多语言支持
员工旅程入职与转岗材料准备、权限清单、学习计划、进度追踪
管理赋能管理者支持团队洞察、谈话准备、反馈框架、行动跟进
02
面向组织与运营ORGANIZATION & OPERATIONS
组织机制薪酬与绩效市场资料整理、校准材料、异常识别
全球运营全球化运营跨地区政策比较、派驻材料、多语言沟通
组织洞察组织洞察员工声音归纳、趋势分析、专题研究
运营效率HR 运营报表、审计证据、提醒、重复性系统操作
Scout
Microsoft ScoutDesktop AI

让 AI 不只回答,还能在工作环境中完成任务。

Scout 可以围绕文件、浏览器、命令和 Microsoft 365 数据拆解任务、调用工具、生成成果,并在敏感操作前请求确认。

理解工作上下文执行多步骤任务保留人工控制
连接真实工作上下文理解本地文件、Word、Excel、PowerPoint 与 Microsoft 365 数据,不必反复复制粘贴。文件 · SharePoint · Teams
跨工具完成多步骤任务在浏览器、命令、脚本和业务数据之间连续执行,而不是只提供一段建议。浏览器 · 命令 · 工具调用
交付可直接使用的成果生成报告、表格、演示、清单和可审阅草稿,让产出能够直接进入下一流程。Deliverables, not answers
人始终掌握控制权继承现有权限,敏感动作显式确认,执行过程和来源证据可以回看与审阅。权限 · 确认 · 可追溯
持续任务与自动化定期摘要、状态检查、提醒与异常升级

例如:每周招聘漏斗、面试反馈缺口、关键岗位进度追踪。

Scout 工作架构HUMAN-IN-THE-LOOP

Scout 连接人的判断、工作环境与可执行成果。

01人定义方向

目标、标准与边界

HR 的任务与判断明确目标、成功标准、优先级和业务背景
授权与最终决定敏感数据、外部发送和系统写入前由人确认
任务与授权
Scout Microsoft Scout

理解 → 规划 → 执行 → 验证

理解上下文拆解任务调用工具检查结果
工具调用
02连接工作环境

数据、工具与系统

Microsoft 365Outlook、Teams、SharePoint、OneDrive、日历与文件
业务工具与公开信息浏览器、HR 系统、数据文件、研究资料和脚本
03 · 可审阅成果报告 · 表格 · 演示 · 草稿 · 提醒 · 可追溯证据成果进入下一流程,关键决定仍由人负责。
人才招聘全流程

AI Agent 在招聘链路的哪里发挥作用:从需求提出到新人上手。

01
Plan
INTAKE & SETUP
HM intake call
JD generationDEMO 1
Compensation band & level calibrationDEMO 2
Interview loop assignment
02
Source
BUILD THE PIPELINE
Active market sourcingDEMO 3
Personalized outreachDEMO 5
Inbound resume screeningDEMO 4
Pipeline health tracking
03
Assess
INTERVIEW & EVALUATE
Interview scheduling
Interview plan generationDEMO 6
Decision sync & feedback chaseDEMO 7
Hire / no-hire calibration
04
Offer
NOT COVERED TODAY
Create offer
Approval routing
Extend offer
Negotiate & counter
Accept & sign
05
Pre-onboard
NOT COVERED TODAY
Background check
Document collection
IT & badge provisioning
Day-1 logistics
06
Onboarded
NOT COVERED TODAY
Day 1 orientation
Week 1 ramp plan
Buddy / mentor pairing
30 / 60 / 90 check-ins
招聘流程 01 · 岗位定义

一句粗略需求,形成可审阅的 JD。

岗位需求澄清 → 成功标准 → 中英文初稿

SCOUT WORKFLOW1 / 7
生成 Cloud Solution Architect 双语 JD Co-Create:CSA-Shenzhen-JD.md
深圳招聘一名 Cloud Solution Architect。需要懂多云、Kubernetes、Terraform,能面对客户做架构设计。先生成一份中英文 JD。
我先补齐三个关键条件:
岗位级别、主要客户行业,以及是否需要频繁出差?
Senior,覆盖互联网和消费电子客户;需要出差,英语能作为工作语言。
已生成双语初稿。我把“必须具备”和“优先具备”分开,并将面试时需要验证的能力写成了可观察的成功标准。
继续修改岗位要求…
Co-Create 已连接
CSA-Shenzhen-JD.mdAgent 正在编辑

高级云解决方案架构师|深圳

中文 / English · 版本 0.1 · 待 HR 与 Hiring Manager 审阅
岗位使命

理解客户业务与技术目标,设计安全、可靠、可运营的云与多云架构,并推动方案从评估走向落地。

核心职责
  • 主导云迁移、现代化与 AI 平台相关架构设计
  • 与客户技术和业务负责人建立可信顾问关系
  • 将复杂需求转化为路线图、方案与风险清单
  • 联合产品、交付与合作伙伴推动实施
能力要求

多云架构KubernetesTerraform客户沟通中英文

特别注意:证书数量、单一云厂商经历和行业背景不应成为自动筛除条件;必须回到可验证的架构证据、客户判断和学习能力。
查看完整双语 JD(2 页)
演示 1最终成果 · 完整中文 JDCSA-Shenzhen-JD.md · Version 1.2

高级云解决方案架构师|深圳

岗位定义、交付范围、候选人标准、面试证据与负责任招聘边界

Version 1.2 · 中文可上下滚动查看完整内容 · 待 HR 与 Hiring Manager 最终确认
职级Senior
工作地点深圳
出差约 30–40%
工作语言中文 + English
技术重点Cloud · AI · Multi-cloud

岗位使命

作为客户可信技术顾问,理解业务目标、现有技术环境、组织能力与预算约束,设计安全、可靠、可运营的云、多云及 AI 平台架构,并推动方案从评估、验证走向实施和运营。

核心职责

  • 主导云迁移、应用现代化、数据与 AI 平台项目的需求发现和总体架构设计。
  • 将业务需求转化为目标架构、技术路线图、决策记录、风险清单和成本模型。
  • 围绕 Kubernetes、Terraform、身份、网络、安全、数据与可观测性设计可落地方案。
  • 主持客户架构工作坊,识别关键约束,并向技术和业务决策者解释方案取舍。
  • 设计并推动 PoC,明确成功标准、测试范围、风险与退出条件。
  • 联合产品、交付与合作伙伴完成架构评审、实施交接、运营准备和风险闭环。

关键业务场景

云迁移应用组合、依赖、数据重力与迁移波次
应用现代化容器化、平台工程与开发者体验
数据与 AIAI 平台、数据治理、性能与成本
混合与多云跨云边界、治理模型与运营复杂度
安全与韧性身份、网络、零信任、备份与灾备
FinOps容量、单位成本、预算护栏与优化

关键交付物

  • 现状评估与工作负载分类
  • 目标架构、决策记录和非功能需求
  • 分阶段迁移或现代化路线图
  • 风险、依赖、成本、治理与运营准备清单
  • PoC 方案、成功标准和结果复盘
  • 面向客户决策者的方案汇报与下一步建议
岗位定位这不是只介绍产品的传统售前岗位;候选人需要连接业务目标、架构判断和实施路径,并与客户 CTO / CIO、企业架构师、平台、安全及业务团队协作。

必须具备

  • 5 年以上云、基础设施、平台工程或相关经验,其中至少 3 年承担架构责任。
  • 具备 Kubernetes 与基础设施即代码的生产实践,熟悉 Terraform 或同类工具。
  • 深入掌握至少一个公有云,并能解释混合云和多云的收益、成本与运营取舍。
  • 具备网络、身份、安全、可靠性和可观测性等非功能架构基础。
  • 能够面对客户澄清需求、处理异议,并将复杂技术转化为业务语言和行动路径。
  • 中英文可作为工作语言,能够适应客户现场沟通与必要出差。

优先具备

  • AI / ML 平台、零信任、FinOps、数据平台或平台工程经验。
  • 大型互联网、消费电子、跨区域企业或复杂生态客户项目经验。
  • 能够建立数量级成本模型并解释性能、成本、韧性与运营复杂度的取舍。
  • 有架构评审、技术工作坊、PoC 设计或跨团队交付经验。
  • 持续输出技术文章、公开分享或可验证的社区贡献。

面试验证重点

架构判断先澄清约束,再提出可解释方案
技术深度判断容量、性能、可靠性数量级
客户沟通处理异议并保护客户信任
商业意识平衡成本、时间、风险和竞争
执行能力转化为路线图、责任与下一步
学习能力未知时提出验证路径而非猜测
不作为自动硬门槛特定证书、单一云厂商背景、精确年限、当前职级和既往行业都不能替代真实能力证据。
负责任招聘注意事项年龄、性别、照片、婚育、籍贯等敏感信息不得进入评分;信息不足标注“需要澄清”;面试官先独立记录证据再讨论;Scout 不自动淘汰候选人。

入职 90 天成功标准

30 天完成客户、技术环境和协作地图
60 天独立主导架构评估与客户工作坊
90 天交付路线图、成本模型与风险计划
DEMO 1Final Deliverable · Full English JDCSA-Shenzhen-JD.md · Version 1.2

Senior Cloud Solution Architect|Shenzhen

Role definition, delivery scope, candidate criteria, interview evidence, and responsible hiring guardrails

Version 1.2 · EnglishScroll to review the complete document · Pending final approval
LEVELSenior
LOCATIONShenzhen
TRAVELApprox. 30–40%
LANGUAGEChinese + English
FOCUSCloud · AI · Multi-cloud

Role Mission

Act as a trusted technical advisor who translates business goals, existing environments, organizational capabilities, and budget constraints into secure, reliable, and operable cloud, multi-cloud, and AI platform architectures.

Key Responsibilities

  • Lead discovery and architecture for cloud migration, application modernization, data, and AI platform initiatives.
  • Turn business requirements into target architectures, roadmaps, decision records, risk registers, and cost models.
  • Design practical solutions across Kubernetes, Terraform, identity, networking, security, data, and observability.
  • Facilitate customer architecture workshops and explain trade-offs to technical and business stakeholders.
  • Define and lead PoCs with explicit success criteria, scope, risks, and exit conditions.
  • Partner with product, delivery, and ecosystem teams through review, handoff, operational readiness, and risk closure.

Priority Scenarios

Cloud migrationPortfolio, dependency, data-gravity, and wave planning
ModernizationContainers, platform engineering, and developer experience
Data and AIPlatforms, governance, performance, and cost architecture
Hybrid / multi-cloudBoundaries, governance, and operational complexity
Security / resilienceIdentity, Zero Trust, backup, and DR
FinOpsCapacity, unit economics, guardrails, and optimization

Core Deliverables

  • Current-state assessment and workload segmentation
  • Target architecture, decision records, and non-functional requirements
  • Phased migration or modernization roadmap
  • Risk, dependency, cost, governance, and operational-readiness register
  • PoC design, success criteria, and outcome review
  • Executive-ready recommendation and next-step plan
Role PositioningThis is not a product-presentation role. The architect connects business outcomes, technical judgment, and an executable delivery path across customer and Microsoft stakeholders.

Must-have Qualifications

  • 5+ years in cloud, infrastructure, platform engineering, or a related discipline, including 3+ years with architecture ownership.
  • Production experience with Kubernetes and infrastructure as code, including Terraform or an equivalent tool.
  • Deep expertise in at least one public cloud and sound judgment across hybrid and multi-cloud trade-offs.
  • Working knowledge of networking, identity, security, reliability, and observability as architecture concerns.
  • Strong customer-facing communication and the ability to translate complex technology into business language and action.
  • Professional fluency in Chinese and English, with willingness to travel for customer engagements.

Preferred Qualifications

  • Experience with AI / ML platforms, Zero Trust, FinOps, data platforms, or platform engineering.
  • Delivery experience with internet, consumer-electronics, cross-regional, or ecosystem-heavy customers.
  • Ability to build order-of-magnitude cost models and explain performance, cost, resilience, and operational trade-offs.
  • Experience with architecture reviews, workshops, PoC design, or cross-team delivery.
  • Verifiable technical writing, public speaking, or community contribution.

Interview Evidence

Architecture judgmentClarifies constraints before recommending
Technical depthReasons about capacity and resilience
Customer communicationHandles objections while preserving trust
Commercial awarenessBalances cost, time, risk, and competition
ExecutionConverts architecture into ownership and steps
Learning agilityDefines validation paths for unknowns
Not Automatic Hard GatesSpecific certifications, single-cloud background, exact years, current title, and prior industry cannot replace evidence of capability.
Responsible Hiring GuardrailSensitive attributes must not enter scoring. Missing information means “needs clarification.” Interviewers record evidence independently before discussion. Scout does not auto-reject candidates.

Success in the First 90 Days

Day 30Map the customer, technology, and stakeholders
Day 60Lead an assessment and workshop independently
Day 90Deliver a roadmap, cost model, and risk plan
招聘流程 02 · 薪酬对标

Scout 调用 WebIQ,把网页搜索变成薪酬证据。

Scout 承接 Demo 1 岗位上下文 · WebIQ 实时检索网页 · 基本薪资与总薪酬分开

SCOUT WORKFLOW2 / 7
深圳 Senior Cloud Solution Architect 薪酬对标 已连接:CSA-Shenzhen-JD.md · v1.2
基于刚才生成的 CSA-Shenzhen-JD.md v1.2,为同一个岗位做深圳薪酬对标。岗位是 Senior,服务互联网与消费电子客户,需要多云、Kubernetes、Terraform、中英文客户沟通和 30–40% 出差。
已读取 Demo 1 岗位上下文。
我会先拆分检索条件与薪酬口径,再调用 WebIQ 获取实时网页证据。
WQ使用 WebIQ 检索公开市场web.search · live已完成
检索目标:深圳 · Senior Cloud / Solution Architect · AI / 多云 / Kubernetes · 薪酬区间
生成中英文检索式岗位、地点、职级与技能组合8 组
读取网页结果与原文片段职位广告、薪酬调研与员工自报来源80 条
返回可追溯证据集标题与 URL 去重,保留来源信息70 条
Scout 已形成薪酬建议10 个匹配岗位
Senior 市场讨论区间¥650K–¥900K
Stretch 讨论区间¥900K–¥1.10M
¥727.5K区间中点中位¥542.5K–¥905K年化上下沿中位
口径提醒:招聘广告、基本薪资与总薪酬已分开;公开证据不支持固定技能溢价百分比。
继续查看岗位样本、来源或口径差异…
WebIQ 实时研究 · 2026-08-26
Scout + WebIQ 薪酬研究WebIQ Live

Senior Cloud Solution Architect|深圳

沿用 CSA-Shenzhen-JD.md v1.2 · 同一岗位、同一能力条件
WebIQ 负责实时检索网页结果、原文片段与可追溯来源
Scout 负责形成成果上下文理解、口径清洗与报告生成
Demo 1 上下文:
Senior · 深圳 · 互联网/消费电子客户 · 多云 / Kubernetes / Terraform · 中英文 · 30–40% 出差
80原始结果
70去重结果
10匹配岗位
¥727.5K中点中位
核心观察
实时岗位年化区间中位¥542.5K–¥905.0K
Senior 市场讨论区间¥650K–¥900K
Stretch 讨论区间¥900K–¥1.10M
来源量级校验
猎聘实时职位月薪常见 14–16 薪
SalaryExpert约 44–46 万平均基本年薪
Levels.fyi约 71–75 万深圳总薪酬中位
Morgan McKinley67 / 92 / 120 万低 / 中 / 高
口径边界:公开证据不足以支持固定技能溢价百分比;结果用于市场校准,不替代内部 Level、奖金、福利与股权政策。
查看 Scout + WebIQ 完整研究
演示 2最终成果 · Scout + WebIQ 薪酬研究

WebIQ 找到实时证据,Scout 给出可执行的薪酬建议。

建议的 Senior 市场讨论区间¥650K–¥900K

年化现金市场校准区间 中点中位 ¥727.5K

Stretch 讨论区间¥900K–¥1.10M

AI、多云、英文客户沟通与跨区域执行能力组合

HR 决策规则预算先按主区间对齐

超过 ¥900K 时,要求组合能力证据,再升级讨论。

实时岗位年化样本 · CNY

阿里云Solution Architect35–65K · 薪数未列,按12月下限¥420–780K
腾讯云原生 / 大数据30–60K · 16薪¥480–960K
腾讯云原生架构师40–70K · 16薪¥640K–1.12M
阿里云AI 应用架构20–50K · 16薪¥320–800K
企业岗位IT 解决方案架构师40–65K · 14薪¥560–910K
行业岗位财经解决方案架构师40–70K · 15薪¥600K–1.05M

十个岗位的稳健汇总

年化下沿中位所选职位区间¥542.5K
区间中点中位与深圳总薪酬中位接近¥727.5K
年化上沿中位所选职位区间¥905.0K

来源校验与适用边界

WebIQ 8 组查询80 条结果70 条去重Scout 纳入 10 岗
职友集深圳云架构师 · 近一年22份样本20–50K/月
猎聘深圳云原生架构师月均;含实时职位42.4K/月
SalaryExpert / ERI基本薪资调研模型44.3万 / 51.5万资深
Levels.fyi员工自报总薪酬;样本透明度有限约71–75万中位
Morgan McKinley招聘成功案例与顾问数据67 / 92 / 120万
为什么建议 ¥650K–¥900K?

该区间覆盖实时岗位的稳健中位范围,并与外部总薪酬量级相互校验。只有在 AI、多云、英文客户沟通与跨区域执行形成组合证据时,再讨论 ¥900K–¥1.10M

溢价信号,而不是固定百分比

AI 平台多云 / 混合云英文客户沟通跨区域执行安全与韧性FinOps

方法注意事项不同来源分别表示基本薪资、招聘广告现金区间或总薪酬。公开证据不足以支持精确的技能溢价百分比,也不能替代内部职级、奖金、福利和股权政策。
招聘流程 03 · 人才搜寻

Scout 调用 WebIQ,把互联网搜索变成可验证的人才池。

沿用 Demo 1 岗位上下文 · WebIQ 联网检索公开资料 · Scout 交叉验证并形成候选人档案

SCOUT WORKFLOW3 / 7
深圳 Cloud Solution Architect 人才池 WebIQ Web Search · 演示调用
根据刚才的 JD,在公开信息中寻找 50 名深圳或可考虑深圳的 Cloud Solution Architect先不要联系任何人。
已读取 Demo 1 岗位上下文。
我会调用 WebIQ 搜索公开职业资料、GitHub、技术博客和公开演讲,再对候选人证据进行交叉验证与排序。
WQ使用 WebIQ 搜索公开人才信号web.search · demo trace演示完成
检索目标:深圳 / 可迁移 · Cloud Solution Architect · 多云 / Kubernetes / Terraform · 中英文客户沟通
生成中英文组合检索式岗位、地点、技能、公司与公开技术身份多组
读取公开网页与技术信号职业资料、GitHub、技术博客、会议与演讲页面多来源
交叉验证、去重并保留来源映射为可复核的合成候选人档案50 份
Scout 已形成候选人池外联 0 · 未执行
5Tier 115Tier 2
验证结果:GitHub 完整验证 8 人,可能开放 5 人;每条档案保留来源、匹配分、层级与下一步建议。
查看某个候选人的验证证据…
WebIQ 演示调用 · 外联动作 0
Scout + WebIQ 候选人搜寻WebIQ Demo

深圳 Cloud Solution Architect 人才池

50 条记录均为合成演示数据 · 按匹配分排序 · 外联 0
WebIQ 负责联网搜索公开网页、技术身份、原文片段与来源链接
Scout 负责形成成果理解 JD、交叉验证、去重、排序与行动建议
50完整列表
5Tier 1
15Tier 2
30Talent Pool
每位候选人保留的证据
岗位与公司当前角色、公司、地点、经验
岗位匹配云背景、技能、语言、匹配分
WebIQ 公开验证来源链接、GitHub、技术内容、开放信号
人工动作层级、建议与复核顺序
本页 WebIQ 调用轨迹为概念演示;所有姓名、履历组合、分数和开放信号均为合成内容。Scout 不自动联系或淘汰任何候选人。
查看完整 50 人列表
演示 3最终成果 1/2 · 完整候选人列表本地实跑 · 正在载入

Cloud SA 人才搜寻工作台

按 16 个关键字段呈现完整候选池,支持横向比较公开证据与人才信号。

50 条合成档案42 条 LinkedIn 匹配16 条 GitHub 线索5 条可能开放查看汇总分析 →
人才池主视图 · 16 字段 50 / 50
候选人技能标签地点当前职位交叉搜索发现云平台LinkedIn职级行业可触达性当前公司工作经历人才层级教育背景GitHub公开关注
正在载入本地实跑结果…
责任边界:所有身份、履历组合、分数和开放信号均为合成演示。完整 16 列 · 当前显示 50 / 50
演示 3最终成果 2/2 · 候选池汇总← 返回完整列表
人才池结论

20 人进入人工复核队列,
先验证证据,再决定是否触达。

20优先人工复核Tier 1 + Tier 2
5Tier 1第一批证据核验
15Tier 2补齐职责与意愿
44交叉验证至少两类公开来源
0实际外联等待人工批准
TIER 194

陈云飞

高级云解决方案架构师 · 华为云

深圳3 类来源
重点验证:架构所有权
TIER 194

张鹏程

混合云架构师 · 腾讯云

广州3 类来源
重点验证:深圳意愿
TIER 193

王建国

云平台架构师 · 阿里云

上海3 类来源
重点验证:客户方案经验
TIER 193

刘思远

技术客户经理 · AWS

北京3 类来源
重点验证:技术设计深度
TIER 192

赵明轩

AI 平台架构师 · Microsoft

杭州3 类来源
重点验证:地点与出差
SUPPLY SIGNALS

人才供给结构

50 人完整候选池
Kubernetes17
Terraform17
客户方案9
多云治理9
技术基础相对充足

Kubernetes 与 Terraform 是最常见的可验证技能。

真正稀缺的是角色证据

需要继续核验客户方案、架构所有权与复杂项目决策。

地点仍是主要变量

深圳候选人仅 9 人,异地候选人的意愿不能从公开资料推断。

HUMAN REVIEW

建议的复核顺序

01
Tier 1 · 5 人

24 小时内核验身份、职责时间线、地点和英语客户沟通证据。

优先
02
Tier 2 · 15 人

补齐架构主导深度、多云取舍与深圳意愿,再决定是否升级。

澄清
03
Talent Pool · 30 人

保留来源与技能标签,等待岗位变化或新增公开证据后重评。

保留
招聘流程 04 · 简历筛选

100 份简历批量筛选,每个判断都有证据可查。

PDF 提取 · JD 五维评分 · 分层 · 人工复核

SCOUT WORKFLOW4 / 7
Cloud SA 简历批量初筛 工作区:100 份合成 PDF
按 JD 处理这 100 份简历。用五个与岗位相关的维度评分;屏蔽年龄、性别、照片等敏感信息,不要自动拒绝任何人。
已采用五个维度:云架构经验、技术栈、客户与方案能力、多云广度、地点与语言。敏感字段未进入评分。
筛选结果:
16 人达到 80 分以上,39 人达到 60 分以上;信息不足的简历单列为“需要澄清”,不按低分处理。
每个分数均附简历原文证据和缺口说明。右侧展示三种典型判断:强烈推荐、有条件推荐和不匹配。
展开候选人的评分依据…
敏感字段:已屏蔽
简历筛选结果等待 HR 复核

100 份简历,16 人进入优先复核

合成候选人 · AI 建议不构成录用或淘汰决定
100已处理
3960 分以上
1680 分以上
5评分维度
候选人分数判断下一步
候选人 A93全栈匹配,多云与客户经验完整Hiring Manager
候选人 B62技术栈匹配,架构主导范围待确认30 分钟澄清
候选人 C15纯 DBA,缺少云平台与架构经验HR 复核
主要缺口类型

无云架构经验年资不足偏运维执行单一云平台

相同结构评估每位候选人;对于边界案例,Scout 建议先澄清而不是直接下结论。
查看完整 100 份结构化表
演示 4最终成果 1/3 · 结构化简历表本地实跑 · 正在载入

100 份简历结构化工作台

统一提取 19 个字段,当前集中展示 16 个高区分度字段。

100 份已解析16 强烈推荐23 建议复核1 待补充查看汇总分析 →
简历结构化主视图 · 16 展示字段 100 / 100
候选人JD 分数面试建议当前职位当前公司地点总经验技术技能云平台经验匹配分析学历毕业院校认证邮箱电话工作摘要
正在载入本地实跑结果…
处理边界:联系方式已脱敏;年龄、性别、照片、婚育和籍贯不进入评分。匹配层级、亮点与风险重复列已隐藏 · 当前显示 100 / 100
演示 4最终成果 2/3 · 筛选汇总五维岗位证据评估 · 敏感属性未进入评分
人工复核结论

100 份简历,39 人进入人工复核;16 人优先。

Scout 负责提取证据、解释缺口和安排复核顺序;分数不构成自动淘汰、面试或录用决定。

100简历已解析统一提取五个岗位维度
39进入人工复核JD 匹配分 ≥ 60
16高优先级复核JD 匹配分 ≥ 80
1信息不足不按低分处理
REVIEW FUNNEL

人工复核漏斗

100 → 39 → 16
100全部简历

解析 JD 相关经历、技能、客户证据、地点和语言。

39人工复核

16 人高优先级,23 人需要补充架构范围或地点意愿。

16高优先级

证据相对完整,提交 Hiring Manager 审阅,而不是自动进入面试。

60 份当前不匹配简历的主要缺口

15缺少云架构经验核心职责不对应
15年资低于岗位要求高级岗位证据不足
15偏运维执行缺少设计所有权
15单一云平台背景多云取舍证据不足
SCORE EVIDENCE

分数分布与下一步

中位数 17
0–1959
20–391
40–591
60–7923
80+16
16

Hiring Manager 优先审阅检查原文证据、架构所有权和客户判断。

23

Recruiter 定向澄清用 30 分钟补齐地点、职责范围和多云经验。

1

请求补充材料信息不足单独处理,不因空白字段降低判断。

60

HR 确认当前岗位不匹配保留理由与可迁移岗位线索,不由 Agent 自动拒绝。

责任边界年龄、性别、照片、婚育和籍贯未进入评分;所有结论均等待人工确认。
演示 4最终成果 3/3 · 三种候选人路径

让每一次候选人判断,都有清晰证据和下一步。

苏逸

Senior Cloud Architect · 20 年 · 深圳

93
优先推进

已验证优势

  • IBM / Google Cloud / 字节跳动的完整履历
  • K8s、Terraform、CI/CD 与多云全栈匹配
  • 深圳本地,无搬迁风险
  • AWS / GCP / PMP / ITIL 等公开能力证据

建议确认

  • 资深候选人的薪酬预期可能偏高
下一步由 Hiring Manager 优先审阅,并在首次沟通中确认薪酬预期。

赵松

DevOps Engineer · 16 年 · 北京

62
值得进一步了解

已验证优势

  • K8s、Docker、Terraform、CI/CD、多云匹配
  • 戴尔与快手等大型企业经验

建议澄清

  • 是否愿意从北京迁往深圳
  • 当前偏 DevOps,架构设计所有权有多大
下一步安排 30 分钟招聘沟通,重点确认架构责任范围与深圳意愿。

高颖

Senior DBA · 7 年 · 深圳

15
当前岗位匹配有限

当前岗位差距

  • 没有云平台经验
  • 没有容器或 Kubernetes 经历
  • 纯 DBA 背景,缺少架构设计所有权
  • 地点匹配无法弥补核心技术差距

可迁移方向

  • 数据库与数据平台经验可保留至更匹配的岗位人才池
下一步由 HR 完成人工复核,暂不推进本岗位,并保留至数据库或数据平台相关人才池。
招聘流程 05 · 候选人触达

同一个岗位,面对的是三个不同的人。

公开背景 → 个体动机假设 → 可审阅消息草稿

SCOUT WORKFLOW5 / 7
个性化触达草稿 语言、语气、切入点自动适配
从人才池选三种背景:中文技术专家、从产品转型的人、英文高管。根据公开经历分别写触达草稿,但不要发送。
我会针对每个人使用不同的语言、语气和价值切入点,并明确哪些内容来自公开资料、哪些只是待验证假设。
三个切入点:
技术专家:多云与 K8s 深度;职业转型:产品视角与客户价值;英文高管:企业转型与生态经验。
草稿已生成。所有消息均需要招聘人员复核真实性、语气和合规性后才可发送。
修改其中一封消息…
外发动作:未执行
3 位候选人 · 3 封草稿Draft only

个性化触达预览

合成人物 · 内容未发送 · 公开信号需人工核验
张明远|高级架构师 · 中文技术型
看过你关于多云架构与 Kubernetes 的系列文章,里面对跨云编排痛点的分析很扎实。我们正在寻找一位能把复杂架构转化为客户方案的 Cloud SA,想邀请你用 15 分钟了解一下。
Sarah Chen|前产品经理 · 职业转型

你的产品背景和技术理解力,可能非常适合从客户视角设计解决方案。这个岗位并不是传统售前,更强调把复杂技术变成可落地的业务路径。

Marcus Johnson|APAC Director · English executive tone

Noticed your work leading enterprise transformation across APAC. Your ecosystem perspective could be highly relevant to a Cloud Solution Architect role focused on complex, multi-stakeholder programs.

演示 5产出 · 3 位候选人,3 种沟通策略

同一个岗位,用三种方式开启对话。

3个性化消息草稿
3差异化沟通策略
0实际外发消息
1人工确认门 · 发送前审阅

张明远

高级架构师 · 中文技术型 · 多云博主

中文技术深度同行语气

沟通策略依据

  • 多云与 Kubernetes 技术栈匹配
  • 引用其“多云架构实践”系列文章
  • 从跨云编排痛点切入
看过你关于多云架构与 Kubernetes 的系列文章,里面对跨云编排痛点的分析很扎实。我们正在寻找一位能把复杂架构转化为客户方案的 Cloud SA,想邀请你用 15 分钟了解一下。

Sarah Chen

创业者 · 前 Microsoft PM · 职业转型

中文产品视角温和邀请

沟通策略依据

  • 产品经理经历带来可信的 AI 产品语境
  • 创业选择体现对影响力和不确定性的偏好
  • 围绕个人优势重述岗位,而不是照抄 JD
你的产品背景和技术理解力,可能非常适合从客户视角设计解决方案。这个岗位并不是传统售前,更强调把复杂技术变成可落地的业务路径。想听听你对 AI 产品与客户价值的看法。

Marcus Johnson

APAC Regional Director · 企业高管

EnglishExecutiveFormal

沟通策略依据

  • APAC 企业数字化转型项目
  • 企业生态和复杂客户经验
  • 使用“next chapter”而非普通招聘话术
Noticed your work driving digital transformation across APAC accounts. Your enterprise ecosystem perspective could be highly relevant to a Cloud Solution Architect role focused on complex, multi-stakeholder programs.
招聘流程 06 · 面试设计

不生成通用题库,而是为“这个人”设计面试。

JD 成功标准 · 简历证据 · 个性化追问 · 评分锚点

SCOUT WORKFLOW6 / 7
60 分钟结构化面试计划 JD + 候选人简历
候选人来自大型互联网公司,偏存储架构。结合 JD 和他的简历,设计 60 分钟面试,既验证技术深度,也验证客户判断
我会围绕四个维度:架构设计、性能排障、客户沟通、竞争与商业判断。问题将优先验证简历中最强和最模糊的部分。
已生成 60 分钟议程:5 分钟背景、25 分钟技术深度、20 分钟客户场景、5 分钟候选人提问、5 分钟评分记录。
接下来两页展示原流程中的典型问题:50PB 迁移、AI 训练存储、SAS 泄露、客户坚持 MinIO、磁盘浪费和 Azure/AWS 价格挑战。
调整面试官分工…
面试框架:结构化证据评估
面试议程Draft

Cloud Solution Architect|60 分钟

候选人:大型互联网公司 · 存储方向 · 合成简历
00–05角色背景与关键经历确认
05–30架构设计与技术深度
30–50客户判断、风险与竞争场景
50–55候选人提问
55–60面试官独立记录证据
核心验证点
  • 能否做容量、吞吐与成本的数量级判断
  • 能否明确表达架构取舍,而非只列产品名
  • 面对客户质疑时是否先理解再建议
  • 是否能承认限制并提出可执行的下一步
评分先独立完成,再讨论;避免由第一位发言者锚定整个面试小组。
招聘流程 06 · 样题 1/2

技术深度:看候选人如何做取舍,而不是背产品名称。

架构设计50PB 视频迁移

“50PB 视频从自建存储迁到 Azure,低延迟读取且成本有硬上限。客户说 Blob 性能比不过 Ceph,你怎么回应?”

  • 先问访问模式,再做分层
  • 能建立成本数量级模型
  • 承认 Ceph 优势,而不是直接否定
AI 工作负载每 30 分钟写入 2TB

“训练每 30 分钟写入 2TB。ANF、Blob NFS 和 Lustre on Azure 怎么选?预算很紧。”

  • 先算约 1.1GB/s 持续吞吐
  • 比较托管程度、性能、成本和运维
  • 先问恢复频率与临时/持久数据
韧性设计三区域预算砍到两区域

“RPO <5 分钟、RTO <30 分钟,预算只够两区域。重新设计,并说明你能承诺什么。”

  • 明确 RPO 或 RTO 必须让步
  • 把灾备演练纳入架构
  • 区分目标、承诺与风险区间
性能排障TiKV P99 超标 3 倍

“TiKV P99 延迟是目标的 3 倍。你从哪里查?如果是 VM 限流,怎么向客户解释?”

  • 有明确的排查顺序
  • 理解 VM 与磁盘层级上限
  • 把沟通表达成优化而非加钱
招聘流程 06 · 样题 2/2

客户判断:技术正确之外,还要看信任、风险和商业判断。

事件响应SAS Token 泄露

“Storage Account 出现异常访问,疑似 SAS 泄露。给出 15 分钟处置计划,之后如何降低复发风险?”

  • 顺序:撤销 → 审计范围 → 通知
  • 考虑处置对业务的影响面
  • 长期方案不止是轮换密钥
利益相关者客户坚持自建 MinIO

“客户架构师坚持自建 MinIO,理由是 API 兼容和可控。你如何理解他?如果他不改变决定,微软还能提供什么价值?”

  • 先完整理解对方的合理性
  • 追问具体 API 与控制需求
  • 从网络、身份、可观测性继续创造价值
敏感沟通40% Premium SSD 闲置

“40% Premium SSD 已分配但长期闲置,选择它的人正是客户 IT 负责人。怎么提出问题而不让他难堪?”

  • 用机会而不是错误来框定
  • 带数据,让客户自己看到结论
  • 分阶段优化,同时保护关系
竞争策略“Azure 比 AWS 贵 15%”

“相同工作负载,Azure 贵 15%。除了打折,你怎么处理这场对话?”

  • 不否认客户看到的事实
  • 用具体证据讨论 TCO 与集成价值
  • 不把折扣当成第一个答案
招聘流程 07 · 反馈追踪

让 Agent 追流程,让 HR 处理例外。

读取日历 · 检查反馈 · 草拟 Teams 提醒 · 人工确认

SCOUT WORKFLOW7 / 7
Cloud SA 面试反馈完成度 Heartbeat:每 30 分钟检查
检查今天完成的面试,找出还没有提交反馈的人。附上候选人信息和反馈表链接,先生成提醒草稿,不要发送。
已检查今天 8 场面试:共 24 份反馈,19 份已完成,5 份待提交。
我已按面试结束时间和岗位优先级排序,并为每位面试官生成简短提醒草稿。
需要你的确认:是否通过 Teams 向 4 位面试官发送提醒?其中 1 位正在连续开会,我建议延后 30 分钟。
确认、修改或取消发送…
外发动作:等待批准
待处理反馈5 items

面试反馈完成度

截至 17:30 · 演示数据
候选人面试官结束时间建议
候选人 A面试官 114:00现在提醒
候选人 A面试官 214:00现在提醒
候选人 B面试官 315:30延后 30 分钟
候选人 C面试官 416:00现在提醒
Teams 提醒草稿
你好,今天 Cloud SA 候选人的面试反馈尚未提交。为避免影响下一步讨论,请补充评分与关键证据。候选人摘要和反馈表链接已附在消息中。

发送前可逐条修改;Scout 不会在未确认的情况下对外发送。

延伸场景 · 员工服务BEYOND RECRUITING

同一个 Agent 模式,也可以成为员工与管理者的 HR 工作入口。

关键不是“回答一句话”,而是理解员工所在地区、身份与情境,找到适用政策,解释差异,并在需要时准备后续流程。

合成对话示例
“我从深圳调到雅加达一年,家属医疗保险怎么处理?”
Scout 的工作链

识别员工身份与调动类型 → 对比中国与印尼政策 → 引用适用条款 → 列出所需材料 → 起草给 Mobility 团队的工单 → 请求员工确认后提交。

升级边界高风险或存在政策冲突的情况,转交 HR 专家处理,并保留已查资料与上下文。
人机分工WHERE AGENTS FIT

Agent 可以扩大 HR 的能力,但不能取代 HR 的责任。

Agent 准备证据并执行可逆步骤HR 做出判断并承担最终结果
AGENT EXECUTION

适合交给 Agent

高频、可验证、可逆、已授权

  • 搜索、归纳和结构化大量信息
  • 生成可审阅的初稿与比较材料
  • 追踪状态、提醒、整理证据
  • 执行明确、可逆、已授权的步骤
  • 把异常和不确定性升级给人
HUMAN ACCOUNTABILITY

必须由人负责

价值判断、关系信任与最终责任

  • 录用、晋升、绩效与解雇决定
  • 处理员工关系和敏感个案
  • 在冲突目标之间做价值判断
  • 建立信任、共情与关键沟通
  • 对公平性、合规与最终结果负责
ROUND TABLE → ACTION从一个真实任务开始

如果只选择一个 HR 场景,最值得先让 Agent 做什么?

01

高频

每周重复发生,等待、整理与协调成本明显。

02

可验证

输入、输出和质量标准能够被共同定义与复核。

03

低风险

结果可审阅、可回滚,数据与权限可以逐步开放。

JOINT EXPLORATION

建议的联合探索

用一个小范围、可度量的场景,共同验证技术能力与传音 HR 的真实工作方式。

01选择具体任务

明确用户、问题与预期成果

02梳理数据与边界

确认来源、权限与责任归属

03制作可操作原型

让 Agent 真实完成一次任务

04HR 用户共同测试

观察质量、效率与使用体验

05根据证据决策

决定优化、扩大或停止

Microsoft

让 Agent 处理流程,让 HR 专注于人。

谢谢 · Q&A