询价的时候容易遇到这样的场面：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。

这三个词不是同一样东西的三种叫法，而是三件不同的事。分不清它们的代价很具体：买回来的东西跟预期差一截，用两个月发现卡在某个动作上，再想补就要重新立项。

---

一、三个词混着用，买回来才发现不是一回事

一家连锁企业上线了「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。

同一批需求换个叫法去询价，得到的方案完全不同：报价差三倍，功能表看着又都很像。功能表像，是因为大家都在同一个词库里写卖点：自动回复、智能筛选、批量邀约、数据看板。差别不在功能表上那一行字，在这些功能之间谁来做决定。

所以先别急着比功能，先把三个词分清楚。

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。

---

二、分野在哪：替一只手、换一套流程、像一个同事

拆开看，三个词对应的是三种不同的东西。

AI招聘机器人替的是一只手。它干的是重复动作：答标准问题、发邀约、提醒面试时间。它单点、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。判断标准很简单：它能不能独立决定下一步做什么？不能。

智能招聘系统换的是一套流程。岗位信息、简历、初面、约面、到面、记录，一条线走到底，数据留得下、导得出、按岗位分组看得清。它把原本断在几个人手上的环节接了起来，但它本身不替你做判断——流程走到下一个节点，等人来推。

AI招聘智能体更像一个同事。给它目标和材料（岗位说明、初面要核的问题），它自己安排下一步：候选人答得含糊就追一句，约的时间不合适就换个时段，没回消息的隔一天换个角度再触达。它的特点是会判断下一步该做什么，而不只是执行一条规则。

一句话就能分出这三者：问供应商「候选人回复了之后，下一步谁决定」。答「按规则走」的是机器人，答「流程到下一个节点由人推」的是系统，答「它自己决定」的是智能体。

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。这几句是现场生成的，企业不用事先写一套话术。这一段就是「像一个同事」和「替一只手」的差别所在。

这个问题也能反过来问自己：你现在的卡点，到底卡在没有手，还是卡在流程没接上，还是卡在没人盯着下一步？

---

三、按招聘量对号入座，别为「要个AI」多付钱

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，这类活需要的是会自己决定下一步的东西。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、人手就一两个的团队，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。这类情况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。

还有一层要提醒：先补断点，再加工具。流程中间断着，两段之间靠人喊话，你在断点两边各上一套工具，断点还在。先把那一段手工跑顺，再看要不要工具接手。这也是同一套AI招聘工具在两家企业效果差很远的原因：一家断点补过了，工具接上就跑；一家断点还在，工具只是多加了一层摩擦。

---

四、「AI」不是同一种AI：生成式，还是固定话术库

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。

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，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；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，材料含糊，生成的话也会含糊。

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，让模型照着字段说，别让它在这些数字上自由发挥。能自由发挥的是措辞，不能是事实。

---

五、按工具付费，还是按结果付费

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、同一个候选人被两个渠道重复推荐怎么去重、到面后三天内离职算不算。这几条写不清，前面谈的单价再漂亮，结算时都要吵一遍。

---

六、三种常见误配，钱花了还没解决问题

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。输入含糊，输出只会更含糊——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。

还有一种不算误配、但很常见的：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。

---

七、验收看三个数，别看功能表

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、到岗时间、薪资期望这几项填了几项。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，把沟通次数、期望薪资、可到岗时间、现居片区这几项打个勾，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。

---

八、什么时候先别上

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。

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。

---

九、今天下午能做的一件事

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。

三个词不是高低之分，是阶段之分：先替一只手，再换一套流程，再往后才是让一个「同事」自己判断。想清楚下一步谁决定，才轮得到决定买哪个词。