来也科技把招聘智能体放在“找人到约面”的执行链上
拆解来也科技候选人筛选智能体如何覆盖简历抓取、人岗匹配、自动触达与面试邀约，并厘清企业级部署、公开销售入口与尚未披露的收费证据。
一家具备百人级月度招聘需求的制造企业，每月要从数千份简历里找人。来也科技把这类场景放进“候选人筛选智能体”：系统从多个渠道抓取简历，再做岗位匹配、自动沟通、候选人评估和面试邀约。官网给出的案例口径是，简历处理时间减少 80%，初面等待周期缩短 50%，人岗匹配率从 18% 提升到 45%。这些数字来自来也科技对匿名制造业客户的披露，属于供应方主张。1
这款产品值得关注的地方，在于它把 AI 放在招聘执行环节，而不是只增加一个简历问答框。企业可以把重复的搜集、筛选、触达和流程推进交给智能体；HR 仍然要决定岗位标准、复核候选人和作出录用判断。公开材料已经能说明产品位置和交付入口，标准套餐、调用价格、付费客户数与续约率仍缺少公开证据。
用户：需要持续找人的企业招聘团队
来也科技把自己定位为面向政企客户的智能自动化平台，服务行业覆盖制造、银行、医疗、零售、物流和人力社保等领域。公司官网同时写明，企业级客户可以获得专业大模型的场景化落地支持，并支持国产化私有化部署。2
候选人筛选智能体的直接用户有三类：负责招聘项目的 HR、负责确认用人标准的业务团队，以及需要持续建立人才储备的企业管理者。
HR 要完成的是一组连续动作：把分散在招聘网站、社交媒体和内部推荐系统里的简历收回来，按职位筛选，联系候选人，再把合适的人交给面试环节。业务团队需要看到结构化的候选人信息，管理者则关心人才库能否在下一次招聘中继续产生价值。
场景：从简历抓取到面试邀约
来也科技官网把产品能力分成四步。
- 多渠道抓取。 智能体可以从招聘网站、社交媒体和内部推荐系统整合人才资源，减少 HR 在不同渠道之间复制和整理简历的工作。1
- 岗位匹配。 系统根据岗位需求和候选人画像进行匹配，并把筛选结果沉淀到企业人才库。1
- 自动触达。 产品页面写明支持智能互动触达，通过自动化沟通推进候选人联系和意向判断。1
- 流程推进。 智能流程可以继续推动简历评估和面试邀约，把候选人从“收到简历”推进到“等待面试”。1
这条链路的重点是“先执行，再交给人判断”。产品页面强调自动抓取、匹配、沟通和流程推进，但没有公开说明哪些沟通动作可以自动发送、哪些候选人必须由 HR 复核、异常情况如何转人工。采购时，这些边界需要写进演示脚本和验收条款。
痛点：四个重复劳动把招聘速度拖慢
| 招聘断点 | 用户遇到的问题 | 官网给出的对应能力 | 采购时要核验的字段 |
|---|---|---|---|
| 简历来源分散 | 简历分布在多个外部渠道和企业内部系统，整理工作反复发生 | 多渠道简历抓取与人才资源整合 | 支持哪些渠道，授权和去重规则是什么 |
| 初筛耗时 | HR 要逐份阅读简历，再判断候选人与职位的匹配度 | 岗位需求分析、候选人画像与人岗匹配 | 匹配标准如何配置，结果能否解释和复核 |
| 触达效率低 | 候选人联系、意向确认和后续跟进占用大量时间 | 智能互动触达与自动化沟通 | 话术、发送权限、频率限制和人工接管条件 |
| 面试衔接慢 | 简历评估完成后，邀约仍依靠人工流转 | 智能流程推进与面试邀约 | 系统能否接入现有 ATS、日历和消息工具 |
这四个问题之间存在顺序关系：简历没有集中，匹配就缺少完整输入；匹配结果没有进入沟通，筛选效率也无法转成面试结果；面试记录没有回到人才库，企业下一次招聘仍要从头开始。来也科技把产品价值放在这条执行链上，而不是单独强调某一个模型指标。
解决方案：让智能体承担执行层
来也科技的公司级产品路线，是让智能体进入企业已有的系统和流程。Laiye Worker 页面把 AI 员工定位为企业 Agent 体系的执行层，强调它可以在本地电脑上访问企业系统、操作文档和数据；企业版支持私有化部署。这个页面描述的是通用 AI 员工平台，不能直接等同于候选人筛选智能体的独立定价，但可以帮助理解来也科技的交付思路。3
放到招聘场景里，方案可以拆成三层：
- 数据输入层。 系统汇集外部招聘渠道、社交媒体和企业内部推荐来源的候选人资料。
- 智能执行层。 智能体完成简历解析、岗位匹配、候选人触达、意向判断和面试邀约。
- 人工决策层。 HR 和业务团队确认岗位标准、复核候选人、处理异常情况并作出录用决定。
这种结构适合招聘量持续、渠道较多、又需要保护人才数据的企业。对于只想解决一次性简历筛选的小团队，企业级接入、数据治理和部署成本可能会超过单点工具带来的收益。这个判断是基于产品链路和企业级交付方式的推断，公开页面没有提供按企业规模划分的客户报价。
商业化：公开入口清楚，收费层级仍要看合同
从公开信息看，企业可能购买的对象至少有三类：
| 可能的购买对象 | 企业购买的内容 | 当前公开证据 | 尚未公开的关键字段 |
|---|---|---|---|
| 招聘智能体能力 | 简历抓取、匹配、触达、评估和面试邀约 | 候选人筛选智能体产品页 | 席位费、调用费、按候选人计费或按项目计费方式 |
| 企业级平台与接入 | 企业系统连接、流程自动化、数据治理和私有化部署 | 来也科技关于我们页与 Laiye Worker 页面 | 实施费、接口费、部署周期和验收条款 |
| 招聘项目交付 | 围绕具体岗位和招聘量设计流程与服务 | 官网提供试用、预约和销售入口 | 客户采购金额、复购率、续约率和客户方效果数据 |
官网的匿名制造业案例可以说明产品被设计来处理高频招聘任务，也提供了简历处理、初面等待和匹配率三项效果数字。案例没有给出客户名称、样本周期、对照组、计算方法或独立验证材料，因此这些数字适合用来理解供应商的交付主张，不能直接当作行业平均效果。
采购时，先问清五件事
- 数据从哪里来。 要确认招聘网站、社交媒体和内部推荐渠道的接入范围、授权方式、去重规则与数据保存位置。
- 匹配为什么成立。 要要求供应商展示岗位标准、候选人画像、匹配结果和人工复核记录，而不是只展示一个分数。
- 自动触达到哪一步。 要问清话术由谁配置，系统能否自动发送，哪些情况必须转交 HR，候选人如何拒绝或纠正结果。
- 结果怎样验收。 要把简历处理时长、初面等待时间、有效沟通率、到面率和入职率分别定义，避免用“匹配率”替代整个招聘结果。
- 费用怎样计算。 要区分平台订阅、智能体用量、接口集成、私有化部署和项目服务，并把续约、增购和数据迁移条款单独列出。
结论：来也科技把招聘智能体放在“找人到约面”的执行链上
当前公开资料能确认的产品位置是：来也科技用候选人筛选智能体承接招聘前段的重复执行工作，把分散简历汇集起来，完成岗位匹配、自动沟通、候选人评估和面试邀约。产品的用户是招聘量持续、渠道较多、需要企业级数据治理的团队；产品的核心痛点是简历整理、初筛、触达和面试衔接。
商业化方面，来也科技已经公开试用、预约和企业销售入口，也公开了私有化部署与场景化落地能力。标准价格、客户付费规模、续约情况和客户方验收材料仍然需要通过采购文件或客户案例补足。对行业观察者来说，下一步最值得追的是：有没有客户方披露候选人数据接入、智能体自动触达权限，以及匹配结果如何进入真实录用决策。
References
- 1来也科技候选人筛选智能体
laiye.com
- 2来也科技关于我们
laiye.com
- 3来也 AI 员工 Laiye Worker
laiye.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.