所有文章
AI 寻访·9 分钟阅读

职位需求说明:怎么写才能让 AI(和您的招聘官)找到对的候选人

职位需求说明与职位描述的区别、可用需求说明的 7 个要素、语义引擎真正读取的自然语言段落、8 个问题的 20 分钟需求访谈,以及代价最高的错误。

作者 Patrick Bouaziz · Contributor·更新于

当一次寻访陷入停滞 —— 找不到候选人,或找来的都不对 —— 人们会怪工具、怪市场,或者怪用人经理。原因几乎总在上游:职位需求说明。它是唯一一份被其他一切读取的文档 —— 招聘官、语义引擎、匹配分数、触达消息都在读它。模糊的需求说明产出模糊的候选人名单,无论背后的 AI 有多好。本文解释需求说明与职位描述的区别、让需求说明对机器和人都可用的七个要素、如何用自然语言为语义引擎写需求说明,以及如何在二十分钟内从用人经理那里把它问出来。

职位描述和寻访需求说明不是同一份文档

职位描述面向候选人:它推销岗位、介绍公司、罗列职责。需求说明面向寻找的人:它描述候选人,而不是岗位。两者在技能上有重叠,但逻辑相反。职位描述说「这是你将要做的事」;需求说明说「这是辨认对的人的方法,也是辨认错的人的方法」。把两者混为一谈是原点性的错误:把职位描述粘进寻访引擎,等于让它凭一本宣传册去找人。

职位描述寻访需求说明
读者候选人招聘官和搜索引擎
对象岗位和公司要找的那个人
长度400-800 字150-250 字
核心内容职责、福利、文化可验证的标准、排除项、参照画像
生命周期整个发布期看完前 20 份档案后修订

可用需求说明的七个要素

  1. 两句话的背景。团队、这个人将要负责的问题、岗位为什么此刻开放。这让招聘官 —— 和模型 —— 能理解画像的类型,而不只是关键词。
  2. 三条可验证的必备项,不能更多。「三年生产环境 Kubernetes」可以在档案上核实;「基础设施很扎实」不行。超过三条,您描述的就不再是一个候选人,而是一个空集。
  3. 明确分开的加分项。能在两个好人选之间分出高下、但不会淘汰任何人的东西。把它们和必备项混在一起,是名单太短的首要原因。
  4. 点明的一票否决项。不容讨论就排除的条件 —— 必须掌握的语言、资质许可、地理范围。这是唯一作为硬性筛选应用的标准;其余一切都是加权。
  5. 薪酬、地点、工作模式。真实的区间、城市、到岗天数。没有这些,招聘官联系到的人会在第三条消息时说不,匹配分数评估的则是一个根本不存在的契合度。
  6. 时机信号。在现职的典型年限、预期的轨迹(第二份资深岗位、第一次带团队……)、可流动的信号。这把「合适的人选」变成「会回复的合适人选」。
  7. 两个参照画像和一个反例。两个人 —— 匿名或公开 —— 体现对的画像,再加一个看起来像、其实不像的人。三个例子对语义引擎的校准效果,胜过三十个形容词。

写给语义引擎的自然语言需求说明

语义引擎读要点列表的方式和招聘官不同:它读的是文本,并据此构建语义表示。因此有效的需求说明是一段三到六句话的文字,像向同事描述岗位那样写,而不是一张标准表。以下是效果最好的形式:

「我们在上海找一位资深数据工程师,在负责人离职后接手一家 120 人金融科技公司的数据平台。必备:至少三年生产环境的 Spark 或 dbt 经验、一次端到端主导的数据湖仓迁移,以及专业英语。加分:Airflow、scale-up 公司经历、初步的带教经验。排除没有生产环境经验的人,以及无法每周两天到上海办公的人。年薪 40-60 万元。回复率最高的人选通常在现职做了两到四年,所在数据团队规模五到十五人。」

这段话里有三样东西要避免:空洞的形容词(「有活力」「有热情」「严谨」),模型无法把它们和任何可验证的东西挂钩;十五项技术的清单,它稀释信号而不是聚焦信号;以及自相矛盾的要求 —— 「有十年经验的初级人员」「独立自主但受严格管理」—— 引擎只能随机选一个来解决。正是这段需求说明,随后会成为我们在 结合语义搜索与布尔搜索的方法中用作开局的查询。

与用人经理的二十分钟需求访谈

需求说明不是一个人对着屏幕写出来的:它是从一位往往还没想清楚自己要什么的用人经理那里问出来的。二十分钟、八个问题就够了,前提是按这个顺序问:

  1. 六个月后这个人必须解决什么问题,您才算满意?
  2. 您现在或以前的团队里,谁能把这个岗位做得完美 —— 那个人有什么特点?
  3. 您见过谁在这类岗位上失败,为什么?
  4. 如果只能保留三条要求,是哪三条?
  5. 简历上的什么会让您十秒内说不?
  6. 您真正拿到批准的薪酬区间是多少 —— 不是您希望的那个?
  7. 每周到岗几天?对于合适的人选可以谈吗?
  8. 这类人现在都在哪些公司工作?

第 2、3、8 题的答案最有价值:它们提供了参照画像、反例和目标人才池 —— 恰恰是引擎需要的、而职位描述永远不会包含的东西。AI 副驾驶可以当场把这次访谈的记录整理成需求说明;这是我们在 AI 副驾驶给招聘官带来了什么改变中描述的日常用法之一。

代价最高的错误

  • 清单式需求说明。十二条必备项、二十项技术、四门语言。这样的人不存在,引擎只会把勾选项最多的档案推上来 —— 也就是最啰嗦的简历,而不是最好的。
  • 冻结的需求说明。前二十份档案总会教您一些东西 —— 一条不现实的标准、一个市场上不存在的头衔、一个偏低的薪酬区间。第一次阅读之后不修订的需求说明,会一直错到最后。
  • 隐藏的标准。用人经理要「资深一点的」,却把所有四十五岁以上的人选全部拒掉。真正的标准违法且不说出口;官方需求说明形同虚设。需求访谈的意义恰恰在于把这些标准逼出来,然后剔除它们。
  • 缺失的薪酬。没有区间的需求说明平均会损失三分之一的消息 —— 候选人问薪资,您回答,对方拒绝。
  • 没有主人的需求说明。只由招聘官写的需求说明,反映的是招聘官理解的东西。经用人经理一句话确认后,它就成了可以用来衡量名单的共同契约。

六步写出职位需求说明

  1. 动笔前先做需求访谈。二十分钟,八个问题,原始笔记。
  2. 分成三栏整理。必备、加分、一票否决。放不进任何一栏的东西,都从需求说明中剔除。
  3. 把每条必备项改写成可验证的标准。一段时长、一项技术、一个交付物、一个背景。如果无法在档案上核实,它就不是标准。
  4. 补上框架。薪酬区间、地点、到岗天数、时机信号、目标人才池。
  5. 写出自然语言段落。三到六句话,两个参照画像,一个反例。这是引擎读取、用人经理确认的版本。
  6. 看完前二十份档案后修订。把第一份名单与需求说明对照,修正被市场证伪的部分,为版本标注日期。

好的职位需求说明不会让 AI 变聪明:它给 AI 一些聪明的东西去读。这是寻访中回报最高的投资 —— 二十分钟,决定了 十分钟生成的候选人名单的质量,以及为其排序的 匹配分数的准确度。想看看 EMILY 会用一份写得好的需求说明做什么吗? 看看 EMILY 如何把需求说明变成候选人名单