猎头的 AI 组合，围绕两条核心流程展开：寻访（找到对的人）与匹配（判断对不对）。AI 在两段里的角色不同——寻访阶段帮你扩大并整理线索，匹配阶段帮你初筛与准备问题，但「这个人选对不对」的判断始终不能外包。把两段的打法拆开讲，各给一套可以直接照做的做法。
岗位画像：先把 JD 拆成筛选维度
拿到职位先让 AI 把 JD 拆解成结构化画像：硬性条件、优先条件、隐性要求（从「能承受出差强度」这类表述里读出来）、行业与公司背景的可迁移性。拆完与用人方确认一遍，尤其是隐性要求，理解偏差是后续全部工作浪费的源头。画像明确后，各招聘平台的搜索关键词组合也让 AI 按平台语法生成几套备用，寻访效率从第一步就拉开差距。
寻访打法：线索整理与触达准备
寻访阶段 AI 帮你做三件事：把多渠道搜到的候选人信息汇总去重，避免同一人被当成两个线索重复跟进；按画像预判每位候选人的匹配点与疑点，标出值得优先沟通的人；起草个性化触达消息——结合候选人经历写出「为什么找你」的具体理由。注意触达消息要逐条核对事实，称呼、现任公司与经历写错比模板化更减分。候选人隐私信息按个人信息保护的要求保管与使用，不挪作他用。
匹配打法：初筛报告与面试问题
把简历与岗位画像一起交给 AI，让它输出初筛报告：符合的硬条件逐条对照、存疑点单独列出、需要面试核实的问题清单。这份清单的价值在于逼着你在见人之前想清楚要验证什么，面试从闲聊变成有目标的求证。报告是辅助——简历之外的真实动机、稳定性、团队契合，要靠沟通判断，AI 给不了。
判断边界：哪些必须人来
三件事 AI 说了不算：候选人能力真伪的核验，背景调查、作品与项目追问缺一不可；意愿与动机的把握，跳槽原因、家庭安排这类对话里的微妙信号，需要人的经验去接；推荐决策的责任，最终落在你和用人方的信任关系上。AI 生成的评估内容若用于对外输出，先核实再引用。工具把整理与初筛提速了，猎头的价值反而更集中在判断与信任的建立上。
把打法固化成每周节奏
多个岗位的寻访可以共用一套节奏：周一定画像与关键词，周二到周四集中触达并记录回复，周五让 AI 汇总本周各候选人的进展，标出下周该推进或放弃的名单。记录坚持一个月，你的触达话术哪类回复率高、哪类画像容易成单，数据会自己说话。打法不怕笨，怕的是每周凭记忆重来一遍——AI 最大的贡献，就是让这些记录近乎零成本地留下来。
再补两个上手就能用的细节。一是简历关键词的「对表」：让 AI 把岗位画像里的硬条件翻译成各平台的同义说法，比如「风控」在有的行业写「信贷审核」，寻访搜索按同义词轮着查，覆盖面立刻宽一截。二是拒绝信息的整理：候选人婉拒时顺手记一句原因（薪资、地点、时机），积累几十条后让 AI 归纳，你会清楚知道哪类岗位的哪类人最难撬动，寻访策略跟着调。这两个动作每次只花几分钟，攒起来就是别人抄不走的寻访手感。
猎头的 AI 用法，哪些环节别交给 AI？
- 用 AI 批量发触达消息行吗？：消息可以 AI 起草，但批量群发同质化内容会伤个人品牌，逐条核对个性化理由再发。
- 候选人不愿被 AI 处理信息怎么办？：尊重其选择，涉及个人信息的处理应有合法基础与最小必要范围，说明用途是基本尊重。
- AI 匹配分数高就优先推荐吗？：分数只反映文本匹配度，动机、风格、薪资预期这些关键变量不在简历里，最终排序人来定。
延伸阅读：用 AI 做招聘：JD 撰写与简历初筛。
