AI筛简历越用越累?你漏了最关键的一步——不是提示词,是这件事

我是啃木头，做了十多年管理咨询工作，主要帮企业解决营运效率和管理机制方面的问题。

过去3年，我一直在琢磨：如何将AI融入业务场景、发挥AI协作效果，真正帮企业提升管理效益？

说实话，工具很多，但真正用出效果的不多，我自己的体会是，问题并不在AI本身，而是在〝怎么用〞。AI再强，它也不会懂你的业务场景、不会清楚你的任务、不会知道你对工作成果的要求是什么。如果你说不先清楚，它的产出就只是"看起来对，实际用不上"。

经过3年尝试、反复调整，我已摸索出一套简单、可操作的AI协作设计六法。

这套方法的核心是：用管理经验去设计"人跟AI怎么协作"——判断哪些场景适合AI介入、拆解工作流程、定义每个步骤要做什么、产出什么，然后逐步引导AI完成它负责的部分。

说白了，管理经验在做的是"设计整个工作模式"，AI是这模式里的执行环节。模式设计对了，AI的应用才会有效果。

接下来我用招聘来举例，你就会更清楚这套方法怎么运作。

很多HR现在会用AI帮忙筛简历、准备面试问题。但用了几个月之后发现，AI筛出来的人不太对，面试问题也套不上。

问题出在哪？不是AI不好，也不是提示词写得不够好——而是管理上该做的"AI协作模式"没有设计好，就让AI上手了。

用人单位最常犯的错误，就是把"筛简历"整个丢给AI。但AI需要你清楚告诉它"要看什么"、"怎么看"、"看完要输出什么?长成什么样子"，它才能做对。你不说，它就自由发挥。

下面我举个例子。

门店营运岗，真正重要的不是"做过几年店长"，而是"有没有处理过突发状况的经验" —这是管理判断。你如果不告诉AI，它只会帮你数年资。筛出来的人当然不对。

所以做任何AI协作设计，都要走完六步。这六步的前五步，都是用"管理经验做设计"，最后一步才是"跟AI下指令"。接下来，我一步一步说明。

第一步：选场景

招聘有很多环节：职位发布、简历筛选、面试设计、录用评估。

我会先用场景与需求理解，结合管理经验判断：哪个环节适合AI介入？

我的判断标准是：AI只适合做"规则清楚、重复性高、结果可以交由人来检查"的工作。简历资料整理、条件比对、提出建议—适合。但"这个人适不适合我们团队"、"文化和动机对不对"——这些必须由人来判断。

场景选对了，AI才不会被放到它做不了的位置上。

第二步：定任务

场景选好之后，要把"AI要做什么"讲清楚。

"请帮我筛简历"——这个指令太宽泛、模糊，AI很容易自由发挥。

这里，我会先做个管理判断：这个岗位成功的关键条件是什么？以门店营运来说，若是"应变力"，那应变力的定义又是什么？。

确定了这个判断，任务就具体了："按应变力的线索去比对候选人的经历，找出有处理突发状况经验的人。"

任务越清楚，AI越知道该往哪个方向工作。

第三步：拆流程

任务定好之后，要把工作流程拆开来。

以简历筛选为例，我通常拆成：确认用人需求→设定筛选条件→检查基本资格→比对关键经历→找出疑点与风险→形成面试建议。

为什么这么拆？因为是我对这个场景的痛点理解，同时透过拆解，才能更清晰知道AI应该在哪一步介入？每一步要输入什么数据？每一步要产出什么？人要在哪个环节做检查和判断。同时更细致的引导，AI也可以更精准的执行工作。

第四步：人机分工

流程拆完之后，我要明确：哪些步骤给人做，哪些步骤交给AI。

以简历筛选为例，我的分工是这样的：

这个分工表，是我对场景理解与管理经验决定的。AI能做什么、不能做什么，人在哪个环节必须介入——这些判断，来自我们对管理工作本身的理解。AI不懂你的工作，它只会执行指令。所以分工的设计，必须由人来完成。

第五步：数据支持

分工确定之后，要确保AI有足够且正确的数据可以工作。

我会判断：这个任务需要哪些数据？以门店营运来说，我优先准备的是候选人过去"处理过什么突发状况、怎么处理的、结果如何"。至于"做了几年店长"这种常规信息，可以当辅助参考，但不是判断核心。

数据对了，AI的产出才有价值。管理经验在这里做的是"判断什么数据是关键的数据"。

第六步：设计与撰写提示词

前面五步都做完了，提示词就是水到渠成的事。

提示词的本质，是把前面五步的设计"翻译"成AI听得懂的指令：

"根据以下筛选标准，比对候选人简历，列出符合项、疑点项、建议面试追问的问题。不确定的标'待确认'。"

这条提示词之所以有效，是因为场景、任务、流程、分工、数据都已经定义清楚了。它只是一个"执行指令"，而不是在"教AI怎么工作"。

你会发现，六步里面有五步是管理经验在做设计，只有最后一步才是跟AI说话。顺序对了，结果才会对。

所以，我的结论是：

管理经验设计协作模式，AI在设计好的框架里执行。两者缺一不可，但设计工作必须由我们完成，交给AI自由发挥或许省事，但做不了事。

如果你在招聘场景的AI应用有困扰，愿意的话，留下你的问题。