觀點

人才搜尋，還需要親力親為嗎？

招聘工具一直在改進搜尋。但搜尋本身就是問題——招聘顧問的時間不該花在資料檢索上。

多數招聘工具想解決的是：讓搜尋變更好。更精確的 Filter、更聰明的關鍵字、AI 加持的 Boolean 字串。

但問題從來不是搜尋品質。真正的問題是——為什麼親力親為搜尋的是招聘顧問本人？

想想你上一個最棘手的職缺。也許是 Series B 的 VP of Engineering，Hiring Manager 說「讓我看到對的人我就知道了」。你花了整個下午建 Boolean 字串、掃過 200 個 LinkedIn Profile、開了 40 個分頁，最後挑出六個值得聯繫的人。結果其中三個這個月已經被別的顧問聯絡過了。

那整個下午不是招聘，是一場包裝成 Talent Sourcing 的資料檢索。

真正的招聘工作——解讀 Hiring Manager 說「能帶領團隊規模化」背後的真實意思、從候選人的職涯動向裡讀出弦外之音、判斷那個紙面條件完美的人已經悄悄面試三個月了——這些全都沒有發生在你滑過搜尋結果的那段時間裡。

搜尋不是招聘顧問該做的工作

每一代招聘工具都在優化同一個工作流：

打開搜尋框
輸入條件
檢視結果
重複

LinkedIn Recruiter 讓 Boolean 搜尋更快，AI Sourcing 工具讓它更「聰明」。但底層模型從未改變：你是操作員，工具是搜尋引擎。

這就像給 CEO 一張更快的試算表，但他們真正需要的是 CFO。瓶頸不在工具——在於讓一個不需要人類判斷的工作，仍然由人來做。

拆解一下每天 2–3 小時的 Sourcing 實際在做什麼：

  1. 把 JD 翻譯成搜尋詞——機械式執行。 你在把「在監管環境中有創業精神」轉換成 Boolean 邏輯。每次轉換都有損耗。
  2. 掃描 Profile 確認基本條件——機械式執行。 職稱、年資、公司級別。你每份 Profile 幾秒就能判斷，但乘以 200。
  3. 閱讀職涯歷程評估發展軌跡——部分需要判斷，大部分是模式比對。 這個人是在往上走嗎？跳槽的邏輯說得通嗎？你擅長這個，但 80% 的判斷是在識別你見過幾百次的模式。
  4. 整理 Shortlist——機械式執行。 複製、貼上、排版、加備註。純行政工作。

步驟 1、2、4 是純粹的執行。步驟 3 才有意思——但就連有經驗的 Recruiter 也會承認，Sourcing 階段大部分的「評估」本質上是模式識別，不是深層判斷。深層判斷發生在對話裡，而不是搜尋結果頁。

如果招聘顧問不再需要搜尋？

換個模型：

描述你的需求
Agent 執行 Sourcing
檢視你的 Shortlist

招聘顧問的角色從操作員轉為決策者。你的時間回到真正需要你的工作上：

  • 從 Hiring Manager 那裡拿到真實的需求——JD 背後那一份。就是他們告訴你上一個人太「企業文化」、他們需要一個從零建起過東西的人的那個版本。
  • 評估文化契合度與動機。那個紙面條件很強但兩年內跳了三次的候選人——這是紅旗，還是有正當理由？這需要對話，不是搜尋結果。
  • 維護候選人 Pipeline。那個目前很穩定但可能因為對的故事而移動的被動候選人；那個六個月前拒絕了類似職位但現在狀況已經變了的人。
  • 告訴 Hiring Manager 市場的真實情況。當職缺開了 60 天、薪酬區間比市場低 20%，這個對話只有你能談。

執行端——搜尋、初篩、整理——由一個自主運作的 Agent 負責。不是一個你得不停下指令和調整方向的 AI 助手，而是一個收到需求就去做、做完帶著候選人回來的 Agent。

為什麼過去做不到

有三件事改變了。

Agent 現在可以端到端執行多步驟任務。 早期的 AI 工具能回答一個問題，或生成一段 Boolean 字串。它們無法獨立規劃搜尋策略、跨多個資料源執行、依據細緻標準評估每個結果、並輸出結構化的 Shortlist。這是一種與自動補全本質上不同的能力。

匹配技術超越了關鍵字。 當你告訴一個同事「我需要有 0-to-1 經驗、在成長期公司待過的人」，他們知道你的意思。他們會想到擴展過早期團隊的創辦人、從頭建起產品的 Product Leader、Pre-Series A 就加入的 Operator。關鍵字搜尋只會回傳包含這些字眼的結果。推理式匹配做的是你同事做的事——解讀意圖，不是字面。

推理成本跟上了。 兩年前，讓 AI 逐一推理每份候選人 Profile 的成本高到不現實。現在推理成本每年下降 50–70%。今天，一個 Agent 評估幾千份候選人 Profile 的費用，比你手動 Sourcing 那個下午喝的咖啡還便宜。

對招聘顧問意味著什麼

當 Sourcing 交給 Agent，整個價值方程式就不同了。

一個每天花三小時手動 Sourcing 的顧問，從經濟意義上說，是在賣時間。一個讓 Agent 接手 Sourcing 的顧問，賣的是更難被取代的東西：市場知識、候選人關係、讀懂一個團隊動態並判斷誰真的能在那裡成功的能力。

時間是有天花板的。你不可能 Source 超過工時的極限。但真正的專業能力——知道哪些公司正在凍結招聘、哪些候選人正在悄悄看機會、什麼薪酬方案能在特定市場 Close——才是讓資深 Recruiter 無可取代的原因。這種專業不是從搜尋結果來的，是從多年的對話、成功的 Placement 和大量模式識別中積累出來的，任何 Profile 資料庫都無法捕捉。

我們聊過的資深 Recruiter 對這個轉變並不擔心。一位告訴我們：「我一直在等這個。我進入招聘這行，是為了給客戶提供建議、讓候選人成功 Close，不是為了建 Boolean 字串。」另一位說得更直接：「我五年沒從搜尋工具上學到任何新東西了。但每一次候選人對話，我都有收穫。」

在 Mira 這邊的樣子

在 Mira，我們建了一個端到端處理 Sourcing 工作流的 Agent：

  1. 你用自然語言描述職缺——包括隱性標準，例如「有 Startup DNA」、「從頭建立過團隊」、「在監管環境很強但不要太企業化」。就是你會給信任的同事講的那種需求，不是給搜尋引擎的。
  2. Agent 解讀你的需求，跨多個資料源搜尋，並用推理式匹配評估候選人。它理解「0-to-1 經驗」和「在新創待過」的意思是不同的。
  3. 你拿到一份附摘要、職涯脈絡和聯絡方式的 Shortlist——通常在 2 分鐘以內。
  4. 你透過對話持續迭代：「多一些 Startup 背景」、「包含願意搬遷的候選人」、「其實，目前在 FAANG 的人先降低優先順序。」Agent 調整的方式不是重跑搜尋，而是依據你更新的標準重新評估。

內部測試階段已完成超過 6,000 次真實 Sourcing 任務，招聘顧問回報在候選人研究上節省了 80–90% 的時間。

如果你每天都在手動 Sourcing——那些可以用在 Hiring Manager 溝通、候選人對話和 Close 上的時間——其實是可以拿回來的。

加入 Mira 等待名單，在早期體驗階段試試 Agent 驅動的 Sourcing。