七月初，秋招开始预热。你投出去的下一份简历，可能不是先被HR看到，而是先被一个AI员工读完。

机器筛简历并不新鲜。真正有意思的是，如果这个AI不只是帮HR筛简历，而是像一个新入职的同事一样，被交代一个目标后，自己去找人、沟通、打分、汇报结果呢？

最近，元企AI推出了第一款产品「超级HR」。它不是一个只解决单点环节的工具，而是试图像一个员工一样接下任务：拆解岗位需求，去招聘平台找人，看你的项目经历，给你打一个匹配分，再把「是否值得继续沟通」的理由交给人类HR。

今年3月底，清华博士陈猛和他的大学室友、北大博士杨一博，正式启动了元企AI的创业。陈猛此前已连续做过多个项目，经历过教育SaaS、钠电池、车载光伏等方向。正因长期和企业打交道，他对成本问题格外敏感。「最近几年和企业家聊天，大家最常聊的就是降本增效。」陈猛与企业家交流后发现，很多重要岗位因人员离职、请假等不确定性会影响业务推进。那么，企业能否拥有更稳定且成本更低的岗位形态？陈猛的答案是：做一套像人的数字员工平台。

调研中发现，猎头或人力资源服务公司前段找人和沟通占用大量时间。找简历、翻简历、初筛、沟通、推进面试等重复性工作并不产生最高价值。如果交给AI，人的时间就可以被释放到判断和关系处理上。

关键在于它得像个人。用户不是让它「帮我筛一下简历」，而是直接给它一个任务，然后它自己拆任务、去平台找人、筛简历、打分排序、汇报结果。它不是嵌在平台里的工具，而是围绕「招到合适的人」这件事往前推进。但它也不是一上来就满分，而是需要在和企业的持续交互中慢慢理解这家公司到底想要什么样的人。

陈猛也承认，行业对数字员工存在过度悲观和过度乐观两种极端。短期内Agent主要解决局部的、重复的、可标准化的环节，之后才逐步进入更完整的业务流程。客户最关心幻觉和数据泄露两个问题——AI不能凭空捏造福利或薪资，账号与数据也不能泄露。

以下是「未来人类实验室」与元企AI创始人陈猛的对话，经整理发布：

## 工具解决环节，员工解决任务

陈猛解释，工具解决的是环节，员工解决的是任务。数字员工是任务导向的，能围绕目标自己拆解任务、找人、筛选、沟通、打分、总结，并把结果交付给人，更像一个线上员工。他希望AI能像人一样完成闭环工作，独立完成一个完整任务，而非每一步都来打断用户。

像人的地方是要能闭环工作，不像人的地方则在于AI可以7×24小时实时响应且成本更低。陈猛希望一年5万到10万元以内就能覆盖一个资深招聘HR的成本，能顶80%的工作量，但成本只有20%。超级HR主要做招聘前段重复、低效的工作，将匹配工作交给AI，HR仍负责更高端的沟通、判断与关系处理。一头一尾目前还需人介入：招聘需求由业务团队或老板输入，终面由人类判断软实力与组织适配度。

## 唯一像AI的地方，可能是回得太快

判断数字员工是否真正落地的标准，是它能否进入真实业务流。元企AI现在偏产品端，重点在应用层、上下文、长期记忆和成本控制上做工作，让AI能长期记住企业的偏好。

之所以先服务猎头、招聘团队，是因为这些客户有批量重复需求且付费意愿更强。中小企业一年可能只招几个人，不一定划算。最终目标是服务中小企业，把AI人力、财务、销售、品宣做成综合岗产品。

对普通求职者而言，最直接的变化是响应速度。AI可以7×24小时回答加班频率、五险一金等问题，处理10份和100份简历的标准都不会变。陈猛认为，未来被淘汰的不会是HR这个岗位，而是不会用AI的人。

## 越像员工，越需要被管理、审计和限制

陈猛强调，商用产品的安全性是生命线。客户最担心两类问题：一是幻觉，AI不能凭空捏造福利或薪资；二是数据安全，简历、候选人信息不能泄露或被滥用。

具体措施包括沙盒隔离——不同猎头之间的简历信息不重叠；训练大模型使用脱敏后的用户行为；支持本地部署模型，资料不上云；算法层面做数据离散化处理与加密。

对于Gartner提醒的Agent项目可能因成本、价值和风控被取消的问题，陈猛认同确实存在「agent washing」现象。元企AI要做产品矩阵并持续进化，保持代际差别。元企AI已完成种子轮数百万元融资，正在推进天使轮融资，长期设想是让企业用自然语言生成不同岗位的数字员工。