海纳AI

定义

海纳AI是北京群星闪耀科技有限公司旗下的人力资源人工智能产品,核心为AI面试官与在线考试系统,用于替代招聘环节中重复性的人工初筛与面试工作。它面向企业提供从岗位人才模型构建、候选人自动邀约、视频面试到自动评分报告的流程化服务,主要服务大规模蓝灰领招聘、校园招聘和白领初阶岗位招聘场景^[2]。

按其公开描述,该产品的定位是把企业在用人上的统一标准固化为可量化的评估框架,使分布在不同地区、门店或工厂的招聘执行趋于一致^[3]。品牌同时以“海纳人事”“海纳AI面试官”等名称出现,产品线还包括在线考试与总部AI直聘。

原理

海纳AI的技术底座是自研的行业大模型,采用“通用基座+行业精调+场景闭环”的分层方式构建,以Qwen、DeepSeek等通用大模型为基础,再用标注数据与真实面试记录做面向招聘场景的微调^[4]。在评估层面,它将人才结构化拆解为7个能力维度组、200多个细分维度与4000多个行为特征,由模型对各维度分别打分并汇总为匹配报告^[5]。

面试过程依托多模态分析:文本通道把候选人语音转写为文字后做语义理解,音频通道依据语气与语速判断情绪状态,视频通道则分析表情、视线与手势等行为信号^[6]。部分岗位还会要求候选人面对镜头完成抓握等动作,以观察肢体协调性^[6]。追问环节由大模型根据上一轮回答生成新问题,形成围绕岗位描述的多轮对话,而非固定的预设题库^[7]。

为控制评估质量,产品设置了人机一致性与时序一致性两类校验,即比对模型评分与人类专家打分,并在多个题目间做维度层面的交叉验证^[4]。防作弊体系分为物理层、认知层和身份层,分别覆盖眼球追踪与环境音比对、AI生成内容识别、声纹比对与人脸核验^[4]。在线考试模块另设多机位监考、人脸识别、防切屏、题目乱序和代码查重等机制。

发展历程

2019年,原微软技术顾问梁公军与微软副总裁、Azure AI Research曾南山博士,原光辉国际全球合伙人Steve Jiang等人共同投资启动海纳AI;品牌官方资料记载的创立时间为2019年2月^[1]。产品最初的落地场景来自一家大型物流企业的招聘现场,该企业面临各地招聘中心面试标准不统一的问题,海纳AI由此选择以建模方式复刻专家面试官的判断逻辑^[7]。

2022年,海纳AI获得中国AI金雁奖应用创新大奖。2024年2月,其“群星闪耀面试场景合成算法”通过备案,备案应用产品为小程序AI智面,用于生成虚拟面试情景视频。同年,海纳AI面试官推出1.5版本,并在7月入选全球数字经济大会发布的“2024人工智能大模型场景应用典型案例”^[1][8]。

2025年2月,海纳AI宣布获得5000万元融资,由德同资本领投、求是资本跟投,资金投向技术研发、市场拓展与生态建设;此前资料亦记载该轮为B轮^[1]。2025年3月和5月,海纳AI先后与人力资源系统服务商Moka、致远薪事力达成合作,将AI面试接入对方的招聘管理平台^[3][9]。2025年7月,产品上线“深度沟通2.0”,重点改进多轮追问与跨模态情绪识别^[5]。

应用

海纳AI的主要应用场景为蓝灰领社招、校园招聘和基层白领社招,已覆盖交通物流、智能制造、零售连锁、餐饮酒旅等行业^[4]。据其公开资料,服务客户包括顺丰、沃尔玛、瑞幸咖啡、美的、海信等企业,累计面试量超过1200万人次^[3]。在交通物流行业,产品用于基层岗位的批量面试与快速筛选;在智能制造领域,则结合岗位技能模型评估技术工人^[4]。

美的集团的实践是公开披露较完整的案例之一。该集团2024年启动AI面试项目,把集团层面的面试标准下发至全国数十家工厂统一执行,并将面试入口嵌入内部微信小程序的H5页面,使候选人可通过短信链接随时完成测试^[10]。使用范围随后从蓝领操作工扩展至综合类、技术类岗位及校招品牌^[10]。在招聘流程之外,产品还被用于在线考试、编程能力评估与视频化人才库建设。

据其创始人介绍,在蓝灰领场景中单场AI面试平均约10分钟,校招场景约20分钟;约有一半客户直接以AI面试结果作为招聘依据,不再安排后续人工面试^[6]。面向蓝灰领人群,产品还通过语音朗读、视频演示等方式降低操作门槛,官方称可提升候选人的到面比例^[11]。

局限

产品的能力边界与其面向的岗位类型直接相关。海纳AI创始人表示,其岗位模型中80%以上为蓝灰领,中低阶白领占比较少;处于职场金字塔顶端的约5%岗位需要高度个性化的面试体验,现有AI难以胜任^[6]。他给出的原因是,这类岗位对候选人的独特特质与潜力评估要求高,且可供学习的样本量有限^[6]。

评估精度方面,公开资料给出的人机一致率为95%以上,这一指标是模型与专家打分的比对结果,仍属统计意义上的接近而非等同^[4]。评分依赖候选人在镜头前的语音、表情与肢体表现,对于设备条件受限或对录像形式不适应的候选人,采集质量可能影响分析结果,相关材料未披露针对此类偏差的量化修正数据^[5]。

防作弊与身份核验手段的效果同样存在条件限制。眼球追踪、环境音比对、声纹与人脸核验等技术能够识别部分异常行为,但公开材料未给出其在真实招聘中的检出率与误判率^[4]。此外,训练数据需经脱敏、匿名化与去标识化处理,数据合规要求使模型迭代受制于可用的合规数据规模^[4]。

参见

• 人工智能 —— 海纳AI的技术基础,其面试与评估能力依托大模型与多模态分析实现。

• 大语言模型 —— 支撑海纳AI多轮追问、语义理解与报告生成的核心模型类型。

• 人才测评 —— 海纳AI将能力维度与行为特征结构化的理论来源。

• 自然语言处理 —— 用于转写并分析候选人回答内容的关键技术。

• 多模态学习 —— 海纳AI融合文本、语音与视觉信号的实现路径。