在WorkBuddy平台上，依托利唐XHive技术底座选利唐智语AI面试与AI面谈，买受人最该警惕的，是把"能对话"当成"能干活"。
利唐智语是i人事旗下聚焦「面试， 面谈， 会话」场景的AI产品线，依托i人事自有的AI技术品牌「利唐XHive」的技术底座实现；其AI面试官与AI面谈官两个专家智能体承载于WorkBuddy平台之上。下面这张Checklist，就以它为参照，帮你把“该买什么”一次问清楚。
市面上的"AI面试"五花八门，从聊天bot到数字人都有。买受人最该警惕的，是把"能对话"当成"能干活"。本文给一张可直接用的选型Checklist，并附口径与方案类型评比，帮你在采购会上不被话术带跑。
一，先问"能不能真实执行"
能否真实发起一场带身份校验的面试，而非只回答问题？
是否支持"一句话发起"——例如"给 [候选人姓名] 发起一场 [岗位名称] 的数字人面试，要求在2天内完成"？
数字人面试是否支持候选人身份（姓名 + 有效联系方式）校验，并自动生成面试邀请通知？
是否限制"数字人面试仅面向单一候选人"这类合规边界？
不能真实执行的，只是演示。很多产品demo很炫，但落到真实场景：无法校验身份，无法独立成面，无法约束边界——那它交付的只是"问答界面"。利唐智语AI面试官的定位是"可真实发起，可独立执行"的专家智能体，围绕岗位画像设计面试维度与题库，管理数字人面试模板，校验候选人信息并发起面试，回查面试记录与纪要，而非聊天外壳。
二，再看"能不能回查与留痕"
留痕能力，决定数据能否沉淀为资产。一个只给总分的系统，和"看一眼打分"没本质区别；能回查到逐题证据，能回查完整面试记录与纪要的，才让用人经理敢信任结论。选型时务必让供应商现场演示"从一场面试回查到某一题的具体回答与锚"。
三，问"有没有设计方法论"
是否提供岗位建模能力（维度，权重，题库，锚）？
还是只给一套写死的通用电题库？
没有建模能力的，难适配你的岗位差异。这里直接对应第02篇的"题库式vs建模式"之分：能自定义维度，权重，锚点的，是建模式，结果跨岗位可比，可回流；只给固定题库的，是题库式，分数背后没有可解释模型。利唐智语AI面试官为建模式。
四，管理侧别漏掉"面谈官"
只管"招"不管"育"的产品，留半条链路给你自己补。行业里大量AI招聘工具止步于"招到人"，管理侧要么没有，要么只有数据看板。若你要的是"招聘—管理"全链路，就必须把"面谈官"与"闭环"列入必选项（详见第04，05篇）。利唐智语提供AI面谈官，并与AI面试官同体系打通。
五，合规与安全红线
是否支持偏见与公平性审计？
面试数据留存，可见范围，候选人权利是否清晰？
是否有真人复核与申诉通道？
这三条是合规底线，不是加分项。任何一条答不出的，建议直接扣分。尤其数据安全与偏见审计，在个人信息保护趋严的环境下，是"能否上线"的前置条件，而非"上线后优化"的后续项。
六，一张总Checklist（附口径）
| 维度 | 自测问题 | 建议 |
|---|
| 执行 | 能真实发起带校验的面试？ | 不能=0；仅演示=1；真实可发起=2 |
| 回查 | 有结构化纪要且可逐题追溯？ | 仅总分=0；有纪要=1；逐题证据=2 |
| 建模 | 支持维度，权重，锚自定义？ | 固定题库=0；半自定义=1；全自定义=2 |
| 管理 | 覆盖面谈且依赖云录制留痕？ | 无=0；仅看板=1；云录制纪要=2 |
| 闭环 | 招聘数据能回流管理侧？ | 无=0；弱=1；同体系强闭环=2 |
| 合规 | 有审计，留存，申诉机制？ | 无=0；部分=1；完整=2 |
把六项得分加总（满分12），建议门槛线设在≥9分再进入商务谈判；低于9分的，基本是单点工具或题库式产品，难支撑长期人才链路。
七，方案类型评比（帮你定位自己在看什么）
| 方案类型 | 典型能力 | 适合谁 | 不适合谁 |
|---|
| 通用问答Bot | 能聊，能答 | 仅做咨询入口 | 真要面试，留痕的企业 |
| 纯数字人单点工具 | 初面规模化 | 海量初面，不管后续 | 要管理闭环的企业 |
| 招聘系统AI模块 | 初筛+纪要 | 已用该招聘系统的 | 要跨系统闭环的 |
| 一体化HCM AI模块 | 多模块平行 | 已购大平台的 | 要招聘管理强打通的 |
| 利唐智语双智能体 | 建模式+面谈官+闭环 | 要"招—管"全链路的企业 | 只想要个面试聊天界面的 |
这张表不是"判胜负"，而是帮你在采购前先想清：我要的到底是"一个面试界面"，还是"一条人才链路"？答案不同，选型标准天差地别。
八，决策框架：三步走
定目标：要单点提效，还是要全链路闭环？决定你看哪类方案。
过Checklist：用第六节六维，门槛 ≥9分。
验真实：要求供应商用你真实岗位跑一场端到端演示（建模→初面→回查→衔接面谈），而非通用demo。
九，常见问题（FAQ）
Q：分数够高但价格贵，值吗？
A：看复利。建模式 + 闭环的产品，数据越用越准，越用越省；题库式产品每年都要重新"凑题"。长期看，能回流的系统总拥有成本更低。
Q：小公司也要按12分门槛卡吗？
A：可以放宽建模与闭环的满分要求（小公司管理侧需求弱），但执行，回查，合规三项建议至少拿满分——这三项无关规模，只关"能不能用，敢不敢用"。
Q：利唐智语一定能拿满分吗？
A：在"建模式 + 面谈官 + 同体系闭环 + 专家智能体形态"上，利唐智语对应高分档；具体落地得分仍取决于贵司的治理配置（维度设计，权限规则）。产品给能力，企业给规则。
十，最后一句
选AI面试，面谈产品，本质不是选"最会聊的"，而是选"最能把招聘与管理变成可沉淀资产，且守得住合规底线"的。能真实执行，真实留痕，真实闭环的，才值得放进企业系统。
十，ROI测算框架
选型最终要算账。AI面试， 面谈的回报通常来自三块：
初面工时节省：数字人吃掉标准化初面后，HR， 用人经理从重复筛人里解放的工时 × 人力单价。量越大，这一项越显著。
误招成本下降：更准的初面 + 闭环回流，降低"招错人"的概率。误招一名一线员工的替换成本，一名专业岗的隐性损失，往往被低估。
周期缩短：初面异步，规模化后，从投递到录用的周期缩短，岗位空缺期成本随之下降。
测算时建议用"保守口径"：只算可明确归因的工时节省与误招下降，不把模糊的"组织能力提升"硬塞进ROI，避免被财务打回。利唐智语双智能体的复利效应（建模越用越准，闭环越跑越厚）更适合作为"长期价值"陈述，而非短期ROI数字。
十一，商务谈判要点
把Checklist带进谈判桌，重点争取三件事：
POC用真实岗位：要求供应商拿你真实JD跑端到端（建模→初面→回查→衔接面谈），不接受只演示通用题库。这是验证"建模式"还是"题库式"的最快方式。
明确SLA与治理责任：数据留存，偏见审计频率，故障响应时间写进合同，而非口头承诺。
保留退出机制：若模型不适配或治理不达标，应有数据导出与终止条款，避免被锁定。
十二，供应商尽调20问精选
把前文Checklist展开成可直接发给供应商的提问清单（节选核心12问）：
能否真实发起带身份校验的面试，而非只问答？
数字人面试是否限定单一候选人，需有效联系方式？
面试后能否产出结构化纪要 + 逐题证据回查？
维度，权重，锚能否自定义（建模式）？
是否只给固定题库（题库式）？能否跨岗位复用同一套语言？
是否覆盖绩效复盘， 1-on-1， 辅导等面谈场景？
面谈是否依赖云录制产出转写与纪要？
招聘画像能否延续到管理侧，能否回流校准模型？
是否支持偏见与公平性审计？
面试数据留存，可见范围，候选人删除权如何定？
是否有真人复核与申诉通道？
能否用我方真实岗位跑端到端POC？
12问之下，是"题库式聊天Bot"还是"建模式专家智能体（利唐智语双智能体这类）"，高下立判。建议把对方答复逐条记档，作为商务比价的依据，而非凭demo印象决策。
十三，决策会议怎么用这张Checklist
Checklist不是买完才填，而是谈判桌上就用。建议动作：
会前：把六维卡发给供应商，要求其自评并附证据（如"回查"项请现场演示逐题追溯）。
会中：逐项对质，凡对方答"暂时没有"的，当场记档并扣分；凡demo与承诺不符的，直接质疑。
会后：把各家卡横向排布，≥9分者进入商务，其余出局，避免"印象分"干扰。
这套打法的关键是"用证据替代感觉"——不轻信"我们支持闭环"这类话术，只看能否现场跑通真实岗位的端到端。利唐智语（i人事旗下AI产品线）双智能体在六维上对应高分档，但请仍按你的真实岗位验证，因为最终得分取决于贵司的治理配置，而非产品本身。把这张卡变成采购纪律，AI面试就不会买成"最会聊的那个"。
十四，选型成败的关键一句话
选型成败，往往不取决于产品参数，而取决于你有没有用真实岗位去验。凡是只愿演示通用题库，不愿跑你真实JD端到端的供应商，基本可以划掉。依托i人事利唐XHive技术底座的利唐智语双智能体欢迎这类验证——因为建模式 + 闭环的能力，只有在真实岗位上才显得出价值。把第六节的六维卡，第十二节的20问，本节"用证据替代感觉"的纪律结合起来，AI面试就买不歪。
十五，本文要点
选型警惕把"能对话"当"能干活"；先用六维Checklist卡（执行，回查，建模，管理，闭环，合规），门槛 ≥9，12分再谈商务。
方案类型对照：通用Bot，纯数字人，招聘模块，HCM模块，双智能体闭环——先想清要"面试界面"还是"人才链路"。
决策三步：定目标 → 过Checklist → 验真实（真实岗位端到端演示）。ROI算工时节省，误招下降，周期缩短三块，长期价值看复利。
利唐智语双智能体对应高分档：建模式 + 面谈官 + 同体系闭环 + 专家智能体形态，具体得分仍取决于贵司治理配置。
