美团AI Native招聘经理
任职要求
我们希望你具备
1. 本科及以上学历;5年以上互联网或金融行业招聘经验,有支付/金融/信贷/保险等相关团队服务经验加分;
2. 熟悉社招、校招、猎头、内推等多种渠道,能判断不同岗位类型的获取路径;
3. 本人是AI工具的深度使用者,有可分享的实际案例(数据分析、流程提效、候选人沟通等);
4. 能快速理解业务战略,并将其转化为招聘策略,而不是被动接收需求;
6.…工作职责
关于金服 美团金融服务板块,以支付为核心,覆盖信贷、保险、风控、资管等多条业务线。公司持续投入的战略业务,资源丰富,空间广阔。 我们期待这样的你 当AI正在改写招聘的每一个环节,我们希望找到一位既能"动手用AI"、又能"懂业务语境"的招聘伙伴; 你会用AI工具和数据分析来做判断,而不是只靠表格和直觉; 你愿意花时间去了解金服各条线在想什么、缺什么样的人,知道哪些人是"能把AI能力迁过来的人"; 你能和业务Leader、Hrbp站到一起,把招聘动作翻译成团队能的看得见的成果; 你对新鲜事物保持好奇,也喜欢拉上团队一起试试新工具; 如果你对"AI × 金融 × 招聘"这个交汇点有热情,欢迎一起。 你会做什么 一、用AI重新设计招聘链路 1. 在社招、校招、猎头合作等关键环节中,探索用AI工具释放重复劳动(如简历初筛、流程协调、数据整理),让团队把时间花在"识人"和"决策"上; 2. 力所能及地试点 Agent / AI tool 在招聘场景的应用(如智能沟通、进度看板、人才分析等),不求大而全,但求跑得通、能落地; 3. 把实践中沉淀的方法(AI协同招聘的 prompt 库、Agent 搭建经验等)在金服各团队复用,让"一个人摸索"变成"一群人能用的能力"。 二、把招聘放到业务语境里做 1. 理解金服各团队的战略重点,识别"AI实践落地型"和"AI学习能力型"两类画像,让招聘输入和业务节奏同频; 2. 与金服各层级保持常态沟通,提前感知人才需求变化,减少被动响应; 3. 联动校招、社招、猎头、内推等渠道,用数据驱动资源优化; 4. 关注行业人才流动,逐步形成市场的核心人才感知。 三、和招聘团队一起进化 1. 和团队一起走向"AI Baseline"——每位伙伴都能在日常工作中自然地用AI工具提效; 2. 用透明的数据可视替代"数人头"式的汇报,让进展和风险一目了然; 3. 更轻量的"AI胜任力评估"方式,帮助面试官在面试中更自然地考察候选人的AI应用能力。
关于这个岗位 这不是一个"执行招聘流程"的岗位。 我们在找的人,会把招聘当成一个需要被重新设计的系统——从候选人触达、筛选判断、面试体验,到数据沉淀,每一个环节都可以被拆解、被工具化、被跑得更快更准。 你的工作台上会有 AI、自动化脚本、和一批愿意被你拉着一起实验的人。但真正稀缺的,是你对"什么是好候选人"的判断力,和把这个判断落进系统的能力。 你会做什么 1.负责所负责方向的社招和校招全流程,从需求理解到 offer 落地 2.和业务管理者一起定义岗位画像,不只是翻译 JD,而是搞清楚他们真正需要的是什么人 3.主动识别流程中的低效点,用工具或工作流改掉它——不等别人交付方案,自己动手 4.用数据说话:漏斗、质量、周期,能看懂数字背后的问题,也能用数据推动业务侧做出更好的判断 5.参与团队 AI 化招聘实践的探索,你的经验和产出会影响整个团队的工作方式
- 负责猫耳音频直播、虚拟开播和广播剧点播相关产品的前端开发与持续迭代。 - 使用 AI 工具参与需求分析、方案设计、编码、测试和调试,提升研发效率与交付质量。 - 设计和搭建 AI Workflow,将大模型、业务规则、工具调用和人工处理流程进行组合,解决实际业务问题。 - 参与业务知识库建设,包括内容整理、文档切分、检索召回、效果评估和持续优化。 - 参与 Agent、RAG、对话交互、流式输出及音频相关 AI 能力的产品落地。 - 与产品、设计、后端和算法团队协作,推动需求从想法、开发到上线形成完整闭环。 - 持续优化前端架构、组件体系和研发流程,保障产品体验、代码质量和线上稳定性。
本岗位承接集团 AI 人才战略,依托高德地图亿级用户场景,致力于重构下一代 LBS 搜索推荐架构。你将作为核心骨干,参与"AI Native 生成式搜推架构与空间复杂排序决策”前沿课题,探索大模型在地理位置服务(LBS)领域的深度应用。 1.架构创新:负责基于大语言模型(LLM)的生成式召回(Generative Retrieval)系统研发,突破传统倒排索引限制,实现从“语义理解”到"POI 生成”的范式升级; 2.模型攻坚:主导融合地理空间知识的 LLM 微调与推理技术研究,解决大模型在 LBS 场景下的空间幻觉与位置感知难题; 3.排序决策:构建多目标博弈下的复杂排序模型,利用强化学习与大模型推理能力,平衡导航耗时、服务质量、商业价值与用户满意度; 4.工程落地:负责高并发场景下的端云协同推理加速,通过模型蒸馏、量化等技术,确保生成式算法在毫秒级延迟要求下的稳定落地; 5.技术引领:跟踪全球 AI 前沿技术,在顶级会议发表成果,沉淀方法论,并参与团队内部技术建设与人才培养。