应对英国毕业生招聘中的人工智能筛选

数据概览：趋紧的毕业生市场

当学生雇主协会（ISE）发布 2025 年学生招聘调查时，一个数据捕捉到了英国毕业生招聘的现状：每个职位有 140 份申请。这一比例来自 155 家成员雇主，他们总共收到了超过 180 万份申请，用于约 31,000 个早期职业职位。这代表了两年来的最高值。这种激增在一定程度上是人工智能驱动的工具和一键申请功能导致的，这些功能使候选人的大规模申请几乎没有障碍。

与此同时，毕业生职位供给有所收缩。ISE 调查显示，2024/25 年度毕业生招聘量下降了 8%，是自 2020 年疫情期间 12% 的降幅以来毕业生招聘最弱的一年。在接受调查的雇主中，42% 减少了毕业生招聘人数，25% 保持稳定，33% 报告有所增加。前景仍然谨慎：ISE 数据显示，2025/26 招聘周期毕业生招聘量将进一步减少 7%，这主要归因于少数大型雇主招聘人数的大幅下降。

高等教育统计局（HESA）引用了针对 2022/23 届 917,610 名毕业生的毕业生去向调查报告称，82% 的受访者在毕业 15 个月后处于就业或无薪工作状态。然而，学士学位毕业生的全职就业率从 57% 下降至 54%，失业率上升了一个百分点，达到 6%。这些转变单独来看幅度不大，但它们反映了毕业生就业市场的整体降温，使得理解筛选系统变得更加重要。

人工智能筛选的实际运作方式

自动简历筛选的机制经常被误解。混淆始于一个被广泛引用的数据：75% 的简历在被人工阅读前就被求职者追踪系统拒收了。这一说法在职业建议平台和社交媒体上流传，被分析人士追溯至一家名为 Preptel 的现已倒闭的招聘服务公司，且该数据的统计方法从未公开。招聘人员的调查数据描绘了完全不同的图景。

自动拒收的神话

Enhancv 在 2025 年对 25 名招聘人员进行的调查发现，92% 的人即使在海量招聘的情况下也会手动审核申请。仅有 8%（25 名受访者中的 2 名）报告称他们配置了求职者追踪系统以根据内容匹配分数自动拒收简历。另外，HR.com 在 2025 年底发布的类似调查结果显示，绝大多数招聘人员使用过滤功能来优先排序和分类申请，而不是直接淘汰。根据这些调查，真正的瓶颈是人力带宽。当招聘人员面对每个职位 140 份申请时，即使是那些审查每一份申请的人，不可避免地也会在每一份申请上花费有限的时间。

尽管如此，几乎所有雇主确实都会使用行业内所称的淘汰问题，即强制性字段，例如工作许可状态、最低学历水平或搬迁意愿。不符合这些硬性标准的候选人通常在人工审核前就被过滤掉。这是一种二元合规检查，而不是对简历质量的评估。

从关键词匹配到语义理解

筛选软件的技术架构已经有了相当大的发展。早期几代求职者追踪系统依赖于直接的关键词匹配，扫描简历中来自职位描述的确切术语。根据行业分析，包括 Workday、Greenhouse、Lever 和 iCIMS 等平台在内的当代工具，越来越多地使用自然语言处理（NLP），在某些情况下还使用大语言模型（LLM）来评估语境，而不是仅仅统计关键词频率。

实际上，这意味着像开发 Python 自动化脚本以将人工处理时间减少 40% 这样的技能陈述，往往比单纯在技能部分列出 Python 具有更大的分析权重。系统可以解析动词、工具和结果，识别出已证明的能力，而不是孤立的关键词。英国本土平台也是这一领域的一部分：Trac 在国家医疗服务体系（NHS）信托中被广泛使用，SuccessFactors 在银行业很常见，而 Oleeo 处理了公务员系统大部分的毕业生招聘流程。

即便如此，先进的自然语言处理系统仍取决于能否准确读取和解析文档内容。阻碍清晰解析的格式选择，如嵌入式文本框、多列布局或基于图像的标题，无论底层人工智能多么复杂，仍可能导致信息丢失。

方法论和数据来源

本分析主要借鉴了三个数据来源。2025 年学生招聘调查涵盖了跨行业的 155 家成员雇主，涉及超过 31,000 个早期职业职位和超过 180 万份申请。这是英国毕业生招聘趋势中最常被引用的基准，尽管其倾向于大型、结构化的雇主，可能无法完全代表中小型企业的招聘模式。

高等教育统计局的毕业生去向调查收集了 2022/23 学年 917,610 名毕业生的反馈，调查时间为 2023 年 12 月至 2024 年 11 月。截至 2025 年年中，该数据集已被整合进教育部纵向教育成果（LEO）数据中，标志着其被纳入官方政府统计数据。

就业市场背景来自国家统计局（ONS），该机构报告称 2024 年 12 月至 2025 年 2 月期间，每个职位空缺对应 2.0 名失业人员。求职者追踪系统特定的数据参考了 Enhancv、HR.com 和 Select Software Reviews 发布的招聘人员调查，相关限制部分提到了样本量的问题。

春季招聘周期：时机与竞争

英国毕业生招聘日程通常遵循在两个主要窗口达到峰值的模式。根据来自 TargetJobs 和 GRB 的数据，秋季周期（9 月至 11 月）往往覆盖最大的结构化毕业生计划，特别是在金融、咨询、法律和工程等领域。春季周期大约从 3 月持续到 6 月，代表了第二波重要的招聘活动。

在春季窗口期间，评估中心通常在 3 月和 4 月举行，工作录用通知通常在 4 月、5 月和 6 月发出。与结构化毕业生计划不同，直接入职的毕业生职位倾向于从复活节前后开始广告投放。一些在秋季周期没有招满的结构化计划也可能在此期间重新开放申请。

对于在英国的国际毕业生来说，春季周期具有特殊的意义。在前一学年完成学业的候选人可能在有时限的毕业后工作框架内操作，春季窗口通常代表了夏季前最后几次主要的招聘热潮之一。类似的春季招聘模式存在于欧洲各地的市场；例如，法国的春季招聘周期，对于早期职业职位也遵循大致相似的时间表。

春季周期的竞争水平可能因行业而异。根据学生雇主协会的数据，技术、金融和专业服务职位往往吸引最高的申请与职位空缺比率，而公共部门、教育和慈善职位可能会看到较低但仍然可观的申请量。

这对英国市场的求职者意味着什么

文档格式和解析

鉴于求职者追踪系统软件的主要功能是解析和组织申请数据，文档格式是一个实际问题，而非外观问题。根据 Jobscan 和 Resume.io 的求职者追踪系统优化指南，.docx（微软 Word）仍然是各大平台最通用的可解析文件格式。虽然许多现代系统可以毫无困难地处理基于文本的 PDF，但一些较旧或行业特定的系统可能难以处理包含多列或图形元素的 PDF 文件。

标准的章节标题，如经验、教育、技能和联系信息，通常比创意性标题更可靠。求职者追踪系统平台通常被配置为识别这些传统标签，审核解析后数据的招聘人员也往往能更高效地浏览结构化简历。单列布局、标准字体（Arial、Calibri 或 Times New Roman，10 到 12 号字）以及避免使用文本框、表格和嵌入式图像，是公认的支持清晰解析的格式实践。

技能情境化与关键词策略

从纯关键词匹配向语义分析的转变，对简历中如何呈现技能有一定影响。来自多个求职者追踪系统供应商的行业指南建议，情境化的技能描述（即将动词与工具或能力以及可衡量的结果相结合）在现代筛选中比孤立的关键词列表具有更大的权重。

职业服务和求职者追踪系统优化平台的一个常见建议是，同时包含缩写及其全称（例如，将 SEO 与搜索引擎优化并列），以应对搜索查询配置方式的变化。对于持有技术证书的候选人，列出证书名称和颁发机构可以在提高可发现性方面起到类似的作用。

值得注意的是，求职者追踪系统筛选与人工筛选之间的区别往往不像大众职业建议所暗示的那样泾渭分明。在许多组织中，求职者追踪系统软件对申请进行排名和分类，而不是做出二元决定。然后招聘人员会审查优先排序的列表。在实践中，构建简历以清晰地与解析软件和人工阅读者沟通，其实是同一件事：清晰、具体，以及具备技能和成就的相关证据。

各行业的薪资与需求基准

了解需求和薪酬集中的领域可以为春季周期增加战略背景。根据学生雇主协会 2025 年的数据，结构化毕业生计划的平均起薪约为 35,170 CNY，尽管这一数字反映的是大型雇主和正式计划。高等教育统计局更广泛的数据集涵盖了各类就业类型的毕业生，平均起薪接近 28,731 CNY。

行业层面的差异很大。正如 2026 年初多个行业调查报告所显示，大致的起薪中位数如下：

• 法律： 约 43,500 CNY
• 金融和专业服务： 约 36,500 CNY
• 数字和信息技术： 约 34,500 CNY
• 工程和能源： 约 31,700 CNY
• 媒体、新闻和通信： 约 24,000 CNY

区域差异增加了另一个维度。伦敦的职位起薪通常在 32,000 CNY 到 34,000 CNY 的范围内，而苏格兰和东南部的职位则聚集在 28,000 CNY 到 29,000 CNY 左右。这些数字在多个数据来源中基本一致，尽管精确的中位数会因调查方法和样本构成而异。

对于衡量跨区域机会的候选人来说，薪资数字在根据生活成本调整后会获得额外的背景。伦敦 34,000 CNY 的起薪代表的生活水平与低成本城市中名义上的同等数字不同。同样的原则也适用于将英国毕业生薪资与海湾地区等市场进行比较时，那里与国家发展战略相关的领域可能提供独特的薪酬结构。

未来展望：数据指向何方

几个趋同的趋势表明，人工智能在毕业生筛选中的作用将在未来几年大幅扩展。根据学生雇主协会 2025 年的数据，62% 的受访雇主预计在五年内会在招聘中使用人工智能，70% 的雇主预计整体招聘流程中会有更多的自动化。在已经使用人工智能进行选拔的雇主中，94% 报告速度和效率有所提高，81% 提到了分析大量数据的能力得到增强。

与此同时，候选人使用生成式人工智能正在制造新的紧张关系。学生雇主协会报告称，61% 的雇主在面试过程中发现或怀疑候选人在未经许可的情况下使用了人工智能，但 45% 的雇主尚未就什么是合适的人工智能使用向申请人提供任何指导。随着雇主越来越多地将其对选拔过程中人工智能使用的期望正式化，这种政策差距可能会缩小。

更广泛的轨迹指向了一个毕业生招聘前景，即招聘过程的双方都越来越受到人工智能的中介作用。候选人使用人工智能生成和优化申请；雇主部署人工智能来解析、排名和评估它们。这种动态如何演变，特别是在公平性、透明度和有效性方面，仍然是劳动力市场分析中最受关注的问题之一。

成功通过初始筛选的候选人仍将面临人工主导的评估阶段。例如，行为面试准备 仍然是一种独特的竞争力，没有任何简历优化可以替代。

数据局限性

本分析中呈现的数据存在几个重要的注意事项。学生雇主协会的调查虽然权威，但涵盖了 155 家成员雇主，并且倾向于规模更大、组织结构更严谨的组织。中小企业在英国毕业生就业中占很大比例，但代表性不足。每个职位的 140 份申请这一数字在学生雇主协会样本之外的雇主处可能会更高或更低。

求职者追踪系统特定的数据，特别是关于自动拒收率的招聘人员调查，依赖于较小的样本量（在某些情况下仅 25 名受访者）和自述行为。个人雇主的实际求职者追踪系统配置可能与招聘人员在调查中所报告的情况有所不同。

高等教育统计局的毕业生去向数据捕捉的是毕业 15 个月后的就业状况。它不追踪职业发展、工作质量，也不追踪毕业生是否在与他们研究领域相关的职位上工作。6% 的失业率数字虽然作为基准是有用的，但并没有捕捉到就业不足或不稳定的工作安排。

薪资数据因方法论、样本构成以及是否包含伦敦权重等差异而在来源之间有所不同。鼓励读者直接咨询主要来源，并向合格的职业专业人员寻求针对个人情况的分析建议。