SEARCHDOG · 行业观察
当“找到人”越来越便宜，猎头还应该为什么收费？
一篇关于猎头费、判断、信任与责任的行业观察
2025 年 4 月，LinkedIn 高级招聘顾问 Cesar Cruz 公开复盘了一次招聘。
最终被录用的人，满足全部 6 项硬性条件。可 Cruz 原来用关键词和逻辑条件组合的“布尔搜索”，没有找到他。
后来，是 AI 从候选池里把这个人重新捞了出来。
先说明：这是 LinkedIn 发布的厂商案例，不是独立实验。它不能证明 AI 已经全面胜过招聘人员。
但它提前把一个问题摆上了桌面：
如果客户明天问：“你们用 AI 一小时就能找完，为什么还收以前的猎头费？”你会怎么回答？
说工具很贵，不成立。工具只会越来越普及。
说经验无价，也太空。客户最终购买的，是能被感知、验证和追责的价值。
AI 最先压缩的，不是职业，是职业里的一层任务
AI 可能不会先替代猎头。
它更可能先把解析 JD、扩写关键词、组合搜索式、整理名单、去重和初步排序，做得更快、更便宜。
LinkedIn 在一项早期使用者调查中称，55 名招聘人员里有 40 人表示，每个岗位至少节省一小时。
这仍然是厂商自报，样本也不大，不能当成行业平均值。但方向值得认真对待。
一次真实招聘里的两个信号
这里的“变便宜”，也不是说所有候选人都能轻松找到。
平台权限、数据质量、隐身人才、小众行业、跨境场景，仍然很难。搜索也不是敲几个关键词，它本身就是提出假设、理解市场、修正需求的过程。
变化只是在边际上发生：第一轮探索正在被明显加速。
当这一层任务被压缩，过去混在一张猎头费发票里的东西，会被拆开，重新标价。
猎头费里，其实一直混着三种价值
我把它们叫作：找到、看懂、推动。
找到、看懂、推动：猎头费的三层价值
第一层，找到。
把 JD 翻译成市场语言，形成搜索假设，找到可能的人，去重、初筛、排列优先级。
第二层，看懂。
判断一段经历到底意味着什么；辨认公司、岗位、业务阶段与个人能力的关系；知道哪些证据可信，哪些关键词只是简历包装。
第三层，推动。
进入关系，理解一个人不愿意动的原因；帮助客户修正不现实的要求；在机会、风险、家庭和职业选择之间建立信任；最后，承担推荐错误的声誉后果。
AI 对第一层的压缩最直接，也会越来越多地进入第二层。
第三层不会永远只属于人，但它最慢、最贵，也最不能因为模型给出一句结论，就默认把责任移交出去。
候选人被找到，从来不是稀缺体验。
真正稀缺的是，有人理解他为什么不想动，也知道什么样的机会值得他重新考虑。
未来的猎头费，不会消失，但会分化
标准清晰、候选人充足、客户自己也能完成搜索的岗位，猎头费会承压。客户当然有权选择内部完成、自动化，或者要求更低价格。
需求模糊、人才稀缺、组织处在变化期，或者需要接触不公开求职的人，客户买的就不再是名单。
他买的是问题定义、市场校准、可信判断、关系进入、过程推动和结果责任。
这对三类人分别意味着不同的事。
对猎头老板：
·不要再只用“推荐了多少份简历”证明价值；
·给岗位难度和服务深度分层，而不是所有职位使用同一种报价逻辑；
·留下需求修正、证据质量、流程转化和候选人体验的记录。
对一线顾问：
·不要把基本功连同苦活一起外包；
·要能解释为什么搜这些公司、为什么排除那个人、模型哪条证据站不住；
·把省下的时间用于更深的沟通，而不是制造更长的名单。
对企业 HR：
·先问这个岗位是否真的需要外部顾问；
·再看供应商能否校准需求、提供证据、保护候选人体验；
·不要因为有了分数，就跳过人工复核和责任边界。
ILO 在 2025 年更新的全球指数中估计，全球约四分之一的工作处于不同程度的生成式 AI 暴露之下；但研究认为，更可能发生的是任务转型，而不是整份工作被直接替代。
AI 暴露不等于岗位消失
对猎头行业也是如此。
岗位名称不会一夜消失，岗位内部的任务和价格会先变。
2026 年，ILO 又汇总了多国实证研究：生产率提升真实存在，但不均匀、也常缺少验证；劳动者报告的少量时间节省，还没有稳定转化为更高产出、收入或就业。
省下时间，不等于自动产生利润。
做一款 AI 猎头数字寻访员以后，我最警惕的反而是“假成功”
做 SearchDog 的过程，让我更清楚地看到这条边界。
我们尝试把已有简历、项目资料、JD 和搜索结果接起来，让系统帮助检索、去重、评分和解释；也分别探索 LinkedIn、猎聘猎头端和猎聘企业端的工作链。
但自动化最容易制造一种危险错觉：
按钮点了，就以为条件生效；
模型打了 8.6 分，就以为判断已经完成。
现实里，不同平台的页面、权限和规则会变化；历史数据可能带有偏差；一条漂亮的理由也可能缺少可靠证据。
所以在当前实现里，我宁愿让系统在关键条件没有真正落地时停下来、留下审计线索，也不把一次点击伪装成成功。
执行、校验、失败留痕与人工复核
工具真正该省下的，不是人的责任，而是重复劳动。
它真正该暴露的，是哪些地方必须由人判断。
这件事也不限于猎头。
律师、咨询、销售、投资，都会遇到同一道题：当信息获取和初步整理变便宜，客户还会为什么付费？
答案大概不是“我花了很多时间”。
而是“我定义对了问题，找到关键证据，推动真实决策，并愿意为判断负责”。
最后，还有一个更现实的问题。
如果 AI 每周替一名顾问省下一天，这一天最终会变成什么？
它可以变成老板利润、顾问奖金、客户降价，也可以只变成更多职位和更高 KPI。
技术不决定答案，公司的分配方式决定。
AI 省下的一天流向哪里
而这又会决定顾问是否愿意真正采用 AI。
如果所有效率都被换成更多指标，所谓“效率升级”，最后只会被理解成加速。
所以，猎头行业眼下最值得讨论的，不是“AI 会不会替代猎头”。
而是三个更具体的问题：
当找到名字越来越便宜，谁能把一个模糊需求定义清楚？
当名单越来越长，谁能做出可靠判断？
当所有人都能发出消息，谁还能获得回应、建立信任并推动决定？
未来最贵的猎头，不一定是最会搜的人。
而是最知道该找谁、为什么是他、如何让双方相信这次选择，并愿意为这个判断负责的人。
你认为客户支付的猎头费里，“找到、看懂、推动”应该各占多少？
如果 AI 省下一天，这一天又应该归谁？
资料说明
1.LinkedIn，Cesar Cruz 招聘案例：LinkedIn’s First Hire Sourced with Hiring Assistant。本文将其作为厂商案例，不作独立效果证明。
2.LinkedIn，早期使用者调查：The Early Impact of LinkedIn Hiring Assistant。40/55 为厂商自报样本，不外推为行业平均水平。
3.ILO–NASK，2025 年全球指数：One in Four Jobs at Risk of Being Transformed by GenAI。
4.ILO，2026 年多国实证证据综述：The Impact of GenAI on Jobs, Productivity and Work Organization。
5.ILO，AI 用于人力资源管理的风险边界：ILO Study Highlights the Need for HR Managers to Better Understand AI-related Risks。
