不止于“中国版JEV”：近屿智能，走向可验证的决策AI

一家AI公司真正有价值的积累是什么？是做出一个能够回答问题的产品，还是完成一次让人眼前一亮的演示？其实，更难的是让同一套技术真正用到不同企业、不同岗位中，并且在不同的评价标准下，都能经得起实际检验。

对近屿智能来说，这些经验不是在某一场发布会上获得的，而是在过去八年与客户合作、不断解决实际问题的过程中一点点积累起来的。

2026年9月，TypeSafe发布了JEV，重点是让AI能够快速给出清晰、明确的判断结果。例如，系统接收到相关信息和问题后，可以直接输出选项、评分或概率，供软件进一步使用。这也让人们更容易理解AI发展的一个新方向：AI不仅能生成文字、回答问题，还可以参与实际决策。

近屿智能与这一方向有相通之处，主要是双方关注的问题和想实现的目标比较接近，但这并不意味着双方采用了相同的模型架构。

一、2018年，近屿智能首先想解决的不是“聊得像不像”

近屿智能最早从招聘场景切入。当时，团队思考的是一个很实际的问题：候选人在面试中讲了很多自己的经历，企业到底该如何判断，他是否真的具备岗位所需要的能力？

比如，两个人都说自己带领团队完成了一个项目，但实际情况可能完全不同。一个人可能承担了项目中的关键工作，另一个人可能只是参与了部分环节。对于招聘企业来说，真正重要的不是候选人说得有多好，而是他具体做了什么、遇到了哪些问题、采取了什么行动，以及最后取得了什么结果。

2018年，第一代AI得贤招聘官开始投入实际应用。团队尝试将候选人的回答、岗位要求和人才评价标准结合起来，通过理解完整的回答内容，分析候选人所表达的信息，并结合Talent-DNA胜任力框架和人力资源专业知识，对其能力进行评价。

这些年，AI技术一直在进步，但近屿智能关注的核心问题始终没有改变：面对内容复杂、表达开放、带有具体背景的信息，AI能不能做出有依据的判断？

如今，大模型让AI的对话更加自然，也更容易理解复杂内容。但在专业评价中，仅仅听懂对方在说什么还不够。系统还需要说明，为什么得出这样的判断，现有信息是否充分，还有哪些问题需要进一步了解，以及在什么情况下应该交由人工复核。

二、客户带来的，不只是订单，还有不能绕过的难题

从公开报道和公司历年的项目资料中可以看到，近屿智能曾参与西门子中国、中广核、中国太平、TCL、中原银行，以及携程、传音等企业的相关项目。这些项目在合作阶段、具体需求和应用范围上各有不同，并不代表所有客户使用的都是同一款产品。客户名单可以说明我们服务过哪些企业，但真正能体现技术能力的，还是产品在实际业务中的表现。

与不同企业合作，让我们接触到了各种各样的实际问题。

例如，中广核相关项目对安全、质量等方面的岗位要求提出了更具体的考验；TCL相关项目涉及英语能力、通用胜任力等不同评价内容；西门子不同年度的项目资料，则让我们更加关注岗位类型、候选人情况以及评分标准发生变化后，评价结果是否仍然具有可比性。携程和传音相关的人机对比资料，也促使团队进一步研究人工评价的特点，以及AI与人工判断之间的差异。

这些项目让我们逐渐认识到，不同岗位的评价标准不能简单套用。

工程技术人员和销售人员，即使都需要具备良好的沟通能力，实际考察的重点也可能完全不同。技术人员需要能够解释专业问题、说明判断依据；销售人员需要理解客户需求，并找到合适的解决方案；管理人员则需要协调各方意见，明确责任，推动工作落实。

因此，真正做好AI评价，并不是让模型生成一段听起来专业的评语就够了。更重要的是，针对不同岗位设计合适的问题，明确什么样的回答能够作为评价依据，以及遇到特殊情况时应该如何复核。这些工作往往比单纯提升模型的表达能力更加复杂。

除了岗位评价本身，客户在实际使用过程中还会提出很多具体要求：AI系统怎样与企业现有的招聘流程衔接？如果AI给出的评分与面试官的判断不一致，应该由谁来复核？如果更换了题库或者调整了评分标准，之前和之后的评价结果还能不能放在一起比较？

这些问题，都不是简单换一个更大的模型就能解决的。

也正是在一次次项目交付中，我们不断完善产品，不仅关注AI本身的能力，也更加重视评价标准、业务流程和人工复核机制。对我们来说，长期服务企业的价值，就在于不断发现真实问题，并把这些问题逐步解决。

三、从60%到92%，重要的不只是那个更高的数字

中欧国际工商学院在2023年发布的一篇案例文章，记录了近屿智能早期的一段项目经历。

当时，在一家英语培训企业的招聘项目中，团队先对不同的信息分别进行评价，再通过加权的方式得出结果。经过对比，AI与人工评价的一致性约为60%。后来，团队调整了不同信息的融合方式，改进多模态处理方法，新一轮对比的一致性提高到了92%。

这组数据说明，在特定项目中，通过调整技术方案，AI与人工评价的一致性有了明显提升。但需要说明的是，这是特定客户、特定阶段的对比结果，不能直接理解为AI在所有岗位上的准确率，也不能据此认定AI能够准确预测一个人未来的工作表现。

今天再回头看这段经历，我们认为，真正值得总结的并不是92%这个数字，而是团队如何从最初不够理想的结果中找到改进方向。

当AI的评价与人工判断出现差异时，我们需要回到具体的回答和评价标准，看看问题究竟出在哪里。是模型没有理解相关信息，还是面试题没有问到关键内容？是评分标准不够清楚，还是人工评价本身就存在不同意见？只有把这些问题弄清楚，才能找到真正有效的改进方法。

技术能力就是在这样的过程中逐步积累起来的。一次测试取得好结果，并不意味着问题已经全部解决。只有持续检验、发现不足并不断调整，才能让产品在实际应用中逐步完善。

过去这些年，我们积累下来的也不只是成功的项目案例，还包括不同版本的题库、岗位胜任力标准、评分记录、人工复核结果，以及项目流程调整的记录和客户提出的问题。

这些资料并不能简单地全部当作模型训练数据，也不能在没有相应授权的情况下随意使用。但它们记录了我们在真实业务中遇到过哪些问题、做过哪些调整，以及哪些地方仍然需要改进。这些长期积累的经验，是我们继续研究和提升AI评价能力的重要基础。

四、我们所说的Verified，就是让每一个判断都有依据

如果要用一个英文词来概括近屿智能希望坚持的方向，我会选择Verified，意思是经过验证。在我们看来，这并不是说产品获得了一张能够证明所有能力的认证，而是希望AI给出的判断能够找到依据，整个过程可以追溯，出现问题时也能够重新检查和复核。

JEV也有自己的公开评估结果和客户案例。对于近屿智能来说，我们更希望让外界看到的是，过去八年在中国企业人才评价场景中积累下来的岗位标准、专业评价方法、人工复核经验，以及长期服务客户的实际能力。不同产品之间究竟有什么区别，不能只靠概念来说明，还需要结合具体的应用场景和实际结果来判断。

目前，我们正在对过去多年的项目资料进行进一步整理，希望通过更系统的分析，弄清楚产品的实际表现。例如，参与面试的人数、提交的申请数量和实际产生的评价记录，需要分别统计；AI与人工的评价有多大一致性、人工评分是否稳定、评价结果与后续招聘建议有什么关系，以及候选人是否顺利完成面试，也需要分别研究。

对于已经有数据支持的结论，我们会尽可能用实际结果来说明；对于还缺少独立验证或可靠对照的部分，我们不会直接把它说成已经得到证明的能力。

因为有些结果看起来相似，实际上代表的意义并不一样。

AI给出的评分与人工评分一致，并不意味着已经证明它能够预测员工入职后的工作表现；候选人完成了面试，也不代表他对整个招聘流程都满意；即使整体评价结果不错，也不能因此认定不同背景的候选人都得到了同样合理的评价。

要进一步了解AI在实际招聘中的长期价值，我们还需要持续跟踪后续招聘结果，开展更多独立验证和对比研究，并不断完善相关的评价和管理机制。

我们之所以重视这些细节，并不是要否定过去取得的成绩，而是希望把每一项成绩的实际意义说清楚。对于企业客户来说，知道产品在哪些方面有效、适用于什么场景，还有哪些不足需要改进，比听到一个看起来很漂亮的数字更加重要。

我们相信，真正值得信任的决策AI，不是靠宣传把能力说得越来越大，而是靠不断积累的证据，让自己的能力变得越来越清楚。

五、从AI面试出发，逐步形成决策AI能力

随着大模型技术的发展，AI能够做的事情越来越多。它不仅可以与人自然交流，还能通过多轮提问了解更多信息，分析比较复杂的内容，从而为判断提供更充分的依据。

近屿智能也在不断拓展产品的应用范围。除了面试评价，我们还在探索代码审查、AI协作编程等更贴近实际工作的评估场景。比如，评价一名技术人员，不能只看他能不能讲清楚专业知识，还需要进一步了解他能否发现代码中的问题、完成修改，并通过测试确认修改是否有效。

这些探索背后，有一个我们一直在思考的问题：能不能把过去在人才评价中积累的方法，逐步应用到更多需要分析和判断的业务场景中？

为此，我们希望逐步形成一套可以重复使用的方法。首先，要弄清楚业务究竟需要判断什么，并把相关要求转化为明确的标准；然后，让AI从输入的信息中找到与判断有关的内容，给出有依据的结果；如果信息不足、结论存在较大不确定性，或者涉及较高风险，就需要交给有相应权限的专业人员进一步处理。

在这个过程中，AI负责自己擅长的分析和判断，业务系统负责将结果落实到具体流程中，专业人员则在必要时进行复核，并承担相应的管理和决策责任。

这也是我们所说的“近屿决策AI”希望表达的方向。

它不只是一个能够与人聊天的界面，也不只是给通用大模型设置一段提示词，而是将具体行业的业务标准、模型能力、测试方法和实际工作流程结合起来，让AI真正参与企业业务。

当然，并不是所有问题都需要专门训练一个模型。有些任务可以通过通用大模型完成，有些使用规则就足够了，还有一些可能需要专门训练模型，或者将多种方式结合起来。究竟采用哪种方案，不能只看技术概念是否先进，而要通过具体任务的实际测试，判断哪种方式更合适、效果更可靠。

六、开放技术、拓展行业，都要一步一步来

接下来，近屿智能计划在完成知识产权、数据安全和相关许可评估后，逐步探索开放部分工具、评测标准、示例代码，以及适合对外开放的模型组件。具体开放哪些内容、采用什么形式、何时发布，还需要根据实际准备情况确定。

我们希望，未来开放的不只是一个供别人调用的接口，还包括相应的测试方法，让使用者能够了解这些技术适合解决什么问题、实际效果如何、应该用什么标准来评价，以及使用过程中有哪些限制需要注意。

当然，开放技术并不意味着可以公开客户的简历、面试视频或其他未经授权的业务资料。无论技术是否开放，数据安全和个人信息保护的要求都不会因此降低。

行业拓展也是同样的道理。

过去八年，我们主要在招聘和人才评价领域积累经验，但这并不意味着同一套模型可以直接应用于医疗、金融或机器人领域，并且立即具备可靠的判断能力。我们认为，真正有机会迁移到其他行业的，首先是过去积累的问题分析方法和技术经验。进入新的行业后，仍然需要重新理解业务需求、建立相应的评价标准、获取合规的数据，并通过实际测试验证效果。

例如，在企业销售和客服场景中，我们可以探索让AI识别客户的真实需求、判断服务请求应该由谁处理，以及检查沟通过程中是否存在尚未兑现的承诺，帮助工作人员及时发现问题，并提供相应的判断依据。

在AI智能体的工作流程中，也可以探索如何合理分配任务、选择合适的工具，以及检查最终交付的结果是否符合要求。这样，AI不仅能够执行任务，还可以进一步检查任务有没有真正完成。

在金融和保险领域，我们希望先从相对明确的辅助工作入手，例如检查申请材料是否齐全、识别不同文件之间的信息冲突，以及整理需要进一步审核的事项。这些能力主要用于帮助有相应权限的专业人员提高工作效率，而不是取代或绕过原有的审核流程。

在医药和生命科学领域，可以考虑从文献筛选、研发资料核对、不同研究材料之间的一致性检查等工作开始。这些都是未来值得探索的辅助应用，并不代表我们已经具备经过临床验证的诊断、用药或治疗能力。要进入这些专业领域，还需要与相关领域的专业机构和人员合作，并针对具体应用开展新的验证。

在制造和机器人相关场景中，也可以先从工单分配、维修资料核对、任务优先级建议等风险相对可控的工作入手。对于涉及设备运行和人身安全的任务，则必须明确操作权限、控制机制和安全要求，不能仅凭AI给出的判断就直接执行。

我们希望通过这样的方式逐步拓展应用范围：先选择具体、可控的问题，把技术效果验证清楚，再考虑扩大应用。对近屿智能来说，跨行业发展不是简单地把现有模型搬到新的领域，而是把过去积累的方法与新行业的实际需求结合起来，在解决真实问题的过程中不断完善技术。

七、“中国版”是一个起点，不是我们的终点

“中国版JEV”这个说法，能够让更多人快速了解近屿智能正在关注的方向——让AI不仅能够生成内容，还能参与实际业务中的分析和判断。但对近屿智能来说，真正的价值，最终还是要靠自己的产品、客户实际使用的效果，以及长期积累的技术能力来证明。

JEV的出现，让更多人开始关注决策AI，也让市场更容易理解这类技术的应用价值。而近屿智能从招聘场景出发，经过八年的项目实践，逐步积累了自己的岗位评价标准、专业判断方法和客户交付经验。我们希望继续把这些经验沉淀下来，让AI能够更加有依据地理解和评价真实业务中的信息，并逐步应用到更多场景中。

这件事需要长期投入，也需要稳定的经营作为支撑。我们希望通过企业级AI产品和服务，以及认真做好每一次技术培训，形成持续的经营收入，再将其中一部分投入技术研发。同时，我们也希望把实践中积累的工程经验和方法传递给更多学习者，让更多人真正掌握AI技术，并能够将其应用到实际工作中。

我们希望，未来中国不仅有越来越多会使用AI工具的人，也能培养出更多真正理解业务、能够制定评价标准、检验模型效果、分析问题原因，并把技术落地的人。因为AI要真正进入企业、服务产业，不能只靠模型本身变得更强，还需要有人能够把技术与实际业务结合起来，把问题解决好。

过去八年的经历，让我们越来越相信，一家AI公司的技术实力，不是靠一个听起来很宏大的名字来证明的，而是看它长期在解决什么问题，遇到困难时如何改进，以及能否拿出经得起检验的实际成果。

从人才评价出发，逐步走向更多有明确标准、能够验证结果的企业业务场景，这是近屿智能已经走过的路，也是我们接下来希望继续努力的方向。

【声明：本文旨在提供信息分享与交流，不构成任何购买、使用或其他决策依据，文章观点不代表本网立场。文中提及的产品/服务信息仅供参考，具体功能、服务条款等以品牌官方公布信息为准。读者在采取相关行动前，请自行核实信息并谨慎判断。此文不作选择参考，对于因依赖本文内容而导致的任何直接或间接损失，本平台不承担法律责任。】