要得到人才画像，AI首先需要的是处理画像所需的数据源，包括简历数据、面试数据、用户Query、对话数据、绩效数据及其他用户的行为数据。其中，大部分数据都是以文本形式保存或最终可转化为文本形式。

通过自然语言理解的技术积累，一方面会基于传统分析、规则和机器学习模型；另一方面充分利用以Bert（训练语义理解模型的一种先进AI技术）为代表的深度学习方法，将这些技术应用在简历解析、JD解析、对话机器人、AI面试、绩效文本分析等诸多场景。

在人岗多维度匹配过程中，AI能分析简历的亮点和不足，判断其能力匹配度和意愿匹配度，并智能提示有哪些需要具备但简历中没有体现的技能点，要和候选人去沟通确认；人选意愿度不高时，应该采取什么措施以提高人选意愿度。

同时，基于庞大的知识图谱和数据支持，AI可针对职位的市场人才数据情况进行洞察，让你在招聘前先掌握人才市场分布情况、薪资情况，“知己知彼，百战不殆”。

此外，AI还可以深度分析、挖掘数据间的内在关系，如某家公司涨薪，推动了行业人才的薪资上涨，导致竞争更加激烈；如某个潜在目标人才的简历非常简单，许多重要信息缺失，AI可以通过分析同公司类似职位的简历信息，进行项目、技能等资料的智能补全，甚至进行交叉验证信息的真伪。