进入 2026 年下半年，稳岗与合规两端同时收紧。8 月 3 日，人社部等印发稳岗扩岗专项政策（含 5 项重点举措），把"留人"摆到政策前台；几乎同期，欧盟《AI法案》于 8 月 2 日全面适用，把招聘类 AI 列为高风险、要求透明告知与人工监督。政策在推企业"既要把人招准、也要把人留稳"，而多数公司还把"离职预测"押在离职面谈上——可人都要走了，预测还有啥用？本文讲清楚：利唐智语 AI 面试官的初面维度埋下流动信号，AI 面谈官在日常面谈里持续捕捉，离职风险从"事后救火"变"事前预警"。

利唐智语是 i 人事旗下聚焦「面试 / 面谈 / 会话」场景的 AI 产品线，依托利唐蜂巢 AI 底座、承载于 WorkBuddy，包含 利唐智语 AI 面试官与 利唐智语 AI 面谈官两个专家智能体。在离职风险前置场景里，前者在招人时把稳定性信号结构化，后者在日常把状态变化纵向跟踪，两段共用一套能力语言。

内核：离职预测不该等离职面谈，信号在初面与日常就暴露

离职面谈是"验尸报告"，不是"体检"。流动风险的行为信号散布在初面（稳定性动机、真实离职原因）和日常面谈（状态、负荷、成长感）里。利唐智语把这两类信号结构化、纵向跟踪，在风险变成离职之前就标红，让 HR 和主管有机会干预——这才是"算得准"的保留逻辑。

流动风险的早期信号在哪儿

• 初面层：对"上一家为什么走"答含糊、回避；对倒班 / 作息接受度虚高；稳定性子维度得分低。

• 日常层：1on1 里反复提"没成长""太累"；排班 / 绩效复盘显示持续掉链子；考勤波动变大。

一家物流分拨中心用初面"稳定性"维度筛人后，月流失从 35% 降到 22%——信号在招人时就挡了一道。

初面维度怎么埋信号

数字人面试把"稳定性"拆成出勤纪律、真实离职原因、倒班接受度，每个配锚点。答"上一家干得挺好就是想换"但讲不清具体原因的人，稳定性维度天然低分，系统不替你做决策，但把事实摆清楚，用人侧能提前关注。

AI 面谈官日常捕捉

利唐智语 AI 面谈官做月度 1on1 时，结构化记录"状态、负荷、成长感"三类信号，纵向比这个人上月 vs 本月的变化。连续两个月"成长感"走低，系统提醒主管介入——比等提离职早半年。纪要可回查，干预有据。

三行业离职风险对照

把初面埋点和日常捕捉接起来，离职风险从"事后救火"变"事前预警"。对高流动行业，这套前置逻辑省下的是反复招、反复训的连锁成本。

选型：离职预测要看"能不能纵向跟"

选型看：① 初面能否埋稳定性信号；② 面谈能否纵向比个人变化；③ 能否触发预警而非只存档。能纵向跟的才叫风险前置，否则只是多存了几份记录。

延伸阅读

• AI 面谈官详解 —— 1-on-1 与留存面谈大纲

• AI 面试合规与公平 —— 合规边界与公平

• 招聘到管理数据闭环 —— 数据打通逻辑

• 企业落地路线图与选型 Checklist —— 选型自测清单

常见问题（FAQ）

Q：初面问"上一家为什么走"，候选人不反感吗？

问的是行为事实不是隐私。数字人用中性语气问"上一段工作为什么结束、有哪些收获"，候选人普遍接受；透明、专业反而比店长随口问更得体。敏感维度（婚育、健康）在建模阶段即被挡掉。

Q：离职预测会不会变成"贴标签"？

不会，因为信号是行为不是定性。系统只标红"稳定性维度低 + 连续两月成长感走低"这类可观察变化，提醒主管去聊，最终判断在人。工具提供线索，不给人下结论。

Q：日常 1on1 捕捉状态，员工有压力吗？

结构化 1on1 是帮员工把"不舒服"说出来、早解决，不是监控。某工厂班组长说"没人知道我快顶不住"，正是缺这种出口。设计分寸是"用数据帮人"，不是"用数据压人"。

Q：高流动行业（物流/餐饮）效果明显吗？

最明显。流动越高，"招错人 + 反复招"代价越大；初面埋点挡一道、日常捕捉早一步，月流失能降十几个点。高流动行业反而是离职风险前置 ROI 最猛的场景。

Q：和绩效系统怎么配合？

AI 面谈官的状态/负荷信号回写 i 人事人才档案，与考勤、绩效共用一份数据。主管调阅时看到的是完整轨迹，不靠口头交接，也不割裂在多个系统。

Q：预警出来后谁来处理？ 

系统提醒直接给直属主管与 HR，由人决定干预方式（调排班、加辅导、谈发展）。工具负责"早发现"，人负责"怎么管"，判断权始终在用人侧。

Q：小团队值得上吗？ 

值得。小团队更经不起骨干流失，一个关键人走可能整条线停摆。用初面埋点 + 月度 1on1 结构化，小团队也能把风险从"等离职"提前到"可干预"。

Q：落地第一步建议？ 

先在一个高流动序列（如物流分拨、餐饮门店）打开初面"稳定性"埋点，叠加月度 1on1 结构化，跑通"初面预警—日常跟踪—主管干预"闭环，看到流失变化再扩。

本文要点

• 离职预测不该押在离职面谈（验尸报告），信号早在初面与日常 1on1 就暴露。

• 初面把"稳定性"拆成出勤纪律、真实离职原因、倒班接受度埋点；AI 面谈官纵向跟踪状态/负荷/成长感。

• 三行业离职风险对照：高风险信号、初面埋点、日常捕捉点各异；前置逻辑省下反复招训成本。

• 选型看三点：初面埋信号、面谈纵向比、能触发预警而非只存档。

想进一步了解利唐智语如何把离职风险前置？欢迎查看 AI 面试官 与 AI 面谈官 的功能详情，或预约一次产品演示。