激情五月播播久久久精品_国产激情偷乱视频一区二区三区_国产一区二区看久久_亚洲欧美成人网

出品 | 網(wǎng)易智能

作者 | 小爪

編輯 | 王鳳枝

(資料圖片僅供參考)

谷歌AI團隊，卻不信AI招聘。

至少，谷歌DeepMind的通用AI安全與對齊團隊，不愿把候選人完全交給公司現(xiàn)有的申請流程。

求職者走完正常申請后，還要填一份"請勿廣泛分享"的特別表格，才能確保簡歷被團隊里的真人看到。彭博社看到的內(nèi)部文件稱，谷歌的申請系統(tǒng)存在"不可忽略的概率"錯篩簡歷，或者要花過長時間才能把申請送到團隊。

這份表格還提醒求職者：材料最終由真人閱讀，而團隊成員已經(jīng)厭倦了大模型生成的申請內(nèi)容。言下之意，請別用AI代寫簡歷。

對此，谷歌方面否認系統(tǒng)會錯篩求職者。DeepMind發(fā)言人回應(yīng)稱，該表格僅用于繞過招聘人員的初步審查，將簡歷直接遞交至團隊成員，并不構(gòu)成錄用捷徑。

但這背后也透露出一個尷尬的現(xiàn)實：求職者一邊擔心簡歷被系統(tǒng)誤篩、到不了真人手里，招聘方一邊又發(fā)現(xiàn)擺到面前的簡歷越來越像AI的批量產(chǎn)物。當寫簡歷和篩簡歷都有AI介入，簡歷本身還能提供多少有效信息？

崗位申請翻倍，企業(yè)招聘團隊卻縮小一半

招聘平臺Greenhouse今年3月發(fā)布的基準報告分析了6000多家公司和6.4億份求職申請。2022年到2025年，每名招聘人員每年要處理的申請量從146份漲到746份，翻了四倍多；同期每家企業(yè)的招聘團隊規(guī)模，從平均10.43人縮到4.62人，減少一半以上。

承壓的不只是招聘人員，每個崗位本身也在被更多人盯上。每個職位收到的平均申請數(shù)，也從116份漲到244份，翻了一倍。

招聘人員的產(chǎn)出確實提高了，人均每月促成的錄用從2.2人升到4.9人。但填一個坑的平均時間，反而從44天拖到了60天。系統(tǒng)吞下了更多簡歷，招聘周期卻沒有跟著變短。

這些變化當然不能全甩給AI。就業(yè)市場波動、遠程崗位普及、企業(yè)縮減招聘團隊，都會推高單個職位和單名招聘人員面對的申請量。

但生成式AI確實把申請成本又往下壓了一截。以前反復改的簡歷、求職信、申請問答，現(xiàn)在幾分鐘能生成好幾版。候選人不知道第一輪誰在篩、按什么規(guī)則篩，廣撒網(wǎng)就成了理性選擇。

招聘方也在跟著上工具。美聯(lián)社5月報道，面對AI生成申請帶來的材料洪流，一些企業(yè)已經(jīng)開始用聊天機器人做電話、文字或視頻面試，主要用在早期篩選。

一個循環(huán)就這么轉(zhuǎn)起來了：求職者用AI擴大投遞，招聘方用AI壓縮名單。兩頭都省了力氣，可整個系統(tǒng)反而要花更多精力，去驗證一份材料背后的經(jīng)歷、意愿和真實能力。

當AI既寫簡歷，也給簡歷打分

更麻煩的是，自動篩選未必是在找"最合適"的人，也可能是在找"最像自己"的文字。

今年6月更新的一項研究，拿2245份人類撰寫的簡歷做底本，為同一批候選人生成不同來源的簡歷摘要，讓多種大模型兩兩比較。控制內(nèi)容質(zhì)量之后，幾款較大模型選自己生成版本、和選人類版本之間的概率差，達到了67到82個百分點。

這里的67到82不是錯誤率，也不是模型選自身作品的絕對比例，而是兩類文本被選中概率之間的差值。如果模型完全沒有偏好，這個差值應(yīng)該接近0。

研究人員隨后模擬了24類職業(yè)的招聘。用與篩選器相同模型潤色材料的候選人，進入候選名單的概率，比提交人類撰寫版本的同等候選人高出23%到60%。

論文把這種現(xiàn)象稱為"自我偏好"。研究者提出的一種可能機制是"自我識別"：模型或許能從語言風格和結(jié)構(gòu)線索中辨認出與自身生成習慣相近的文本。但這不等于模型像人一樣，有意識地"認出"了自己的作品。

研究是在受控環(huán)境里做的，既不是對真實招聘平臺的審計，也證明不了用AI改簡歷就一定更容易拿到offer。它只是說明一種可能：當AI同時寫材料又評材料，拿高分的未必是能力更強的人，也可能只是文風更對模型胃口的人。

對求職者來說，這就多了一個新的優(yōu)化方向。以前改簡歷，是為了讓招聘人員更快看懂自己的經(jīng)歷；現(xiàn)在，越來越多材料是在往適合機器讀取的格式上靠。措辭更完整、結(jié)構(gòu)更標準、關(guān)鍵詞更齊全，代價是不同候選人開始像從同一套模板里生成。

同樣是AI招聘，做的事不同，結(jié)果可能相反

但話說回來，AI摻和進招聘就一定變糟？也不見得。

今年7月發(fā)布的一項現(xiàn)場實驗，把約7萬名求職者隨機分成兩組，一組走人工面試，一組走AI語音面試。兩組的面試記錄最后都由人類招聘人員評價，錄用也由人拍板。

結(jié)果是，接受AI語音面試的求職者，拿到錄用通知的概率相對高出12%。這種提升還延續(xù)到了實際入職和留任，研究也沒有發(fā)現(xiàn)受聘員工的生產(chǎn)率下降。

關(guān)鍵在于，這里的AI不是決定誰被錄用的裁判，它只負責提問、追問、收集信息，再把面試材料交給人判斷。研究人員看面試記錄發(fā)現(xiàn)，AI主持的面試更結(jié)構(gòu)化、更一致，同時還能根據(jù)回答做出調(diào)整。這種"受控的差異"，讓更多招聘相關(guān)信息被收集了下來。

這跟自動篩簡歷有個關(guān)鍵區(qū)別。簡歷排序是在已有文本里做減法：根據(jù)關(guān)鍵詞、經(jīng)歷、崗位要求縮小名單。結(jié)構(gòu)化面試更像做加法：讓每個候選人回答問題，補上簡歷里沒有的信息，把不同人的經(jīng)歷整理成可以比較的材料。

輸入一批高度相似的簡歷時，模型會放大文本風格和關(guān)鍵詞的影響；AI被用來持續(xù)追問、補齊信息時，反而可能幫真人拿到原本缺失的判斷依據(jù)。

當然，這只是特定企業(yè)和特定崗位里的實驗，不能證明AI面試普遍優(yōu)于真人，也沒測試讓AI獨立決定錄用的后果。但它至少說明，在特定企業(yè)和崗位中，AI用于結(jié)構(gòu)化收集信息，可能改善真人的判斷條件。招聘自動化的效果，不只取決于模型能力，也取決于它是在替人淘汰候選人，還是在幫助人獲得新的信息。

招聘系統(tǒng)真正缺的，不是更快淘汰人

繼續(xù)追問"一份簡歷是不是AI寫的"，很可能會變成一場沒有終點的追逐。模型可以換，提示詞可以調(diào)，生成的文字還能再人工改一遍。招聘人員就算看出了模板痕跡，也很難只憑文風判斷一段經(jīng)歷是否真實。

Reddit的招聘從業(yè)者社區(qū)里，有人說自己目前不完全信任任何AI檢測工具。更管用的辦法，是在申請環(huán)節(jié)加一項跟實際工作直接相關(guān)的短任務(wù)：批量投遞的人往往懶得做，愿意認真答的人至少留下了新的判斷材料。也有人提到，在申請表里加一個針對具體崗位的問題，能過濾掉大量根本沒看職位要求的申請。

這些只是從業(yè)者的個人經(jīng)驗，但指向的產(chǎn)品方向倒是值得驗證：與其判斷現(xiàn)有材料"像不像真的"，不如讓候選人提供簡歷里原本沒有的信息。

重點不在于禁不禁止求職者用AI。哪怕一份材料是借AI完成的，招聘方一樣可以接著問：為什么這么做？中間有哪些取舍？條件變了會怎么調(diào)整？簡歷給的只是壓縮過的結(jié)論，新的材料加上后續(xù)追問，才能讓候選人把過程亮出來。

AI也可以參與這一環(huán)。它可以給每個候選人拋出大致一致的問題，整理回答，標出需要真人復核的地方。與其讓模型在后臺默默替人淘汰候選人，不如讓它幫招聘方更早拿到一批可比較、可追問的信息。

不過，理想用法和現(xiàn)實用法之間，往往隔著一段距離。

今年4月發(fā)表于FAccT2026的一篇論文，就記錄了這段距離。研究人員訪談了22名招聘從業(yè)者，受訪者普遍覺得自己還握著最終決定權(quán)，但生成式AI已經(jīng)悄悄改變了職位怎么定義、候選人怎么評價、什么樣的面試表現(xiàn)算"好"。不少人坦言，用AI并不完全是自己的選擇：管理層要求提高使用率、求職者先一步用上、個人的效率壓力，都在推著他們上工具?？伤麄冋f的效率提升其實相當有限，一些人反而擔心：越來越多基礎(chǔ)判斷交給工具之后，自己會慢慢失去控制感，也失去專業(yè)能力。

回頭再看DeepMind那張"請勿廣泛分享"的表格，它不能證明谷歌的系統(tǒng)確實錯篩了簡歷，卻說明團隊希望繞過常規(guī)初審，讓申請直接到達成員手中。這條人工通道能解決材料能不能被看見，卻仍然回答不了那個更基本的問題：這個人究竟做過什么？