导语：简历投出去，等来的不是面试邀约，是一串测评链接。行测、性格量表、AI 视频面试轮番上阵。工具本身没有错，错的是它被放在了终审的位置。
开篇：一串测评链接之后，是长久的沉默
投完简历的第三天，一位应届生等来的不是面试邀约，而是一串测评链接。行测逻辑、性格量表、AI 视频面试，一环扣一环。一个秋招季下来，他做了几十场测评，刷题耗时数十小时，最后大部分结果石沉大海。
这不是个例。2026 届高校毕业生约 1270 万人（教育部数据）。有调研显示，超六成大中型企业已把线上测评纳入校招必经流程。对企业来说，这是面对海量简历的理性选择；对求职者来说，这是一道绕不过去的关卡。
问题不在工具，在位置——当一套辅助筛选的工具被放到了终审裁判的座位上，效率的另一面就开始显现。
一、先把效率账算清楚
AI 进入招聘，本身不是一件需要被批判的事。
某 AI 人才测评服务商披露过一个案例：一家商业银行的综合营销岗校招，规模 8000—9000 人，引入 AI 面试后，初面周期从 15—20 天压缩到 7 天以内，招聘成本节省 280 元/人天。行业案例也显示，AI辅助初筛能把校招初面周期压缩一半以上。
放到企业侧看，这些数字背后的痛点是真实的：数万份简历，人工筛一遍时间成本高，主观偏差难避免；不少面试官本身就是业务人员，线上测评给出的候选人优劣势分析，可以帮助他们把有限的面试时间用在更值得聊的人身上。
所以这一节的结论很明确：AI 初筛解决的是“看不完”和“看不准”的问题，在这件事上它是有效的。真正需要重新算的是另一笔账——当测评环节不断叠加，企业的筛选效度，是不是也在同步上升？
不一定。
图1 · 效率与效度关系（示意图 · 非实测数据）
二、三个反噬：企业自己也在付账
反噬一：题库固化，信号失真。
市面上多数通用测评，一套题库覆盖全行业。智力题、性格量表普适性强，针对性往往有限。人力资源领域的研究早已印证，通用认知测评对具体岗位绩效的预测效度有限。
而在求职端，应对方式已经成型：把实习经历拆成“带关键词的模板”，回答用“首先、其次”划分结构，精准嵌入所谓 AI 偏好的词汇——开放沟通、系统性分析、目标拆解、换位思考、用户导向。
一位求职者的总结很到位：“AI 面试不是考你说得多好，是考你有没有说它想听的词。”
企业付出的代价是：收到的是模板化的表达，不是真实的能力信号。筛选成本花出去了，区分度却未必提升，甚至可能下降。
反噬二：结果不互认，成本被转嫁。
不同企业各设门槛，同一集团不同岗位也要重测，题目大同小异，时间成本却成倍累加。求职端还要应付双机位、安静封闭环境这类硬要求——有求职者反映，宿舍环境难以满足，设备遮挡或晃动容易被判定异常。
这部分成本没有消失，只是从企业账上转到了求职者身上。短期看企业省了钱；长期看，它筛掉的不只是不合格的人，还有一批不愿意为重复流程买单的优质候选人。
反噬三：没有反馈，程序公平打折。
当下多数 AI 面试时长在 10 分钟上下，题目 4—5 道，通常没有追问与互动。被淘汰也收不到通知，企业通常只向通过者推送下一轮。“系统未通过”往往是唯一答复——落选原因不明，异议渠道不畅。
这里还有一层观感问题：有求职者反映，部分 AI 面试的数字人神态僵硬、表情空洞，观感不适；系统通过实时追踪瞳孔动态与面部肌肉紧张度，把回答转化为分数。技术在往前走，但当“紧张”被折算成分数，这个判断的可靠性就值得打个问号。
对企业而言，代价是品牌。一次没有回音的淘汰，会在社交平台上变成一条公开的负面体验。招聘是候选人接触企业的第一站，这一站的体验，本身就是雇主资产的一部分。
图2 · 三个反噬结构图
三、合规这条线：自动化决策不是免责条款
《中华人民共和国个人信息保护法》第二十四条写得很清楚：个人信息处理者利用个人信息进行自动化决策，应当保证决策的透明度和结果公平、公正；通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求处理者予以说明，并有权拒绝处理者仅通过自动化决策的方式作出决定。
换成招聘场景的语言：打分依据是什么、权重怎么分配、有没有隐性歧视，求职者有权问，企业也有义务说得清。
现实落差就在这里。算法打分的逻辑往往并不透明，企业自己也未必讲得清，候选人更无从知晓。
需要说明的是，这不是技术本身的过错。当应用边界尚未厘清时，技术被过早赋予了它不应承担的判断权——问题出在边界，不出在工具。
四、给企业的四件事
第一件：流程做减法。 剔除与岗位胜任力无关的性格测试、智力测评，别再“一套工具筛所有人”。首都经济贸易大学劳动经济学院教授范围也提过类似建议：测评要围绕岗位胜任力设计。动作很具体——把现有测评环节列出来，逐项回答一个问题：这一环考察的能力，岗位上真的用得到吗？答不上来的，删掉。
第二件：结果互认。 已有部分大型企业集团做到“一次测评、多次有效”，同集团内不同岗位、不同批次招聘复用同一份结果；川渝等地也在探索公共职业素质测评的跨区域互认。动作：先在集团内部打通，别让候选人为不同岗位反复做同一套题。
第三件：AI 归位到初筛，前置真人面谈。 AI 做初步筛选没问题，但软性素质和匹配度，它难以准确评价，仍需真人把关——这是一位企业 HR 的原话。动作：把真人面谈提前，让真正适配的求职者更快进入真人环节，而不是在机器面前反复证明自己。
第四件：落选也给明确结果，并留出异议渠道。 让不符合要求的求职者尽早得到清晰结果，避免在重复测评里空耗；同时明确告知测评规则、考察维度与结果权重，关键节点保留人工复核。
一个正面样本：某游戏公司的校招只设两轮——第一轮筛作品和简历，看专业背景与行业认知；第二轮实际检验对专业软件的掌握程度。两轮都指向岗位本身，没有一道题是“为了测评而测评”。
图3 · 自动化决策合规自查卡
结语：最终裁判，仍然是人
招聘的最终裁判，始终应该是人。
AI 的价值，是让人更快被看见——把数万份简历里的合适者挑出来，把面试官的时间用在真正需要判断的地方。它不该做的，是让更多人在十分钟里被无声过滤，还得不到一句解释。
工具用对了，效率与公平并不冲突。
前面聊的是边界，但这种“系统说不行、却说不出为什么”的困扰，落到企业侧是同一个问题：打分的依据能不能说清、能不能查。如果你正用 AI 做初筛，又不想让招聘变成黑箱——我们做智能招聘系统，本地化部署：筛选规则自己定，打分留痕可回溯，关键节点保留人工复核，数据留在你自己的服务器上。有这块需求，快去提交👉 [你的体验申请]
