最近跟几个同行聊到一个话题AI时代传统面试到底还有没有意义起因是一个朋友所在的团队上线了一套AI视频初筛系统两周内筛掉了8成候选人据说准确率还挺高。大家都在讨论是不是以后面试这项工作人工就可以退休了。我在团队里负责带人这些年经手的面试少说也有几百场。我的结论很直接传统面试不但有意义而且意义始终没变——它解决的问题是人与人之间能不能协作这恰恰是AI不太擅长的事情。只不过AI确实改变了面试的形态和面试官的注意力分配。如果我还像十年前那样全靠直觉挑人那是在浪费自己的时间但如果指望靠AI一键选出完美搭档那也是在自欺欺人。这篇内容我想把过去一年我们在招聘环节里人机协作的做法、踩过的坑、梳理出来的流程原原本本写下来。适合正在调整招聘流程的HR、带团队的技术负责人还有那些在思考我的简历和面试准备要不要因为AI而改变的求职者——这篇文章能帮你建立一套自己的判断框架。1. 先别急着扔掉传统面试它到底在解决什么问题1.1 传统面试不可替代的几件事我理解这个标题问的是传统面试在AI时代还有没有意义但很多讨论的前提本身就有问题——大家把面试等同于筛选判断了。实际上面试这项工作至少包含三层功能信息获取、信任建立、双向选择。第一层是信息获取。简历是候选人想让你看到的样子笔试是候选人假设你是考官的样子只有面试是为数不多的、你作为未来共事者直接与本人打交道的时刻。你可以打断、追问、翻回到前面聊过的矛盾点。这种动态的信息挖掘能力算法暂时还追不上。举个例子有的候选人简历里写主导过某系统的整体架构但当你追问当时的服务规模是多少你个人的方案设计体现在哪几个模块时回答里的细节会因为被追问而变形真正的参与深度是藏不住的。AI只能对比简历和岗位的文字重合度它没法对一个人进行压力下的连续质询。第二层是信任建立。这一点最常被忽略。候选人入职后要面对的是一场长期协作而信任绝对不是靠评分表建立的。某候选人在AI初筛里拿到的匹配度不低简历上写的主导项目也完全对口。但面试时我发现他对项目的表述与简历高度一致甚至像一个稿子背了三遍。当我问当时最失败的一次决策是什么他沉默了很久最后说我想不出什么失败因为我的职责是执行到位。这不是一个靠AI分析情绪就能立刻识别的问题而是需要面对面坐下观察一个人的态度、坦诚度和边界感。一个人值不值得把后背交给他AI给不了这个答案。第三层是双向选择。面试不只是我们在评估候选人候选人也在评估我们。AI可以给候选人打分却无法让候选人感觉到这家公司的人是有温度的。优质的候选人从来不缺offer他们选的不只是薪资还有团队的氛围和方向感。这种无形的筛选传统面试恰恰是唯一能做好的环节。1.2 AI被高估的部分AI最近一年确实发展快但用在招聘上有几个环节是注定要踩雷的。第一算法偏见。AI的训练数据里隐含了过去招聘决策中的偏好如果历史上某个职位倾向于招特定背景的人AI会把这种倾向放大成一条规则。你做出来的客观评分实际上只是把过去的隐性偏好变得表面光鲜而已。第二模式化回答。很多候选人已经掌握了应付AI视频初筛的技巧眼神看镜头、语速均匀、语气积极、按STAR结构组织故事。这些本来是为了让人更容易理解的行为被工具化以后就变成了一种表演。AI筛出来的高分候选人可能只是会演的人。我见过几个AI初筛高分选手进入人工面试后对核心业务的理解非常浅因为他们习惯于套用表达框架而不是真正解决问题。第三情境理解的短板。AI可以分析候选人说了什么但很难感知候选人没说出来的部分。比如候选人提到我们团队是什么意思是他在推动还是他在配合AI会基于关键词判断团队协作能力好但有经验的面试官会追问一句具体哪件事是你主动协调的从而看出是实干还是旁观。这个信息差就是传统面试的护城河。所以我的结论是AI负责提升效率人负责保证决策品质。抛弃任何一边都会出问题。2. 我给面试流程做的AI改造方案聊清楚为什么不能完全交给AI接下来就要回答那到底该怎么用。我们的做法不是把AI当成替代面试官的工具而是当成放大面试官能力的工具。2.1 用AI做简历初筛的思路与操作先说明我反对那种把简历全部丢给AI、直接进初面的粗放做法。我们的初筛分三层硬条件过滤、能力信号提取、人工抽检。第一层硬条件过滤学历要求、工作年限、必备技能、行业经验。这类信息在简历里比较结构化AI用规则引擎就能处理。第二层能力信号提取把工作要求拆成几个能力信号比如跨部门协同数据驱动决策项目复盘能力。让AI逐份简历提取证据片段并标注出候选人写明的结果与行动。实际动作用的是一个自建的提示词模板大致这样你是一名资深招聘助理。请从以下简历中提取与岗位JD相关的能力信号。 岗位关键词跨部门协同、数据驱动决策、项目复盘 输出格式 - 匹配项具体说明候选人简历中的相关经验 - 证据等级明确写明/侧面体现/仅出现关键词 - 疑点简历中可能与JD冲突的地方这一步能帮我把几十份简历快速压缩成十几个候选人的证据清单。注意AI给出的不是通过或不通过的结论而是一页便于人快速核验的材料。我坚持让AI输出证据等级就是为了防止它凭关键词脑补能力。第三层人工抽检我会随机抽出10%简历做对照防止AI把漏掉的人筛没了。实际跑下来AI初筛大概能切掉40%明显不匹配的简历剩下的人里真正需要我看的反而少了一大半。省下来的时间我会拿去做更有价值的事——认真准备每一场的结构化面试提问。2.2 AI辅助提问与评估面试环节AI给我的帮助更大。我习惯把岗位需要的能力维度先梳理成一张清单然后让AI基于这些维度生成行为面试问题库。举个实际例子。我要招一个项目负责人能力维度是目标拆解、跨团队推动、风险决策、复盘沉淀。AI会生成类似这样的问题目标拆解维度请讲一个你同时推进多条业务线、最后被迫砍掉一部分需求的经历。当时你排优先级的标准是什么事后如何验证这个决策正确跨团队推动维度当一位平级同事不愿意配合你的项目时你采取过什么方式结果如何风险决策维度讲一次在信息不完整的情况下你做出的关键判断。你怎么评估概率如果再做一次什么信息会让你改变做法人不擅长在当厂临场想好问题的追问链AI能帮忙把问题库结构化。但真正的价值不是背问题而是面试官人手一份追问地图候选人的回答里出现哪些关键词就要往哪个方向追问。这个经验我后面会展开讲。评估部分我会把候选人的回答录音整理成文字稿让AI生成一份回答结构图候选人讲了几件事、每件事的起因经过结果是什么、有没有明显的信息缺口。AI负责做情报整理我负责做判断结论。这样既避免了聊high了记不清细节的毛病也不会被AI的一句表现较好带偏。3. 一套可复用的人机协作面试流程把上面的做法串起来就是一套完整的流程。我按面试前、面试中、面试后三个阶段来展开。3.1 面试前的AI准备清单在候选人到场之前先做好三件事明确硬性标准与软性标准。硬性标准是没有就上不了岗的条件软性标准是有的话更好但不是决定项。AI对硬性标准可以严格过滤对软性标准只能做提示不能做决断。生成岗位画像与问题库。把JD里的含糊描述改写成可追问的能力维度。这一步很关键。比如JD里写沟通能力强AI根本不知道该看什么。改写成能独立主导跨部门会议协调至少3个团队交付结果AI才有明确的提取依据。每一次改写都很花时间但换来的是后面所有环节的效率提升非常值得。用AI完成简历初筛但保留人工抽检。抽检比例我建议至少10%宁可多花十分钟复核也不要把优秀候选人误杀在筛选这关。这个环节里最容易出的问题是岗位画像写得太抽象。我见过不少团队直接把招聘网站的JD丢给AI结果AI筛出来的全是关键词命中王真正有潜力但表述朴素的人反而被漏掉。岗位画像不是岗位描述它是一组能力信号探测器必须具体到可以回答这个人来了以后第一周需要解决什么问题的程度。3.2 面试中的AI辅助决策点面试真正进行时我不会把AI投影到对话里那会让候选人觉得面对的不是人。AI在这个阶段的角色是藏在面试官手中的追问地图。比如候选人开始讲一个项目大脑飞速运转的其实是两件事一是听逻辑是否通顺二是对照追问地图找漏洞。地图上有一条叫灰色叙述检查线如果候选人描述项目通篇都是我们就要追问你个人的角色是什么如果候选人多处使用我觉得理论上就要追问你当时具体做了什么动作而不是观点。我还习惯在面试最后留五到十分钟开放式问答。这看起来很低效但恰恰是候选人对雇主最有感知力的时刻。候选人会问团队的分工方式是什么涨薪周期和机制是什么这些问题不是AI能问出来的因为它没有身在其中也没有职业命运压在同一个团队里。面试结束后的一小时是最关键的信息沉淀期。AI的文本整理记录能帮我把我记得好像是变成候选人在某段回答里的原话是什么。这对后续多轮面试官之间同步信息尤其有用。如果团队里有三位面试官分别面了同一岗位AI整理的结构化记录可以避免大家各自抱着一份片面印象最后谁也说服不了谁。3.3 面试后的AI评估校准我们团队的做法是双评分机制面试官根据自己的现场感受打分AI基于结构化要点给出一个参考评分两者放在一起看差异。差异大的候选人恰恰是最值得复盘的人。举个实例有一位候选人的AI评分很高但现场表现让我很犹豫。复盘时发现AI评估的依据是候选人表述中的关键词覆盖度比如提到了风险复盘跨部门协作这些词分数自然上去。但现场聊下来他讲的都是应该怎么做而不是我做过什么我的评分因此很低。这个差异不是AI错了而是AI理解不了语言结构背后的虚实。但它把这个矛盾摆到了桌面上逼我去说清楚为什么我不给高分这本身就是一种校准。流程跑顺后还可以做一件事每季度把所有候选人的双评分差异记录拉出来看哪些问题的提问设计容易导致误判再反向迭代问题库。这样AI和人的配合会越来越默契而不是互相干扰。如果你刚开始用这套机制建议从岗位画像比较清晰的职位入手比如测试开发、数据分析这类技能边界明确的岗位等磨合稳定了再逐步尝试用于更依赖软素质的管理岗。4. 实操中的坑与排查实录4.1 常见问题速查表症状可能原因排查方向解决方案AI初筛漏掉很不错的候选人岗位画像关键词过于狭窄AI误把缺少关键词当成缺少能力检查JD关键词的检索条件放宽关键词要求增加能力信号的宽松匹配策略候选人反馈面试像在跟机器讲话视频面试环节缺少人工互动或AI追问过于机械观察候选人体验数据与反馈把AI环节改为标准的初筛题而非终面确保能顺畅进到人工面试高分AI评分与低分人工评分反复出现评估维度定义不统一AI和人对匹配理解不一致对照两份评分表逐项找差异定期校准题库与评分规则并让参与面试的同事加入校准会议多个候选人简历很优秀但细节站不住候选人掌握了结构化表达技巧叙述惯性高于实际经验对照行为面试追问深度增加STAR追问链要求每个结论都有现场证据这套速查表不是一次性整理出来的而是踩了半年坑以后慢慢攒的。我在下面详细说几条印象最深的。4.2 我的避坑经验第一条永远不要拿AI的匹配度当成合适度。匹配度衡量的是简历与岗位画像的文本重合合适度衡量的是候选人在真实协作中带来的增量。这是两回事混在一起用迟早要出人岗错配的事故。我们曾经有一个岗位AI匹配度前三名的候选人全部没有通过试用期而匹配度排到第七的那位反而留下来了。原因就是前三名只是会在简历里种草关键词。第二条AI视频初筛环节一定要控制长度和温度。我们在一次尝试里用了全自动的视频问答结果候选人反馈像对着驾照考试系统说话还没聊到核心问题体验就崩了。后来改成视频录制初筛真人初面长度压到十五分钟以内体验才稳住。记住AI是用来服务候选人的不是用来考核候选人的。第三条数据是条红线。把候选人简历喂给AI工具之前想清楚三点谁有权访问这些数据数据会不会被用于训练模型候选人知不知情。任何一条说不清楚就不要用。求职者是弱势一方很多人的简历信息非常具体一旦泄露很难补救。我的底线是不给候选人带来隐私风险的工具才准进招聘流程。第四条也很重要AI整理出来的面试记录不要直接转给用人部门一定要叠加面试官的判断和上下文说明。纯AI记录容易把候选人塑造成一个结构化但没有人味的形象其他决策者看了以后反而失去参考价值。正确的做法是AI记录作底稿面试官批注作结论。5. 一点个人体会说实话过去一年最大的变化不是AI帮我筛掉了多少人而是AI逼我重新想清楚了自己到底在找什么样的人。一旦岗位画像、能力维度、追问地图都结构化之后传统面试里那些我从前模糊凭直觉的部分第一次被摆到了台面上。我甚至觉得AI最大的价值不是替代面试官而是替面试官照镜子。我现在依然坚持每一场核心岗位面试都亲自参加不是因为AI筛不准而是因为AI只能告诉我这个人有没有素材只有我能判断这个人值不值得信任。招聘永远是关于人的决策而人的决策需要有人承担后果。最后分享一个小技巧如果你是求职者别怕AI进入面试流程。与其研究怎么骗过AI初筛不如把重点放在把经历讲得更具体、更有证据感。当AI把候选人的能力信号提取出来人工面试官会更关注信号背后是否有真实的骨架支撑。认知到位、证据扎实的人在AI与传统面试并行的时候反而更容易被看见。