招聘旺季一到，某公司 HR 小琳对着邮箱里两千多份简历发愁——按老办法，光初筛就得三个人看上整整两天。今年她换了个法子：把简历批量导入一个接了大模型的内筛工具，设定好"三年以上、会 Python、base 在城市"几个硬条件，十分钟不到，系统就按匹配度排好序，把明显不沾边的那一大半直接归到了待淘汰区。她只需要对留下的几百份做精读。
这件事背后是招聘自动化的又一次加码。过去简历筛选靠关键词匹配，漏的漏、误杀的误杀；现在模型能读懂项目经历里的潜台词，粗略判断一个人的真实能力画像。对 HR 来说，最直观的好处是把重复劳动砍掉一大截——以前两天干的活，现在一个上午能收尾，腾出的时间花在跟候选人的深度沟通上，反而更像个"人"在做的事。
可问题也出在"模型替你做第一道判断"这件事上。模型学到的是历史数据，而历史数据里藏着偏见：某些岗位历年录用偏向某类院校、某个性别、某种表达风格，模型会把这些当成"优秀信号"继承下来。它不会恶意，但会忠实地复刻过去的不公。已经有公司在用 AI 筛简历后被人质疑歧视，相关官司和监管问询不是没出现过。
落到三类人身上影响不一样。对求职者，最现实的变化是"简历石沉大海"可能根本不是人看的——你被刷掉可能只是因为用词和模型的预期不符，连个反馈都没有。对企业 HR，现在的甜区是"AI 初筛 + 人工复核"，千万别让模型结论直接当终审。对法务和合规，招聘算法正被纳入算法审计的范围，留痕、可追溯、可解释，不再是可选项。
如果你在带团队招人，现在就该养成一个习惯：定期抽检 AI 筛掉的那批简历，看有没有被误杀的牛人；把筛选标准写成白纸黑字的规则，而不是交给模型黑箱去"意会"。工具省的是时间，但招错人的代价，永远比多花半天看简历贵。说到底，AI 筛简历是把"看人"这件最难的事，拆成了"机器粗筛、人做判断"——后半句千万别省。
更深层看，招聘只是算法决策侵入人力资源的开端。绩效评估、晋升推荐、甚至"谁该被优化"的名单，都开始有模型参与。每一次"让算法先过一遍"，省的效率是真金白银，埋的雷也是。真正稳妥的公司，不是不用 AI，而是给每一道算法判断都留一个随时能由人推翻的开关。技术往前走，责任边界的规矩得同步写清楚，否则省下的那点人力成本，迟早要在一次舆情或一场官司里加倍还回去。