你投出去的简历，第一个"读"它的人，可能早就不是 HR 了。最近越来越多公司在招聘初筛环节塞进一套 AI 面试系统：你录一段回答标准化问题的视频，算法从语速、关键词、眼神和措辞里打分，HR 拿到的不是几十份简历，而是一张排好序的评分表。这背后不是多了个工具，而是"谁来定义合格"这件事，悄悄交给了模型。
表面看是效率的胜利。大厂校招一个岗位动辄上万份简历，人工初筛根本看不过来，AI 十分钟能过完一轮，还不会累、不会带着情绪误判。对企业来说，成本账很清楚：筛人的钱从"人力小时"变成了"接口调用费"。但问题也恰恰出在这里——当筛选从"人看人"变成"模型打分"，被量化的永远是最容易被量化的那部分，而招聘真正难的决定，从来都在那些说不清的指标上。用一套可打分的标准去衡量人，本质上是在把"人"削成一个能进表格的变量。
举个具体的场景。应届生小周海投了五十家公司，其中三家发来 AI 面试邀约，题目大同小异："用一分钟介绍你最大的优点"。他第一次认真准备，第二次发现系统好像更偏爱语速稳、关键词密的答案，第三次他干脆背了一套模板，分数反而最高。他越来越会"演"标准答案，可那个真实的、会犹豫也会闪光的小周，反而没机会被看见。当所有人在同一套算法面前被训练成同一种样子，多样性本身就成了被优化的成本。
这件事对不同人的冲击很不一样。普通求职者得开始学"对着镜头表现"，这本身没错，但要警惕把面试变成表演赛；HR 从"筛人"退到"审 AI 的报告"，判断权在松手；企业决策者最该盯的是偏差——已有研究反复指出，这类系统对女性、对带口音的方言、对特定年龄段存在系统性偏移，分数高不等于更合适。用 AI 降本可以，但把"不合适"的帽子扣在模型打分上，责任没人替你背。
我的建议很实在：求职者别只练答题，要练"在镜头前把真实的自己说清楚"；用人方把 AI 当第一道粗筛就好，关键岗位一定留真人复面。工具能替你筛人，但替不了你为判断负责——这点，招错一个人比多花点时间贵得多。