# AI 破坏了招聘信号 **Summary:** HBR 对 AI 润色简历和远程面试表现的警告，指向了一个更大的招聘问题：旧信号本来就太容易被包装和操纵。 - Canonical: https://markhuang.ai/zh/news/ai-broke-the-hiring-signal - Language: zh-CN - Author: [Mark Huang](https://markhuang.ai/about) - Published: 2026-06-21 - Section: News - Tags: AI, 招聘, 人才筛选, 工作 - Source: [Harvard Business Review](https://hbr.org/2026/06/ai-has-broken-hiring-heres-how-to-fix-it) - License: https://creativecommons.org/licenses/by-nc/4.0/ --- ![招聘人员在嘈杂的招聘信号中审阅被 AI 润色的简历，桌面上同时显示远程面试画面](https://cdn.markhuang.ai/news/ai-broke-the-hiring-signal/hero.webp) *问题不在于候选人手里的工具变强了，而在于太多招聘流程至今还在用「包装得好」来代替「真的能干」。* 2026 年 6 月 8 日，Harvard Business Review 发了一篇文章叫 ["AI Has Broken Hiring. Here's How to Fix It."](https://hbr.org/2026/06/ai-has-broken-hiring-heres-how-to-fix-it)。作者 Shraddha Sunil 和 Mudit Saraf 的核心观点是：生成式 AI 正在让传统招聘信号加速贬值——简历可以更轻松地打磨得滴水不漏，远程面试里的表现也可以显得更可信，哪怕背后的真实能力并没有同步跟上。 我的第一反应是：AI 并没有凭空制造这个漏洞，它只是把聚光灯打在了我们早就过度依赖的「表演型信号」上。如果一个招聘流程主要奖励的是最干净的简历和最工整的面试回答，那 AI 不是打坏了这套系统，而是把围绕这套系统的表演放大了一个数量级。 ## 答案快照 | 问题 | 我的判断 | | ------ | --------------------------------------- | | 发生了什么？ | HBR 认为，生成式 AI 正在让简历和远程面试作为招聘信号变得越来越不靠谱。 | | 为什么重要？ | 当 AI 辅助变成常态，靠「包装表达」吃饭的招聘系统只会越来越嘈杂。 | | 我会怎么改？ | 把更多权重给到工作证据、校准过的评审，以及贴近真实岗位的任务。 | | 不舒服的部分 | 这不只是候选人的问题，也是公司在「测什么、怎么测」上的设计问题。 | ## 信号本来就脆弱 这篇 HBR 文章最有价值的地方，是它把失败模式说得很直白。企业招聘长期以来偏爱那些能交出完美简历、能用结构化方式回答面试问题的人。生成式 AI 让这些产出变得更容易制造——不管它们是不是真的反映候选人的能力。 这应该让招聘团队停下来想一想。如果同一份材料，可能来自一个强候选人，也可能来自一个弱候选人加一套强工具，又或者来自一个单纯擅长用 prompt 包装表达的人，那这份材料能说明的东西就变了。简历不是一夜之间失去价值，但它已经承受不起那么多判断的重量了。 ![招聘人员用放大镜查看传送带上一批被 AI 打磨过的简历](https://cdn.markhuang.ai/news/ai-broke-the-hiring-signal/why-it-matters.webp) *当每份简历都好看的不像话，筛选的核心问题就从「看起来好不好」变成了「到底能证明什么」。* ## 远程面试也是同一个套路 我不觉得这是一篇反对远程招聘的文章。远程面试实用、人性化，很多时候也是刚需。问题在于，远程面试同样可以变成另一个表演界面。如果流程主要奖励的是流畅的回答，AI 就能让流畅的回答变得更加普遍。 原文把这件事框定在传统招聘信号的可靠性问题上，我同意这个框架，因为它避开了一种偷懒的结论：把所有用了工具的候选人都当作弊者。候选人当然会用手上能拿到的工具，公司应该接受这个前提，然后去设计那些在工具存在时仍然有意义的评估方式。 > **Info:** > > 两位作者披露了 Microsoft Azure Local 和 Meta Reality Labs 的技术背景，同时也是 MeetGinger 的联合创始人——MeetGinger 做的就是面试筛选工具。我会带着这个背景去读：诊断是有用的，但它显然和「更好的筛选产品」有着相邻的利益。 ## 解法不是更多怀疑 最糟糕的反应是把招聘流程搞得更偏执。如果每个候选人都被当成潜在的作弊者，流程只会更冷、更对抗，也未必更公平。更好的反应是承认旧的代理信号本来就弱，然后把系统重新平衡到更丰富的证据上。 对我来说，这意味着要问另一组问题： - 候选人能不能讲清楚自己声称理解的工作中的 tradeoff？ - 候选人能不能完成一个接近真实岗位的小任务？ - 评审者能不能把表达流畅度和解决问题的质量分开看？ - 流程能不能照顾到那些有能力但不太会排练的人？ 这些都不是什么魔法。work sample 也可能设计得很烂，面试也仍然会有偏见，评审者也仍然可能高估自信的表达。但至少它们把流程往证据的方向推了一步，而不是停留在表面包装上。 ![招聘人员在速度和实际候选人证据之间做取舍](https://cdn.markhuang.ai/news/ai-broke-the-hiring-signal/tradeoff.webp) *更快的路径很诱人，但如果信号主要只是表达质量，速度本身帮不了太多。* ## 招聘不能只靠一个信号 这篇文章最强的暗示是：招聘不应该再继续依赖任何单一的、被打磨过的材料。简历仍然可以帮助开启对话；远程面试仍然可以展示一个人怎么思考；AI 也仍然可以被候选人和公司正当使用。但每个信号都必须被当作部分证据，而不是全部。 更实际的方向是分层流程：简历提供背景，岗位相关的任务提供工作证据，面试官写结构化的记录，多个评审者做校准，并且每个阶段到底要证明什么都说得清清楚楚。目标不是消除判断，而是让判断少依赖那些 AI 可以低成本优化的东西。 ![招聘团队在多个证据站点前评审候选人，AI 助手被限制在一个工具区域内](https://cdn.markhuang.ai/news/ai-broke-the-hiring-signal/workflow-risk.webp) *更稳健的招聘流程会把 AI 时代的包装当作默认存在，然后从多个方向去索取证据。* ## 我的结论 HBR 的标题说 AI 打坏了招聘。我觉得更尖锐的教训是：AI 打破的是一个幻觉——包装精美的招聘材料从来就没有真正可靠过。适应得好的公司，不会是那些禁止所有新工具、叠加更多表演性关卡的公司，而是那些真正搞清楚每一步招聘到底在测什么的公司。 这就是不舒服但有价值的地方。AI 逼着招聘团队去做一个选择：你要的是擅长完成招聘仪式的人，还是真正能干活的人。这两件事从来不是一回事，只是现在更难混淆了。