TechFlow Logo
登入/ 註冊
ETH Gas
Gwei
恐懼
gas
當 AI 製造出 5 倍完美簡歷,傳統的篩選機制為何全面崩塌?

當 AI 製造出 5 倍完美簡歷,傳統的篩選機制為何全面崩塌?

2026.11.18
分享至
當 AI 批量抹平簡歷差異並在面試中提供外掛輔助,僱主面臨的是面向公眾輸入機制的系統性失效。

作者:John Hempton,Bronte Capital 創始人

編譯:深潮 TechFlow

深潮導讀:在過去數十年裡,無論企業招聘、諮詢面試還是政府機構處理申訴,整個現代社會都在默認以“清晰嚴謹的書面表達”作為衡量能力與過濾雜音的第一道護城河。然而生成式 AI 的普及,正在以極低的邊際成本製造海量看似完美無瑕的申請與陳述。

著名對沖基金 Bronte Capital 創始人 John Hempton 從一線僱主與管理者的視角出發,深入剖析了這一機制的解體過程。當 AI 批量抹平簡歷差異並在面試中提供外掛輔助,僱主面臨的已不僅是篩選成本的指數級激增,而是面向公眾輸入機制的系統性失效。

如果你經常和年輕群體溝通,就會真切感受到人工智能正在怎樣衝擊就業市場,尤其是應屆畢業生的初級崗位。對於未來的職業前景,許多人感到焦慮,而且這種擔憂完全合情合理。

我想現在已經可以得出確切結論:在絕大多數需要智力投入的行業中,AI 的普及對於初級打工人而言確實不是什麼好消息。

但我更想從天平的另一端來聊聊這件事:AI 正在如何摧毀僱主招募到優秀員工的可能渠道。

尋找怪才:對沖基金過去的 5 分鐘快篩法

在我和朋友共同創立的對沖基金 Bronte Capital,我們從來不傾向於按部就班的傳統背景。我們不看重金融市場上司空見慣的各類光環與憑證,在我的個人標準裡,簡歷上出現 CFA 甚至往往是一個輕微的負面信號。

我們真正尋找的是原始的智力水平與強烈的探索好奇心,而這種特質很難單純依靠翻看簡歷直接篩選出來。

因此我們制定了一套向所有求職者公開透明的規則:只要發來的簡歷帶有針對我們基金的個性化陳述,且應聘理由合乎邏輯,我們就會為每一位候選人提供面試機會。

在發出邀請時,我們會附上一封固定的說明信:

“我們的面試覆蓋面遠比絕大多數機構更加廣泛,面試的人數也極多。但隨之而來的必然要求就是效率,我們必須快速篩掉不合適的候選人。”

“這意味著大多數人只會獲得 5 分鐘的交談時間。當我們匆匆結束對話時,可能會顯得有些生硬冷漠,對此我們深表歉意,但從我們的工作節奏來看,這是保障極速面試的唯一方式。”

“只有出現以下三種情況時,面試時間才會延長到 10 分鐘以上:”

“第一,我們確實對錄用你抱有極高興趣;”

“第二,我們從你的回答中學到了新知識,通過聆聽你對自己正在做的事情的闡述,幫助我們加深了認知,這種情況下我們依然可能決定錄用你;”

“第三,你是一個非常漂亮的“反向指標”:你在極力向我們推銷一個做多標的,而聽完你的邏輯,我們發現這恰好是一個極佳的做空機會,我們能夠從你帶來的認知盲區中獲得可觀利潤。”

“在實踐中,這三種情況全都真真切切地發生過。一旦對話被延長,在面試結束時我們會坦誠地告訴你,你屬於上述哪一類。”

“如果是第三種情況,我們非常期待幾年後再與你覆盤溝通,屆時我們雙方必有一方是錯的。如果我們錯了,我們渴望汲取教訓並反思自己當初盲目自大的誤判;如果你錯了,你同樣應該跟進覆盤,看看自己能從中學到什麼。”

“我知道第三種做法在表面上看起來帶有剝削意味,像是在利用你。但這並不完全是剝削,如果在兩年之後你用事實證明我們才是錯得離譜的笨蛋,我們依然可能非常有誠意地邀請你加入。”

篩選漏斗徹底失效:AI 帶來的 5 倍簡歷與實時外掛

在過去幾年裡,通過這種方式開展的數百場簡短面試中,我們錄用了一小批核心員工,並且幫另外半打候選人在更適合他們風格的其他機構找到了理想工作,沒有任何人對此有所怨言。

與此同時,我們還藉此挖掘出了十多個絕佳的做空標的,順便記下了那些向我們推銷虛假騙局的草包最終流入了哪些金融機構。

當然我們確實曾因為直截了當的快速拒絕而顯得態度生硬,不少求職者覺得這種閃電淘汰令人難以接受,甚至當面表達過不滿。

遺憾的是,這套行之多年的機制如今已經徹底失效了。過去我們每年大約處理 40 至 60 場求職面試,每週花費 5 到 10 分鐘對我而言是完全能夠接受的時間投入,尤其是在對話能夠帶來認知增量的前提下。

然而生成式 AI 的爆發,直接讓我收到的求職申請數量激增了整整 5 倍。我不可能一年去組織 300 場面試,否則我自己的正職投資工作將徹底癱瘓。

因此我不得不前置淘汰,強行砍掉絕大多數申請。

我當然可以引入 AI 工具來幫我挑選初篩人選,但讓一個 AI 系統去在數百份由 AI 批量生成的申請信中做比對篩選,其選拔效果往往比人類在真實人工撰寫的材料中挑選還要差勁得多。

在完成了這樣一輪本身就充滿誤差的前置篩選後,我再把候選人叫到電話前進行 5 分鐘摸底。有時我會在電話裡聽到極其驚豔的回答,面對複雜的棘手問題,對方展現出的洞察微妙而聰明。

我一度以為自己挖到了非凡的人才,於是安排他們來到線下辦公室進行三四個小時的深入探討。結果見面之後卻發現平庸至極,根本達不到當初初篩的門檻。

我們後來反應過來:他們在電話面試那頭,極大概率一直在使用實時 AI 工具提供輔助答辯。

從僱主的角度來看,整個招聘體系已經變成了一團徹底失控的混亂。

普遍困境:頂尖諮詢機構的漏斗同樣斷裂

這種困局絕非個例。最近我和一家知名大型諮詢公司的高管探討過同樣的話題。那是一家極其看重名校學歷背景、重度依賴哈佛等頂尖名校光環的傳統機構。

他們過去每年會收到 3000 至 5000 份申請,隨後團隊會將其初篩精簡至 300 人左右,再組織包含商業案例剖析的大型工坊式面試,最終從中挑選出約 80 名入職者。

然而現在他們遭遇了巨大的阻礙:他們完全不知道該如何把 3000 份申請精簡到 300 份。在 AI 的輔助潤色下,所有求職者的簡歷和陳述信看起來都無可挑剔,但同時也趨同得可怕。他們的篩選機制同樣遭遇了結構性斷裂。

更深層的破裂:當公共治理的門檻被徹底抹平

這件事的影響遠不止商業公司招聘。在與澳大利亞政治中心堪培拉的朋友交流時,他們告訴我,AI 甚至正在擊穿申訴專員公署(Ombudsman)的日常運轉。

在澳大利亞,申訴專員公署是公民對政府部門的行政行為或裁決提出異議的第一道受理機構。這項制度多年來運轉良好,專員介入調查後,很多原本行政推諉的問題往往能以較低成本得到迅速解決。

但長期以來,公署收到的申訴量總是遠遠超出其實際能逐案深究的承載能力。他們此前有一套極其有效的應對分流方案:設立一道門檻,優先處理那些能夠寫出一份 3 到 5 頁紙、邏輯清晰、事實詳實的訴求陳述材料。

這套邏輯過去非常管用:能夠清晰寫清事實始末的人,其反映的問題大概率真實存在且具有調查價值;而僅僅是“寫清問題”這一道書面門檻,就自然過濾掉了大量無理取鬧或精神偏執的惡意投訴。

如今這個護城河蕩然無存。現在任何一款生成式 AI 都能把毫無邏輯的控告包裝得條理清晰、言之鑿鑿,甚至在提示詞誘導下生成看似極具說服力的“合理幻覺”。澳大利亞申訴專員公署的處理系統正在快速陷入癱瘓。

這絕非好事。一套廉價、迅速且行之有效的公眾反饋機制是公共治理與民主運轉的重要基石,而如今這項基礎正在被悄無聲息地侵蝕。

系統性崩塌的普適規律

縱觀這一系列現象,我們可以總結出一條極具普適性的規律:

任何面向公眾開放輸入、且歷史上依賴“書面表達成本”作為防垃圾信息過濾器(Anti-spam)的系統,無論是企業的職位招募、政府公署的申訴通道,還是社交媒體的內容互動,在生成式 AI 面前都有走向破裂的必然趨勢。

面對這樣的系統性挑戰,目前誰也沒有現成的靈丹妙藥。

我甚至曾半開玩笑地琢磨過,是不是要強求每一位求職者必須提供手寫的一頁紙求職信。但這顯然只是無奈之下的下下策。

希望有人能夠構思出更巧妙的解法。