基于行为痕迹的招聘：AI时代，如何让人才评估回归本真？

过去，申请一份工作需要投入实实在在的时间和精力——这一天然门槛能够自动筛掉那些态度随意的求职者。如今，人工智能已彻底打破这道门槛，招聘团队因而被大量低投入、草率提交的求职申请所淹没。

数据充分说明了这一问题。2024年末，LinkedIn平台收到的求职申请数量增长了45.5%，同期该平台发布的职位数量却下降了10.6%。这一反差表明，人工智能写作工具正在推动求职申请方式发生转变。全美大学与雇主协会（NACE）2025年的一项调查发现，在求职过程中使用人工智能的学生平均提交约60份申请，是所有学生总体平均申请数量30份的两倍。过去，提交求职申请需要付出切实努力，而这种投入本身就能自动筛掉态度随意的申请者。

由此造成的运营负担十分沉重。在编制《2025年招聘中的人工智能报告》期间，Greenhouse对美国、英国、爱尔兰和德国的4,100名招聘人员及用人经理进行了调查。调查发现，目前有34%的招聘人员每周需要投入多达一半的工作时间来筛除垃圾申请；另有91%的招聘人员曾发现候选人在招聘过程中存在未如实陈述的情况。

这一切使各类组织面临一个关键问题：当求职申请本身已无法再体现申请者所付出的努力时，应当如何识别真正的人才？

一次错误的招聘决定会拖累团队产出，并加剧人员流失。更不易察觉的，则是一套对错误信号予以奖励的招聘体系所造成的成本。为应对新增的大量求职申请，各组织开始采用人工智能驱动的申请人跟踪系统；此类系统的采用率在一年内几乎翻了一番，从2024年的26%上升至2025年的43%。

然而，这些工具以历史招聘数据为训练基础，因此可能延续历史上既有的偏见。华盛顿大学针对三个大型语言模型开展的一项研究涵盖了500多组简历对比。研究发现，具有白人族裔关联的姓名获得偏好的比例为85.1%，而具有黑人族裔关联的姓名仅为8.6%。这些工具会优先呈现与企业既往录用人员相似的候选人。

然而，机器学习模型存在一个根本性盲区。当前最为重要的技能涉及如何与人工智能协作，因为员工必须学会与这些系统协同思考。麻省理工学院与斯坦福大学针对5,179名客户支持人员开展的一项研究发现，使用生成式人工智能工具使生产率平均提高了14%，而新手员工的生产率则提高了34%。

少数组织已经开始采取应对措施。Greenhouse首席执行官丹尼尔·蔡特（Daniel Chait）表示，人力资源负责人正有意通过延长申请流程、增加人工筛选和开展技能测评等方式，在招聘过程中重新设置一定的流程阻力；美国人力资源管理协会也已证实这一趋势。一些企业已经完全取消以文本为基础的求职申请，转而要求候选人提交一段一分钟的视频、识别招聘启事中隐藏的一张图片，或干脆进行一次线下交流。愿意出镜并遵循一项不同寻常指令的候选人，所展现出的求职意愿已经超过一份简历所能体现的程度。不过，仅靠增加流程阻力并不能揭示候选人的实际能力。大多数企业仍然缺乏一套能够使候选人在真实情境下展现自身优势的流程。

白蚁通过留下信息素痕迹，在没有中央指挥的情况下协调集体行动；维基百科的条目编辑和GitHub的代码提交遵循的也是同一逻辑。将这一逻辑应用于招聘，意味着需要设计相应的互动环节，使候选人在思考、适应和创造过程中的真实痕迹得以保留。我将这种方法称为“基于行为痕迹的招聘”，其实施贯穿三个阶段。

第一，候选人通过视频或对话，就组织当前正在处理的一项现实问题作出回应。完全依赖人工智能的候选人往往会给出内容空泛、彼此雷同的答案。认真投入的候选人则会形成独具特色的成果，并进入下一阶段。

第二，入选的候选人组成小组，共同处理一项在当天公布的新问题，并在一小时内形成实质性成果。候选人可以使用笔记本电脑、人工智能工具以及纸笔。评估人员关注的是候选人的协作过程，而不是最终成果；他们会记录谁在推动讨论、谁能在某个想法失败后及时调整，以及谁能带动一名投入不足的队友重新参与其中。

第三，最终入围者分别返回，回答一个问题：你从这项练习中学到了什么？大多数人会描述任务本身或自己的团队。只有少数人会指出，自己的思考在哪些方面令自己感到意外。这种坦诚进行自我评估的能力很难伪装，因为它植根于记忆。猎头企业光辉国际（Korn Ferry）对486家上市公司的6,000多份员工评估开展的一项研究发现，股票回报率较高的企业，其员工往往也具有更强的自我认知能力。

痕迹招聘法以公平的方式分摊筛选成本。无论学历、人脉如何，也无论是否拥有一份精心润色的简历，任何人都有机会进入下一阶段。这一流程会奖励那些能够进行独创性思考并真诚参与的人，而这些品质很少能够在求职申请表中得到体现。

数十年来，企业一直将学历资质、知名企业任职经历和工作年限作为衡量人才素质的替代指标。如今，这些信号反而会误导招聘决策。Chad Van Iddekinge教授分析了涵盖60年时间跨度的80多项职场研究，发现既往工作经验与员工在新岗位上的表现几乎没有关联。此外，正如世界经济论坛的《2025年未来就业报告》所指出的，随着企业转向以技能为基础的招聘模式，而大学学位这一指标正在迅速从职位描述中消失。

随着人工智能兴起，这种相关性可能进一步减弱。美国东北大学的研究人员Riedl和Bogert研究了某在线国际象棋平台上5.2万人的五年期数据，发现技能水平较高的棋手能够以更具成效的方式与人工智能协作，从而扩大其原有优势；与此同时，人工智能工具的广泛普及则使人们的思维围绕同一套系统趋于一致。真正值得录用的候选人，是那些最善于运用人工智能的人。

在本十年内真正能够做好招聘工作的组织，会观察候选人在面对一项现实问题、需要与一组同伴协作且时间紧迫时如何行动。一个人能够与他人共同完成什么，比其声称自己曾独立完成过什么更为重要。能够在这个劳动力市场中胜出的，将是那些坚持开展透明且需要切实投入精力的人工评估的组织，而不是那些依靠算法筛选候选人数量最多的组织。

人工智能并未制造这个问题。它只是加速了一场早就应该到来的深刻反思。

本文作者：

Marvin Starominski-Uehara，美国天普大学国际商务助理教授

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。