AI面试85%一致性背后：它测的到底是不是能力

结构才是效度的来源，不是AI

Schmidt 与 Hunter 在 1998 年发表的元分析，至今仍是人员选拔方法里被引用最多的研究。它给出的数字是：结构化面试的预测效度约 .51，非结构化面试约 .38。

Huffcutt 与 Arthur（1994）在入门级岗位上复核得到的效标关联效度落在 .20 到 .37 区间。Campion、Palmer 与 Campion（1997）则从另一个角度切入：结构化格式的评分者间信度在 .60 到 .80，而非结构化的对话只有 .20 到 .40。

三组数字指向同一件事。效度差距的来源是结构，不是评估者是人是机器。

Campion 的15个结构要素，AI能强制执行，人很难

Campion 等人在 1997 年梳理出让一场面试「结构化」的 15 个要素，包括每位候选人问同样的问题、题目与工作分析绑定、使用一致的评分锚点、限制临场追问、采用小组或锚定评分格式等。

在真实组织里同时维持这 15 个要素，需要密集的面试官培训、校准会议和持续监督。绝大多数组织能做到其中几个就不错了。

异步视频面试平台是按设计强制执行这些要素的：每个候选人收到同样的问题，顺序一致，没有临场发挥的空间，评分对着同一套量规。这是它能提高一致性的机制，也是它效度主张的正当来源。

拆开信号层：四层信号的效度递减，偏见风险递增

一个AI面试平台从录像里提取的信号大致分四类，它们的效度与风险完全不同。

语言内容，即候选人说了什么。用自然语言处理对照结构化量规打分。这是最可辩护的一层，前提是量规经过工作分析且由用人经理签字认可，这样你有一条可追溯的文档链。

副语言特征，即语气、语速、停顿模式、填充词密度。这一层的效度叙事弱得多，而且偏见与无障碍风险集中在这里：口音、言语障碍、第二语言英语、神经多样性的沟通风格，都会把这些特征推向与工作绩效无关的方向。

视觉特征，即面部表情、眼神接触、头部动作。HireVue 在 2021 年公开停用了面部表情分析，这是个行业分水岭。到 2026 年，如果一家供应商还在用面部表情给「热情」或「可信度」这类特质打分，那是一个明确的危险信号。

结构化量规输出，即把上述信号映射到一份人类面试官也会用的量规上。输出通常是逐项能力分，带置信区间和从转录里摘出的理由片段。

「85%与人类一致」这个数字的三个陷阱

厂商材料里那个 85%，通常指AI与一组人类评分者对着同一场面试、同一份量规打分时的一致性，用相关系数或 Cohen's kappa 之类的指标算。

第一个陷阱：这个数字的意义取决于参照的那批人类有多可靠。如果人类评分者本身没经过训练、量规用得不一致，AI就是在对着噪声做基准。学术研究中训练有素的人类评分者之间的一致性一般在 0.6 到 0.8 之间，一个AI打到 0.7 是持平，不是超越。

第二个陷阱：这个基准通常在厂商自己的数据集、自己的量规、自己的条件下计算。换个岗位族，数字未必站得住。

第三个陷阱最容易被忽略：一个对着未受训练的人类评分者打到 0.85 的AI，可能只是非常高效地复现了他们的偏见。一致性高不等于效度高。

AI评分的效标关联效度落在哪个区间

厂商引述的研究显示，AI评分的异步结构化视频面试效标关联效度约在 .24 左右，落在 Huffcutt 与 Arthur 元分析给出的 .20 到 .37 区间内，同时相比人工评分的非结构化面试具有更低的不利影响。

需要说明的是，这个数字来自厂商公开材料，应把它当作需要独立复核的主张，而不是既成结论。它的意义在于定位：AI评分的结构化面试处在结构化面试效度区间的偏低段位，换来的是一致性大幅提升。

这是一笔交易，不是一次升级。用一致性换效度上限，在高量级岗位上划算，在复杂岗位上未必。

采购时该问的三个问题

第一，哪几层信号进入最终分数，各自的权重是多少。一个 90% 由转录驱动、10% 由副语言参与度信号构成的评分，是可辩护的姿态；一个重度依赖副语言或视觉特征的评分，卖给你的是负债而不是产品。

第二，量规是否经过工作分析，用人经理是否签字。这条决定了你在监管或诉讼里能不能拿出证据链。

第三，能否导出逐候选人的决策日志与评分理由。解释义务在雇主身上，供应商给不出日志，这个缺口要在合同里关掉。

事实与数据来源

• Schmidt 与 Hunter（1998）元分析：结构化面试预测效度 .51，非结构化 .38：Psychological Bulletin, 124(2)
• Huffcutt 与 Arthur（1994）：入门级岗位结构化面试效标关联效度 .20 至 .37：Journal of Applied Psychology, 79(2)
• Campion、Palmer 与 Campion（1997）：结构化格式评分者间信度 .60 至 .80，非结构化 .20 至 .40；提出结构化面试 15 个要素：Personnel Psychology, 50(3)
• HireVue 于 2021 年公开停用面部表情分析：HireVue 公开声明
• SIOP（2018）人员选拔程序验证与使用原则：选拔工具应增强而非取代专业判断：Society for Industrial and Organizational Psychology, 第 5 版
• AI评分异步结构化视频面试效标关联效度约 .24，来自厂商公开材料引述，需独立复核：异步视频面试平台公开研究引述
• 副语言特征对口音、言语障碍、第二语言及神经多样性沟通风格存在系统性偏见风险：AI面试评分研究与无障碍实践综述