面试官和候选人都上了AI：这场军备竞赛没有赢家

两侧的同时武装

在 SHRM 面向 HR 从业者的调研里，多数管理者预期未来一年 AI 在招聘中的使用还会增加。另一侧，生成式 AI 也已经成为候选人研究公司、准备面试的常规工具。两侧几乎同时完成了武装。

被 AI 面试过，已经从少数人的体验变成相当多求职者的常态，而且这个比例在半年内有明显跃升。这不是早期采用者的故事，这是默认值。

候选人的工具已经产品化

两年前还不存在的产品，现在已经是一整条赛道。这类产品已经拿到了融资、有了可观的经常性收入，标语直白到不需要解释；按月订阅的面试辅助服务定价从百美元量起步。美元，卖点是在直播面试中实时推送答案。Interview Coder 面向编码轮。

这些不是备考工具，是实时表现增强工具。它们改变的不是候选人的准备程度，而是评估当场发生了什么。

检测这一侧的代价

运行专门识别候选人使用 AI 的检测软件，已经成为美国招聘经理中的主流做法，英国、爱尔兰、德国的采用率接近同一水平。

但检测远不是万无一失。招聘技术高管 Archie Payne 的说法是，准确率还不完美，出现过强候选人被误报为作弊的情况。

每一个误报都是一个合格候选人被错误淘汰。检测竞赛有它自己的成本，而且这个成本落在最不可能申诉的那群人身上。

三条正在扩大的损伤

漏斗流失。在面向候选人的调研里，愿意接受 AI 主导面试的只是少数。因为流程要求 AI 面试而主动退出的候选人不是少数。企业自动化是为了提高吞吐，而自动化本身在把人赶走。

信号退化。候选人用AI生成答案，雇主就无法区分真实能力与工具辅助表现；雇主用AI检测AI，又可能淘汰掉那些只是触发了检测算法、实际表现真实的候选人。信噪比对双方都在恶化。

偏见叠加。斯坦福的相关研究显示，AI招聘工具可能加剧种族偏见，对亚裔与黑人申请者存在不利影响。在AI筛选之上再叠一层AI检测，每加一层算法就多一层系统性错误的入口。

岔路一：把屏幕拿掉

一小批公司选择了反向操作。谷歌、思科、麦肯锡都恢复了面对面轮次。据 Gartner 的调研，多数招聘负责人正在引入线下面试以应对候选人欺诈。亚马逊明确告知候选人，面试中使用AI工具可能导致取消资格。Anthropic 禁止在未经授权的情况下于实时面试和带回家作业中使用AI。欧莱雅把面试设为「无AI区」，并要求至少一轮线下。

这条路的逻辑很硬：屏幕拿掉，实时辅助工具就失效。代价是流程变重、候选人池受地域限制、差旅成本回来。

岔路二：把AI纳入评估本身

另一条路更有意思。Meta 在试点允许使用AI的编码面试，逻辑是：如果上班本来就要用AI，那考察「不用AI能不能做出来」考的是错误的变量。

与之配套的是工作样本的回归。Foxglove、BlueAlpha 等公司开始采用多日工作试验，直接观察候选人在真实任务上的表现。哈佛商业评论的建议是把两件事分开评估：候选人的独立思考能力，以及他把AI当生产力工具使用得有多有效。

这两条路的分歧不在技术判断，在「这份工作到底需要什么」的定义权归谁。选哪条，取决于你招的人上班时在做什么。

判断标准该换了

当答案本身变得廉价，值钱的是取舍的解释。这会把面试的重心从「能不能答出来」推向三个可观测的点：候选人能否解释为什么选这条路径而不选另一条；被追问时深度能不能维持；跨轮次之间表现是否一致。

第三点最容易被忽略。虚拟技术轮表现优异、线下管理轮判若两人，这个落差本身就是信号，而且不需要任何检测软件就能观测。

说到底，作弊之所以有效，是因为评估环节和真实工作脱钩。把评估拉回工作本身，比把检测做得更准更根本。

候选人体验是被低估的一环

相当比例的候选人在完成 AI 面试之后被放鸽子，或仍在等待反馈。一个更贴近现场的解释是：候选人不是在对 AI 转身，他们是在对糟糕的体验转身。

这一条值得单独记。企业投入 AI 是为了提效，但如果漏斗顶端的流失率上升，提效的账就要重算。效率提升发生在流程中段，损失发生在入口，两边不在同一张表上，很容易只看到前者。