你开了一个职位,收到 800 封简历,团队里有人建议用 AI 筛选。动手之前,我们先诚实地谈一下这些工具实际在做什么、哪里有用、哪里会悄悄伤害应聘者和你的招聘质量。
2026 年市面上挂着「AI 简历筛选」名号的产品,大致都在做三件事之一:用 embedding 包装过的关键词比对、用 LLM 对着你的职位描述给简历排序、或是一个黑箱模型用你过去的录取记录训练出来打分(这个最危险)。每一种的失败模式都不同,「AI」在里面做的事情也差很远。
你实际会遇到的三种模式
**模式一:关键词 + embedding 搜索。**系统把你的职位描述转成向量,把每份简历也转成向量,用 cosine 相似度排名。像 Greenhouse 的 match score、各种 ATS 插件、大多数早期创业公司推销的东西都属于这类。本质上是更聪明的 Ctrl-F。找「这位应聘者写过 Python 吗」没问题,但要判断资历、沟通能力、或某段经验能不能迁移,这层是看不出来的。
**模式二:LLM 当评审。**一个前沿模型(GPT-5、Claude、Gemini)读每份简历,对着你的 JD 产出一个结构化的分数加理由。Eightfold、Paradox、以及 2025 之后新出来的工具大多走这条路。质量比 embedding 好很多,但每份简历成本约 0.05-0.2 美元,而且应聘者用 LLM 把简历改写成你 JD 用词后一样会被蒙过去。
**模式三:用你过去录取数据训练的评分模型。**这是危险区。系统学到「我们录取过的人有 X 特征」,用这个 pattern 给新应聘者排序。Amazon 在 2018 年公开砍掉一个内部版本,因为模型学会惩罚简历里有「women's」这个词(像「women's chess club」)。如果你过去的招聘有偏见 — 几乎所有人都有 — 这种系统会把偏见规模化。
AI 筛选真正帮到忙的地方
大量的入门职位,你真的读不完 800 份简历的时候 — 零售、客服、初级支持 — 用模式一或模式二搭配宽松的门槛(过前 30% 而不是前 5%),确实省时间。把它当成「过滤掉明显不符的」筛子,不要当成「挑出最好的」排名器。
当 JD 很具体、技能导向(特定技术栈、特定认证、特定工具年限),模式二真的有用。LLM 能看出「在 production 用过 Stripe webhooks」跟「副业项目里列过一次 Stripe」的差别。
要缩短第一次回复时间,AI 可以帮忙起草个性化的拒信、或排第一轮面试时间 — 这类自动化的风险比「决定谁值得见面」低得多。
哪些地方反而会伤到你
**资深或专家职位。**一位资深 staff engineer 的简历通常不会列出他用过的每个技术;他的价值是跨系统的判断力和 pattern matching。LLM 抓不到这层,会把简历漂亮的中级候选人排在真正该录取的人前面。
**转行者。**在相邻领域(教学、运营、财务)做了十年要转进科技业的人,几乎一定排名很低,因为简历表面缺乏关键词。你最好的某些录取者在模型眼里看起来像被刷掉的对象。
**非英文母语者。**英文没那么漂亮的简历在 LLM 筛选器里一致地排名较低,即使实际经验相当。这不是猜的,2024-2025 年有审计研究证实这件事。
**任何过去不能预测未来的场景。**新产品线、新市场、转型后 — 模型基于以前 work 的东西训练或锚定,但你要录取的是接下来会 work 的人。
偏见洗白问题
陷阱在这里。大家会假设 AI 分数比人类审查更「客观」。所以当 AI 说「A 是 92 分、B 是 67 分」,招聘人员会比相信自己的直觉更相信这个分数。这就是洗白:模型从训练数据或你过去的录取里学到偏见,而那个分数让人类不假思索就接受。
真正有用的三个对策,按重要程度排:
- **审计产出,不只是输入。**拉一个月的 AI 排名来看:前 20% 的人在性别、年龄、族裔的分布上,跟人类筛过的前 20% 像不像?不像就有问题,不管厂商自称多么「无偏见」。
- **用 AI 来刷掉,不要用 AI 来排名。**设一个「绝对不符合」的门槛(完全没有相关经验),门槛以上的全部让人类排序。这样处理了量的问题又不引入偏见问题。
- **告知应聘者。**欧盟 AI Act、纽约 Local Law 144、伊利诺伊 AI 视频面试法都有披露要求。即使法律没强制,告诉应聘者「我们的筛选流程有 AI」是免费的信任信号。
什么时候不适合用
简历不到 100 封的时候不要用 — 人类两小时读得完 100 份,而且这个过程你会更了解这个职位。高管或团队负责人这种文化和判断力主导的职位不要用。不要当成唯一信号 — 一定要搭配结构化的工作样本或 30 分钟 screen。模式三系统除非法务签过偏见审计否则别用 — 大多没签。
下一步
- AI for resume and CV — 站在应聘者那边用 AI 是怎么一回事
- AI for interview prep — 筛过之后怎么准备面试
- Prompt injection — 应聘者可以在简历里藏指令骗过 LLM 筛选器
- 幻觉 — AI 为候选人发明资历时会发生什么