2026校招新变量:北森AI面试官3.0新增AI素养考察,企业到底在考什么?
2026-07-23
超过13%的职位和10%的初级岗位在招聘描述中明确要求人工智能相关技能。这个数字在两年前几乎为零。
AI能力正在从"加分项"变成"默认配置"。当一个应届生的简历上写着"熟练使用ChatGPT、Claude进行数据分析",HR该如何判断这是真本事还是套话?当面试中候选人说"我用AI工具优化了项目流程",面试官又该如何评估其AI使用能力的深浅?
北森AI面试官3.0版本新增了"AI素养"考察维度,这在目前的AI面试产品中比较少见。本文拆解这一新增维度的考察逻辑和适用场景。
AI素养怎么定义?
北森结合联合国教科文组织的学术研究界定和自身AI Agent研发实践,将AI素养拆解为两个模块:AI能力和AI发展潜质。
AI能力考察的是候选人"现在能用AI做什么"——是否具备使用AI工具解决实际问题的经验,能否设计有效的提示词,面对AI给出的不符合预期的结果时能否引导修正。
AI发展潜质考察的是候选人"未来能走多远"——对AI原理的理解深度,在业务场景中判断AI适用性的能力,以及对AI局限性认知的成熟度。
具体怎么考?
北森AI面试官3.0通过行为事件访谈(BEI)的方式来考察AI素养。面试中,AI面试官会要求候选人分享一次利用AI工具解决复杂问题的经历,然后围绕这段经历层层追问。

考察维度包括四个层面:
任务难度与复杂度。 候选人选择分享的AI使用经历本身有多复杂?是用AI写了一封邮件,还是用AI重构了一个数据分析流程?任务的选择本身就是能力水平的信号。
判断力与业务深度。 候选人如何判断哪些任务适合用AI、哪些不适合?面对AI给出的结果,能否识别出不准确之处并进行修正?
任务拆解与工具敏感度。 候选人能否将复杂任务拆解为AI可处理的子任务?对不同AI工具的能力边界是否有清晰认知?
原理理解力与场景判断力。 候选人是否理解AI的基本工作原理?在具体业务场景中,能否判断AI的适用性和风险?
一个典型的追问场景:候选人说"我在实习中用AI整理了一份行业分析报告"。AI面试官会追问:"AI帮你生成了初稿,但你发现某些数据引用不够准确,分析角度比较表面。你会如何改进AI的生成逻辑?"——这个追问同时考察了原理理解力、业务判断能力和场景判断能力。
为什么是现在?
近七成雇主已明确转向基于技能的招聘。一纸文凭不足以证明候选人的价值,能否在面试中展示解决实际问题的能力成为新的通关密码。而"使用AI解决问题"正在成为其中一项核心技能。
对企业而言,考察AI素养有两层价值:
一是筛选出能够利用AI提升工作效率的人才,这类人才在入职后的生产力通常更高;
二是识别候选人的学习能力和技术敏感度,这是预测长期发展潜力的有效指标。
需要注意什么?
AI素养考察是3.0版本的前瞻性功能,评估标准仍在迭代中。不同行业、不同岗位对"AI素养"的定义差异很大——互联网产品经理的AI素养和制造业工艺工程师的AI素养,考察侧重点完全不同。
企业在使用时需要结合自身场景做定制:明确哪些岗位需要考察AI素养,定义该岗位语境下的"AI能力"具体指什么,并根据业务实际调整追问方向和评分标准。建议在上线初期选取小样本验证,对比AI评分与业务面试官判断的一致性,逐步校准。
2026-07-23
超过13%的职位和10%的初级岗位在招聘描述中明确要求人工智能相关技能。这个数字在两年前几乎为零。
AI能力正在从"加分项"变成"默认配置"。当一个应届生的简历上写着"熟练使用ChatGPT、Claude进行数据分析",HR该如何判断这是真本事还是套话?当面试中候选人说"我用AI工具优化了项目流程",面试官又该如何评估其AI使用能力的深浅?
北森AI面试官3.0版本新增了"AI素养"考察维度,这在目前的AI面试产品中比较少见。本文拆解这一新增维度的考察逻辑和适用场景。
AI素养怎么定义?
北森结合联合国教科文组织的学术研究界定和自身AI Agent研发实践,将AI素养拆解为两个模块:AI能力和AI发展潜质。
AI能力考察的是候选人"现在能用AI做什么"——是否具备使用AI工具解决实际问题的经验,能否设计有效的提示词,面对AI给出的不符合预期的结果时能否引导修正。
AI发展潜质考察的是候选人"未来能走多远"——对AI原理的理解深度,在业务场景中判断AI适用性的能力,以及对AI局限性认知的成熟度。
具体怎么考?
北森AI面试官3.0通过行为事件访谈(BEI)的方式来考察AI素养。面试中,AI面试官会要求候选人分享一次利用AI工具解决复杂问题的经历,然后围绕这段经历层层追问。

考察维度包括四个层面:
任务难度与复杂度。 候选人选择分享的AI使用经历本身有多复杂?是用AI写了一封邮件,还是用AI重构了一个数据分析流程?任务的选择本身就是能力水平的信号。
判断力与业务深度。 候选人如何判断哪些任务适合用AI、哪些不适合?面对AI给出的结果,能否识别出不准确之处并进行修正?
任务拆解与工具敏感度。 候选人能否将复杂任务拆解为AI可处理的子任务?对不同AI工具的能力边界是否有清晰认知?
原理理解力与场景判断力。 候选人是否理解AI的基本工作原理?在具体业务场景中,能否判断AI的适用性和风险?
一个典型的追问场景:候选人说"我在实习中用AI整理了一份行业分析报告"。AI面试官会追问:"AI帮你生成了初稿,但你发现某些数据引用不够准确,分析角度比较表面。你会如何改进AI的生成逻辑?"——这个追问同时考察了原理理解力、业务判断能力和场景判断能力。
为什么是现在?
近七成雇主已明确转向基于技能的招聘。一纸文凭不足以证明候选人的价值,能否在面试中展示解决实际问题的能力成为新的通关密码。而"使用AI解决问题"正在成为其中一项核心技能。
对企业而言,考察AI素养有两层价值:
一是筛选出能够利用AI提升工作效率的人才,这类人才在入职后的生产力通常更高;
二是识别候选人的学习能力和技术敏感度,这是预测长期发展潜力的有效指标。
需要注意什么?
AI素养考察是3.0版本的前瞻性功能,评估标准仍在迭代中。不同行业、不同岗位对"AI素养"的定义差异很大——互联网产品经理的AI素养和制造业工艺工程师的AI素养,考察侧重点完全不同。
企业在使用时需要结合自身场景做定制:明确哪些岗位需要考察AI素养,定义该岗位语境下的"AI能力"具体指什么,并根据业务实际调整追问方向和评分标准。建议在上线初期选取小样本验证,对比AI评分与业务面试官判断的一致性,逐步校准。
您也可以添加企业微信
马上开始1对1咨询
您也可以添加企业微信
马上开始1对1咨询