简历里的"AI高手"是真的吗?HR如何识别伪AI人才
2026-07-30
2026年校招季,HR行业内部流传着一句调侃:"今年筛简历的最大感受——好像每个人都特别'擅长AI'。"话是玩笑,底的焦虑是真的。
翻100份简历,90份写"熟练使用AI工具"。但这90个人里,有多少真正能把AI嵌入业务流、有多少只是和豆包聊过天、有多少是复制粘贴了同事的提示词——没人知道。简历端的AI能力描述,已经变成了一个几乎为零信号噪声比的信息黑洞。
这不是候选人刻意造假。而是"会用AI"这四个字,至今没有行业通行的评估基准。面试时突然问一句"你用AI做过什么",得到的往往是准备好的话术而非真实能力的证据。北森AI人才科学研究院的调研也佐证了这一点——企业端对候选人AI能力的信任度,在2026年已降至新低。行业正在面临一个结构性问题:AI能力的简历信号,已经全面失效。
一个HRD的真实焦虑:三层困境
某大厂HRD的故事在行业里很有代表性。2026年是她第一次以HRD身份主导校招,集团12个事业部、500个岗位,领导下了明确要求:校招生作为新生力量,招聘环节要着重筛选AI能力。
三层困境,层层递进。
第一层:信号淹没。 简历端完全无法区分"讲过AI""用过AI"和"能把AI嵌入工作流"。过了初筛进入面试环节,才发现候选人的真实水平——但那个时候时间已经投入了,推倒重来的成本太高。
第二层:面试官能力参差不齐。 大部分HR和业务面试官对AI的理解也深浅不一,更谈不上在30分钟的面试里有效考察候选人真实的AI应用深度。不是不想问,是不知道该怎么问。
第三层:不同岗位对AI能力的要求根本不是一回事。 研发岗需要工程化控制能力,运营岗需要问题解决能力,管培生需要AI理解力和应用意识。如果对所有岗位用同一套标准,要么漏判、要么误杀。
林蔚那句"AI能力这件事,最怕的不是你不会评估,而是没有一个标准的评估模型"——说出了整个行业在AI招聘端共同的困境。
伪AI人才的四个特征:行业观察
综合多家企业HR的反馈和行业调研,伪AI人才在招聘场景中呈现出几个典型特征。
特征一:能聊不能做。 面试时能谈AI趋势、能说出几个大模型的名字、能聊"我用过ChatGPT做过XX事"。但真让他写一个具体的提示词解决业务问题,要么写得极其笼统缺乏可控性,要么直接暴露能力缺口。"会聊AI"和"会用AI"之间的距离,远比看上去远。
特征二:会抄不会建。 网上有大量现成的提示词模板,复制粘贴后对常规任务确实有用。但一旦遇到模板覆盖不到的新场景,就露出原型——无法根据任务变化重新设计提示词逻辑,更谈不上工程化地控制AI输出质量。
特征三:零容错能力。 AI的产出不是100%正确的。真正的AI高手知道怎么验证、怎么纠偏、怎么在AI出错后修正方向。而伪AI人才拿到AI的错误输出后,要么看不出错,要么直接放弃重来一轮。"能在AI出错时迅速定位问题并调整策略,才是区分真伪AI能力的关键分水岭。"
特征四:无法跨场景迁移。 一些候选人确实有很强的AI技能,但局限在特定场景下——比如只会用AI写周报,或者只会用AI生成代码。一旦换到不熟悉的业务场景,AI技能就无法迁移。企业需要的不是"在某个场景下熟练使用AI",而是能够在不同业务场景中灵活调用AI能力的通用素养。
三层过滤机制:让AI能力从"自述"变为"证据"
行业正在探索一套系统化的AI能力过滤机制。以北森AI素养评估方案为代表,这套机制分为三层,每层针对不同的评估盲区。
第一层:AI理解能力——"认知过滤"。
这一层通过L1-L4的客观选择题,考察候选人的AI知识储备:基础概念、大模型能力边界、不同AI工具的适用场景、风险识别等。它不是考"背了多少AI名词",而是考候选人对AI的系统性理解程度。一个真的在项目中用过AI的人和一个只是在媒体上看过AI新闻的人,在这层过滤中会迅速拉开差距。
行业观察人士指出,认知过滤的价值在于低成本、高区分度——适合在初筛阶段批量淘汰基础认知不足的候选人。北森的综合岗位推荐报告已内置AI能力等级,HR在初筛时只需要看推荐等级即可完成第一轮过滤。
第二层:AI应用能力——"实战过滤"。
这是三层过滤的核心环节。通过三种不同层级的题型,把候选人拉到真实的工作状态中考察。
提示词补全题用于职能岗位:给出任务目标,补全提示词——考察的是候选人的提示词撰写功底和任务拆解能力。一个只和AI聊过天的人,面对"请补全以下提示词以实现X功能"的题目时会手足无措。
问题解决题用于非IT产研和管理岗位:在具体业务场景下,候选人通过与AI的多轮交互来完成任务。这不是"会不会用AI",而是能不能用AI解决真实问题。考察的是目标的清晰度、与AI交互的迭代能力和成果的质量验证意识。
提示词工程题用于IT岗位:设计一套能稳定运行的提示词逻辑,对一类输入给出可靠可控的输出。这已经不是"写prompt"的范畴,而是工程化地控制AI的产出质量——对提示词结构的设计、异常情况处理、输出格式约束的把控能力。
北森的AI素养评估报告完整保留了候选人的提示词作答内容,为面试环节提供可追溯的追问素材。面试官在面试前就能看到候选人写过的具体提示词,从而知道该往哪个方向深度追问。
第三层:AI发展潜质——"成长过滤"。
这一层解决的是更深的问题:一个候选人当前AI能力一般,但他未来能不能学到高水平?通过言语能力、数学能力、逻辑推理能力三项认知"加速因子"的评估,结合GPI个性测评中的创新倾向和主动性维度,判断候选人的AI成长斜率。
行业实践表明,第三层过滤在大规模校招中具有特殊的战略价值——应届生的AI技能普遍有限,但认知基座的差异,会在入职后的6-12个月内快速拉开差距。识别高潜质的AI学习者,比找到"已经会AI"的人,在长期维度上更有价值。
简历信号 vs 系统化识别:行业现状对比维度
简历自述模式
系统化识别(以北森为代表)
信号质量
90%写"熟练使用AI",几乎零区分度
三层递进过滤,每层提供差异化信息
识别深度
只能知道"声称会AI"
知道在哪一层、哪个方向强、面试该从哪追问
伪AI人才拦截
面试才暴露,时间成本高
初筛阶段即完成认知过滤
面试支持
面试官不知怎么问
提示词作答内容保留,提供追问素材
长期预判
无法判断成长潜力
AI发展潜质评估预判学习斜率
行业焦点问答
Q:三层过滤机制会不会增加招聘周期?
业内实践的答案是:恰恰相反。由于第一层认知过滤在初筛阶段就完成了低效候选人的淘汰,面试环节反而更高效——面试官带着报告追问,而不是在面试中从头试探。北森的AI素养评估在测评阶段已原生融入,不增加候选人端的额外环节。
Q:面试官不懂AI,看报告能看出什么?
AI素养评估报告的设计目标,就是让不懂AI的面试官也能提取关键信息。报告将AI能力拆解为多个维度的得分和等级,不是给一个笼统的"AI能力:中",而是告诉面试官:这个候选人的提示词写作强但逻辑验证弱,面试时可以重点追问"你怎么确保AI给的结果是对的"。有方向,比有深度更重要。
Q:这种评估方案会不会误杀那些"能做好但说不出来"的候选人?
这是一个有价值的硬问题。确实存在一批候选人,实际AI应用能力很强,但在标准化测评中表现不佳。北森方案对此的处理方式有二:其一,应用能力考核采用的是场景化实操题而非纸笔测试,能力需要通过实际与AI交互来展现;其二,报告在给出推荐等级的同时,保留原始作答内容,面试官在面试环节有机会用追问来验证和纠偏。"评估不是终点,而是起点——它为面试提供了更有针对性的起点。"
Q:伪AI人才现象本质是什么?是企业选人标准的问题还是候选人诚信的问题?
行业观察者的共识是:核心问题不在候选人,在于评估标准缺位。 当"会用AI"的定义不明确时,90%的人写"熟练使用AI"不是因为他想骗你,而是因为他确实认为自己"会"。北森方案的核心思路并非"辨别真假",而是从根本上补上评估标准这一环。只有建立行业级的评估基准和可追溯的能力证据链,"认为自己会"和"真的会"之间的鸿沟,才能被系统性地弥合。
伪AI人才的出现,不是HR行业的失败,而是AI能力评估标准缺位的必然产物。当标准模糊的时候,信号一定是扭曲的。
值得关注的是,行业已经走出了"吐槽简历注水"的阶段,开始构建系统性的识别机制。以北森AI素养评估方案为代表的系统化探索,标志着从简历端的信任崩塌,到评估端的模型建立——这场关于AI人才识别的进化,才刚刚开始。
真正的问题或许不是"如何发现伪AI人才",而是:当AI能力有了可审计的基准之后,人才选拔的标准本身,将被如何重新书写。
2026-07-30
2026年校招季,HR行业内部流传着一句调侃:"今年筛简历的最大感受——好像每个人都特别'擅长AI'。"话是玩笑,底的焦虑是真的。
翻100份简历,90份写"熟练使用AI工具"。但这90个人里,有多少真正能把AI嵌入业务流、有多少只是和豆包聊过天、有多少是复制粘贴了同事的提示词——没人知道。简历端的AI能力描述,已经变成了一个几乎为零信号噪声比的信息黑洞。
这不是候选人刻意造假。而是"会用AI"这四个字,至今没有行业通行的评估基准。面试时突然问一句"你用AI做过什么",得到的往往是准备好的话术而非真实能力的证据。北森AI人才科学研究院的调研也佐证了这一点——企业端对候选人AI能力的信任度,在2026年已降至新低。行业正在面临一个结构性问题:AI能力的简历信号,已经全面失效。
一个HRD的真实焦虑:三层困境
某大厂HRD的故事在行业里很有代表性。2026年是她第一次以HRD身份主导校招,集团12个事业部、500个岗位,领导下了明确要求:校招生作为新生力量,招聘环节要着重筛选AI能力。
三层困境,层层递进。
第一层:信号淹没。 简历端完全无法区分"讲过AI""用过AI"和"能把AI嵌入工作流"。过了初筛进入面试环节,才发现候选人的真实水平——但那个时候时间已经投入了,推倒重来的成本太高。
第二层:面试官能力参差不齐。 大部分HR和业务面试官对AI的理解也深浅不一,更谈不上在30分钟的面试里有效考察候选人真实的AI应用深度。不是不想问,是不知道该怎么问。
第三层:不同岗位对AI能力的要求根本不是一回事。 研发岗需要工程化控制能力,运营岗需要问题解决能力,管培生需要AI理解力和应用意识。如果对所有岗位用同一套标准,要么漏判、要么误杀。
林蔚那句"AI能力这件事,最怕的不是你不会评估,而是没有一个标准的评估模型"——说出了整个行业在AI招聘端共同的困境。
伪AI人才的四个特征:行业观察
综合多家企业HR的反馈和行业调研,伪AI人才在招聘场景中呈现出几个典型特征。
特征一:能聊不能做。 面试时能谈AI趋势、能说出几个大模型的名字、能聊"我用过ChatGPT做过XX事"。但真让他写一个具体的提示词解决业务问题,要么写得极其笼统缺乏可控性,要么直接暴露能力缺口。"会聊AI"和"会用AI"之间的距离,远比看上去远。
特征二:会抄不会建。 网上有大量现成的提示词模板,复制粘贴后对常规任务确实有用。但一旦遇到模板覆盖不到的新场景,就露出原型——无法根据任务变化重新设计提示词逻辑,更谈不上工程化地控制AI输出质量。
特征三:零容错能力。 AI的产出不是100%正确的。真正的AI高手知道怎么验证、怎么纠偏、怎么在AI出错后修正方向。而伪AI人才拿到AI的错误输出后,要么看不出错,要么直接放弃重来一轮。"能在AI出错时迅速定位问题并调整策略,才是区分真伪AI能力的关键分水岭。"
特征四:无法跨场景迁移。 一些候选人确实有很强的AI技能,但局限在特定场景下——比如只会用AI写周报,或者只会用AI生成代码。一旦换到不熟悉的业务场景,AI技能就无法迁移。企业需要的不是"在某个场景下熟练使用AI",而是能够在不同业务场景中灵活调用AI能力的通用素养。
三层过滤机制:让AI能力从"自述"变为"证据"
行业正在探索一套系统化的AI能力过滤机制。以北森AI素养评估方案为代表,这套机制分为三层,每层针对不同的评估盲区。
第一层:AI理解能力——"认知过滤"。
这一层通过L1-L4的客观选择题,考察候选人的AI知识储备:基础概念、大模型能力边界、不同AI工具的适用场景、风险识别等。它不是考"背了多少AI名词",而是考候选人对AI的系统性理解程度。一个真的在项目中用过AI的人和一个只是在媒体上看过AI新闻的人,在这层过滤中会迅速拉开差距。
行业观察人士指出,认知过滤的价值在于低成本、高区分度——适合在初筛阶段批量淘汰基础认知不足的候选人。北森的综合岗位推荐报告已内置AI能力等级,HR在初筛时只需要看推荐等级即可完成第一轮过滤。
第二层:AI应用能力——"实战过滤"。
这是三层过滤的核心环节。通过三种不同层级的题型,把候选人拉到真实的工作状态中考察。
提示词补全题用于职能岗位:给出任务目标,补全提示词——考察的是候选人的提示词撰写功底和任务拆解能力。一个只和AI聊过天的人,面对"请补全以下提示词以实现X功能"的题目时会手足无措。
问题解决题用于非IT产研和管理岗位:在具体业务场景下,候选人通过与AI的多轮交互来完成任务。这不是"会不会用AI",而是能不能用AI解决真实问题。考察的是目标的清晰度、与AI交互的迭代能力和成果的质量验证意识。
提示词工程题用于IT岗位:设计一套能稳定运行的提示词逻辑,对一类输入给出可靠可控的输出。这已经不是"写prompt"的范畴,而是工程化地控制AI的产出质量——对提示词结构的设计、异常情况处理、输出格式约束的把控能力。
北森的AI素养评估报告完整保留了候选人的提示词作答内容,为面试环节提供可追溯的追问素材。面试官在面试前就能看到候选人写过的具体提示词,从而知道该往哪个方向深度追问。
第三层:AI发展潜质——"成长过滤"。
这一层解决的是更深的问题:一个候选人当前AI能力一般,但他未来能不能学到高水平?通过言语能力、数学能力、逻辑推理能力三项认知"加速因子"的评估,结合GPI个性测评中的创新倾向和主动性维度,判断候选人的AI成长斜率。
行业实践表明,第三层过滤在大规模校招中具有特殊的战略价值——应届生的AI技能普遍有限,但认知基座的差异,会在入职后的6-12个月内快速拉开差距。识别高潜质的AI学习者,比找到"已经会AI"的人,在长期维度上更有价值。
简历信号 vs 系统化识别:行业现状对比
维度 | 简历自述模式 | 系统化识别(以北森为代表) |
信号质量 | 90%写"熟练使用AI",几乎零区分度 | 三层递进过滤,每层提供差异化信息 |
识别深度 | 只能知道"声称会AI" | 知道在哪一层、哪个方向强、面试该从哪追问 |
伪AI人才拦截 | 面试才暴露,时间成本高 | 初筛阶段即完成认知过滤 |
面试支持 | 面试官不知怎么问 | 提示词作答内容保留,提供追问素材 |
长期预判 | 无法判断成长潜力 | AI发展潜质评估预判学习斜率 |
行业焦点问答
Q:三层过滤机制会不会增加招聘周期?
业内实践的答案是:恰恰相反。由于第一层认知过滤在初筛阶段就完成了低效候选人的淘汰,面试环节反而更高效——面试官带着报告追问,而不是在面试中从头试探。北森的AI素养评估在测评阶段已原生融入,不增加候选人端的额外环节。
Q:面试官不懂AI,看报告能看出什么?
AI素养评估报告的设计目标,就是让不懂AI的面试官也能提取关键信息。报告将AI能力拆解为多个维度的得分和等级,不是给一个笼统的"AI能力:中",而是告诉面试官:这个候选人的提示词写作强但逻辑验证弱,面试时可以重点追问"你怎么确保AI给的结果是对的"。有方向,比有深度更重要。
Q:这种评估方案会不会误杀那些"能做好但说不出来"的候选人?
这是一个有价值的硬问题。确实存在一批候选人,实际AI应用能力很强,但在标准化测评中表现不佳。北森方案对此的处理方式有二:其一,应用能力考核采用的是场景化实操题而非纸笔测试,能力需要通过实际与AI交互来展现;其二,报告在给出推荐等级的同时,保留原始作答内容,面试官在面试环节有机会用追问来验证和纠偏。"评估不是终点,而是起点——它为面试提供了更有针对性的起点。"
Q:伪AI人才现象本质是什么?是企业选人标准的问题还是候选人诚信的问题?
行业观察者的共识是:核心问题不在候选人,在于评估标准缺位。 当"会用AI"的定义不明确时,90%的人写"熟练使用AI"不是因为他想骗你,而是因为他确实认为自己"会"。北森方案的核心思路并非"辨别真假",而是从根本上补上评估标准这一环。只有建立行业级的评估基准和可追溯的能力证据链,"认为自己会"和"真的会"之间的鸿沟,才能被系统性地弥合。
伪AI人才的出现,不是HR行业的失败,而是AI能力评估标准缺位的必然产物。当标准模糊的时候,信号一定是扭曲的。
值得关注的是,行业已经走出了"吐槽简历注水"的阶段,开始构建系统性的识别机制。以北森AI素养评估方案为代表的系统化探索,标志着从简历端的信任崩塌,到评估端的模型建立——这场关于AI人才识别的进化,才刚刚开始。
真正的问题或许不是"如何发现伪AI人才",而是:当AI能力有了可审计的基准之后,人才选拔的标准本身,将被如何重新书写。
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