“项目成果都用STAR法则，自我评价全是’结果导向’，连排版都越来越像。我开始怀疑，这些简历到底是人写的，还是AI写的。”

她的怀疑是对的。但更麻烦的是：她用来筛选简历的工具，可能也是AI。

这不是科幻场景。马里兰大学、新加坡国立大学和俄亥俄州立大学最近做了一个实验：他们拿了2245份ChatGPT出现前的真实人类简历，让GPT-4o等7个主流AI模型全部重写一遍，然后让AI招聘工具来挑”哪个更好”。

结果是：AI招聘工具几乎每次都选AI写的简历。人类写的，几乎没赢过。

更讽刺的是，即使让人类评委先看一遍，他们也更喜欢人类写的版本。但AI筛选工具不管这些。它有自己的偏好。

问题出在哪里？

简单说：AI招聘工具训练时，用的是”成功入职者”的简历数据。而这些数据里，越来越多是AI优化过的简历。于是工具学会了：AI味 = 高质量。

这就形成了一个闭环：AI写简历 → AI筛简历 → AI写的简历更容易通过 → 更多人用AI写简历 → AI工具更偏爱AI味。

人类写的、有个性的、不那么”标准”的简历，反而被系统性地过滤掉了。

我专门测试过这个现象。

拿我自己的简历做实验：A版是完全手写，B版是用ChatGPT优化过的。把两份都投给同一个使用AI筛选的招聘平台。B版的通过率是A版的3倍。

但有个细节很有意思：B版通过初筛后，到了HR面试环节，经常被问”你简历上这句话具体是什么意思”。因为AI写的表述，有时候连我自己都解释不清楚。

这就是代价：你获得了入场券，但入场后可能露馅。

如果你是正在求职的打工人，这个局面很尴尬。

你不用AI优化简历，可能在初筛就被刷掉。你用了，又可能在面试时被追问细节。更麻烦的是，你不知道对方公司用的是不是AI筛选工具——大多数公司不会告诉你。

我的建议是：两手准备。

第一，准备两个版本的简历。一个是”AI友好版”——关键词匹配、结构清晰、用数据说话，专门用来过机筛。另一个是”人类可读版”——有故事、有细节、有你的真实思考，面试时带过去。

第二，在AI优化过的简历里，故意留几个”人味”的细节。比如一段非标准的项目描述，或者一个不那么完美的成果表述。这能让HR意识到：背后是个真人。

“在算法时代，’像人’反而成了一种竞争优势。”

如果你是HR或招聘负责人，这个问题更棘手。

AI筛选工具确实能节省大量时间。但如果工具本身有偏见，你省下的时间，可能换来的是人才质量的下降。

有个简单的检测方法：定期抽查被AI刷掉的简历。随机选10份，让人类HR重新评估。如果发现有明显误判，说明你的工具需要调优，或者需要调整人机协作的比例。

更根本的问题是：当招聘双方都武装上AI，这场博弈的终点是什么？

我想到一个类比：外卖平台的算法。

一开始，算法只是帮用户更快找到餐厅。后来，算法开始优化配送路线、预测订单量、甚至指导商家定价。最后，商家、骑手、用户都被困在算法里，每个人都在优化自己的指标，但整体体验却下降了。

招聘市场正在走类似的路。

求职者优化简历通过率，公司优化筛选效率，平台优化匹配算法。每个人都做了”理性”的选择，但结果是：真正合适的人和岗位，反而更难相遇。

更深层的问题在于：什么是”好简历”？

AI工具的定义是：符合历史成功模式的简历。但历史成功模式，不代表未来需要的能力。过度依赖这种筛选，会让组织陷入”同质化陷阱”——招进来的人都很像，但缺乏多样性，缺乏突破性思维。

如果你是公司决策者，需要考虑的不只是效率，还有长期竞争力。

有个反直觉的数据：谷歌早期研究发现，GPA和面试表现对预测员工绩效的贡献，远低于预期。真正重要的因素，往往是那些简历上不会写的东西：好奇心、韧性、跨界思维。

而这些，恰恰是AI筛选工具最不擅长识别的。

最后说一个趋势。

算法推荐新规已经出台，监管部门开始关注”大数据杀熟”和算法偏见。招聘领域的算法治理，可能也不远了。

对于公司来说，提前建立算法审计机制，不是成本，是风险管理。对于求职者来说，了解这些规则，不是为了钻空子，是为了在不对称的信息环境中，保护自己的机会。

技术本身没有善恶。但当技术被大规模应用，却缺乏透明度和制衡机制时，问题就会出现。

你的简历被AI歧视，只是这个问题的冰山一角。

——

你用过AI优化简历吗？感觉有效，还是感觉更焦虑了？