ARTICLE · 1067303
当AI成为面试官,招聘公平被重新定义了吗
当AI成为面试官,招聘公平被重新定义了吗2026年9月，银行业秋招季拉开帷幕。招商银行把AI面试写进标准流程：双机位录制、30秒读题、60到90秒作答，每位候选人仅有一次机会，面试记录全行通用；平安银行在第一批笔试后发放AI面试通知；杭州银行、富滇银行陆续跟进；更早的8月，京东也宣布在2027年度校招中首次引入AI面试。原本多在春招试点的AI面试，今年正式成为秋招的第一道关卡，排在简历筛选之后、笔试之前。 从银行的角度看，这是一场漂亮的效率革命。素喜智研高级研究员苏筱芮对《证券日报》表示，AI一天能完成的面试场数远超人工，初面筛选周期可以从1到2周压缩到2至3天。工、农、中、建四大行今年秋招合计计划招聘约6.4万人，在如此庞大的简历基数面前，“标准化＋高效率”几乎无法拒绝。 但从求职者的角度看，体感是另一回事。有应届生把AI面试称作“无实物表演”：独自对着镜头自述，没有双向互动，无法重录，系统抓取回答关键词和微表情。更耐人寻味的是：AI面试刚成为标配，闲鱼等平台就有人公开售卖“招商银行AI面试题库”（已有29份成交）和“平安银行AI面48道高频真题＋满分答案”。 一边是算法试图“看懂”人，一边是候选人研究“算法想看什么”。这引出一个值得追问的问题：当面试官变成AI，招聘真的更公平了吗？还是说，公平的定义，正在被悄悄改写？ 对AI面试最常见的理解，是把面试官从“人”换成“机器”，认为这是一次效率层面的技术升级。这个理解只对了一半。 AI面试真正改变的，是招聘中沿袭了几十年的信号过滤机制——不是换了提问的人，而是换了“什么算有效信号”的定义。 传统面试是一套复杂的信号系统。简历看学历、经历、奖项；笔试看知识储备；面试看谈吐、逻辑、眼神、临场反应，甚至“气场”。面试官在模糊的人际互动中形成判断——你如何开场、如何应对追问、故事里的细节经不经得起推敲。这些信号的共同特点是昂贵：学历需要四年投入，实习需要真实经历，表达流畅需要长期训练。正因为造假成本高，它们才有筛选价值。 AI面试把这套系统整体替换了。以招行为例：1道中文题、1道英文题，30秒读题、60到90秒作答，系统自动出题、自动评分，评估维度是回答内容、逻辑结构、语速、微表情和仪态。宁波银行发布了业内首份AI面试参考指南，明确“背题、朗读等行为会被扣分”。 在这套新系统里，信号的定义变了：从“人如何呈现自己”，变成“人如何适配一套可量化的评估框架”。前者是模糊的、双向的、可以协商的——你可以观察面试官的反应随时调整策略；后者是确定的、单向的、不可讨价还价的——你看不到评分标准，不知道权重，只能对着镜头独自表演。 这个区别为什么重要？因为招聘从来不是中立的“选人”，它同时定义着“什么算人才”。当过滤机制变了，人才的标准就在悄悄移动。AI面试真正的分量正在于此：它不是一次工具升级，而是一次定义权的转移。 要理解这场变革的后果，需要回到一个1973年的理论。经济学家迈克尔·斯宾塞在论文《劳动市场信号》中提出信号传递理论，他后来因此获得2001年诺贝尔经济学奖。 斯宾塞要解决的是：劳动力市场上存在信息不对称——求职者比雇主更了解自己，雇主无法直接观察你的能力，只能依赖你发出的“信号”。但问题是，信号凭什么可信？ 他的答案是：一个有效的信号必须满足两个条件。第一，发送信号要付出成本；第二，这个成本必须与能力负相关——能力越高的人，发送同一信号的成本越低。教育文凭是经典案例：四年大学对高能力者是“跳一跳够得着”，对低能力者可能是“熬不完”。正因为付出的代价不同，文凭才能把两类人区分开。反过来，如果某个信号对所有人来说都一样便宜，它就失去了筛选价值——人人都能发，就等于什么都没说。 把斯宾塞的框架套到传统面试上，一切变得清晰：学历、实习、谈吐、临场反应，都是“昂贵信号”。面试官多年练就的直觉，本质是在给信号“定价”。 AI面试改变的，是信号的成本结构。答题时长被压缩到一分钟上下；题库高度标准化，集中在自我介绍、职业规划、实习经历、择业价值观；评估规则可以公开逆推——网上已经有人在卖题库和“满分答案”。发送信号的成本断崖式下跌。 斯宾塞理论的推论冷峻：当信号变得廉价，信息含量就会稀释。如果人人都能按题库准备出“标准答案”，AI面试筛掉的可能就不再是“不合格的人”，而是“不会答题的人”。筛子的孔洞变了，筛出来的东西就变了。 当然，AI面试目前只承担初筛，通过者还要参加笔试、多轮人工复试和终面。但初筛决定了谁有资格进入下一轮——在四大行6.4万人的招聘体量里，第一道关卡已经决定了绝大多数人的去留。 AI面试最主打的卖点是“消除主观偏见”：标准统一、评分客观、效率极高。各家银行的规则与指南，都在强化“程序公平”的印象。 但用信息不对称的框架看，这里藏着一个悖论：AI面试并没有消除不对称，它只是把不对称的方向反转了。 传统面试的不对称是单向的：求职者比雇主更了解自己，雇主的任务是“把信号读准”。而AI面试之后，不对称变成了双向：候选人依然不清楚“自己该展示什么”，而算法的评估规则——它看什么维度、怎么加权、阈值划在哪——候选人几乎一无所知。宁波银行专门发布业内首份AI面试参考指南来交代规则，这件事本身恰恰说明：规则不透明，是需要专门补的课。 更麻烦的是第二层。算法不是凭空生成的，它由训练数据喂养。如果历史数据里沉淀着过去的用人偏好——哪个学校、哪种表达方式、哪种长相更容易被标注为“优质”——算法会把这套偏好固化成“标准”。偏见没有消失，只是被封装进了黑箱：表面中立，实则无人能质疑，也无人知道该质疑什么。 于是求职者的处境变得荒诞：他不再需要证明“自己是人才”，而需要揣摩“算法认为什么是人才”。AI考察人，人研究AI的考点，网上热卖的题库就是这场军备竞赛的注脚。 走到这里，我们可以看清AI面试的本质张力。公平至少有三个层次：程序公平（规则统一）、结果公平（人人机会均等）、承认公平（每个个体被看见）。AI面试用程序公平，换走了承认公平。当一个人的经历、故事、独特之处被压缩成几十个“关键词命中率”，他不是被评估，而是被解析。 这正是信号传递理论在半个世纪后依然锋利的原因：它提醒我们，在任何信息不对称的关系里，谁定义信号，谁就拥有权力。面试官换成AI，权力没有消失，只是换了一个更隐蔽的持有者。 说这些不是让应届生恐慌，而是要分清你参加的到底是哪种游戏。 情形A：AI面试只是初筛，后面还有多轮人工环节（目前绝大多数银行如此）。这是一场“信号游戏”。你的任务是了解规则、按规则组织表达：用STAR结构讲经历，把关键词落在答案里，逻辑分层、控制时长、眼睛看着镜头。这不算投机——任何考试都有题型，把真实的自己翻译成算法能读的语言，是诚实且必要的适应。 情形B：AI面试开始涉及专业能力题。2026年秋招，部分银行的AI面已经新增图形推理、数据统计类题目。这已经不是“信号游戏”，而是“能力游戏”的前奏：算法在逼你展示可量化的硬实力。此时唯一的策略，是让能力本身变得可测量——项目数据、结果导向、可验证的产出。简历上每一个“负责”和“参与”，都要能换算成“多少、多快、什么结果”。 情形C：你发现自己开始为“过AI”而活。背题库、研究满分答案、对着镜子练标准微笑，把所有时间花在琢磨算法偏好上。如果是这样，停下来想想：一个把人才定义成“答题机器”的初筛，真的是你的赛道吗？ 信号传递理论给个体的真正启示，不是“如何更廉价地发信号”，而是：当所有人都能发送廉价信号时，真正的稀缺品是那些仍然昂贵的信号——不可被题库复制的经历、不可被算法解析的判断力、不可被关键词命中的独特性。 核心变量只有一句话：AI面试正在重新定义“什么算人才”。你要判断的，不是“AI会不会取代面试官”，而是这个新定义在放大你的优势，还是在抹平你的优势。如果是后者，你需要的是寻找算法暂时还看不懂的赛道。 今年秋招还有一组值得玩味的数据：四大行合计计划招聘约6.4万人，较上年减少约7000人；与此同时，工行把“科技菁英”列为六大校招岗位之一，招行明确要培养“既懂AI又懂业务”的复合人才。银行一边压缩标准化岗位，一边争抢AI人才——而那些未来要为银行研发AI的候选人，入行的第一道考题，恰恰由AI来出。 这不是巧合，而是同一个逻辑的两面：效率至上的系统，会把一切能被标准化的环节交给算法，包括“看人”。 AI面试只是一道切口。它真正的启示是：当效率成为最高准则，任何不能被量化的价值都可能被悄悄忽略。斯宾塞的理论诞生于1973年，他真正想说的从来不是“文凭有多重要”，而是：在信息不对称的世界里，谁能定义信号，谁就拥有筛选的权力。 面试官可以换成AI。但“什么算人才”这个问题，不该只由算法回答。 下一次对着镜头答题时，问自己一个问题：你是在向算法证明自己，还是在向未来的同事证明自己？