ARTICLE · 1125892
AI面试官盯着你的瞳孔打分,这活儿科学上干不了
十月的秋招季，一个应届生点开面试链接，屏幕里坐着一位"面试官"——会眨眼，会点头，说话还带着气口。
只是眼神有点空。
三十分钟后他才回过神：对面从头到尾没有真人，只有一套盯着他瞳孔、眉毛和语速的算法。他讲了半天的项目经历，机器又原样追问了一遍，对话在原地打转。
这事在 10 月 3 日冲上了热搜，话题叫 #AI面试恐怖谷#，一度排到榜单二十几位，热度值十八万多。
越来越多的第一轮面试，对面坐的不是人
大家的吐槽集中在"吓人"：那张似人非人的脸，让人浑身发毛。
但我觉得，真正值得聊的不是它吓不吓人，而是另一个问题——它到底在测什么？
按热搜里的描述，这套系统的卖点是：摄像头全程开着，瞳孔转动、眉头微皱、说话停顿、语速颤抖，全被捕捉下来，转化成一份"可视化分析图表"。
翻译成大白话就是：它把你的紧张，当成了能力指标。
这一步，踩在了测评行业最不该踩的那条线上。
"用微表情判断一个人会不会说谎、抗不抗压，是心理学里被反复证伪的一条老路。"
—— 而这条路，我们已经走了快五十年
先说最硬的那组数据。
心理学家 Bond 和 DePaulo 做过一项里程碑式的元分析，把全球两百多项谎言识别实验、数万名受试者的数据汇总在一起。结论是：普通人判断一个人有没有说谎，平均准确率大约 54%。
抛硬币是 50%。
更扎心的是，警察、法官、心理医生这些"阅人无数"的职业，正确率和普通人几乎没差。所谓"火眼金睛"，在数据面前并不存在。
那微表情呢？影视剧里那种一闪而过、泄露天机的表情，真实世界里的情况是：研究者统计过，只有约 2% 的表情能被归为微表情，而且真话者和说谎者出现的频率，没有显著差异。
换句话说，你眉头皱一下，可能是因为心虚，也可能只是因为——对着一个假人讲话，谁不紧张？
心理学给这种误判起了个名字，叫奥赛罗谬误。莎翁笔下的奥赛罗，把妻子因被冤枉而生的恐惧，读成了不忠的愧疚，最后酿成悲剧。今天很多"看脸识人"的算法，犯的是同一个错。
把生理反应当成能力证据，测出来的从来不是"他行不行"，而是"他此刻紧不紧张"。
这是两回事，中间隔着整整一个效度问题。
在测评的术语里，这叫构念效度问题：你说你在测"抗压能力"，实际测到的却是"镜头焦虑"。分数写进了"抗压能力"那一栏，但证据来自完全不同的地方。
一份测错了东西的报告，比没有报告更危险。因为它看起来很科学——有图表，有分数，有"瞳孔动态"这种听着就很专业的词。
有意思的是，这不是我们独有的困惑。欧洲人已经用立法给了答案。
欧盟《人工智能法案》第 5 条第 1 款(f) 项规定：在工作场所和教育机构使用 AI 推断人的情绪，属于被禁止的做法，只有医疗或安全用途例外。这条禁令从 2025 年 2 月 2 日起就已经生效。
同时，用于招聘筛选、候选人评估的 AI，被列入"高风险"清单。违规的代价是最高 3500 万欧元，或者全球年营业额的 7%，取高者。
法案的立法说明里有一句话，几乎是在直接回应今天的热搜：这类推断情绪的技术，普遍存在"可靠性有限、特异性不足、泛化能力弱"的问题。
说白了，监管者比不少厂商更清楚：这门技术，做不到它宣称的事。
那是不是就该把 AI 从招聘里赶出去？
我不这么看。真正该被赶出去的，是"读心术"这个人设，不是 AI 本身。
AI 在招聘里最该干的活，恰恰是反直觉的：不是让它去"看透"人，而是让它把"标准"执行到底。
同一套题，问所有候选人；同一把尺子，给每个人打分；每一个分数，都能追溯到具体的回答和行为。这些事，人做起来又累又容易走样，机器做起来又稳又便宜。
它不该干的，是给"我看人很准"这句话套上一层算法的皮。
测评的价值，从来不是"看穿你"，而是把对人的判断，变成一件可比较、可追溯、可审计的事。
一旦它开始声称能读你的心，它就已经不在做测评了。
最后放一组数字，说明这件事为什么值得较真。
招聘平台 HirePro 今年的报告显示：2025—26 财年，有 45% 的测评被标记出诚信风险，比几年前的 32% 明显上升。其中增长最快的一类，正是"AI 辅助作弊"，一年涨了 50%。
招聘的两头都在被算法挤压：这边候选人用 AI 生成答案、甚至用深度伪造替考；那边企业用 AI 面人、用 AI 打分。
可越是这种时候，越该回到那个最朴素的问题：我们到底想测什么？
如果答案是"抗压能力"，那就去测他在压力下的真实行为，别去测他面对镜头时瞳孔放大了几毫米。
如果答案是"这个人靠不靠谱"，那就把评判标准写下来、把流程定下来，而不是交给一张会眨眼的假脸。
热搜会过去，"恐怖谷"这个词明年可能就没人提了。
但那条线会一直在：测评可以测量行为，不该测量灵魂。
分不清这两者，AI 面试官就永远只是一个穿着西装、盯着你瞳孔的算命先生。
老王，人才测评行业老兵聊点关于"看懂一个人"的真话