AI把候选人都“包装”成优秀,HR该怎么识别真正能干的人?

最近很多HR都有一个明显感受：候选人的面试表现越来越好了，但招进来之后，真正能扛事的人却不一定更多。

简历写得漂亮，项目讲得完整，方法论一套一套。

问岗位理解、业务思路、个人优势，回答都很流畅。

可真正入职后才发现，有些人只是“很会讲”，并不一定“很会做”。

这背后，一个重要变量就是AI。

现在，候选人可以用AI润色简历、梳理项目、准备面试答案，甚至模拟面试。

过去需要长期积累才能形成的表达结构、案例包装和专业话术，如今都可以被快速生成。

于是，招聘的难题变了：

当所有人都能借助AI呈现出“优秀候选人”的样子，HR到底该怎么判断谁真的能胜任？

01 面试表现好，不等于能力真的强

过去，HR判断候选人，常看几个信号：简历经历是否匹配、项目表达是否清晰、回答问题是否有逻辑、是否能讲出方法论。

这些标准没错，但在AI时代，它们的区分度正在下降。

一个候选人原本只是参与了项目执行，经过AI包装后，简历上可能变成“负责项目策略制定并推动转化提升”；一个人本来没有系统总结过经验，只要输入岗位JD和个人经历，就能生成一套完整的面试话术。

这就导致一个问题：AI降低了“看起来优秀”的门槛，却没有降低“真正能胜任”的门槛。

候选人能把项目讲完整，不代表他真的做过关键决策；能给出成熟方案，不代表他理解背后的业务逻辑；能回答专业问题，也不代表他能在复杂场景中独立解决问题。

所以，HR不能再只奖励“表达流畅”“逻辑完整”“案例好听”的候选人。

表达能力当然重要，但它不应该继续承担过多的能力判断功能。

面试真正要识别的是：这个人是否真正理解问题、是否做过关键判断、是否承担过结果。

面试官不妨少问一点“你做了什么”，多问一点：

当时为什么这么做？

还有哪些备选方案？

你具体负责哪一部分？

哪个决策是你做的？

如果重来一次，你会怎么改？

真正做过事的人，能讲出现场感；只靠包装的人，通常经不起连续追问。

02 越想“防AI”，越可能招错人

面对AI带来的不确定性，很多企业会选择强化验证：现场作答、限时测试、全程监控，甚至要求候选人完全脱离AI完成任务。

这些做法有必要，尤其在核实基础能力和经历真实性时。但如果招聘变成一场“防AI考试”，也可能走向另一个误区。

因为不用AI，不等于能力真实；会用AI，也不等于能力差。

过去没有AI时，候选人也会背标准答案、套项目模板、复述他人经验。限制工具只能改变作答条件，并不能自动保证评价准确。

更现实的是，很多岗位的工作方式已经变了。

内容运营会用AI生成选题、优化标题；市场人员会用AI拆解用户画像、整理竞品资料；产品经理会用AI梳理需求、辅助写文档；数据分析师会用AI辅助写SQL、解释异常数据。

如果企业在工作中鼓励员工使用AI提高效率，却在招聘时只认可“脱离工具”的表现，就会出现矛盾：用过去的考试方式，筛选未来的工作能力。

这会造成新的误判。

把反应快等同于思维敏捷，把不用工具等同于专业扎实，把独立完成等同于综合能力强。

可真实职场不是抢答比赛，很多工作需要的是信息整合、判断取舍、持续验证和结果负责。

所以，问题不该是“候选人有没有用AI”，而是：

他是否有真实能力？是否知道AI的边界？是否能对结果负责？

03 AI时代，面试该考察什么？

AI时代的招聘，不是简单禁止AI，而是重新划分人的能力和工具能力。

首先，专业判断不能外包。

AI可以提供信息、生成方案、整理思路，但候选人必须能判断信息是否准确、方案是否可行、风险是否可控。

如果一个人连AI输出里的明显错误都看不出来，那么AI不是帮他提高效率，而是在放大他的失误。

其次，要看候选人能不能借助AI解决真实问题。

对于本来就需要使用AI的岗位，企业完全可以设计开放式任务。

比如让候选人用AI辅助完成一份推广方案、用户分析或项目计划，然后要求他解释：

你如何向AI提问？

哪些内容采用了，哪些删掉了？

你为什么这样修改？

这个方案最大的风险是什么？

如果执行不达预期，你会先排查哪里？

这样考察的不是“有没有使用AI”，而是候选人是否具备人机协作能力、判断能力和结果意识。

最后，要看候选人是否能承担最终责任。

工具可以参与工作，但不能替人负责。

无论方案由谁生成，候选人都必须能解释结果、识别风险、核验信息，并在结果不符合预期时找到问题所在。

真正有价值的人，不是完全不用AI的人，也不是AI给什么就信什么的人，而是能驾驭AI的人。

04 HR可以这样优化面试

想提高AI时代的面试准确度，关键不是增加题目难度，而是改变评价方式。

第一，从“听结果”转向“拆过程”

候选人说“我提升了转化率”“我优化了流程”“我推动了增长”，面试官不要急着认可，而要继续拆：

项目背景是什么？问题怎么发现的？方案怎么选的？你负责哪一段？结果和你的动作之间有什么因果关系？

结果可以包装，过程更难伪造。

第二，从“问知识点”转向“问判断题”

少问“什么是用户增长”“如何做私域运营”，多问真实冲突场景：

如果新增用户很多但留存很低，你怎么判断问题？

如果老板要短期涨粉，但会损害账号定位，你怎么处理？

如果客户需求能带来成交，但可能影响长期服务质量，你怎么选择？

知识点可以背，判断题更能看出能力。

第三，允许使用AI，但必须复盘全过程

对于AI应用程度高的岗位，可以让候选人在规定时间内使用AI完成任务，但重点评估他的提问方式、筛选能力、修改逻辑和风险判断。

看他是被AI带着走，还是能让AI为自己的目标服务。

第四，不同岗位设置不同标准

技术岗位，要验证基础知识和错误识别能力；

运营、市场、内容岗位，要看业务理解、用户洞察和AI提效能力；

产品、项目岗位，要看问题定义、资源协调和取舍判断；

管理岗位，则更要看决策质量、风险意识和责任承担。

AI时代，不应该用一套模板面试所有人。

最后

AI让候选人更容易呈现出“优秀”的样子，也让HR更容易被“表演型优秀”迷惑。

但招聘真正要找的，从来不是最会回答问题的人，而是能把事情做成的人。

未来的面试，不必变成一场“谁能摆脱AI”的考试。企业真正需要识别的是：谁有真实经验，谁有独立判断，谁能识别错误，谁能借助AI放大能力，并对最终结果负责。

AI时代，人与人的差距，不在于谁能给出最漂亮的答案，而在于当AI给出一个看似完美的答案时，谁知道该不该相信它。