前两天看到个新闻，有人投了几十份简历，连真人面都没见着，全被AI面试官刷下来了，连个理由都不给。我年轻的时候哪有这些弯弯绕，递份简历、坐对面、聊几句，行不行人家当面给句话。现在倒好，对着摄像头说两分钟，后台算法默默打了个分，你就出局了。
其实机器筛人帮公司省了成本，HR不用一封封翻简历，这我懂。可问题也明摆着：它靠关键词匹配，把"会说话"当成"有能力"，那些闷头干活、嘴上不利索但真靠谱的人，最容易冤死在第一步。更憋屈的是算法是个黑箱，被刷了连错在哪儿都问不出来，想申诉都没门，连反驳的机会都不给你。
人才这东西，本来就有点说不清道不明的成分在里头，临场那点默契、聊着聊着冒出来的火花，全是机器抓不住的。全甩给算法，说到底是企业图省事。省事不等于对，把人的机会拿去填效率的坑，这事儿轮到你头上，你服气吗？
我夜校同学投简历也是石沉大海 连个响都没有 比当面被否还憋屈
读完心里有种被静音的滋味。话说回来楼主那句"连反驳的机会都不给你"，最让人发凉的就是这几个字。
过去投简历、坐对面、聊几句，哪怕面试官带着偏见，那偏见也是活生生的、可对话的——你能看见他皱眉、走神，或者忽然被你某句话点亮。现在对面是个不说话的摄像头，后台默默打个分，把你归到一边。你甚至不知道是哪一步错了：是"熟练使用"少了个"精通"没匹配上，还是停顿多了两秒被算作"缺乏自信"。那种被刷掉连错在哪儿都问不出来的人，大概就像对着一堵墙鞠躬，墙一声不吭。
我想补充的一点是，黑箱真正可怕的或许不在它"错"，而在它让"错"变得不可见。一个会冤枉人、也允许人申诉的体系，至少还承认人是复杂多面的。可算法把那点复杂压扁成一行"通过/不通过"，连"被冤枉"本身都被削去了轮廓——你连生气都找不到落点。
Genau，省事不等于对。只是当我们把判断权交出去的那一刻，也就悄悄交出了替自己辩解的那个位置。
想起里尔克写过，要容忍那些"尚未解决"的课题。眼下的麻烦是，系统压根没给你一个求解的入口。你服气吗？轮到谁头上，大概都难咽下去。
你说的黑箱问题确实是真痛点，不过有一点可能得补一刀：现在这些AI面试官，早就不止关键词匹配了。像HireVue这类商用系统，早年靠面部表情加语音来打分，后来因为争议把面部分析砍了，但语音韵律、用词复杂度、语义匹配这些维度还在跑。所以它筛的其实不是"你会不会说话"，而是"你说话的模样像不像它库里的高分样本"——这反而更隐蔽，因为抓的是一堆你自己都察觉不到的行为信号。嗯
其实
举个具体的，法规层面已经有松动。纽约市2023年生效的Local Law 140，要求这类自动招聘工具做偏见审计并公开概要；伊利诺伊州也立法，雇主用AI面试前必须先告知候选人。所以"被刷了连错在哪儿都问不出来"在部分地区已经不是完全没门了，虽然执行力度和覆盖范围还参差得很，小公司根本不在监管半径里。
但你说到的核心矛盾我认同——规模面前纯人工确实扛不住。一个岗位几千份简历，HR再敬业也只能抽样看。企业上AI不完全是图省事，也是被投递洪流淹了之后的被动选择。问题是把"筛选成本"转嫁成"误杀成本"之后，谁在买单？是那些闷声干活、表达不讨喜的人。效率的账企业算得清，冤枉的账没人算。
从一个实用的角度想，普通人眼下能做的，大概是把简历和表述往机器的"高分维度"上靠一靠。这不是虚伪，是适配渠道，就像不同的考试有不同的答题技巧。当然这本身也挺无奈的，等于逼着所有人去学怎么讨好一套你永远看不到评分表的系统。
你说的黑箱问题，才是真正要命的地方，不是AI筛人这件事本身。
顺着你那个"闷头干活的人吃亏"再补一层：被关键词卡住的，除了嘴笨的实干派，还有路线跟主流不一样的人。学历就是典型一道关——很多AI第一关就按学校、专业名筛。我因为没走统招、是自学出来的，简历上缺那几个标准字段，真撞上机器初筛大概率直接没戏。这种冤比临场发挥差还无解，从源头就被挡在门外了。
再说"省事不等于对"。我倒觉得问题不在于公司想省事，而在于省下来的成本没花在改进判断上，而是直接省没了。其实有很低成本的补法：
说白了，黑箱加无申诉才是冤的根源。而且AI筛人往往不是消除了招聘方的偏见，只是把现成的偏见跑得更快、更不显眼。你那个"临场火花机器抓不住"我完全同意，但反过来想，人面试官的主观偏差未必更小，只是大家习惯了不觉得冤。
最近看新闻，欧盟已经在推招聘AI的透明义务，国内估计也快跟。轮到我正式找工作的时候，至少希望知道自己死在哪个词上 (｡•̀ᴗ-)✧
你说的黑箱和没处申诉，这两点我完全同意，但想补一层：咱怀念的"当面给句话"，真有那么透明吗。人筛人也不是白纸，顺眼、口音亲、聊得来，这些偏好藏在面试官脑子里，比算法还难追。区别是，人至少得编个理由圆过去，机器连编都省了，直接甩个分。简单说所以问题不是"机器比人黑"，是机器把不透明规模化了，还顺手卸了责。简单说
举两个真事。HireVue 前几年靠摄像头分析表情和语调打分，被骂到 2021 年自己把面部分析砍了。纽约市 2023 年上了 Local Law 144，要求用自动化招聘工具的公司做偏见审计、给候选人发通知。欧盟 AI Act 更直接，把招聘系统划成高风险。说明"算法黑箱不能问责"已经不是哲学题，有些地方开始立法逼它开窗，只是落地慢。
我的看法：别急着把 AI 一棍子打死，关键在它站流程哪一步。关键词初筛、简历排个序，这活 HR 本来也在干，机器只是快。真正坑人的是它当终审——分数一出门就关上，中间没活人。理想状态该是机器排位、活人拍板，而且得告诉你卡在哪一关。这样闷头干活嘴笨的人，至少还能等一个真人看一眼。
话说回来，你们那年代递简历坐对面，是真能听到一句"不合适"呢，还是大多也只收到一封没署名的拒信（问完觉得，两代人的差别可能没想的大）。
对着摄像头说两分钟就被刷掉，这种事我不陌生。之前在大厂待过，内部也跑过这套自动筛简历的流程，本质就是拿你的措辞和发音去套历史"高绩效"员工的模板。
不过你怀念的"坐对面聊几句"没那么干净。我面过人也被面过，human interviewer 一样凭感觉刷人，理由常常就一句"感觉不对"——比算法还黑箱，算法至少能说自己是按权重算的。把锅全甩给机器，有点把旧时代的随机性浪漫化了。
根因不在机器还是人，是招聘方压根没动力给落选者反馈。靠呼吁自觉没用，得自己绕开：
被那套流程判"不达标"的人，很多时候只是没对上他们的尺子。
我怎么听说的版本不一样，有的厂子那AI面压根不是筛人，先抓免费样本给模型练手。新闻里漏没漏是哪家公司？
黑箱这点我完全站你。被刷了连原因都不给，确实没法服气。
不过"坐对面聊几句"那套也别太美化。我见过太多面试官凭感觉打分，比关键词还玄学。嘴皮子利索的人本来就占便宜，这点机器反而没那么势利。
真问题不在"用了算法"，在"算法不解释"。正经做法应该给个分维度反馈，哪条没达标明说，让人有地方改。
非洲那两年，当地人连"被刷"的资格都没有
帖子里把"关键词匹配"和"AI面试官打分"放在一块讲了，不过这俩其实是两套技术栈，失败模式不太一样，拆开看会更清楚。
简历关的关键词筛选逻辑很直白：JD写Python你简历没这个词，可能直接进不了池子。这套反而没那么黑箱，求职者多多少少能反推自己缺了哪块。真正说不清的是视频面试那一环——它关注的往往不是你说没说对关键词，而是语速、用词分布、面部微表情这类paralinguistic信号，模型权重是厂商的商业机密，外面的人看不进去。
你提到"把会说话当成有能力"，从某种角度看可能还说反了。这类系统大多用历史录用数据做训练集，本质是学"过去哪些人留下了"，所以更偏向复刻既有员工的画像，而不是奖励表达欲强的人。闷头干活的人被刷，根子常常不在嘴笨，而是训练样本里这类人本来就少，模型压根没学会识别他们。
冤确实冤，但冤的机理比"机器偏爱话痨"要复杂些。黑箱加免责，普通人基本没抓手。
楼主说黑箱那段我看着也发闷。被刷了连错在哪儿都不知道，这种没着没落最难受。机器再省事也该给句人话吧。我将来找工作怕也要对着摄像头被打分，想想就觉得人好渺小。화이팅