[控场AI]
科技前沿· 4 分钟阅读· 2,101 字

AI让简历失效?内推面试率40%远超海投3%

AI让简历失效?内推面试率40%远超海投3%

AI让求职申请同质化,内推与可验证成果成为筛选关键。

文章探讨了AI生成求职申请带来的同质化问题。当所有申请信都变得完美无缺,招聘官难以从中辨别候选人的真实能力。招聘软件公司Ashby的数据显示,2021至2024年间,内推候选人的面试率高达40%,而直接投递者仅为3%。尽管存在选择性偏差,但渠道间的概率差距确实存在。文章指出,可验证的工作成果(如作品集、项目记录)和他人背书(如内推)是AI难以批量伪造的差异化信号。因此,求职者应将精力从打磨申请文本转向积累公开作品和真实行业关系,招聘方也需更依赖可验证信号进行筛选。

AI能帮你写出完美的求职申请,但也在帮所有人写出同样完美的申请。当每一封求职信都光鲜亮丽,招聘官还能从中看出谁真正能胜任吗?招聘软件公司Ashby的数据给出了一个耐人寻味的答案:能被验证的工作成果和愿意为你背书的人,可能比漂亮的简历更有分量。

当每封求职信都完美无缺

想象一位招聘官打开数百份申请。每一封信都经过精心打磨,每一位候选人都表达出对公司的热情。据视频分析,这种"完美"正在迅速贬值——AI让写出漂亮申请变得毫无门槛,招聘官面对的是大量高度同质化的文本。

Every letter is polished.

问题不在于AI写得好不好,而在于当所有人都能用AI写出同样好的申请时,申请本身传递的差异化信号就消失了。招聘官很难从一段流畅的自我推销里判断出谁真的具备岗位所需的能力。

Ashby数据:内推与海投的面试率差距

招聘软件公司Ashby统计了2021年至2024年间数百万份求职申请,结果呈现出明显的分层:通过内推(referral)进入的候选人中,40%获得了面试机会;而直接投递的候选人中,这一比例仅为3%。

40% of the referred candidates got an interview.

需要说明的是,这组数据并不直接证明内推"导致"了更高的面试率。正如视频所指出的,被内推的申请人本身可能就更匹配岗位——他们可能更了解公司、背景更对口,或者已经被内部人士筛选过一轮。

Referred applicants may already be better fit,

但即便存在这种选择性偏差,数据仍然揭示了一个事实:不同的申请渠道,抵达面试的概率本身就不在同一个量级。当AI把"说自己合适"这件事变得人人可做时,渠道和背书的价值反而被放大了。

内推背后的关键机制是员工推荐计划(Employee Referral Program)。企业通常鼓励现有员工推荐候选人,并给予奖金或奖励。这之所以有效,是因为推荐人往往了解被推荐者的能力与岗位匹配度,相当于进行了一次初步筛选。同时,被推荐者通常能跳过简历初筛,直接进入招聘官视野。从企业角度看,内推渠道的招聘成本更低、入职留存率更高,因此许多公司会优先处理内推申请。这也解释了为什么内推与海投的面试率存在数量级差异——渠道本身附带了信任背书和筛选前置。

文中提到的“选择性偏差”(Selection Bias)是统计学中的一个重要概念。在这里,它指被内推的候选人并非随机样本,而是本身就具有某些优势特征(如更强的背景、更匹配的技能、更充分的准备),这些特征同时影响了“是否被内推”和“是否获得面试”。因此,直接比较内推组与海投组的面试率,不能简单归因于内推的因果作用。要准确评估内推的净效应,需要控制这些混杂变量,例如比较背景相似的候选人。理解这一点有助于正确解读数据:内推的高面试率是“渠道效应”与“候选人质量效应”的叠加。

简历之外,什么在变得更重要

视频提出的核心问题是:如果你想在大量AI生成的申请中脱颖而出,你能拿出什么来证明自己,或者有谁愿意为你背书,让招聘方真正相信你?

Being able to show proof of your work

两个方向被反复提及:一是可验证的工作成果——作品集、实际项目、能被人看到的能力证据;二是人的背书——有了解你工作表现的人愿意为你说一句话。前者回答"你能做什么",后者回答"谁见过你做"。这两类信息都不容易被AI批量伪造,也因此保留了筛选价值。

可验证的工作成果指能够被第三方独立检验的能力证据,例如公开的代码仓库、设计作品集、发表的文章、上线产品的用户数据等。与简历上的自我描述不同,作品集允许招聘方直接评估候选人的实际技能水平、工作方法和产出质量。在AI可以轻易生成流畅文本的背景下,作品集的价值在于其不可批量伪造性——它需要真实的时间投入和技能实践。对于技术岗位,GitHub贡献记录、开源项目参与度、技术博客等都是常见的可验证信号;对于非技术岗位,案例分析、项目复盘、公开演讲视频等同样能提供可信的能力证明。

对求职者的实际启示

把注意力从"如何写出一封更好的申请"转向"如何积累可被验证的证据",是这组分析给出的务实建议。具体来说,公开的作品和项目记录、与行业内人士建立真实的工作关系、争取内推渠道,都比反复打磨求职信文本更能改变面试概率。

AI没有让求职申请变得无用,但它确实让申请文本的边际价值下降,让"证据"和"信任"的权重上升。对招聘方而言,这意味着筛选流程需要更多依赖可验证信号;对求职者而言,这意味着经营长期可见的工作记录,比临时用AI包装一份申请更划算。

#AI求职申请#内推面试率#简历失效#Ashby招聘数据#求职申请同质化#工作成果背书#AI写简历
分享:

相关推荐