一家公司用AI筛掉的简历里，躺着后来在竞对公司做到销冠的人。另一家公司让AI给面试表现打分，机器评估最高的候选人，入职三个月就走了。
两件事放在一起看，指向同一个问题：AI在做招聘这件事上，是不是已经覆盖了不该覆盖的环节。
从2019年前后AI开始进入招聘领域，到现在几乎每个环节都能找到对应的AI工具——筛简历、初面提问、行为分析、能力评估、离职风险预测、人岗匹配打分。厂商把招聘拆成二十几个节点，在每个节点上都安了一个AI模块。功能列表越拉越长，但一线HR的感受却是另一种：AI参与得越多，需要人工纠正的错误也越多。
这不是在否定AI的价值。说句公道话，AI在招聘里确实做对了一些事。
批量简历筛选就是最典型的场景。一个岗位收八百份简历，光靠人工看，三天都看不完。AI能快速识别硬性条件的匹配度，把明显不符合的过滤掉，把候选池缩小到人工可以处理的规模。这件事AI做得比人好，标准清晰、执行一致、不会因为面试官下午犯困而漏掉关键信息。
同样，在结构化程度高、评估维度明确的环节，AI的表现也稳定。比如校招中的统一在线测评，所有候选人面对同样的逻辑题和情景题，AI打分排除了面试官个人偏好带来的偏差。纯从标准化的角度看，机器比人有优势。
问题出在AI被应用到它不该碰的环节上。
第一个容易踩过界的环节，是候选人潜力的判断。AI能分析一份简历里有哪些关键词、多少年经验、什么学校背景，但它判断不了一个人在非标准路径中积累的能力。一个从运营转销售、自己摸索出成交方法的人，简历可能比不上大厂关键词堆得漂亮，但实战能力未必弱。AI筛不到这种信息，不是它不聪明，是它的判断逻辑建立在过去的数据统计上，而数据统计天然偏向常规路径。
第二个环节，是人际互动中的软性信号。AI面试能记录候选人说了什么、语速如何、表情怎样，但它读不懂上下文里的潜台词。候选人说“我上一份工作是因为团队调整离开的”，AI可能理解为正常离职原因，但有经验的面试官会追问一句“调整具体怎么发生的、你在其中是什么角色”。区别不在信息获取，而在对信息的追问方向和深度。AI的提问逻辑是预设的，好面试官的追问是现场生成的。
第三个环节，也是最容易被忽视的，是组织适配度。AI可以给候选人打一个综合能力分，但这个分数脱离了你公司的具体环境。一个在扁平化创业公司表现出色的人，放进层级分明的传统企业可能完全施展不开。反过来也一样。这种适配性判断需要理解你的组织文化、团队风格、管理方式，AI没有这个上下文，也无法通过训练获得——每一家公司的适配标准都不一样。
那为什么还是有大量企业把AI越推越深？一个是厂商驱动的惯性——功能更多的方案看起来更有竞争力，企业选型时容易产生“别人都有我不能没有”的心态。另一个是决策者本身对AI能力的误解，觉得机器判断比人客观，那不如多让机器做判断。这个逻辑表面成立，忽略了招聘的本质不是客观打分，而是主观预见——判断一个人在未来的特定环境里能不能成，这本身就是一件不完全靠数据的事。
AI招聘到底改变了什么？三年下来，最积极的改变是帮HR从大量重复劳动中解放了出来。但如果说AI该不该做所有它能做的事，答案是否定的。能做和该做之间有一条线，这条线的位置取决于你招的岗位有多依赖标准化程度。批量招同质化岗位，AI可以多参与。招一个需要判断独特性的关键岗，AI应该退到辅助位置。
过去一年我接触过的企业里，做了最合理AI投入决策的，不是功能用得最多的那家，而是最清楚自己需要AI解决什么问题的团队。他们用AI筛简历、做初轮评测，然后把省下来的时间全部投入到面试深度的提升上。结果招聘周期缩短了，用人准确率也上去了。
AI做招聘不是越多越好。技术是工具，边界在人手上。
如果在一家企业里，HR花在纠错AI判断上的时间，超过了AI帮HR节省的时间，那就该停下来重新画线了。