AI 不是一项工具，而是一项能力建设 | Indwin Edwin Joel

Indwin Edwin Joel 起初并未计划从事人力资源工作。作为一名工程师出身，他转向了人才发展领域，并在十五年间跨越七大行业：诊断、医疗、制药、IT 服务、物流、航运以及社会公益领域。他目前负责 Anubavam Technologies 的人才发展，这是一家为教育行业打造 AI 平台的科技公司。

在第 26 期 Xobin Talks 中，主持人 Aman Kumar Tiwari 向他提问：AI 在招聘中的真正含义是什么？企业在采用 AI 时常见的误区有哪些？未来十年的人才招聘会发生怎样的变化？

当下 HR 领导者眼中的 AI 驱动招聘是什么样？

Edwin 的切入点更偏向历史而非技术。他梳理了 HR 随着工业发展阶段的演变，从行政职能到人力资源管理，再到人力资本管理，直至如今他所认为的“员工体验”时代。

Edwin：“从行政管理到体验导向，越来越多企业将人力资源定位为‘员工体验团队’。AI 在 HR 领域的应用，是从传统招聘向智能化人才编排的转变。”

从直觉到结构化证据

他最敏锐的观察在于，资深招聘官的“直觉”其实源自哪里。

Edwin：“我们常说‘凭直觉’。其实这种直觉，是我们大脑中积累的数据，只是很模糊。现在，这些能力信号、行为线索、认知能力等，都可以通过系统化方式来分析。”

超过 65% 的招聘人员已在使用 AI，主要目的是节省时间（44%）、提升候选人搜寻效率（58%），并将单次招聘成本降低至 30%（DemandSage, 2026）。效率提升有据可查。但 Edwin 指出，更深层的变化在于认知方式：原本依赖个人经验的判断变得结构化、可迁移、可沉淀为组织能力。

通用招聘语言

Edwin：“放眼全球市场，AI 能推动形成一种通用招聘语言。个人成长于不同城市，难免对某些人或文化有偏好。而 AI 以结构化、基于证据的方式评估人才，能消除地域、偏见和壁垒。”

这种“去边界”不仅是地理意义上的，更是认知层面的：AI 让企业能用统一标准评估候选人，而不是受限于筛选者的文化假设。

将 AI 融入招聘，带来的最具变革性的优势是什么？

Edwin 以三大能力为核心，阐述 AI 为 HR 带来的突破，每一项都突破了 HR 长期以来被视为“结构性”的限制。

大规模无国界招聘

Edwin：“招聘不再受地域限制。AI 让企业能够以标准化流程和测评体系，在全球范围内大规模筛选人才，实现治理与可扩展性。”

据报道，AI 语音筛选助力下，一线及高量级岗位的招聘周期中位数仅为 2.8 天，而 2025 年全球平均为 44 天。速度提升是一方面，更重要的是地域突破。过去因跨国评估不一致而局限本地招聘的企业，如今可用同一标准在全球筛选人才。

HR 的战略价值提升

Edwin：“AI 仪表盘和结构化招聘体系，让 HR 真正成为企业战略决策的一部分。HR 已有机会进入决策层，但关键在于：我们是否用对了思维方式和数据？”

Edwin 最深刻的观点在于，HR 能否在决策层发挥作用，取决于能否用数据和证据说话。AI 为 HR 提供了分析基础。

Edwin：“即使不懂数据分析，HR 也能借助 AI 将复杂数据转化为有用洞见，并自信地采取行动。AI 不只是提升招聘，更让 HR 在领导层拥有更强的话语权，影响业务决策。”

预测分析，取代猜测

Edwin：“经验带来的模式和洞见，最终都可以通过系统化方式沉淀下来。无论我们在 Chennai、Gujarat、印度还是 Berlin 招聘，本质上关注的都是人才管理、招聘与保留。”

AI 平台如何帮助企业更有信心地识别合适人才？

Edwin 以三大成果为核心，说明 AI 平台如何弥补传统招聘流程的不足。

全球测评标准统一

Aman 指出 Xobin 在这一转变中的作用：正是这类平台，让全球统一的测评标准成为可能。

Edwin：“我们需要一个与国际标准接轨的统一测评框架。同时，印度也要建立反映本地市场的基准。统一基准能推动领先企业加速转型。”

标准化对于跨国招聘尤为关键。当企业同时在印度、中东和欧洲招聘时，印度候选人的测评结果必须在各地都具备同等意义。没有统一框架，比较就失去意义。

用现有数据预测人才潜力

Edwin：“企业通常会有技能矩阵或技能分析，可能是纸质或 Excel 记录。AI 能让这些测评数据用于预测未来表现。”

企业已积累的大量员工数据（测评、绩效、流失等）其实蕴含着预测成功的信号。Edwin 指出，AI 能将这些历史数据从被动档案转变为主动预测工具。

结构化招聘智能

Edwin：“提前规划未来岗位，持续储备合格人才。AI 平台能帮助企业在不同市场大规模招聘，让招聘流程更透明、一致、易于扩展，适应业务变化。”

AI 如何减少招聘中的偏见，而不是加剧它？

Edwin 从治理、问责和 AI 偏见产生的根源切入。

偏见源于训练，而非技术本身

Edwin：“关键在于我们是否正确训练了 AI 模型。如果用有问题的数据训练 AI，结果自然会出错。”

如果训练数据本身带有历史偏见，AI 只会放大这些偏见。技术本身是中立的，治理才决定其公正性。

隐藏敏感信息，消除暗示

Edwin：“人工筛选简历时，可能会注意到语言、性别、年龄、国籍等细节，这些会无意识影响判断。AI 可以在初筛阶段屏蔽这些敏感信息，从而减少个人偏见的影响。”

“盲筛”并非新鲜事，但 AI 能将其大规模、持续地应用于成千上万份申请，而非仅限于小范围试点。

AI 作为监控与审计机制

Edwin：“AI 还能监控和审计招聘流程。它是构建透明、可扩展、可审计、合乎伦理的 HR 体系的有力助手。这让 HR 成为公平的守护者，而非仅仅是执行者。”

决定 AI 是否减少偏见的，不是工具本身，而是围绕它建立的治理结构。Edwin 始终强调：技术中立，责任需主动构建。

企业在招聘领域开启 AI 转型的第一步是什么？

在这一部分，Edwin 给出了最具体、最直接的建议，并指出企业常见的误区。

以问题为起点，而非平台

Edwin：“要从招聘难题出发，而不是从技术出发。先明确目标、筛选速度、面试流程和测评方式，找出当前流程的短板，再选择最能解决问题的工具。”

常见误区是：看到同行用上 AI 工具，自己也买一套，却反过来被工具牵着走。正确顺序应是先识别瓶颈，再选工具。

分阶段引入 AI，而非一蹴而就

Edwin：“AI 不可能一次性全部落地，应该小步快跑。可以先从 AI 简历筛选做起，再到 AI 测评，然后是面试洞察或仪表盘，最后是 AI 驱动的 ATS 系统。优先选择对业务影响最大的环节。”

预计到 2026 年，40% 的企业应用将集成专用 AI 代理，而 2025 年这一比例不到 5%（Gartner, 2025）。这表明企业正从全面部署转向针对性集成，印证了 Edwin 的“分阶段”建议。

培养 AI 素养，而非仅仅获得 AI 工具

Edwin：“AI 不是一项工具，而是一项能力。每个人都需要提升对 AI 的理解和应用能力。这是一个学习、重学和再学习的过程。”

Edwin 明确区分了“采购”与“能力”：买来工具只是获得了 AI 的入口，只有提升 HR 团队的 AI 素养，才能真正掌控和优化系统，否则只会被动依赖。

短期成效与长期价值

Edwin：“企业要兼顾当下与长远。短期成效是业务运转的保障，长期价值则是业务变革。短期靠效率提升维持现金流，长期靠 AI 驱动的转型实现进化。”

快速筛选、提升效率、减轻行政负担等“短期成效”，为企业赢得追求“长期价值”的空间：无国界招聘、预测型人才管道、持续评估等。

未来十年招聘会是什么样？

Edwin 的展望围绕四大结构性转变，反映了企业对人才与工作的关系将如何重塑。

以技能为核心，突破地域限制

Edwin：“AI 将帮助企业根据技能而非地域或传统岗位结构匹配人才。未来可能会招聘现在还不存在的岗位。AI 还能发现被忽视的潜力人才，将他们与合适机会连接起来，极大拓宽全球人才池。”

这意味着，任何岗位的可选人才池不再受限于地域、关系或学历，而是由 AI 能大规模识别的技能信号决定。

持续评估取代定期考核

Edwin：“绩效管理不再局限于年终或季度，AI 将实现持续评估，贯穿员工全周期，洞察学习敏捷性、文化契合度、绩效预测等。”

年度绩效考核作为主要评估机制已受到挑战。Edwin 预测，AI 将推动持续、数据驱动的人才洞察，令定期考核逐步被淘汰。

候选人和员工体验高度个性化

Edwin：“一刀切已不适用。不同类型的人需要不同的方案。AI 能深度个性化，理解员工真实需求。很多需求员工未必愿意直接表达，但通过调研和历史数据，AI 能洞察并满足这些需求。”

高度合规与伦理治理

Edwin：“未来 HR 不仅要做 HR 审计，还要准备 AI 审计、模型透明度和偏见治理。HR 掌握着每位候选人的大量敏感数据，必须建立治理框架，保障公共利益。”

印度 DPDP 法案、欧盟 AI 法案和 ISO 42001 等都在强化 AI 招聘的高风险、高责任属性。将合规视为“以后再说”的 HR，未来转型难度会更大。

关于 Indwin Edwin Joel

Indwin Edwin Joel 现任 Anubavam Technologies 人才发展高级经理，负责该公司专业服务及教育行业 AI 平台 Great Campus AI。工程师出身的他，因机缘巧合进入 HR，15 年间跨足七大行业，坚信组织文化和人才发展才是技术投资能否见效的关键。他积极推动数字化 HR 转型、治理框架建设及 HR 团队的 AI 素养提升。

在 LinkedIn 与 Edwin 交流