HR 在 AI、人才与招聘上的答案错在哪里 | Ben Eubanks

Ben Eubanks 从青少年时期就立志从事 HR 工作。多年实务经验后，他转向研究领域，追踪行业趋势，并著有多本被 CHRO 收藏的书籍。他的第一本书《Artificial Intelligence for HR》成为该领域被引用最多的参考资料。第二本《Talent Scarcity》则直面每位 HR 领导都在追问的问题：人才都去哪儿了？

在本期 Xobin Talks 第 18 集中，Guru 直击核心难题。他追问为何 HR 领导者在 AI 上依然犹豫不决，人才短缺背后的真实人口结构，以及全球薪酬平等是否现实，招聘专员在自动化到来前应如何应对。

HR 领导者是否准备好为 AI 投资，还是仍在观望？

Guru 首先提出了 Xobin 客户群体中常见的问题：尽管围绕 AI 的讨论热烈，许多 CHRO 和 HR 采购者依然犹豫不决。这种犹豫有道理吗？

Ben：“AI 已经迅速融入日常招聘流程，企业在人才搜寻、简历筛选、岗位匹配和候选人评估等环节广泛应用。但确实有部分人持保留态度，尤其是在全球法律合规方面，大家担心是否可以用 AI 直接决定录用。”

Lighthouse Research 每年都会开展大型人才招聘研究。今年的数据揭示了一个有趣现象：有一部分雇主明确表示不会在招聘中使用 AI。追问原因，前三大理由非常一致。

Ben：“首要原因是：我们不想让人被机器取代，决策中必须有人参与。第二是：担心影响雇主品牌，AI 可能做出我们无法完全控制或预判的行为。第三是：我们认为 AI 还无法胜任基础招聘任务。”

初级招聘专员的类比

Ben 在此提出了一个能改变讨论视角的观察。

Ben：“我们新招的初级招聘专员同样存在这些风险。他们可能说错话、在网上发布不当内容、流程出错或无法胜任常规任务。我们把所有担忧都投射到 AI 上，但这些风险其实一直都存在。我们却对 AI 要求‘天生完美’，这才是真正的问题。”

这个类比一针见血。没有企业会因为初级招聘专员可能犯错就拒绝招聘他们。对人类容忍失误、对算法要求完美，本质上是情绪化而非理性的选择。Ben 明确指出，AI 的应用趋势已不可逆转。

Ben：“很多公司已经将 AI 作为竞争优势在用。我们预计，随着这些公司不断领先，差距会越来越大。”

根据 SHRM 2024 年人才趋势报告，四分之三的 HR 专业人士认为，未来五年 AI 将提升招聘中人类判断的价值。对 Ben 来说，更值得关注的是，已经应用 AI 的企业与仍在观望者之间的差距正在拉大。

不同代际在 AI 决策上有何不同？

Guru 指出，在 Xobin 的数据中，绝大多数提交的简历都由生成式 AI 创作或深度修改。如今步入职场的候选人是 AI 原住民，而做采购决策的领导者往往不是。

让 HR 领导者震惊的自动化 Offer

Ben：“我在讲解 AI 应用时常举 Amazon 的例子：有人申请职位，系统自动读取学历和经历，自动发送测评，通过后直接生成市场价 Offer，全程无需招聘专员或用人经理介入。每次我在 HR 领导者面前讲这个案例，都能看到他们明显退缩。”

Ben 认为，这种反应确实反映了现实：对于企业岗位，完全自动化的筛选并非候选人所期望，也难以保证决策质量。但随着 AI 原住民一代逐步走向管理层，这种观念势必会发生转变。

简历已不再是可靠信号

Ben：“最新研究显示，大约 70% 的大学毕业生会用 GPT 和生成式 AI 工具来制作并匹配简历。这意味着，未来从这类群体中招聘会越来越难，因为所有简历看起来都差不多。那我们怎么办？必须改变筛选方式。”

答案不是检测并淘汰 AI 生成的简历，而是彻底放弃将简历作为主要筛选信号。Ben 以高校为例：现在大学也不再指望家庭作业都是原创。招聘方同样要面对信号变化，筛选方式也要随之调整。

如果大多数简历都由 AI 生成，这对筛选意味着什么？

这是 Guru 最直接追问的问题，也是 Xobin 致力解决的难题。Ben 的答案基于候选人调研，而非雇主偏好。

Ben：“数据显示，候选人其实更喜欢这样：与其只提交简历，不如能同时做一个简短的岗位相关测评。这样他们能了解公司看重什么、岗位重点是什么，也能展示自己的真实能力，而不仅仅是简历写得好不好。”

这彻底改变了对测评的认知。以往大家认为测评只是为了企业自身的效率、公平和信号质量。但 Ben 指出，候选人同样需要它。因为当所有简历千篇一律时，优秀人才无法脱颖而出，岗位测评正好提供了展示舞台。

速度≠信任

对 Guru 来说，这印证了 Xobin 的核心理念：解析简历，定制测评，验证候选人是否真的具备岗位能力。

Ben：“我最近也举过类似例子。有家 HR 科技公司开发了自动生成岗位描述的工具，三四年前投入巨大。现在，任何人用 ChatGPT 就能免费做到同样的事。过去需要数年和数十万美元的投入，如今已成免费工具。”

技术同质化速度极快，Guru 深有体会。Ben 的建议是：抢先上市不等于值得信任。HR 科技买家更信赖像 Xobin 这样有口碑、有积累的公司，而不是刚成立两个月的团队。竞争优势不在于新奇，而在于持续解决实际问题、及时响应客户需求。

人才短缺的真正原因是什么？这是现实还是周期性现象？

话题转向 Ben 的新书。Guru 认为人才短缺没有简单答案，他更关心趋势走向。

Ben：“全球人口学专家认为，若要实现人口长期自给，每户家庭需要约 2.3 个孩子。美国上次达到这个水平已是 50 年前。我们现在的人口增长远远无法满足所有岗位和机会。过去的解决办法是移民，但这只是短期措施。未来其他国家也会留住自己的人才。”

最新数据

自本次对话录制后，数据进一步恶化。2025 年美国生育率降至每位女性 1.6，远低于维持劳动力所需的 2.1。2025 年劳动力参与率维持在 62.4%-62.7% 的窄幅区间，2026 年进一步下滑。2025 年净移民锐减至约 51.5 万，较 2024 年的 220 万大幅下降。

Ben：“印度目前每户家庭约有两个孩子，虽然高于大多数发达国家，但也低于自给线。一般来说，一旦生育率下降，趋势就会持续下去。”

这不是经济周期导致的招聘难题，而是结构性人口变化。自动化只能部分弥补缺口--它改变的是岗位数量和类型，而不是创造更多劳动力。

当可用人才减少，雇主究竟该怎么做？

Ben 指出两大应对杠杆，并认为大多数企业只用到了其中之一。

更聪明地招聘，或更好地留人

Ben：“我们有两种选择：一是更智能地招聘，拓宽人才池；二是留住现有高绩效员工，保留他们的知识和经验。无论招聘还是留人，研究反复证明，‘一刀切’的方法都行不通。”

Ben 的研究结论很明确：无论招聘还是留人，千篇一律都难有好效果。问题在于，真正做到个性化需要处理大量变量，单靠管理者很难兼顾。这正是 AI 能发挥作用的地方--不是取代判断，而是让关键信息在关键时刻浮现。

AI 如何提前发现离职风险

Ben：“我们合作过的一家公司有一套离职风险预测算法，能分析上百种信号。一旦发现某人有离职迹象，就会标记透明的具体因素：比如 Ben 已三个月没和经理一对一沟通，四年没调薪，最近绩效下滑。这些都是 Ben 可能准备离职的信号。”

AI 并不取代管理者的沟通，而是让管理者能在为时未晚时掌握关键信息。优秀的管理者对核心员工能做到这一点，AI 则能将这种能力扩展到那些悄然失联的员工身上。

全球人才是否应获得同等薪酬？

Guru 提出 Xobin 数据中的一个问题：为何旧金山的工程师薪酬是印度同行的五倍？这种差距是否在缩小？

Ben：“同工同酬原则很重要。如果你在美国和菲律宾或新加坡有技能和产出相当的团队成员，却只给其中一方极低薪酬，这显然有问题。”

真实案例：按本地标准支付全球人才

Ben 以自身为例。Lighthouse Research 在菲律宾雇佣了一位行政人员 Jessa，按美国标准支付薪酬，因为他们希望她优先为公司服务，也不想失去她。

Ben：“我们其实已经在实践这种做法。但对很多公司来说，这很难。即使在美国，远程办公普及后也曾争论：如果员工住在低成本地区，是否该降薪？很多公司选择不降薪，采用统一远程薪酬，让员工自由选择居住地。但为什么对海外团队就没这样做？”

这个问题没有标准答案，Ben 也坦言数据无法给出定论。但 Guru 的追问让问题变得更难回避。他指出，大型语言模型正在消除语言壁垒，远程办公已成常态，Xobin 这类平台也能跨地域一致评估能力。技术上实现同工同酬的理由越来越充分，但企业行动还未跟上。

招聘专员和初级 HR 如何在岗位被自动化前自我提升？

Guru 说，这是第一次有人如此直接问 Ben 这个问题。他特意记下来再作答。

Ben：“最难被算法取代的，是人类技能。这不仅限于 HR，比如同理心、创造力、批判性思维，这些都很难用算法实现。”

他用一个二维坐标系解释：一轴是以人为本到以流程为本，另一轴是重复性到创新性。越靠近‘以人为本+创新性’的任务越难被替代，‘流程+重复’的任务最容易被自动化。

建立算法无法复制的联系

Ben：“如果你最擅长的是数据分析和趋势挖掘，那你得尽快学点别的，因为 AI 这方面比我们强。但建立联系、发展关系、从简历中发现亮点并展开对话，这是人类的独特优势，算法做不到。”

他早年招聘黑鹰直升机教官时就有体会。

Ben：“我很快发现，群发邮件给 20 个人没人理我，必须个性化。‘Hi Mark，我看到你也是热气球飞行员，太棒了，聊聊吧。Hi Jamie，你简历上有这个经历，你认识某某吗？他也在你同一个部队。’我总能找到算法无法做到的共鸣点。”

不可预测性才是真正的护城河

Ben 还指出，大多数 AI 研究者低估了人类工作的结构性特征--不可预测性。

Ben：“算法只能在结构化环境下运行，变量有限、规则明确、结果可预测。而我们大多数人工作的环境反馈极慢，甚至几个月后才知道决策对错，每个情境都不一样。你无法用算法应对这种环境。”

对初级或中层 HR 人员来说，指引很明确：向不可预测、深度人性的工作靠拢。去做那些需要读懂氛围、管理关系、处理模糊、在信息不全时做判断的事。这些领域，自动化短期内难以触及。

关于 Ben Eubanks

Ben Eubanks 现任 Lighthouse Research and Advisory 首席研究官，这是一家为全球 HR、人才和学习领导者提供支持的人力资本管理研究与咨询机构。他著有《Artificial Intelligence for HR》，这是全球招聘、人才发展和员工体验领域被引用最多的 AI 参考书。他的第二本书《Talent Scarcity: How to Hire and Retain a Shrinking Workforce》则直面劳动力短缺问题。

Ben 拥有十余年 HR 和招聘高管及劳动力研究经验。他主持播客 We're Only Human，曾为全球数万名 HR 专业人士演讲。2009 年创办 HR 社区 upstartHR，至今已帮助超过百万读者。

欢迎通过 LinkedIn 与 Ben 联系 | 机构：Lighthouse Research and Advisory