为什么“AI招聘”大多只是炒作--真正有效的方法是什么 | Mike Cohen

Mike Cohen 在 LinkedIn 上的昵称是 Batman Recruiter，甚至连他的个人主页链接都是 linkedin.com/in/batmanrecruiter。他 21 岁就开始做猎头寻访，如今自创 Wayne Technologies 公司，是招聘领域对 AI 最坦率直言的声音之一。

在 Xobin Talks 第 12 期节目中，Xobin 联合创始人兼 COO Amrit Acharya 与 Mike 深度探讨了 ChatGPT 上线七个月后，人才寻访领域到底发生了哪些实际变化。两人围绕实际应用场景、真实成效、明确局限，以及许多招聘者心中的大问题--“AI 会不会最终取代招聘岗位？”展开了讨论。

等等--为什么你的 LinkedIn 链接叫 Batman Recruiter？

在聊 AI 之前，Amrit 忍不住先问了这个问题。

Amrit： “你的 LinkedIn 主页是 linkedin.com/batmanrecruiter，这背后有什么故事？”

Mike： “我在纽约工作时，开始考虑打造个人品牌。那时 Donald Trump 正在竞选总统，他的律师 Michael Cohen 因为在采访中的表现频频上新闻。由于他已经占据了所有搜索结果，我意识到以同样的名字根本不可能在 Google 首页出现。”

于是他想到了 Batman。

Mike： “我小时候其实不怎么看漫画。19 岁那年读了《Batman: The Long Halloween》，彻底被吸引了。我喜欢 Batman、Superman 和 Wonder Woman 的性格反差，尤其是他们互补的方式。Superman 和 Wonder Woman 都是伪装成普通人，而 Batman 则相反--Bruce Wayne 才是伪装，真正的自己是 Batman。本质上，Batman 还是世界上最早的‘侦探’之一。DC Comics 就是‘Detective Comics’的缩写。我想，我其实也像个侦探，那就试试看吧。”

八年半过去，这个身份一直延续了下来。

ChatGPT 已经上线七个月了，真的有什么变化吗？

Amrit： “今天是 2023 年 6 月，距离 ChatGPT 2022 年 11 月上线已经七个月了。人才寻访和招聘领域真的发生了什么变化吗？”

Mike： “这是个很大的问题。其实 GPT 作为大语言模型已经存在多年，开发者一直在用它做各种事情。但我这里主要说 ChatGPT 这个具体产品，也就是大家可以直接对话的那个。它带来了变化吗？有。但我认为更多是思维方式的转变，而不是具体战术的改变。”

他总结了两个最直接的战术变化。

第一个很明显：撰写职位描述、候选人消息和外联文案。招聘者不再从零开始写，而是用 AI 生成初稿再修改。

Mike： “比起改变招聘流程，更重要的是让大家看到了技术的真正能力。很多人会惊讶：‘我随便输个提示词，它就能写出一份听起来很靠谱的明尼苏达化工工程师职位描述？’其实真的可以。”

第二个应用场景则更有意思。

这里有个没人讨论的应用场景

Mike： “我认为 ChatGPT 在数据聚合和摘要方面非常强大，但很少有人真正讨论这个用途。”

他介绍了自己用 ChatGPT 和 Clay（一款带数据增强和 API 的表格工具）结合的工作流。

Mike： “在 Clay 里，我用一列记录公司新闻，另外几列分别存放候选人的 LinkedIn 动态和简介，还包括姓名、现公司、职位、地点和在职时长。这样每个人就有四条不同的信息。即使你阅读速度很快，100 个人的数据也要花近两小时，更别说还要总结和写个性化邮件。”

ChatGPT 能自动读取所有内容，并为每个人生成一封个性化邮件，引用他们的最新动态、公司新闻和背景。

Mike： “它生成的招聘邮件虽然不像我平时的风格，但我不用再花两小时去读所有资料，只需十分钟润色成自己的语气就行了。”

Amrit： “也就是说，原本三小时的工作量，现在十分钟搞定？”

Mike： “没错。”

但它真的有效吗？数据如何？

Amrit 追问实际效果，想要看到真实的回复率。

Mike： “过去三个月，我给客户发的每一封首封邮件都是用这种高度定制化的方式，先由 ChatGPT 生成，再由我调整。比如我有个客户是纽约的安全 SaaS 公司，所有岗位的首封邮件都是这样写的。”

他现场展示了数据。

Mike： “四个不同岗位，两个高管、两个非高管。整个邮件序列的平均回复率是 51.14%，而且这是冷启动外联的回复率。”

Amrit： “之前是多少？”

Mike： “整个序列的平均回复率一直低于 30%。具体到首封邮件，政府事务高管岗位的回复率是 36%，销售副总裁是 19%，专业服务副总裁是 25.5%。”

作为对比，之前没有用这种方法的岗位，首封邮件回复率只有 7%（全栈工程师）和 9%（产品经理）。

Amrit： “首封邮件的回复率提升了三倍多。”

Mike： “没错。以前这种高度定制化的做法根本不可能一天做 200 人，现在完全可以实现。”

行业基准数据显示，人才寻访邮件序列的平均回复率约为 19.6%（Ashby Talent Trends Report, 2024）。而 Mike 的首封邮件就已经超过了很多团队的全序列平均水平。

AI 到底是什么？为什么大家都在用这个词？

Amrit 提出客户常问的问题：现在每个招聘工具都说用 AI，怎么判断是真是假？

Mike： “每个人对这个问题看法不同，但有一点很明显：大多数声称用 AI 的招聘平台，其实并不是真正的人工智能。它们本质上是高级机器学习系统，通过不断学习‘是/否’反馈来优化结果。这并不是真正的 AI。当然技术很厉害，我并不是否定它。但每次听到‘AI’，我都觉得这个词更多是营销噱头。”

他给出了更实际的解释。

Mike： “你每次用 Google 搜索，其实都在用 AI，只是你没意识到。LinkedIn 也有自己的 AI，比如你搜‘software engineer’，它会返回‘software developer’，因为系统学会了这两者相关。这不是失误，是算法在发挥作用。AI 的应用场景其实被夸大了。每当有人说‘我们需要 AI’，我都会反问：你到底要解决什么业务问题？先明确问题，再看 AI 是否合适。不要先用 AI，再去找应用场景，那是本末倒置。”

Amrit： “我也经常跟客户说，有些问题其实根本不需要 AI，只是因为 AI 很火，大家都想追新潮。”

Mike： “这很正常，人性如此。”

AI 会让招聘者失业吗？请坦诚回答。

Amrit 抛出了许多人不敢问的问题。

Mike： “会。”

短暂的停顿。

Mike： “听起来很吓人，但请听我解释。是的，就像每一次技术革新都会带来岗位消失和新岗位诞生一样，无论是农业革命还是工业革命，都是如此。”

但他的答案其实更有层次。

Mike： “你说会不会有大量人失业？我不认为 95% 或 99% 的人都会被取代。我们的工作很大程度上依赖于人的判断、行业经验和对现实的理解。我们花多年研究简历、与人交流、积累行业洞察，这些直觉和经验很难被 AI 学会，更别说短期内实现。”

他也指出了风险岗位。

Mike： “如果你每天只是在发消息、写职位描述、安排面试--这些岗位，比如招聘协调员，确实有可能被替代。所以问题是：你如何让自己的技能区别于机器？如果你还没有答案，最好现在就开始思考。”

如果你 2023 年才入行，会给自己什么建议？

Mike 21 岁就入行。Amrit 问：如果现在才刚开始，他会做什么不同的选择？

Mike： “学会编程。就这么简单。”

他没有任何修饰。

Mike： “我们花很多时间机械地做事，只是因为一直以来都是这样。但其实很多重复流程只要会写点脚本就能自动化。我不会编程，所以现在只能靠 ChatGPT。如果早些投入时间学会，会方便很多。”

Amrit： “我本身是技术出身，但遇到编程问题也会用 ChatGPT，确实省时省力。”

Mike： “太好了，看来两种需求都能满足。你的需求可能比我更复杂。”

Amrit： “稍微复杂一点。”

如何应对 AI 的偏见问题？

Amrit 提出每次讨论 AI 招聘都会遇到的难题：工具自带偏见。Mike 实际是怎么处理的？

Mike： “大家都在强调 AI 的偏见，这确实存在。AI 有无意识偏见，因为它是人写的，而人本身就有无意识偏见。但我想反问：你对自己的无意识偏见做了什么？如果你关注工具的偏见，也应该关注自己的偏见，并采取措施。两者都要做。”

他处理 AI 偏见的两条原则

他的做法很实用，有两条原则。

Mike： “第一，不要直接用 ChatGPT 的输出。比如职位描述，要自己读一遍，让别人也读一遍，或者用 Textio 这类工具检测偏见和可读性。不要把 AI 输出当作标准答案。”

Mike： “第二，任何系统都不可能完全没有偏见，ChatGPT 也一样。它只是另一种偏见的体现，不是唯一来源。所以组织要用结构化、持续的方法来应对偏见，而不是简单地说‘我不喜欢就不用’。”

他还做了类比。

Mike： “如果你完全不用 ChatGPT，职位描述全靠人写，那你对人的无意识偏见做了什么？如果答案是‘什么都没做’，那两者其实没什么区别。用 ChatGPT 是别人的偏见，用人写是你自己的偏见。无论哪种方式，流程都要一样严格。”

还有一点--别让 ChatGPT 算数学题

在结束前，Mike 特别提醒。

Mike： “顺便说一句，别指望 ChatGPT 算数学题。虽然它能写 JavaScript、解释移动平均线、讲解各种概念，但让它做加法、开方，正确率只有一半。”

Amrit： “我让它算 6 除以 3，结果它说是 4。”

Mike： “很合理吧？它是大语言模型，不是专门做数学的计算器。它学的是网上的大量内容，而网上很多人数学也不怎么样，所以模型自然也会学到这些错误和模式。”

你的实际工具组合是什么？

Amrit 最后问了招聘者最关心的实际问题：Mike 日常用哪些工具？

Mike 拥有 16 个平台的企业级账号，不只是 Chrome 插件：

Amazing Hiring、Chatter Works、Clay、Crunchbase Pro、Entello、Exact Buyer、HireEZ、Heartbeat、Horsefly、Human Predictions、Lead411、LinkedIn Recruiter、Loxo、Recruit'em、SeekOut、ZoomInfo Recruiter 和 Perfect。

那这些平台查到的候选人重合度高吗？

Mike： “你觉得在 LinkedIn Recruiter 和 SeekOut 查同一批人，结果重合度会有多少？”

Amrit： “也许 60%？”

Mike： “实际上，我做了这么多年，重合度从没超过 40%，大多数时候不到 10%。即使加第三个平台，重合度也没怎么提升。”

他的结论是：关键不是你用哪个数据库，而是你怎么搜索。

Mike： “HireEZ 非常强调 AI，后台有算法在运作。SeekOut 的布尔搜索能力业内最强。LinkedIn Recruiter 也有自己的 AI，会根据你的搜索意图推荐结果。最终出来的名单完全不同。我故意用这么多工具，就是为了找到别人找不到的‘宝藏’候选人。”

他最喜欢的工具

最喜欢的是 SeekOut。

Mike： “因为它的布尔搜索最强。我喜欢掌控搜索过程，知道自己会得到什么结果，没有其他工具能做到这一点。”

邮件自动化用 SourceWhale，联系方式用 Swordfish，候选人筛选用 Honeit 或 SmartRank。

Mike： “Honeit 能通过电话面试录音，帮助招聘者提交更丰富、真实的候选人信息。SmartRank 适合让候选人用三分钟自我筛查，而不用一上来就安排 30 分钟电话。这样候选人可以先了解岗位，决定是否值得投入更多时间。”

关于 Mike Cohen

Mike Cohen 创办了 Wayne Technologies，21 岁就进入猎头行业。多年来，他专注于人才寻访，过去六年一直经营自己的寻访公司，帮助各行业企业找到合适人才。他长期拥有 16 个寻访平台的企业级账号，并持续分享招聘科技、AI 和招聘流程的见解。

凭借务实、亲身实践的风格，Mike 被认为是人才招聘领域最接地气的 AI 声音之一。在线上，大家也习惯称他为 Batman Recruiter。