早期招聘漏斗如今在两端都在崩塌

科技招聘现状（AI 之前与之后）

• 许多人认为，招聘在 AI 出现之前就已经坏掉了：面试信号很弱，过度依赖感觉、资历和 Logo 光环。
• 也有人说，AI 并没有制造新问题，而是把这些问题放大，并暴露出这些做法一直有多糟。
• 对高绩效候选人的匹配被视为具有情境性（大公司 vs 初创公司、公司发展阶段）。

AI、简历与军备竞赛

• AI 生成的简历和求职信抬高了“润色下限”，同时也让不合格候选人更容易把自己说得完美。
• 招聘者报告称，简历数量巨大（从几百到几千份），内容几乎一模一样、与职位描述高度贴合，但往往与 LinkedIn 信息不一致。
• 有人说，是 AI 筛选先出现，迫使候选人也用 AI 才能通过；另一些人则认为，自动化拒绝目前还没有那么普遍。
• 人们担心“证明工作量”的门槛会提高，使冷投递几乎失去作用，并把招聘重新推回推荐和线下接触。

筛选、信号与面试

• Leetcode / 限时测试被广泛批评为信号很弱，而且如今很容易作弊，只会筛出刷题党和作弊者。
• 很多人认为早期漏斗信号（CV、求职信）几乎没有价值；现场做工作样本、调试现有代码，或短技术筛选能提供更好的信号。
• 试用期和学徒制受到赞赏，但被认为难以规模化，而且对候选人风险较高，尤其是那些离开稳定工作的人。
• 对于线下面试是否值得其成本，意见不一；有人认为这是必要的摩擦，也有人认为这会吓退申请者。

推荐、社交网络与裙带关系

• 大体共识是：推荐目前是信号最高的来源；一些组织的内部数据据称也证实了其效果好得多。
• 也有人担心过度依赖推荐会固化“老男孩俱乐部”和偏见，但在 AI 垃圾申请泛滥的情况下，许多人认为没有更好的可扩展替代方案。

候选人体验与权力失衡

• 候选人描述的是去人性化的漏斗：幽灵岗位、单向视频面试、AI“面试机器人”、没有反馈、流程漫长。
• 一些很有才华的人表示，他们要么退出市场，要么直接创业，而不愿忍受这种流程。
• 多位评论者说，他们现在会根据公司在招聘过程中投入多少互惠努力和尊重来判断这家公司。

提出的修复方案与未解问题

• 方案包括：更多线下面试、在公司代码上做小而真实的任务、简短的人工技术筛选、更清晰的时间表和保证回复、更好的 HR 与工程协作。
• 也有人认为，在内在信号本就很弱且规模巨大时，招聘将始终是一场嘈杂的赌博；AI 最终可能需要同时成为问题的一部分和解决方案的一部分。