AI初筛崛起：银行校招的门槛正在重写规则

《AI面试官崛起，识人不能倍速》
——算法可以压缩筛选时间，压缩不了人才判断

今年秋招，应届生递给银行的第一段自我介绍，对面没有人，只有一个倒计时。

这不是科幻，是2027届秋招公告里白纸黑字的一格。多家银行把原本在春招小范围试点的AI面试，正式搬进秋招主流程：简历筛选之后，笔试之前，先由系统完成第一轮判断。

题目并不刁钻：自我介绍、职业规划、能力优势、实习经历、择业价值观。听上去都是常规题，可常规题恰恰最容易被系统标准化——它不需要理解你的一生，只需要判断你有没有明显短板。

过去你面对的是一位面试官，现在你面对的是一套评分逻辑。

落地方式各有各的狠劲。有的股份行规定每位候选人只有一次AI面试机会，记录全行通用，过了才能进笔试；有的银行采用视频录制，系统随机抽题，限时作答，上传即定；还有城商行把职业认同度、普通话水平、沟通表达、逻辑思维一并纳入量化指标。

一次机会。随机抽题。限时上传。三个词叠在一起，就是这届应届生的秋招开场白。宿舍隔间、图书馆角落、出租屋书桌前，同一套题库同时亮在不同城市的屏幕上，有人把话术打磨到每十五秒一个停顿，有人把生成工具悄悄开在隔壁窗口。

银行为什么把第一关交给算法？不是因为算法更懂人，而是因为人不够用。

校招是个漏斗，全国性银行秋招收到的简历动辄以十万计，人工初面要排期、要统一口径、要防不同面试官尺度漂移，一轮下来常耗掉一两周。业内研究者估算，AI一天完成的面试场数远超人工团队，初筛周期可以从一至两周压到两至三天。招聘旺季，人力部门省下的不只是加班费，还有整整一个环节的排期。

第二层动力是标准化。人工面试有情绪、有偏好、有上午下午之差，机器没有。同一把尺子量所有人，至少在“公平的形式”上，机器比人稳定。

效率是机器的长处，稳定是机器的借口。

急刹车来了：它筛的到底是什么？

是下限。

现阶段AI面试只承担初筛职能，判断的是候选人基础求职适配度。它能听出你说话是否流畅，看出你表情是否得体，给你的职业认知打一个可量化的分。但它判断不了能力上限——应变能力、价值理念、业务理解力、创新潜质，这些恰恰是银行真正想要的东西。所以通过AI面试的人，仍要走完统一笔试、多轮人工复试和终面。AI只做一件事：替人把最粗的沙子筛掉。

问题也在这里。容易测量的东西，未必是最值得测量的东西。

一段限时回答能展现表达，却难以呈现复杂业务里的判断。面对客户诉求与业务规则打架，能否厘清事实、解释边界、给出可行方案，往往要靠持续追问才能看清。说得顺，不等于想得深；答得快，不等于判断稳。

机器擅长量化的，恰好是人才最不稀缺的部分。

更大的风险不是放进太多庸才，而是提前拦住少数怪才。一个有深层潜力的人，若在浅层环节因为紧张、口音、镜头感不佳被筛掉，后面的面试官永远见不到他。

还有三笔账，谁都绕不开。

第一笔是隐私账。AI面试要采集、存储大量面部与语音等生物敏感信息，数据放在哪、留多久、谁能看、能否删，需要清晰边界，而不是一句“仅用于招聘”。

第二笔是算法账。题库是人编的，评分规则是人定的，训练数据是过去的录用结果。如果过去的录用带着偏好，算法只会把偏好放大成标准。

第三笔是作弊账。应届生用AI工具准备答案、甚至实时提词，早已不是秘密。屏幕这头是算法在提问，屏幕那头是另一个算法在作答，“机器面试机器”成了这个秋招最新的画面。

当求职者也开始用AI，AI面试考察的就不再是人，而是谁的工具更好。

这三笔账，考验的是银行的风控治理能力，而不是技术选型能力。技术迭代越快，治理越不能省。

出路不在退回去，而在分工清楚。行业共识正在形成：人机协同会是银行校招的长期主流。基础筛选交给机器，深度判断交给人；可量化的交给模型，不可量化的留给经验；机器负责提速，人负责定性。这场变革的核心不是机器替代人力资源，而是把人的时间用在只有人能做的判断上。

对应届生，这意味着一次认知升级。

把AI面试当成一场体检，而不是一次表演：过线即可，不必演成完美样本。回答要有结构，结论在前，例子跟上，结果收尾；经历要可量化，少说“参与”“提升”，多说做了什么、解决了什么。模板能帮你过闸，过不了终面。

把人工面试当成真正的舞台。金融业下一轮更青睐的，是既懂一点技术又懂业务场景的复合型人才，不是只会背题的人。

机器筛掉的是不会说话的人，人挑走的是会做事的人。

对银行，这意味着一次治理升级。用AI省下的时间，应当花在两件事上：把终面做得更深，把数据管得更严。前者决定招到什么人，后者决定这套系统能不能被信任。人才评价从经验判断走向数据驱动，方向不可逆；但方向对了，尺子还得校准。

秋招第一关交给机器，不是对人的贬低，而是对人的时间的重新定价。

面试可以快进，识人不能倍速；这一轮秋招里，真正稀缺的从来不是筛选效率，而是识人的眼光。

（唐加文，笔名金观平；本文成稿后，经AI审阅校对）