加载失败
这次讨论源自一段演示 AI 面试器（如 Humanly 之类产品）替人类做初轮问答的视频報導與亲身经历记录。评论把这个案例放在更大的招聘生态里审视：过去在线题库、录视频面试和 ATS 已经存在，如今申请数量因 LinkedIn "Easy Apply" 与 AI 生成简历暴增，迫使企业寻求更大规模的筛选手段。同时候选人也开始用 AI 辅助或代理应对面试，导致问责、偏见、透明度与公平性的制度性问题被放大。部分评论把争论聚焦在时间成本与权力不对称：自动化把成本转嫁给求职者，而被筛选的一方则损失了判断公司文化和建立信任的机会。
许多评论把用AI做初筛视为对候选人的去人性化信号，认为公司连面试这一展示最好一面的环节都不愿派人，预示入职后待遇也可能冷漠或流程化。评论里用租房、酒店和客服被AI自动回复的例子来类比，指出当客户／应聘者付出时间却只换来机械回复时会直接放弃申请或中止流程。这个观点还强调面试本应是双向沟通，AI初筛会破坏候选人判断公司文化与团队的机会，从而损害长期雇佣关系的信任基础。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7]
招聘端面对的申请量已达到令人工筛选难以承受的规模：评论中有人提到每天上千份SWE申请、单帖数百到数千份应聘，甚至有“10k 职位带来 500k+ 申请”的例子。公司用自动化或AI面试来降低初筛成本、减少招聘团队负担，支持者把它看作是应对海量噪声（如大规模AI写简历、LinkedIn Easy Apply 派发）的现实工具。反对者则警告，这种零成本的筛选会把时间成本完全转嫁给候选人，导致单向、不对等的面试流程。
多条评论建议或已经出现候选人用AI代理去应对AI面试——开源项目和个人实现（如 chatjc）已被提及，形成 agent-to-agent 的对抗思路。有人主张通过让候选方也派代理、或故意用机器“塞满”对方管线来提高面试成本，逼迫雇主回归人工筛选；也有面试官抱怨候选人在面试中直接念出 ChatGPT 输出，说明这场竞赛已经开始。总体上评论认为双方都会用自动化工具，面试将演变为代理与代理之间的博弈，而不是单向的人机沟通。
评论广泛讨论了模型偏见与责任追溯的问题：有人用历史语料训练的模型举例说明偏见会被放大或重现，另一部分人指出机器不可被传统法律/监管方式轻易问责。还有评论提到欧盟等司法管辖区对自动化决策有明确或潜在限制，且即便想纠偏，实际企业往往不做偏见识别与修正。总之，机器筛选带来统一化偏见、难以解释的决策路径和问责空白，引发公平性与合规性担忧。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6]
很多评论把AI面试与早已存在的自动化筛选（如 LeetCode 风格在线测验、HireVue 录视频问答）做对比：一方面传统在线测验通常有明确的评分标准与客观正确答案；另一方面AI面试往往没有可见的评分准则，结果更不透明。讨论认为如果AI只是替代“第一轮客观题”，变化有限，但当AI被用作主观评估且结果不公开时，候选人和招聘方都失去检验与申诉的机会。
评论对带回家（take‑home）作业争议最大：有人认为短而明确（如 20 分钟）的测试能有效筛人并减少双方时间浪费，也有人指出即便写明 20 分钟，总有人花数小时来打磨以超越有工作/可安排更多时间的候选人，从而加剧不公平。另一大担忧是：AI 让可抄袭性大幅增加，使原本靠考核技能的测试信号被削弱，因此有人提倡在线窗口限制、现场考核或在筛选流程中保留人工环节以减少作弊与不对等成本。
Take‑home test（带回家作业）: 面试中要求候选人在家完成的编程或项目任务，用于评估实际工作能力，但常被指耗时、不透明且易被AI或抄袭利用。
LeetCode: 一种流行的在线算法刷题平台和面试练习风格，许多公司把 LeetCode 式题目作为初轮技术筛选。
ATS（Applicant Tracking System）: 招聘管理系统，用于收集、筛选简历并执行关键词过滤，常被指造成简历过滤器偏差和对真实能力的误判。
HireVue: 一家提供视频面试与自动评估工具的公司，代表早期录制式或自动化面试方案，经常被拿来与新一代AI面试比较。
agent-to-agent / AI agent（AI代理互通）: 指由候选人或雇主各自部署的自动化代理相互对话或代表人类完成面试流程，引发代理对抗（arms‑race）问题。