AI 时代的招聘变了：面试官怎么判断「真的会用 AI」

两年前”会用 AI”是个加分项，现在它变成了简历上最没信息量的一行。几乎人人都说自己熟练使用 AI，而真实水平差异可以到十倍以上——有人能让模型在半小时内产出一份可交付的方案，有人用了一年还在”问一句、复制、不满意、再问一句”。

问题在于，传统的面试方法测不出来。让候选人谈感受，得到的都是正确的废话；让他现场”用 AI 做点什么”，往往只看到结果，看不到过程。而真正要看的能力恰恰在过程里。

五个能区分真伪的考察点

一、看他会不会给模型设边界，而不是只给指令。

低水平的提示词是”帮我写一份季度总结”。高水平的会先说清楚：读者是谁、这份材料要支撑什么决策、哪些数据不能出现在里面、篇幅上限、必须包含哪几项。可以现场给一道题：

“帮我准备一份给 CFO 的成本分析汇报。”

观察他是否主动追问业务背景、是否给约束条件。追问本身就是能力信号——他知道模型缺什么。

二、看他会怎么处理第一次输出不满意。

这是最有效的一题。请他打开真实工作记录（脱敏），讲一个”AI 给了但你不能用”的案例，然后说清三件事：错在哪、他改了什么、改完之后有没有变好。

只会聊天的人会回答”我换了个说法再问”。真会用的人会给出具体的干预：补充上下文、换分解粒度、要求它先列大纲再写、让它自查、拆成多个子任务、给出示例（few-shot）。他们有一整套工具箱，而不是只有”重写一遍”。

三、看他对幻觉的处理习惯，而不是他对幻觉的态度。

所有候选人都会说”我知道 AI 会编”。要问的是操作细节：你如何验证输出？答案里如果出现数字、人名、法规条款，你会怎么处理？

好的回答里一定有具体的核验动作——去原文对照、要求模型给出来源再点开确认、把关键数字单独抽出来人工过一遍。如果他说”我会自己判断一下对不对”，基本可以判定为没有建立流程。

四、看他有没有”AI 用不了”的场景清单。

一个成熟的用户知道边界在哪。请他说出三件自己不会交给 AI 做的事。有经验的人会给出非常具体的答案：涉及判断责任的决策不交、需要个人信誉背书的内容不直接发、涉密数据不进公有模型、需要精确计算的不信模型口算。答不出边界的人，往往也答不出能力边界。

五、看输出质量的上限，而不是平均速度。

给一个 30 分钟的小任务，让他用 AI 完成并交付。评分重点不是他做得多快，而是最终成品的天花板——是否超出了”一个普通人随手问 AI”的水平。三个月以上的真实使用会在成品里留下痕迹：结构更清楚、细节更落实、有明显的二次加工。

一道综合题（45 分钟内可完成）

“这里有一份 3000 字的用户反馈原始记录（含错别字和重复）。请用 AI 产出一份给产品负责人的决策备忘录：列出三个最该优先解决的问题，每个问题附证据和一句建议。最后说明你是怎么用 AI 做的，以及你检查了它的哪些输出。”

评分维度：

维度	权重	观察点
过程设计	30%	是否分步、是否给约束、是否用示例
结果质量	30%	是否归纳出真正的重复模式而非罗列
验证意识	25%	是否核对引用的原话、数字
边界感	15%	是否标注不确定、是否避免过度断言

只在最后一步”输入、复制、粘贴”的候选人，结果通常还在罗列原话，三条”最该优先”里面往往没有真正的取舍。

对团队的启示

如果面试里发现大部分候选人都过不了这几道题，说明问题不只招不到人，而是团队里也没人真的会。这时候招一个高水平的人，比培训十个人更快——但前提是给他改进工作流的权限，而不是把他当成一个更快的打字员。

最后一件事：这些题同样可以用来测自己。挑第二题，打开你上周的 AI 记录，试试能不能清晰说出”它错在哪、我改了什么、为什么变好”。答得出来，你就在那十倍里。