1. 当招聘启事不再由人写一个被压缩到五分钟的决策链路第一次看到“AI老板五分钟挂出招聘启事四个月后开除了第一个人”这个说法我脑子里冒出来的不是技术细节而是一个很具体的画面某个小团队负责人坐在电脑前把一句“帮我招个能扛事的运营”丢进对话框五分钟后一份带岗位职责、任职要求、薪资区间、面试问题的招聘启事就挂到了招聘平台上。四个月后这个由AI参与筛选、由AI参与评估、最后由人拍板招进来的人被同一个系统标记为“不匹配”然后走完了离职流程。这件事真正值得聊的不是“AI会不会取代HR”而是当招聘这个动作被压缩到五分钟我们到底省掉了什么又埋下了什么。招聘启事从来不只是几行字它背后是一整套关于“我们要什么人、我们不要什么人、我们愿意为什么样的能力付多少钱、我们准备用什么样的方式管理这个人”的隐性契约。当这套契约被AI用五分钟生成出来它大概率是“平均正确”的但“平均正确”在招聘这件事上往往意味着“谁都不太对”。我见过太多团队用AI写JD岗位描述出来的东西读起来很顺但仔细一看全是“负责XX模块的日常运营”“具备良好的沟通能力和团队协作精神”“有较强的抗压能力”。这种描述放在任何一家公司、任何一个岗位上都成立也就意味着它放在任何一个具体岗位上都不成立。一个真正能招到对的人的JD一定带着这家公司特有的“怪癖”我们就是要一个能接受每天写日报的人我们就是要一个愿意在早期阶段既做策略又做执行的人我们就是要一个对数据敏感但对品牌调性也有感觉的人。这些“怪癖”才是招聘启事真正的价值而AI在五分钟内生成的内容恰恰最容易把这些“怪癖”磨平。所以当我看到“四个月后开除了第一个人”这个结果时我一点都不意外。不是因为AI选错了人而是因为用五分钟生成的招聘标准大概率撑不过四个月的真实业务考验。前三个月新人还在适应期大家客客气气到了第四个月业务压力上来真实的能力缺口和协作摩擦开始暴露这时候你回头去看当初那份招聘启事会发现它从一开始就没有说清楚这个岗位到底要解决什么问题。开除一个人很多时候不是人的问题是标准的问题。这篇文章我想拆解的就是这件事一个被AI加速到五分钟的招聘决策它的完整链路是什么样的哪些环节被压缩了哪些环节被跳过了哪些环节看起来省了时间实际上埋了雷。我会结合我自己带团队、参与招聘、也用过AI工具辅助招聘的经验把这条链路从头到尾捋一遍。不管你是正在用AI写JD的团队负责人还是被AI筛过简历的候选人或者只是对“AI参与管理决策”这件事好奇的从业者都能从这条链路里看到一些真实的东西。2. 五分钟生成招聘启事的真实工作流AI到底做了什么2.1 从一句话需求到一份JD中间经过了哪些处理很多人以为“AI五分钟挂出招聘启事”就是打开对话框说一句“帮我招个人”然后复制粘贴。实际跑过一遍就知道真正能被挂出去的JD中间至少经过了四到五轮处理。第一轮是需求输入你给AI的原始信息通常是一句非常模糊的话比如“招个运营能写东西最好懂点数据”。第二轮是AI的意图补全它会自动把“运营”拆成内容运营、用户运营、活动运营、数据运营几个方向然后默认选一个最常见的组合。第三轮是模板匹配AI会调用它训练数据里最常见的JD结构岗位职责、任职要求、加分项、薪资福利。第四轮是语言润色把口语化的需求翻译成招聘平台常见的书面表达。第五轮才是格式适配加上公司介绍、团队氛围、投递方式。这五轮处理里真正由人控制的只有第一轮和最后一轮。中间三轮全是AI在替你做决策。问题就出在这里AI在做意图补全的时候用的是“大多数公司招这个岗位时会怎么写”的概率分布而不是“你这个团队现在真正需要什么”的具体判断。举个例子你输入“招个运营能写东西最好懂点数据”AI大概率会给你生成一份包含“负责公众号内容策划与撰写”“负责用户增长数据分析”“协同活动策划与执行”的JD。这份JD看起来没问题但它默认了你需要一个“全栈运营”。如果你实际上只是需要一个能稳定产出深度内容的人数据那块只需要会看后台就行那这份JD就会把真正对的人吓跑——因为擅长深度内容的人看到“用户增长数据分析”会觉得自己不匹配而擅长数据分析的人看到“公众号内容策划”又会觉得这不是自己的主业。2.2 为什么“平均正确”的JD反而招不到对的人招聘这件事有一个反直觉的地方JD写得越“标准”来的人越“标准”而“标准”的人往往不是小团队需要的人。大公司可以用标准JD招标准人才因为大公司有完善的培训体系、明确的岗位边界、成熟的协作流程一个人进来之后只需要在某个细分环节上做好就行。但小团队或者快速变化的业务需要的是“非标准人才”——能补位、能扛事、能在模糊地带自己找方向的人。这种人在看JD的时候最在意的不是“这个岗位职责写得全不全”而是“这个团队到底在做什么、遇到了什么难题、需要我进去解决什么”。AI生成的JD恰恰缺少这种“具体难题”的描述。它不会写“我们现在的公众号打开率从8%掉到了3%需要一个人来重新梳理内容方向”它只会写“负责公众号内容策划与撰写提升内容质量和用户粘性”。前者能让真正有经验的人立刻判断“这个问题我能不能解”后者只能让人判断“这个岗位我能不能干”。这两个判断之间的差距就是四个月后开除人的伏笔。我自己的做法是用AI生成JD初稿之后必须手动加一段“我们当前面临的具体问题”。这段话不需要长两三句就行但必须有具体的数字、具体的场景、具体的痛点。比如“我们目前有5个客户每月新增线索不到20条需要一个人来把线索获取和转化流程跑通”。这段话加进去之后来的人质量会明显不一样因为能看懂这段话的人才是真正对业务有感觉的人。2.3 招聘平台上的“五分钟挂出”到底省略了哪些关键动作从操作层面看“五分钟挂出招聘启事”意味着你跳过了几个非常重要的动作。第一个被跳过的是岗位需求的内部对齐。正常流程里招人之前应该跟业务负责人、团队现有成员、甚至上下游协作方聊一圈确认这个岗位到底要解决什么问题、和现有岗位的边界在哪里、短期和长期的期望分别是什么。这个动作通常要花一到两天但它能避免后面四个月的各种扯皮。第二个被跳过的是薪资区间的校准。AI给的薪资区间通常是行业平均值但每个团队的薪资结构、期权比例、奖金逻辑都不一样直接挂一个“行业平均”出去要么招不到人要么招进来之后发现薪资和内部不公平。第三个被跳过的是面试问题的设计。AI可以生成一套通用面试题但真正能筛出对的人的面试题必须基于这个岗位的具体场景来设计。这三个动作被跳过之后招聘启事确实挂出去了但整个招聘的“地基”是空的。四个月后出问题的时候你回头去看会发现当初省掉的那两天对齐时间后面要用四个月甚至更长的试错来还。3. 四个月里发生了什么从入职到被开除的完整时间线3.1 第一个月蜜月期里的信号忽略新人入职第一个月通常是信息量最大但最容易被忽略的一个月。这个月里新人会问很多“蠢问题”比如“我们为什么要做这个功能”“这个数据是从哪里来的”“之前是谁负责这块的”。这些问题在老人看来可能很基础但它们恰恰暴露了新人理解业务的角度和深度。如果招聘启事里没有写清楚业务背景和当前难题新人第一个月就会把大量时间花在“猜”上——猜老板想要什么、猜这个岗位的边界在哪里、猜什么事情该做、什么事情不该做。我观察过很多次第一个月里新人问的问题质量基本能预测他四个月后的表现。如果新人问的是“这个功能的用户使用路径是什么样的”“我们有没有历史数据可以参考”“竞品是怎么做的”说明他在试图建立对业务的理解框架。如果新人问的是“这个报告要什么格式”“几点交”“找谁审批”说明他还在把工作当成任务来完成而不是当成问题来解决。这两种状态没有绝对的好坏但如果你的招聘标准是“能扛事的人”那第二种状态就是一个早期信号。问题在于当JD是AI用五分钟生成的时候你很难在第一个月就判断“这个人的问题质量”到底是因为他不合适还是因为JD本身就没说清楚。你会倾向于给他更多时间因为你觉得“可能是我没写清楚”。这个“可能是我没写清楚”的自我怀疑会一直持续到第三个月。3.2 第二到第三个月产出预期与现实的第一次碰撞到了第二个月新人开始有实际产出了。这时候你会第一次拿他的产出和你的预期做对比。如果JD里写的是“负责公众号内容策划与撰写”你预期的是每周两篇深度文章结果他交上来的是每周五篇短资讯你会觉得“好像哪里不对但也不能说他没干活”。如果JD里写的是“负责用户增长数据分析”你预期的是他能从数据里找到增长机会结果他交上来的是每周一份数据报表你也会觉得“好像哪里不对但报表确实做了”。这种“好像哪里不对”的感觉根源在于JD里的动词太模糊了。“负责”这个词在招聘语境里几乎等于什么都没说。负责可以是执行也可以是决策可以是独立完成也可以是协同推进可以是按模板做也可以是从零搭建。AI特别喜欢用“负责”这个词因为它安全、通用、不会出错。但正是这个词让第二到第三个月的产出对比变得非常主观——你觉得他没达到预期他觉得他完成了职责。我自己的经验是JD里的每一个“负责”都应该在后面加一个可验证的结果描述。比如“负责公众号内容策划与撰写目标是三个月内把打开率从3%提升到5%”或者“负责用户增长数据分析目标是每月输出至少两条可落地的增长建议并推动执行”。有了这个结果描述第二到第三个月的时候双方对“做得好不好”的判断就有了共同标准而不是各自凭感觉。3.3 第四个月开除决策背后的真实触发点到了第四个月开除的决策通常不是由一个单一事件触发的而是由一系列小摩擦累积而成的。可能是某次周会上你发现他对业务的理解还停留在第一个月的水平可能是某个项目推进不下去你发现他一直在等指令而不是主动找路径可能是某次跨部门协作你发现他和其他团队的沟通方式让协作方很不舒服。这些摩擦单独看都不致命但放在一起就会让你得出一个结论这个人不合适。但如果你仔细复盘会发现这些摩擦里至少有一半根源在招聘启事本身。如果JD里写清楚了“这个岗位需要主动找方向而不是等指令”那他在第一个月等指令的时候你就会及时提醒他而不是等到第四个月才爆发。如果JD里写清楚了“这个岗位需要频繁和产品、技术团队协作沟通成本很高”那他在第一次协作出问题的时候你就会意识到这是岗位特性而不是个人能力问题然后给他具体的协作建议而不是默默扣分。开除一个人从来不是一件轻松的事尤其是当这个人并没有犯什么大错只是“不太合适”的时候。但“不太合适”这个判断如果从招聘启事阶段就开始模糊那它就会一直模糊到第四个月最后用一个开除动作来强行清晰。这个代价对团队、对当事人、对你自己都太大了。4. 被AI加速的招聘流程里哪些环节绝对不能省4.1 岗位需求的“具体化”必须由人完成AI可以帮你把一句话需求扩展成一份结构完整的JD但它没法帮你回答“这个岗位到底要解决什么问题”。这个问题必须由你来回答而且必须回答得非常具体。具体到什么程度具体到你能说出“这个岗位入职后第一个月要做完哪三件事”“第二个月要拿到什么结果”“第三个月要能独立负责什么”。如果你说不出来说明你自己还没想清楚这个岗位要不要招、招来干什么。我见过一个很实用的方法叫“反向JD法”先不写这个岗位要做什么先写“如果这个岗位的人做得不好会出现什么现象”。比如“如果这个人做得不好我们的内容会断更”“如果这个人做得不好数据报表会出错但没人发现”“如果这个人做得不好客户投诉会变多”。把这些“不好”的现象写出来之后再反推这个岗位需要什么能力、什么经验、什么性格。这个方法比正向写JD慢但它能逼你把岗位的真实需求想清楚。4.2 面试问题的设计必须基于真实场景AI可以生成一套通用面试题比如“请描述一次你处理紧急情况的经历”“你如何应对工作中的压力”。这些问题不是不能用但它们太容易准备了候选人随便套一个STAR模型就能答得很漂亮。真正能筛出对的人的面试题必须基于你这个岗位的真实场景来设计。比如你的岗位需要经常处理客户投诉那面试题就应该是“假设一个客户因为我们的产品问题在电话里骂了十分钟你会怎么处理”。这种问题没有标准答案但候选人的回答会暴露他的真实反应模式。我自己的做法是面试题里至少有一半是“场景模拟题”而且这些场景必须来自团队过去半年真实发生过的问题。这样做有两个好处一是能看出候选人有没有处理类似问题的经验二是能让候选人提前感受到这个岗位的真实压力。如果候选人在面试阶段就觉得“这个问题好难”那入职之后遇到类似问题他至少不会完全懵。4.3 薪资区间的校准必须结合团队现状AI给的薪资区间通常是行业平均值但行业平均值对你的团队来说可能完全不适用。你需要考虑的是团队现有成员的薪资水平是什么样的、这个岗位在团队内部的相对价值是多少、你能给的现金和期权比例是多少、如果候选人期望高于你的区间你准备怎么谈。这些问题AI回答不了因为它不知道你的团队现状。一个很实用的做法是在挂出JD之前先和团队里最接近这个岗位的人聊一次问他“如果你现在重新找工作你觉得这个岗位值多少钱”。这个数字通常比行业平均值更接近你的真实情况。然后在这个数字的基础上上下浮动20%作为你的薪资区间。低于这个区间的候选人大概率能力不够高于这个区间的候选人要么你给不起要么你给了之后内部会不平衡。5. 如果重新来一次一个更靠谱的AI辅助招聘流程5.1 用AI做信息整理而不是做决策如果让我重新设计一个AI辅助招聘的流程我会把AI的角色严格限定在“信息整理”和“表达优化”上而不是让它参与任何实质性的决策。具体来说AI可以做这几件事把你口述的岗位需求整理成结构化的文档、把你写的面试反馈整理成可对比的表格、把候选人的简历信息提取成统一格式、把JD的语言润色得更通顺。但AI不能做这几件事决定这个岗位要不要招、决定候选人合不合适、决定薪资给多少、决定面试问什么。这个边界看起来很简单但实际执行的时候很容易越界。因为AI太方便了你很容易顺手就让它“帮我判断一下这个候选人怎么样”或者“帮我定一个薪资区间”。每次你想这么做的时候提醒自己AI的判断是基于概率的而招聘是一个需要基于具体情境做判断的事。概率能帮你排除明显不合适的选项但不能帮你找到真正合适的人。5.2 把“四个月”压缩成“四周”的验证机制开除一个人之所以代价大是因为你用了四个月才发现不合适。如果能把验证周期压缩到四周代价就会小很多。具体怎么做在入职前四周设置三个明确的验证节点。第一周结束时让新人输出一份“我对这个岗位和业务的理解”你看他理解得对不对。第二周结束时让新人独立完成一个小任务你看他的执行质量。第四周结束时让新人做一个完整的项目汇报你看他的思考深度和协作能力。这三个节点里任何一个节点出现明显不匹配都可以及时沟通调整而不是等到第四个月才爆发。这个机制的关键在于验证标准必须在入职前就定好而且必须和JD里的结果描述对应。如果JD里写的是“三个月内把打开率从3%提升到5%”那第四周的验证标准就应该是“能说清楚当前打开率低的原因和至少两条改进思路”。有了这个标准你和新人之间的沟通就有了共同语言而不是各自凭感觉。5.3 开除之后的复盘问题出在招聘还是管理最后说一个很少被讨论但非常重要的事开除一个人之后必须做一次复盘而且复盘的重点不是“这个人哪里不行”而是“我们的招聘和管理哪里出了问题”。如果复盘结论是“这个人能力不行”那下次招聘你大概率还会踩同样的坑。如果复盘结论是“我们的JD没写清楚”“我们的面试题没问到关键点”“我们的前四周验证机制没执行”那下次招聘你就有具体的改进方向。我自己的复盘清单通常包括这几个问题JD里的结果描述够不够具体面试题有没有覆盖真实场景前四周的验证节点有没有执行新人遇到困难的时候有没有及时得到支持如果这四个问题里有任何一个答案是“没有”那开除这个人的责任至少有一半在团队这边而不是全在个人。6. 写在最后AI可以加速流程但不能替代判断回到开头那个画面AI五分钟挂出招聘启事四个月后开除了第一个人。这件事里最值得警惕的不是AI参与了招聘而是我们用AI的“快”掩盖了招聘本身需要的“慢”。招聘从来不是一个可以加速到五分钟的动作它需要你慢下来想清楚要什么人、慢下来设计面试问题、慢下来做前四周的验证、慢下来做开除后的复盘。AI可以帮你省掉写JD的半小时但省不掉你想清楚岗位需求的两天。我自己用AI辅助招聘快两年了最大的体会是AI最适合做的是“把你想清楚的东西表达出来”而不是“帮你想清楚”。你想清楚了AI能让你的表达更高效你没想清楚AI只会把你的模糊放大成一份看起来专业的JD然后让你在四个月后付出更大的代价。所以下次你打开对话框准备让AI帮你写JD的时候先问自己一句这个岗位到底要解决什么问题如果你能脱口而出那AI可以帮你写如果你答不上来那先别打开对话框先打开笔记本把这个问题想清楚再说。
AI五分钟生成招聘启事，为何四个月后开除了第一个人？
1. 当招聘启事不再由人写一个被压缩到五分钟的决策链路第一次看到“AI老板五分钟挂出招聘启事四个月后开除了第一个人”这个说法我脑子里冒出来的不是技术细节而是一个很具体的画面某个小团队负责人坐在电脑前把一句“帮我招个能扛事的运营”丢进对话框五分钟后一份带岗位职责、任职要求、薪资区间、面试问题的招聘启事就挂到了招聘平台上。四个月后这个由AI参与筛选、由AI参与评估、最后由人拍板招进来的人被同一个系统标记为“不匹配”然后走完了离职流程。这件事真正值得聊的不是“AI会不会取代HR”而是当招聘这个动作被压缩到五分钟我们到底省掉了什么又埋下了什么。招聘启事从来不只是几行字它背后是一整套关于“我们要什么人、我们不要什么人、我们愿意为什么样的能力付多少钱、我们准备用什么样的方式管理这个人”的隐性契约。当这套契约被AI用五分钟生成出来它大概率是“平均正确”的但“平均正确”在招聘这件事上往往意味着“谁都不太对”。我见过太多团队用AI写JD岗位描述出来的东西读起来很顺但仔细一看全是“负责XX模块的日常运营”“具备良好的沟通能力和团队协作精神”“有较强的抗压能力”。这种描述放在任何一家公司、任何一个岗位上都成立也就意味着它放在任何一个具体岗位上都不成立。一个真正能招到对的人的JD一定带着这家公司特有的“怪癖”我们就是要一个能接受每天写日报的人我们就是要一个愿意在早期阶段既做策略又做执行的人我们就是要一个对数据敏感但对品牌调性也有感觉的人。这些“怪癖”才是招聘启事真正的价值而AI在五分钟内生成的内容恰恰最容易把这些“怪癖”磨平。所以当我看到“四个月后开除了第一个人”这个结果时我一点都不意外。不是因为AI选错了人而是因为用五分钟生成的招聘标准大概率撑不过四个月的真实业务考验。前三个月新人还在适应期大家客客气气到了第四个月业务压力上来真实的能力缺口和协作摩擦开始暴露这时候你回头去看当初那份招聘启事会发现它从一开始就没有说清楚这个岗位到底要解决什么问题。开除一个人很多时候不是人的问题是标准的问题。这篇文章我想拆解的就是这件事一个被AI加速到五分钟的招聘决策它的完整链路是什么样的哪些环节被压缩了哪些环节被跳过了哪些环节看起来省了时间实际上埋了雷。我会结合我自己带团队、参与招聘、也用过AI工具辅助招聘的经验把这条链路从头到尾捋一遍。不管你是正在用AI写JD的团队负责人还是被AI筛过简历的候选人或者只是对“AI参与管理决策”这件事好奇的从业者都能从这条链路里看到一些真实的东西。2. 五分钟生成招聘启事的真实工作流AI到底做了什么2.1 从一句话需求到一份JD中间经过了哪些处理很多人以为“AI五分钟挂出招聘启事”就是打开对话框说一句“帮我招个人”然后复制粘贴。实际跑过一遍就知道真正能被挂出去的JD中间至少经过了四到五轮处理。第一轮是需求输入你给AI的原始信息通常是一句非常模糊的话比如“招个运营能写东西最好懂点数据”。第二轮是AI的意图补全它会自动把“运营”拆成内容运营、用户运营、活动运营、数据运营几个方向然后默认选一个最常见的组合。第三轮是模板匹配AI会调用它训练数据里最常见的JD结构岗位职责、任职要求、加分项、薪资福利。第四轮是语言润色把口语化的需求翻译成招聘平台常见的书面表达。第五轮才是格式适配加上公司介绍、团队氛围、投递方式。这五轮处理里真正由人控制的只有第一轮和最后一轮。中间三轮全是AI在替你做决策。问题就出在这里AI在做意图补全的时候用的是“大多数公司招这个岗位时会怎么写”的概率分布而不是“你这个团队现在真正需要什么”的具体判断。举个例子你输入“招个运营能写东西最好懂点数据”AI大概率会给你生成一份包含“负责公众号内容策划与撰写”“负责用户增长数据分析”“协同活动策划与执行”的JD。这份JD看起来没问题但它默认了你需要一个“全栈运营”。如果你实际上只是需要一个能稳定产出深度内容的人数据那块只需要会看后台就行那这份JD就会把真正对的人吓跑——因为擅长深度内容的人看到“用户增长数据分析”会觉得自己不匹配而擅长数据分析的人看到“公众号内容策划”又会觉得这不是自己的主业。2.2 为什么“平均正确”的JD反而招不到对的人招聘这件事有一个反直觉的地方JD写得越“标准”来的人越“标准”而“标准”的人往往不是小团队需要的人。大公司可以用标准JD招标准人才因为大公司有完善的培训体系、明确的岗位边界、成熟的协作流程一个人进来之后只需要在某个细分环节上做好就行。但小团队或者快速变化的业务需要的是“非标准人才”——能补位、能扛事、能在模糊地带自己找方向的人。这种人在看JD的时候最在意的不是“这个岗位职责写得全不全”而是“这个团队到底在做什么、遇到了什么难题、需要我进去解决什么”。AI生成的JD恰恰缺少这种“具体难题”的描述。它不会写“我们现在的公众号打开率从8%掉到了3%需要一个人来重新梳理内容方向”它只会写“负责公众号内容策划与撰写提升内容质量和用户粘性”。前者能让真正有经验的人立刻判断“这个问题我能不能解”后者只能让人判断“这个岗位我能不能干”。这两个判断之间的差距就是四个月后开除人的伏笔。我自己的做法是用AI生成JD初稿之后必须手动加一段“我们当前面临的具体问题”。这段话不需要长两三句就行但必须有具体的数字、具体的场景、具体的痛点。比如“我们目前有5个客户每月新增线索不到20条需要一个人来把线索获取和转化流程跑通”。这段话加进去之后来的人质量会明显不一样因为能看懂这段话的人才是真正对业务有感觉的人。2.3 招聘平台上的“五分钟挂出”到底省略了哪些关键动作从操作层面看“五分钟挂出招聘启事”意味着你跳过了几个非常重要的动作。第一个被跳过的是岗位需求的内部对齐。正常流程里招人之前应该跟业务负责人、团队现有成员、甚至上下游协作方聊一圈确认这个岗位到底要解决什么问题、和现有岗位的边界在哪里、短期和长期的期望分别是什么。这个动作通常要花一到两天但它能避免后面四个月的各种扯皮。第二个被跳过的是薪资区间的校准。AI给的薪资区间通常是行业平均值但每个团队的薪资结构、期权比例、奖金逻辑都不一样直接挂一个“行业平均”出去要么招不到人要么招进来之后发现薪资和内部不公平。第三个被跳过的是面试问题的设计。AI可以生成一套通用面试题但真正能筛出对的人的面试题必须基于这个岗位的具体场景来设计。这三个动作被跳过之后招聘启事确实挂出去了但整个招聘的“地基”是空的。四个月后出问题的时候你回头去看会发现当初省掉的那两天对齐时间后面要用四个月甚至更长的试错来还。3. 四个月里发生了什么从入职到被开除的完整时间线3.1 第一个月蜜月期里的信号忽略新人入职第一个月通常是信息量最大但最容易被忽略的一个月。这个月里新人会问很多“蠢问题”比如“我们为什么要做这个功能”“这个数据是从哪里来的”“之前是谁负责这块的”。这些问题在老人看来可能很基础但它们恰恰暴露了新人理解业务的角度和深度。如果招聘启事里没有写清楚业务背景和当前难题新人第一个月就会把大量时间花在“猜”上——猜老板想要什么、猜这个岗位的边界在哪里、猜什么事情该做、什么事情不该做。我观察过很多次第一个月里新人问的问题质量基本能预测他四个月后的表现。如果新人问的是“这个功能的用户使用路径是什么样的”“我们有没有历史数据可以参考”“竞品是怎么做的”说明他在试图建立对业务的理解框架。如果新人问的是“这个报告要什么格式”“几点交”“找谁审批”说明他还在把工作当成任务来完成而不是当成问题来解决。这两种状态没有绝对的好坏但如果你的招聘标准是“能扛事的人”那第二种状态就是一个早期信号。问题在于当JD是AI用五分钟生成的时候你很难在第一个月就判断“这个人的问题质量”到底是因为他不合适还是因为JD本身就没说清楚。你会倾向于给他更多时间因为你觉得“可能是我没写清楚”。这个“可能是我没写清楚”的自我怀疑会一直持续到第三个月。3.2 第二到第三个月产出预期与现实的第一次碰撞到了第二个月新人开始有实际产出了。这时候你会第一次拿他的产出和你的预期做对比。如果JD里写的是“负责公众号内容策划与撰写”你预期的是每周两篇深度文章结果他交上来的是每周五篇短资讯你会觉得“好像哪里不对但也不能说他没干活”。如果JD里写的是“负责用户增长数据分析”你预期的是他能从数据里找到增长机会结果他交上来的是每周一份数据报表你也会觉得“好像哪里不对但报表确实做了”。这种“好像哪里不对”的感觉根源在于JD里的动词太模糊了。“负责”这个词在招聘语境里几乎等于什么都没说。负责可以是执行也可以是决策可以是独立完成也可以是协同推进可以是按模板做也可以是从零搭建。AI特别喜欢用“负责”这个词因为它安全、通用、不会出错。但正是这个词让第二到第三个月的产出对比变得非常主观——你觉得他没达到预期他觉得他完成了职责。我自己的经验是JD里的每一个“负责”都应该在后面加一个可验证的结果描述。比如“负责公众号内容策划与撰写目标是三个月内把打开率从3%提升到5%”或者“负责用户增长数据分析目标是每月输出至少两条可落地的增长建议并推动执行”。有了这个结果描述第二到第三个月的时候双方对“做得好不好”的判断就有了共同标准而不是各自凭感觉。3.3 第四个月开除决策背后的真实触发点到了第四个月开除的决策通常不是由一个单一事件触发的而是由一系列小摩擦累积而成的。可能是某次周会上你发现他对业务的理解还停留在第一个月的水平可能是某个项目推进不下去你发现他一直在等指令而不是主动找路径可能是某次跨部门协作你发现他和其他团队的沟通方式让协作方很不舒服。这些摩擦单独看都不致命但放在一起就会让你得出一个结论这个人不合适。但如果你仔细复盘会发现这些摩擦里至少有一半根源在招聘启事本身。如果JD里写清楚了“这个岗位需要主动找方向而不是等指令”那他在第一个月等指令的时候你就会及时提醒他而不是等到第四个月才爆发。如果JD里写清楚了“这个岗位需要频繁和产品、技术团队协作沟通成本很高”那他在第一次协作出问题的时候你就会意识到这是岗位特性而不是个人能力问题然后给他具体的协作建议而不是默默扣分。开除一个人从来不是一件轻松的事尤其是当这个人并没有犯什么大错只是“不太合适”的时候。但“不太合适”这个判断如果从招聘启事阶段就开始模糊那它就会一直模糊到第四个月最后用一个开除动作来强行清晰。这个代价对团队、对当事人、对你自己都太大了。4. 被AI加速的招聘流程里哪些环节绝对不能省4.1 岗位需求的“具体化”必须由人完成AI可以帮你把一句话需求扩展成一份结构完整的JD但它没法帮你回答“这个岗位到底要解决什么问题”。这个问题必须由你来回答而且必须回答得非常具体。具体到什么程度具体到你能说出“这个岗位入职后第一个月要做完哪三件事”“第二个月要拿到什么结果”“第三个月要能独立负责什么”。如果你说不出来说明你自己还没想清楚这个岗位要不要招、招来干什么。我见过一个很实用的方法叫“反向JD法”先不写这个岗位要做什么先写“如果这个岗位的人做得不好会出现什么现象”。比如“如果这个人做得不好我们的内容会断更”“如果这个人做得不好数据报表会出错但没人发现”“如果这个人做得不好客户投诉会变多”。把这些“不好”的现象写出来之后再反推这个岗位需要什么能力、什么经验、什么性格。这个方法比正向写JD慢但它能逼你把岗位的真实需求想清楚。4.2 面试问题的设计必须基于真实场景AI可以生成一套通用面试题比如“请描述一次你处理紧急情况的经历”“你如何应对工作中的压力”。这些问题不是不能用但它们太容易准备了候选人随便套一个STAR模型就能答得很漂亮。真正能筛出对的人的面试题必须基于你这个岗位的真实场景来设计。比如你的岗位需要经常处理客户投诉那面试题就应该是“假设一个客户因为我们的产品问题在电话里骂了十分钟你会怎么处理”。这种问题没有标准答案但候选人的回答会暴露他的真实反应模式。我自己的做法是面试题里至少有一半是“场景模拟题”而且这些场景必须来自团队过去半年真实发生过的问题。这样做有两个好处一是能看出候选人有没有处理类似问题的经验二是能让候选人提前感受到这个岗位的真实压力。如果候选人在面试阶段就觉得“这个问题好难”那入职之后遇到类似问题他至少不会完全懵。4.3 薪资区间的校准必须结合团队现状AI给的薪资区间通常是行业平均值但行业平均值对你的团队来说可能完全不适用。你需要考虑的是团队现有成员的薪资水平是什么样的、这个岗位在团队内部的相对价值是多少、你能给的现金和期权比例是多少、如果候选人期望高于你的区间你准备怎么谈。这些问题AI回答不了因为它不知道你的团队现状。一个很实用的做法是在挂出JD之前先和团队里最接近这个岗位的人聊一次问他“如果你现在重新找工作你觉得这个岗位值多少钱”。这个数字通常比行业平均值更接近你的真实情况。然后在这个数字的基础上上下浮动20%作为你的薪资区间。低于这个区间的候选人大概率能力不够高于这个区间的候选人要么你给不起要么你给了之后内部会不平衡。5. 如果重新来一次一个更靠谱的AI辅助招聘流程5.1 用AI做信息整理而不是做决策如果让我重新设计一个AI辅助招聘的流程我会把AI的角色严格限定在“信息整理”和“表达优化”上而不是让它参与任何实质性的决策。具体来说AI可以做这几件事把你口述的岗位需求整理成结构化的文档、把你写的面试反馈整理成可对比的表格、把候选人的简历信息提取成统一格式、把JD的语言润色得更通顺。但AI不能做这几件事决定这个岗位要不要招、决定候选人合不合适、决定薪资给多少、决定面试问什么。这个边界看起来很简单但实际执行的时候很容易越界。因为AI太方便了你很容易顺手就让它“帮我判断一下这个候选人怎么样”或者“帮我定一个薪资区间”。每次你想这么做的时候提醒自己AI的判断是基于概率的而招聘是一个需要基于具体情境做判断的事。概率能帮你排除明显不合适的选项但不能帮你找到真正合适的人。5.2 把“四个月”压缩成“四周”的验证机制开除一个人之所以代价大是因为你用了四个月才发现不合适。如果能把验证周期压缩到四周代价就会小很多。具体怎么做在入职前四周设置三个明确的验证节点。第一周结束时让新人输出一份“我对这个岗位和业务的理解”你看他理解得对不对。第二周结束时让新人独立完成一个小任务你看他的执行质量。第四周结束时让新人做一个完整的项目汇报你看他的思考深度和协作能力。这三个节点里任何一个节点出现明显不匹配都可以及时沟通调整而不是等到第四个月才爆发。这个机制的关键在于验证标准必须在入职前就定好而且必须和JD里的结果描述对应。如果JD里写的是“三个月内把打开率从3%提升到5%”那第四周的验证标准就应该是“能说清楚当前打开率低的原因和至少两条改进思路”。有了这个标准你和新人之间的沟通就有了共同语言而不是各自凭感觉。5.3 开除之后的复盘问题出在招聘还是管理最后说一个很少被讨论但非常重要的事开除一个人之后必须做一次复盘而且复盘的重点不是“这个人哪里不行”而是“我们的招聘和管理哪里出了问题”。如果复盘结论是“这个人能力不行”那下次招聘你大概率还会踩同样的坑。如果复盘结论是“我们的JD没写清楚”“我们的面试题没问到关键点”“我们的前四周验证机制没执行”那下次招聘你就有具体的改进方向。我自己的复盘清单通常包括这几个问题JD里的结果描述够不够具体面试题有没有覆盖真实场景前四周的验证节点有没有执行新人遇到困难的时候有没有及时得到支持如果这四个问题里有任何一个答案是“没有”那开除这个人的责任至少有一半在团队这边而不是全在个人。6. 写在最后AI可以加速流程但不能替代判断回到开头那个画面AI五分钟挂出招聘启事四个月后开除了第一个人。这件事里最值得警惕的不是AI参与了招聘而是我们用AI的“快”掩盖了招聘本身需要的“慢”。招聘从来不是一个可以加速到五分钟的动作它需要你慢下来想清楚要什么人、慢下来设计面试问题、慢下来做前四周的验证、慢下来做开除后的复盘。AI可以帮你省掉写JD的半小时但省不掉你想清楚岗位需求的两天。我自己用AI辅助招聘快两年了最大的体会是AI最适合做的是“把你想清楚的东西表达出来”而不是“帮你想清楚”。你想清楚了AI能让你的表达更高效你没想清楚AI只会把你的模糊放大成一份看起来专业的JD然后让你在四个月后付出更大的代价。所以下次你打开对话框准备让AI帮你写JD的时候先问自己一句这个岗位到底要解决什么问题如果你能脱口而出那AI可以帮你写如果你答不上来那先别打开对话框先打开笔记本把这个问题想清楚再说。
