那么，职业规划师、简历优化师的饭碗岌岌可危了吗？头脑灵活的行内人，已经在TikTok上分享 ChatGPT 简历编辑教程，甚至做出播放量上百万的视频。

其实在引入 GPT-4 之前，这家公司的服务也是基于这样的数据导向。他们为 3200 多个职位提供了 20000 多个可能的短语，用户找到对应的那个，将它们「组装」成初稿即可。

类似的 AI 简历工具不再一一例举，但它们基本都有以下功能：

别急还没有完，改善简历和模拟面试两大功能强强结合之后，便是 AI 职业教练 Boris。

首先，你可以上传简历让它分析，Boris 会反馈详细的修改建议，包括去口语化、纠正拼写错误等等，这份能力来源于 GPT-4，以及超过 200 万个数据点。

其次，你可以通过 Boris 进行模拟面试，这也是它最有意思的部分。屏幕上会出现一位长相接近真人的面试官，根据你提供的简历提问。

尽管如此，被算法拒绝的原因依旧多种多样，或许是因为缺少部分关键词，或许是因为触发了难以捉摸的淘汰条件，仿佛莫可名状的规则类怪谈。

哈佛商学院教授 Joe Fuller，曾经访谈过美国、英国和德国的 2250 多名高管，发现了一个很有意思的结论：88% 的高管知道，自动化的工具可能会将某些人才拒之门外。但为了效率和成本，他们还是这么做了。

近 50% 的高管承认，工具会直接拒绝空窗期超过 6 个月的求职者。也就是说，这些人连出现在 HR 面前的资格都没有，哪怕各项能力都很优秀。

简言之，混入招聘前期的 AI，以数据和关键词为中心，衡量求职者是否够格，这就像 MBTI 人格测试一样，将千人千面的个性特征，划分为 16 种可以解读的类型。

用 AI 定制简历、靠 AI 模拟面试的求职者，如果碰上 AI 面试官，有种用魔法碰撞魔法的感觉，一时之间难分高下。一位用 ChatGPT 写求职信的用户，就抱着半开玩笑的态度：

为什么不？机器人会阅读它们，那我会找一个机器人来写它们。

让 AI 担任面试官，偏见是一个传统但又从不过时的话题。

AI 基于数据做出决策，如果它从偏见普遍存在的行业中获取养料，后果可想而知。

加州大学伯克利分校的一项研究显示，AI 有 44% 的可能体现性别偏见，有 26% 的可能同时表现出性别和种族偏见，还可能容易筛掉残障人士。

提供相关服务的平台则持反对意见，他们觉得 AI 让招聘更多样化了，偏见也是可以改善的问题。更何况，人力是有限的，也是自带偏见的，AI 至少确保每一份简历都能以相同的方式评估。

比如，以前的求职经验贴里会建议，在投递某家公司的时候，最好了解一下他们的价值观和企业文化。对于这个问题，已经有人用 AI 开发出了更高级的玩法。

真格基金将张一鸣 2012-2016 年的微博全文，扔到了 GPT-4 最强竞品 Claude 里，然后让它分析内容的主要特点、推测公司的管理方式和企业文化、列举公司在国际化业务中的竞争对手、预计公司未来可能的业务等等。

虽然部分答案不够准确，但整体效果十分惊艳，如果说 GPT-4 是考高分的斯坦福大学生，Claude 更像「量子速读」的麦肯锡分析员。

类似地，张小龙 2010 年到 2012 年的 2000 多条饭否消息一度疯传，人们从这些只言片语里，用词云分析「微信之父」的个性、喜好、对产品的见解等等。如果将这项工作交给 AI，应该也能够完成得很好。

以上只是个人的试验，已经有公司通过 AI，将人力资源的各类数据做得更加系统化。今年 3 月底，人力资源技术公司 Beamery，推出世界上第一个专为 HR 设计的生成式 AI：TalentGPT。

TalentGPT 基于 Beamery 内部的大语言模型，以及 GPT-4 等外部模型，跟踪超过 170 亿个关于求职者、公司、技能和工作的数据点。

它将为管理者、求职者、HR、员工等群体提供个性化体验，包括根据公司缺乏的技能生成新的职位描述、根据现状指导员工的晋升等等。

当 AI 越来越入侵生活的方方面面，似乎我们参与的每一项社会活动，都可以被解读为数据，然后找到可能的最优解。就像孙燕姿回应 AI 孙燕姿时说的那样，每个人都没有多特别：

无论你多么小众、多么反常或者精神多么错乱.......你已经是可预测的，而且不幸你也是可定制的。

人为创造的知识和信息被编码、数字化和结构化，喂养出的 AI 既是一个不可参透的黑箱，也是一面洞察人类的镜子，我们反而要按照 AI 的逻辑前行，塑造它眼中理想的自己。

花粉社群VIP加油站