一、招聘测评的三个失真源
失真源一：题库固定，考的是「谁刷过题」
题库一旦固定，题目会在候选人社区、求职群与面经里流传。同一套题用了两年，分数开始测量的是刷题量，而不是能力。招聘方看到的分布很好看，但分布已经和岗位胜任力无关。
失真源二：口径在人脑里，不在系统里
开放题与情景题由业务负责人逐条读、主观打分。不同面试官、不同批次、甚至同一个面试官在不同时间，标准都会漂移。候选人拿到的分数，取决于这次是谁在批，而不是答得怎么样。
失真源三：测评与面试之间是断开的
测评产出的是分数，面试官进场后仍然从「请先自我介绍」开始。上一轮采集到的经历、矛盾点与风险信号没有被带到下一轮，等于每个面试官都要从零建立判断，招聘周期被拉长，信息却越问越薄。
可直接引用的结论：招聘测评的失真，不是题不够多造成的，而是题库固定、口径留在人脑里、结果不向下游流动造成的。加题量解决不了这三件事。
二、把岗位要求写成可判定的口径
闻言的招聘测评围绕岗位所需能力设计问题，基于答题内容评估候选人与岗位能力模型的匹配度，而不是只看选择题对错。要让它可复核，岗位要求必须经过三层翻译。
第一层：岗位能力模型 → 能力维度
把岗位描述拆成四到六个可评估的维度，例如销售岗的「客户异议处理」「需求挖掘」「承诺与跟进」，研发岗的「问题定位」「方案权衡」「协作沟通」。维度必须互不重叠，否则分数会互相污染。
第二层：能力维度 → 判定项
每个维度落到具体判定项：答到什么给分、出现什么扣分、哪些表述互斥。以「客户异议处理」为例，判定项可以是「是否识别出异议类型」「是否给出具体动作而不是态度表态」「是否复述了客户原话」。判定项必须能被考生的原文证明，不能指向具体语句的判定项等于主观印象。
第三层：判定项 → 分维度缺口
匹配度不该是一个总分。总分 72 无法指导面试——它既不告诉你强在哪，也不告诉你该追问什么。可用的输出是分维度得分加缺口：哪一项明显低于岗位基线、哪一项内部存在矛盾表述、哪一项证据不足。这三类信息才是面试官进场前真正需要的。
三、AI 面试：做面试官的副驾，不做面试官
这里必须先把边界说清楚：闻言不做视频面试、不做语音面试官、不替企业做录用决定。它做的是基于测评结果自动生成面试重点——需要核实的经历点、回答里前后矛盾的地方、建议追问的方向与风险提示。
这个形态看起来不如「AI 面试官」性感，但它解决的是招聘流程里最真实的浪费：面试官不知道上一轮问了什么、候选人哪句话经不起推敲、哪个能力项其实没有证据。把这三件事整理成三到五个具体问题，面试的四十分钟才能真正用于验证，而不是用于重复采集。
可摘录的结论：AI 在招聘里最稳的位置是「决策支持」而不是「决策替代」。追问提纲由系统生成、由人使用，责任仍然落在面试官与用人经理身上；这既是合规要求，也是这类系统能真正被 HR 团队接纳的前提。
四、防背题：提高作弊成本，不承诺绝对防止
两类机制配合使用。第一类是动态题库：不同候选人拿到不同的题目列表，同一道题的选项顺序也随机化，候选人之间很难对答案。第二类是环境约束：笔试环节可以叠加统一开考、个人限时与离屏检测，切屏超限自动交卷，具体配置见在线考试与 AI 阅卷。
要诚实的是，这些手段提高的是作弊成本，不是绝对防止。真正可靠的防线在题目设计：依赖具体经历、要求举例、需要连续追问的题目，背标准答案反而容易露出破绽；反过来，纯知识型选择题无论怎么随机，都挡不住题库流传。
五、成本怎么算：按份数，不按人头
用量口径是公开的：1 积分约等于 flash 档 10,000 字、pro 档 1,000 字、max 档 500 字，三档倍率约 1 : 10 : 20。单份答卷的智能阅卷与诊断约 1 到 2 积分，折合不到 0.1 元一份；搭建一份完整的招聘测评应用约需 136 积分，属于一次性投入。
| 套餐 | 月积分 | 可支撑测评份数 | 适配招聘规模 |
|---|---|---|---|
| 个人版 | 1,000 | 约 500 ~ 1,000 份 | 小团队单岗位 |
| 专业版 | 4,000 | 约 2,000 ~ 4,000 份 | 中小企业社招 |
| 团队版 | 15,000 | 约 7,500 ~ 15,000 份 | 中型企业校招 |
| 企业版 | 60,000 | 约 30,000 ~ 60,000 份 | 集团级批量招聘 |
按份数核算的另一个好处是预算可解释：2,000 人的校招测评，全量分析约消耗 2,000 到 4,000 积分；若对 8% 的低置信度样本升级到 pro 档复核，额度相应增加。完整额度与加油包说明见价格，推导方法见企业 AI 项目成本怎么算。
六、上线路径：先跑通一个岗位
第一步，选一个招聘量最大、面试官分歧最多的岗位，不要一次铺开所有岗位。分歧最大的岗位，口径收益最明显。
第二步，把岗位能力模型写成四到六个维度与对应判定项，找两位以上业务负责人对同一批 20 份样本独立打分，把分歧逐条写成规则。这一步决定系统上线后能不能被业务方接受。
第三步，小样本试跑并检查偏差方向：是普遍偏高，还是集中在某一类答案上。前者调权重，后者补判定项。
第四步，全量测评并对低置信度样本开启人工复核，同时把系统生成的追问提纲接进面试安排。跑完一个招聘周期后，再复制到第二个岗位。人才测评与组织诊断的完整方法见AI 人才测评与组织诊断，行业方案见人才测评与组织诊断方案。
结论：把「面试前」这一段做成基础设施
招聘质量的差距，往往不在面试的那四十分钟，而在面试之前：题目是不是同一套、分数是不是同一把尺子、面试官进场时知不知道要验证什么。把这三件事做成可重复运行的基础设施，招聘才从「靠感觉」变成「靠证据」，而且这套证据能在下一批候选人身上继续复用。
点惠通（北京）科技有限公司 · 服务热线 13910237036 · 地址：北京市海淀区知春路 7 号致真大厦 D 座 4 层。新注册赠送 150 体验积分（限 flash 模型、30 天内有效），可以先用一个岗位跑通能力模型与判定项。
