AI 不是在制造更优秀的求职者，而是在制造越来越难被验证的求职者。
今年 6 月，一位 HR 在微博发了一段面试经历，带火了"面试遇到豆包味很浓的应届生"这句话，引发热议。她面试一个应届生，简历是豆包写的，聊天也是浓浓的豆包味，但转念一想：通勤近，来去方便；岗位是文职，本来也不需要什么硬核能力；门槛卡的就是个学历，够了就行。三条凑一块儿，还是让她来面试了。面试全程她老低头看手机打字，HR 估摸着，这二十分钟她大概率一直在偷偷问豆包。最后问她还有什么想了解的，她说："我问问豆包
。"
这条经历后来被当段子转发，因为"我问问豆包"这句话实在太明显了。但更多简历没这么容易露馅——写得一个比一个漂亮。北森 AI 人才科学研究院发布的《AI 原生求职时代》报告提到：过去翻简历，排版乱的、内容空的，一眼就能筛掉一大半；现在不行了，简历人人写得漂亮，"人人都有大厂实习，人人都是项目负责人"，HR 心里犯嘀咕：这届学生，怎么突然都这么优秀了？
答案很简单，人手一个 AI。
配资介绍一年之内，95% 的应届生成了" AI 原生求职者"
2025 年，66.7% 的校招生求职时用了 AI；2026 年，这个比例预计冲到 95%。几乎每一份摆在 HR 桌上的简历，背后都有 AI 帮衬。
代价也来了：AI 把简历改得越来越"漂亮"，却越来越看不出真实能力，一段普通的学生会经历，也能包装成"统筹 50 余人团队，完成校级大型活动，获得校级表彰"。
一些企业撑不住了，退回到最原始的办法：重新看重学校、学历、绩点。可这条路也走不通，学校不出众、但学习能力强的潜力股，很可能在第一轮就被筛掉。说到底，简历这个东西已经分不出谁真的强了，跟用不用 AI 没太大关系。
简历的价值，本来建立在"造假的成本"上
经济学家迈克尔 · 斯宾塞（Michael Spence）1973 年讲过一个道理：递简历，说白了就是花时间精力，告诉雇主"我值得被面试"。HR 凭什么信？因为编一份好简历本来要花真功夫，这份功夫本身就是门槛。
AI 把这个成本压到了接近零：一段"参与了项目"的经历，改写成带动词、带数据的标准句式，几秒钟的事。
姑且把这叫作"简历通胀"（不是现成的经济学术语，只是借货币超发打个比方）。它和"学历通胀"不是一回事：学历通胀是文凭本身因为供给太多贬值；简历这边贬值得更彻底，即便经历全部为真，只要写法跟别人趋同，在 HR 眼里就读不出信息量，写得越标准，反而越像没写。
两边都在用 AI，最后还是拼回了人
元股证券:ygzq.hk
企业也没闲着。据调查统计，过去一年，用 AI 面试官的企业数量同比涨了 4 倍，84% 用在校招上。长安汽车引入 AI 面试官后，人机判断一致性达到 70% 到 80%，复试通过率提升 20%，一季校招省下 8333 个小时；晶合集成的简历筛选效率提升 39%，录用率从 45% 涨到 65%。
学生用 AI 把经历写漂亮，企业用 AI 给简历和面试表现重新打分，两边互相抵消，谁都没占到便宜。可谁也没法退出这场游戏，根子在体量：2026 年全国高校毕业生预计超过 1200 万，就业率大约 65%；科技博主"航通社"统计过，2025 年提及 AI 的实习岗位平均收到 78 份申请，非 AI 岗位也有 32 份。一个岗位收几百份简历，人工根本看不过来，企业用 AI 筛选，没得选。
学生这边同样没有退路：不用 AI 包装的简历，在 HR 平均几秒扫一眼的初筛里，大概率先因为"不够专业"被刷掉。谁先不用，谁先吃亏，代价自己扛，换不来规则的改变。这就是"人人都用 AI "最结实的地方：不用谁强迫，每个人自己算完账，都会做出同样的选择。
筛选权最后落回了 AI 还替代不了的地方：追问。
AI 能编出经历的措辞，编不出经得起追问的细节
据 HuffPost 报道，Zapier 招聘经理邦妮 · 迪柏（Bonnie Dilber）说，她审的申请里至少四分之一一眼就能看出是 AI 产物，不少人回答"为什么对这个职位感兴趣"，套的是同一个案例，连比喻都一样。LHH 招聘主管萝莉 · 钱伯林（Laurie Chamberlin）说得更直接：简历里全是"沟通能力强""具备团队精神"这类空话、挑不出具体事例，基本能判定是 AI 写的。
写得"真实、具体、带细节"就能赢？这个结论已经站不住了。
有一款叫 Walter Writes 的工具，专门把 AI 写的简历和求职信改成"像人写的"。它自己公布的数据：GPTZero 原本判定一段文本 98% 以上是 AI 生成，Walter Writes 改写一遍，判定结果能翻到 99% 以上"人类写作"。同类工具还有 HumanLike、Undetectable AI，卖点都差不多：把 AI 写的东西改到连 AI 检测器都认不出来。"听起来真实"这件事，已经成了一门能按月订阅的生意。
AI 在骗人不算什么新鲜事，真正让人不安的是，"显得真实"本身，也能被批量做出来。
但这类工具能处理的，还是写在纸上的东西：先有一份草稿，再拿去改掉 AI 痕迹。追问不一样，面试官那句追问，问出口之前根本不存在，没有草稿能先拿给 AI "洗"一遍再背下来。
凡是写成文字、能反复改的东西，AI 迟早能磨平，连"去掉 AI 痕迹"这道工序本身，也有人能替你做。只有从没写下来过、非得当场现想的东西，才还留得住信号。
AI 抢得走文笔，抢不走判断力
这条热搜下，有条评论说得更具体：真正稀缺的是两样东西，一是提出好问题的能力，问题 AI 能答，往哪个方向问得靠人；二是甄别信息的能力，AI 一天能生产出普通人一年写不完的内容，什么该信得自己拿主意。这条评论给应届生的建议是：把 AI 当研究助手，别当代笔——那些还带着毛边、没收拾整齐的想法，才是面试官最想看到的东西。
有一位应届生的选择，刚好对上了这个思路。二本出身，没有大厂实习，也没竞赛项目，投出去的简历大多石沉大海。她没有把力气继续花在把简历写得更像大厂员工，而是先接了一份外包驻场（业内叫 OD）的岗位，接触真实的线上业务：微服务、中间件治理、线上问题排查。面试官问一句"中间件治理具体做了什么"，她答得出来，因为真做过。用她自己的话说，这段经历比"一份普通的正式劳动合同"更有用。这是她今年在" Solo 独立开发者社区"（Solo.xin）上发的帖子，网名叫 Crystal。
校招真正要补的课，是怎么理解、判断、吸引新一代人才，不只是效率。
换到求职者这边，答案更具体：与其再改十遍简历措辞，不如去找一件 AI 编不出来、自己却答得上来的真事：真正踩过的一个坑，经得住面试官连问三句都不垮的那种。没有这样的经历，就先去接一份能碰到真实业务的活儿，哪怕从外包驻场这种不体面的起点开始，只要真做过，就有东西可以被问。
面试官问一句"你说的这次迭代，踩过什么坑"，AI 写的简历在这句追问面前，通常只能沉默三秒。门槛没有消失，只是从"简历写得好不好"，挪到了"扛不扛得住问"。
当每个人的简历都长得差不多，真正的竞争力实盘配资操作指南，从来不是写得多漂亮，是你有没有一件事，经得起一路追问。
配资之家提示：本文来自互联网，不代表本网站观点。
