公司投来的简历好多像AI写的 怎么一眼看出来

可以快速做出初筛判断，但别用“是否用过 AI 写简历”当成一票否决。更稳妥的做法是“文档信号+交叉验证+情境追问”三步走：先用文档层面的可疑信号筛出高风险，再用公开信息与内部口径交叉核验，最后在沟通中用真实情境的反向提问测真实性。目标是识别“对不上”的地方，而不是排斥用过写作工具的候选人。

一眼判断的文档信号：AI 简历的常见样子 vs 正常候选人简历

• 结构与用词
  • 高风险信号：每段 PAR/STAR 结构过度工整、动词套路化（leveraged/optimized/drove/executed 的中英固定搭配反复出现）、所有项目都“端到端”“从0到1”“提升30%+”。
  • 正常样子：同一份简历里语气和颗粒度有波动，早期经历更散、近期项目更具体，动词随部门口径变化。
• 指标与量化
  • 高风险信号：指标精致却缺少度量口径（提升转化率 37.5%，但不写样本量、分层口径、A/B 持续时长）。
  • 正常样子：即便未完全量化，也会残留真实痕迹（如“灰度两周，覆盖约20%活跃用户”）。
• 术语与工具
  • 高风险信号：工具清单像背单词（Jira/OKR/Kanban/SQL/Python/Looker 全都写），但与行业/岗位不匹配。
  • 正常样子：工具随团队栈一致，有具体版本/插件/脚本名，或提及公司内网别名。
• 公司与岗位描述
  • 高风险信号：对前公司产品/组织描述过于宏观（“打造行业领先解决方案”），业务域名词堆砌但避开内部叫法。
  • 正常样子：出现部门黑话/缩写、客户/渠道代号、版本迭代节奏。
• 文风细节一致性
  • 高风险信号：中文里夹带不合时宜的翻译腔（“赋能”“协同”“驱动业务增长”集中出现），全篇标点空格规范到出版社级。
  • 正常样子：小错可见但不影响理解，段落间格式偶有不统一。

对照小表：

• 量化描述：有数值但无口径 vs 有实验/统计口径
• 工具罗列：面面俱到但不贴业务 vs 与经历强绑定
• 术语风格：平台化宏词堆砌 vs 部门内网黑话
• 指标一致性：各项目都30%起步 vs 有涨有跌、有失败教训

交叉验证：在推进面试前先做3项核对

• 公开可证 vs 简历陈述
  • 到公司官网/公众号/年度报告核对候选人提到的产品线、上线时间、地区覆盖是否同周期。人民网和新华网上的公司新闻可作时间锚点。
• 职责—产出—指标的闭环
  • 核对“职责做法”是否能推导出“产出物”，产出物是否能产生“指标变化”。只写“优化流程→效率+40%”但无“改了什么、砍了什么校验”，可信度下降。
• 内外部名词映射
  • 将候选人提到的工具/系统与同类常见替代品映射：如说“内部数据中台 AMC”，追问其等价于“DataHub/Hive Metastore 还是自研治理层”。

注意边界：校验应基于公开或候选人自述，避免在未经同意情况下联系其现雇主背调。

面谈策略：3类问题快速“破壳”AI 简历

• 过程追问（让候选人说“怎么做”而非“做了什么”）
  • 请按时间线复盘最近一次版本上线，从需求提出到发布，各节点谁拍板、用的什么表、用例怎么过。限制5分钟内讲完。
• 反事实与取舍（逼近真实决策）
  • 如果上线窗口延后一周，你会改哪一步？为什么不是数据口径或QA？让其说明所受约束（人手/成本/合规）。
• 口径锚定（核对指标真实性）
  • 你提到DAU 提升 18%，这是分日均还是活跃7日？样本量多大？灰度策略如何防止“活跃挪移”误判？

有效信号：

• 能说出具体对象名（表名/接口/脚本/场景），且与岗位生态匹配
• 面对反事实有替代方案并说得出代价
• 对失败或回滚有具体教训，不是“沟通不充分”这类虚词

警示信号：

• 复盘全是口号式动词，没有工件名（PRD/工单/脚本/仪表盘）
• 反事实被动回避或套话“视情况而定”
• 指标口径换来换去，无法给出测量窗口

流程建议：把“识别 AI 简历”做成可执行的筛选策略

• 简历初筛打分卡（供 HR 与用人经理对齐）
  • 3个一票否决：职责-产出断裂；关键指标无口径；术语与岗位长期不匹配
  • 3个加分项：失败复盘；跨协作冲突的解决细节；可复用资产（模板/脚本/组件）
• 书面作业优先于追问口播
  • 发1页小作业：给一个模糊目标，要求候选人输出“口径定义+拆解路径+风险清单”，可过滤只会写宏词的候选人。
• 面试环节设置“工件核查”
  • 允许在隐私合规前提下描述过往工件结构与字段（不收私人代码/客户名单）。合规点可参考国家网信办公开的个人信息保护要求。
• 招聘文案明确期待
  • 在 JD 中写明“需能给出指标口径与决策权锚点”，减少纯AI润色型投递。

风险边界与公平性：别把“用过 AI”混同“造假”

• 允许：语言润色、结构优化、量化表达建议
• 不允许：编造项目/岗位、虚构指标、冒用工具/证书
• 处置建议：
  • 仅文风可疑但能自洽回答 → 继续流程
  • 文档与事实多处打架 → 终止流程并记录口径
  • 涉嫌严重造假（证书、雇佣关系）→ 内部黑名单；必要时保留沟通记录以应对后续争议（遵守公司隐私政策与本地法律）

常见坑：

• 把“记不清细节”直接等同造假。早期项目可给提示词唤醒记忆，再看其能否补全闭环。
• 只看“会不会说”，忽视“有没有工件”。会说不等于做过。

如果要快速落地：先上线一张“口径核验面谈单”，约束每轮面试至少问1个反事实、1个指标口径、1个工件细节；配套一页“高频AI措辞词典”，命中后强制追问“怎么做”。这比肉眼识别“AI腔”更稳。

我招人时也踩过坑，简历写得太工整基本是AI润色过的。直接视频里让他现场画个流程图，或者问上家公司某个具体bug怎么修的，答得磕磕巴巴的基本没跑。别光看纸面，现场问细节最准。

我也遇到过这种，感觉 AI 写的简历就特别“完美无缺”，没有错别字，也没什么逻辑漏洞，和真人写的反而不一样。一般我会多问几个非常细节的问题，比如项目中具体用到了哪几个工具，遇到过啥具体问题，怎么解决的，AI 这些可能回答得很模糊或者答非所问。另外还有点经验是，真人简历的文字风格会有起伏，AI生成的往往很统一，你稍微留心一下就能发现。总之别光看纸面，那些看似完美的反倒要小心点。