一句话看懂：当 AI 让投简历变得像网购一样简单后，企业招聘官正被成千上万份真假难辨的申请淹没。招聘行业风向因此逆转，从追求“一键申请”转向主动增加流程摩擦，以过滤低质量候选人。
事件核心：发生了什么
软件采购公司 Vendr 的人力负责人 Andrew Stockwell 发现，过去一年招聘流程彻底失控：一个职位从过去几十份申请飙升至数百甚至上千份，其中不少是 AI 生成的虚假简历或过度美化材料，让招聘官难以区分候选人质量。他不得不让高薪的招聘专员整天机械筛选申请。
这一现象并非孤例。招聘平台 Greenhouse 的语音 AI 负责人 Ophir Samson 透露，有客户在 24 小时内收到 2000 份申请，“这对所有人都是糟糕的体验”。AI 简历生成工具、浏览器自动填充插件以及 LinkedIn 的“Easy Apply”功能，共同将求职门槛降至历史最低。据 LinkedIn 数据，自 ChatGPT 发布以来，平台人均申请量上升了 22%，较 2020 年 2 月更是增长 46%。
作为应对，LinkedIn 已开始限制自动化和低质量申请，并测试新功能：对明显不匹配的候选人直接提示“可能不适合该职位”，同时推荐其他岗位。招聘方的态度也发生 180 度转变——从过去追求“无缝体验”，到现在主动要“摩擦”。
为什么重要
AI 正在改变劳动力市场的供需匹配逻辑，但这种改变并非正向。过去两年，美国职位空缺数从 2022 年 3 月峰值的 1230 万降至约 700 万，而 AI 工具让单人的申请产出量大幅提升，导致“申请通胀”——企业看似收到更多简历，实则有效信号被淹没，招聘效率反而下降。
这件事对 AI 应用行业有直接启示：当生成成本趋近于零，输出质量就失去了甄别价值。AI 生成的申请材料让人才市场出现严重的逆向选择——优质候选人难以脱颖而出，投机者反而容易蒙混过关。这也解释了为何招聘 SaaS 平台开始转向“反 AI”功能开发，通过增加人工环节或行为识别来恢复筛选的有效性。AI 工具的易用性本身正在从竞争力变成危机源。
对用户/开发者/创作者的影响
对求职者而言，依赖 AI 批量投递简历的策略正变得适得其反。知名度和职位匹配度在大量同质化申请中被稀释，真正有效的做法可能是回归定制化申请，主动避开那些明显已被 AI 申请淹没的岗位。部分企业已经开始要求视频面试、作品集或笔试作为“摩擦门槛”，求职者应为此做好准备。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对招聘 SaaS 开发者和 AI 应用开发者来说，市场出现了明确的新需求：不是帮用户生成更多申请，而是帮招聘方识别、过滤和验证候选人真实性。简历防伪、AI 生成文本检测、行为面试分析等技术方向有落地空间。LinkedIn 的新功能也表明，平台将承担更多“预筛选”职责，第三方工具需要找到与平台共存的定位，而非单纯提高投递上限。
对企业 HR 部门来说，需要重新设计招聘流程，将 AI 识别和人工判断结合，避免在高噪音环境中凭直觉筛选。评估工具的投资回报率时，不再只看申请量，而应关注有效候选人的转化率。
值得关注的后续
第一，LinkedIn 的“不适合提示”功能能否有效压低低质量申请量，以及是否会引发用户反弹，值得追踪——平台同时面临提升匹配效率和维持用户活跃度的双重压力。
第二，“摩擦式招聘”是否会演变为产品趋势，例如 Greenhouse 等平台是否会推出“防 AI 申请”的付费功能，以及这类功能如何平衡合规性与用户体验。
第三，AI 简历生成工具是否会因此调整策略，从“批量投递”转向“质量优化”，或开发“反检测”能力，形成新一轮攻防博弈——这将是观察 AI 在人力资源领域走向的关键窗口。
来源：Wired AI
