招聘体系应当更看重实际贡献，而非学历光环。
我的职业生涯始于神经科学领域——既非商科背景，也非工程或人力资源专业。
当我成为GitLab产品负责人时，此前从未管理过产品团队，也不具备传统意义上的资质。但有人愿意给我机会，看中的是我的潜在贡献，而非过往履历。这一刻不仅改变了我的职业轨迹，也重塑了我的招聘理念。
在Remote公司，我们更关注能力而非出身。一个人的实际作为远比简历上的光环重要。这种思维方式始终有价值，而随着人工智能的崛起，它正变得至关重要。
当前变革不仅关乎生产效率与自动化——更涉及我们如何定义岗位适配度、识别潜力，以及避免重蹈历史上的排他性覆辙。AI已在改变工作方式，但若想让它优化招聘，我们必须有意识地引导这种变革。
这种转变恰逢传统学历价值受到质疑。据皮尤研究中心数据，在学费高涨和学生债务压力下，仅22%美国人认为贷款攻读四年制大学"物有所值"。如果企业继续将学历要求作为能力代名词，可能会错失大量通过非传统路径证明自己实力的AI时代人才。
AI正在改变贡献者的定义与方式
我将AI视作必需品。它已深度融入我司文化，其人才赋能效应彻底改变了我们的运作模式。但较少被讨论的是：AI也重新定义了"贡献"的内涵。只要配备合适工具和明确目标，缺乏正规培训者也能更快完成更多工作。
没有正式学历者可用AI完成专家级任务：数据分析、技术文档撰写甚至编程。小城镇的单亲父母既能陪伴孩子，也能为远程团队创造价值。那些取代某些职能的工具，正让更广泛人群得以参与知识经济。
这并非否定经验价值，而是意味着"纸上资质"与"实际产出"之间的鸿沟正在缩小，但招聘体系尚未跟上。
这种转变要求我们改变人才评估方式。当贡献不再取决于出身，围绕学历、名企经历和线性简历建立的招聘体系就会失灵。企业需要从简历筛选转向问题解决测试，从面试答辩转为真实项目考核。
尽管近年来技能本位招聘呼声渐高，但哈佛商学院与Burning Glass研究所2024年报告显示，过去一年中每700个录用者里，不足1人是主要基于技能而非传统资质入选。变革意愿虽明确，但若招聘体系不变，企业将继续错失他们声称需要的人才。
简历正在失去信息价值
人们容易误以为AI会自动挖掘潜在人才，这是危险假设。未经约束的AI招聘系统可能复制甚至放大既有偏见。基于历史数据训练的算法，可能偏爱与过往录用者教育背景、地域或经历相似的候选人。某些自动化筛选器会惩罚职业空窗期，或直接忽略非传统申请者。
若不谨慎，我们可能将这些偏见更深地嵌入规模化招聘系统。AI工具获取渠道和使用熟练度并不均衡，弱势群体、非母语者或资源匮乏地区人群可能缺乏接触机会或使用信心。
公平不仅是道德问题，更是运营需求
要发现顶尖人才，我们需要反映现代技能的招聘实践：适应性、沟通力和快速学习能力。
我司采用与团队运作模式匹配的异步工作流，注重思维清晰度、响应能力和情境化问题解决。内部文档与入职培训设计确保不同背景、时区者都能快速适应。这些实践让我们能基于工作方式而非自我包装来评估候选人。
远程工作已证明人才无需共处一地也能创造价值，同时也暴露了结构性不平等。基础设施可靠性、工具熟练度和全球雇佣体系的差异仍然存在。公平不会自动实现，必须通过设计达成。
AI正在重新定义"就绪度"
AI或许能加速任务执行、降低成本，但无法替代人才需求。它提高了人才整合标准，也拓宽了公平竞争的机会。最合适的候选人可能不走传统路径、不住大城市、没有大学文凭——但他们已准备好创造价值。
企业现在需要建立"贡献优先于证书"的招聘体系，包括：
将AI培训设为标准入职流程（而非技术岗特权）
确保招聘流程反映真实工作场景
采用试岗项目、异步测试等评估实际工作能力（允许使用AI工具）
定期审计工具数据偏见，检视系统筛选机制
最佳候选人或许与你过往录用者截然不同，但人才可能以意想不到的方式崭露头角。
精选文章：