落地面试，所能看到的AI可能性……

各位是否曾感受到，尽管AI模型浪潮在言辞间似乎正在重塑世界，但在实际应用层面，却鲜见其发挥出实质性的赋能作用。

大噱头与小成效的鲜明对比，想必更是让许多人陷入了一种“国王的新装”式的尴尬境地。去为了证明自己也是“聪明的人”，而不得不假装自己看到了一切。

但问题是，AI模型是真的没有价值，大家真的只是出于跟风心态而进行的“揣着明白装糊涂”行为艺术。还是其质变的静悄悄，只是大家感知度有限而陷入的自我怀疑呢？

带着这种思考，牛透社拜访了牛客创始人及CEO叶向宇，准备基于AI模型支撑的AI面试产品，亲自“伸手”去摸一摸AI模型这件“国王的新装”是虚有其表，还是货真价实。

以下是采访内容（经牛透社整理，有删减）

牛透社：叶总，我了解到牛客近期推出了一个AI面试的产品。请问为什么牛客会推出这个产品？推出这个产品的背景和想法是什么？在产品应用过程中是否有过迭代？迭代的目标是什么？

叶向宇：实际上，这一需求在我们的客户群体中一直存在，源于他们长期希望减轻面试官的工作压力，提升招聘效率，从而达到降低成本的目的。尽管过去的需求一直存在，但受限于技术发展的不足，我们无法很好地满足这一需求。

然而，自2022年10月大模型技术问世以来，我们逐渐看到了实现类似真人互动的AI面试的可能性。当时，虽然这种技术的推理成本较高，且大模型的智能化程度尚不如今日，但已展现出巨大的潜力。

在过去的两三年里，随着技术的不断进步，推理成本大幅降低，运算速度显著提升。我们观察到，大约每半年，相关技术的性能就会提升一个数量级。如今，相较于最初推理成本已降低了约100倍，使得AI面试在技术上能够满足客户的实际需求，并在性价比上达到市场可接受的水平。

因此，自2022年下半年起，我们开始深入研究AI面试技术，并认为现阶段是将其推向市场的合适时机。

牛透社：AI面试这个产品，能力上进行过几次迭代？

叶向宇：迭代次数很多。在22年之前，我们曾推出上一代AI面试系统“智能预面”但其功能仅限于简单的录制，并不具备深度评估与智能化交互的能力，现在来看它更多像一个“录音机”。

通过对AI大模型更深层次的运用，新一代AI面试系统进行了全面升级。

例如，我们强调评估的准确性。AI面试的核心目的在于有效筛选候选人，若评估结果不准确，则失去了其实际应用价值。因此，我们在算法模型上进行了大量优化，结合历史数据与理论知识，实现了更为精准的评估。

其次，我们注重智能化交互体验。真正的AI面试应具备智能化特性，能够在交互过程中实现多人的追问与互动，使候选人感受到这不仅仅是一个简单的录音设备，而是一个具备高度智能化水平的面试系统。为此，我们在推理成本与速度方面进行了平衡，确保在提升智能化水平的同时，不影响用户的使用体验。

此外，我们在系统迭代过程中进行了诸多尝试与改进。例如，我们曾尝试通过微调模型以应对面试问题间的关联性与连贯性。然而，在实际应用中我们发现，某些候选人虽然具备丰富的专业知识与技能，但在面试过程中可能因紧张或其他原因无法充分表达。因此，我们借助AI技术，通过引导式提问与深入追问的方式，鼓励候选人表达更多内容，从而获取更有质量的交流信息，进一步提高评估的准确性。

新一代AI面试系统在评估准确性、智能化交互体验以及迭代优化等方面均取得了显著进展。

牛透社：现在AI面试产品应用的主场景是什么？

叶向宇：部分客户采用了以下应用方式：首先，利用AI面试进行初筛，初筛后按照原有的面试流程进行。举例来说，某些客户原本需要进行两轮面试。现在，通过AI初筛后，第一轮面试的人数大幅减少，但这并不影响最终发放的offer数量。这一尝试在初期阶段有效降低了第一轮面试官的时间成本。随着该应用的深入实践，公司内部的面试官和业务同事普遍接受并认为AI是未来趋势，有望进一步推进应用。

具体而言，原本需要两轮面试的流程，可以考虑在第一轮完全采用AI替代，从而进一步降低第一轮面试官的时间成本。这一过程的推进需要循序渐进，取决于AI评估的一致性和企业内面试官或业务方对AI的接纳程度。然而，我们有理由相信，随着技术的不断进步和应用的普及，未来1-2年内，AI完全替代一轮面试，特别是前期的面试环节，将成为可能，且效果将更加理想。

牛透社：市场上有担心AI面试可能会有定式，导致面试差异性减少，对此您怎么看？

叶向宇：牛客起初专注于C端刷题服务的开发，并逐步拓展至B端筛选功能。然而，在当前的面试环节中，我们并未沿袭C端刷题的模式推出面试刷题服务。实际上，面试虽在一定程度上遵循着固定的套路和模板，但不同职位对专业技能的要求与通用能力之间的差异仍不容忽视。这引发了我们关于AI面试如何有效实施的思考。

初步尝试中，我们曾基于题库进行AI面试的设计，但很快就发现这种方式存在局限。在缺乏面试官在场的情境下，候选人面对AI时往往难以全面、深入地表达自己的想法。因此，仅仅依赖题库中的问题是远远不够的。

鉴于AI具备生成式能力，我们进一步探索了基于上下文对话内容和考核点动态生成新问题的策略。这种方式使得面试题目更加个性化、动态化，实现了千人千面的效果。然而，随着实践的深入，我们逐渐意识到，AI的发散性有时也可能导致面试信息收集的质量下降。因此，如何在保持创造性的同时，确保面试内容符合特定领域的限定性要求，成为我们面临的挑战。

为了解决这一问题，我们需要在确保大框架稳定性的前提下，充分发挥AI的能力，使面试过程既动态自然又富有智能感。同时，我们还需确保收集到的候选人信息能够充分反映其基础素质和考核目标。这一目标的实现涉及到底层技术的推理成本和速度等多方面的优化，是一个复杂而艰巨的任务，目前我们做得还不错。

牛透社：现在基于AI大模型做能力服务的产品不少，AI面试也有一批。那么面对同类产品的不断涌现，牛客有感受到市场上的竞争压力？

叶向宇：在新技术的涌现之下，各方对于新技术的拥抱与竞争已然成为不可逆转的趋势。回顾抖音的成功历程，其初期亦面临着众多短视频平台的激烈竞争。同样，在团购市场兴起的百团大战时期，参与者亦不胜枚举。如今，随着AI技术的兴起，众多企业纷纷涉足AI面试领域，也在我们的预期之中。

但这并不是一场短期的角逐，而是一场持久战，尤其对于面向ToB服务的贡献而言，更需长期投入与坚持。因此始终保持着对产研的持续投入，致力于在智能感、智能评估等方面取得卓越成果，让产品、让服务成为我们的竞争突围点才是我们更加关心的事，一味的关注别人的步伐，而忽略自己的前进是不可取的。

牛透社：AI面试在整个产品体系中的重要程度和潜力如何？除了AI面试，其他产品也会走向AI化吗？

叶向宇：目前AI面试是1号项目。我们相信，拥抱大模型技术是未来的关键。当然向一些其他的产品及服务我们也在积极尝试去AI化。

例如，牛客社区的内容匹配，我们的社区汇聚了众多用户发布的内容。为了提高这些内容与我们的读者及平台用户之间的匹配度，我们需对内容进行标记与分类。此前，我们主要依赖自然语言处理技术（NLP）来实现这一目标。然而，在引入大模型AI技术后，我们发现其效率和开发效率均得到了显著的提升。大模型AI具备出色的理解能力，能够准确把握内容的主旨。因此，我们无需招募大量资深算法工程师进行MLP分类工作，而是可以利用大模型AI直接进行内容理解，并根据需求进行分类。这使得普通产品经理亦能迅速构建原型，从而极大地提升了整个团队的工作效率。

牛透社：给您两个词，一个是重构，一个是赋能。那么 AI 大模型的能力对于牛客或者说对牛客产品的未来发展而言，你会选哪个关键词？

叶向宇：像一些老的产品，我会选择“赋能”。AI大模型以其卓越的计算能力、数据处理能力和模式识别能力，提供了强大的技术支撑，有望极大地提升其产品的智能化水平和用户体验。因此，“赋能”一词能够准确而全面地概括AI大模型对牛客及其产品未来发展的重要意义。

对于新的产品，我觉得它就是完全的重构。原因在于它与过去两三年间我们所见的上一代AMS产品存在显著的不同。传统的AMS，在我看来，更接近于一种录音设备，其主要功能在于录制并存储信息。后续的分析过程，也大多基于统计学原理，通过对自然语言数据的处理，得出一些结果。然而，这样的系统并未真正理解用户的意图和表达。

而今日我们所见的这款基于大模型的AMS，则赋予了产品智能感知与对话能力。它不仅能够智能地评估用户的表达，更在核心主干上实现了AI驱动。因此，我坚信这款产品标志着一次全新的重构，其创新之处显而易见，无疑将为行业带来深远的影响。

牛透社：现在的合作伙伴、客户对AI面试的接受度和尝试度如何？

叶向宇：当前阶段，我们正处于一个迅速普及的过程中。回顾去年年末，我们向客户介绍时，虽然部分客户持有疑虑，但仍有不少前瞻性的客户表现出浓厚的合作意愿，并积极参与测试。如今，这些客户已经亲身体验到了AI技术在人力资源领域中的实际应用价值，证明了AI确实能够替代部分人力工作。

进入今年春季以来，我们观察到越来越多的企业开始全面拥抱AI化，从高层到基层，整个公司都在积极推动AI的应用。在这种情况下，AI的普及速度进一步加快。例如，在用人部门，企业普遍认识到AI在人力资源领域的重要性，因此更加积极地尝试各种AI产品，以评估其实际效果，并为未来的招聘活动做好充分准备。

从目前的趋势来看，客户对AI面试的兴趣和接受度正在不断提高。越来越多的客户在与我们交流时表示愿意尝试体验我们的产品，并提出宝贵的建议和想法，以帮助我们共同打造更理想的AI面试体验。因此，我们认为AI面试的普及速度将持续加快。甚至我们预测在未来几年内，到了今年以后，未来如果谁不用 AI 面试，可能在整个招聘过程中它就落伍了，或者说它的整个的性价比就会低，降本增效的目标可能就达不到了。

牛透社：AI面试如何处理不同行业和职位的专业面试要求？

叶向宇：仅依赖一个通用大模型来提供题库，可能会显得较为浅显，使面试过程显得浮于表面不同的职位和行业都有其特定的需求，因此需要各自进行微调以适应。不能期待一个模型能够适用于所有情况，这在现实中是很难实现的。

不过，现今模型的微调效率相较于以往基于大数据的方法有了显著提升。这一点在使用ChatGPT或类似国内文心一言等工具时能够明显感知到。当与其对话时，若发现其未能满足要求，可以进一步补充信息，通过交流逐渐使其理解并调整输出，这实际上就是一个简单的微调过程，即与人的预期对齐的过程。

而这一过程主要是通过自然语言进行的微调，其效率和门槛都相对较为亲民。在当前拥有众多岗位和行业的背景下，我们能够基于模型快速地为不同岗位和行业进行微调，这已成为现实可行的方案。

牛透社：站在AI ToB应用厂商的视角下，您如何看待大模型厂商的降价行为？

叶向宇：我们当然鼓励的。我们目前正积极评估各种大模型的性价比与性能，以确定它们在AI面试中的最佳应用场景。作为应用方，我们热切期待更多的竞争，因为这有助于降低成本，从而拓宽我们的应用场景。从市场的角度来看，我们也非常认同这种竞争态势，因为在激烈的竞争中，只有更优秀的团队和模型才能脱颖而出。此外，只有当价格真正降低，使用门槛随之下降时，我们才能更广泛地推广并见证新应用的涌现。因为若使用成本过高，可能会阻碍中国创新团队的参与与发展。

总结，长期以来，企业招聘过程中面临诸多挑战，包括高成本、低效率、主观偏见等。特别是在快速发展的行业和大规模招聘场景下，人力资源部门往往需要处理海量简历，组织众多面试，这不仅耗时耗力，还可能因面试官疲劳或主观判断差异导致人才识别不准确。

因此，市场对于一种能够提高面试效率、降低成本、并减少人为偏见的解决方案有着迫切需求。

总结：

目前来看，AI面试带来的应用价值与影响，理论上为四个方面：

1. 效率提升：AI面试可以24/7不间断工作，迅速完成初步筛选，释放人力资源部门的工作压力，使他们能更专注于深度面试和候选人关怀。

2. 标准化与公平性：通过预设的标准化问题和评估标准，AI面试有助于消除面试中的主观偏见，保证每位候选人都能在相同条件下被评价。

3. 深度能力挖掘：AI技术能够设计复杂的评估场景，引导求职者展示其专业技能、问题解决能力和软技能，从而更全面地评估候选人。

4. 数据驱动决策：AI面试收集的数据可以帮助企业建立更科学的人才画像，基于数据分析优化招聘策略，实现精准匹配。

确实，在基于AI大模型的AI面试实践中，尽管我们能够获得前所未有的便利和效率，但挑战与问题也同样不可忽视。其中，“AI幻觉”和“发散思维太强”也是要重点攻克的要点。

毕竟，在面试过程中，如果AI模型不能准确理解应聘者的真实意图或表达，就可能导致错误的评估结果。同时，在AI面试过程中，因为AI模型的发散思维过强导致AI无法针对问题进行深入、有针对性的回答，最终随意发散，甚至离题万里，同样也无法等到可以合格的结果，这对于其更广泛的应用与发展是巨大的阻力……

而话说回来，现在AI面试在市场上受到的关注与尝试式采用，几乎可以被认定成很多AIGC原生ToB应用的缩影，如果要给其下个阶段性结论：这绝不是“国王的新装”，但也绝不是“国王的盛装……”