亚马逊正在把结构化面试做成可规模化采购的云服务:候选人向 AI 讲述经历,系统按岗位能力追问,再依据回答证据生成 1—5 分评分。我们认为,这不是又一个“自动面试官”,而是把招聘评估从临场对话转向可审计流程的一次务实尝试。

这是什么

Amazon Connect Talent 是 AWS 面向招聘团队推出的 AI 面试服务。结构化面试,是指围绕同一岗位能力使用相对固定的问题和评分标准,避免不同面试官因临场印象产生过大差异。

这项服务分为两步:AI 负责提问、追问和收集岗位相关证据,但不直接打分;随后独立评分环节判断候选人表现出了哪些行为,引用对应对话片段,再按固定公式计算各能力项得分。证据不足时,系统会标记该项目,而不是自动给出低分。

换句话说,AI 在这里更接近“按岗位清单持续追问的面试官”,真正形成招聘判断的,是预先设定的能力模型、评分公式和人工复核机制。

行业怎么看

值得关注的是,亚马逊引用工业与组织心理学研究,为结构化面试的可靠性背书。岗位评分卡、行为锚点和证据引用,也有助于企业解释“为什么给这个人这个分数”,降低纯凭语言风格判断带来的偏差。

但这并不等于偏见问题已经解决。语言表达习惯、岗位经历与评分标准之间是否仍存在系统性差异,公开信息尚不足以回答。AI 转写、追问逻辑和评分模型也可能放大原有招聘偏见,候选人还可能因回答方式不符合模型预期而吃亏。HR 采购前仍需了解数据保存方式、供应商如何验证公平性,以及是否允许复核原始证据。

另一个风险是责任边界。服务能提高流程一致性,却不能替代岗位需求定义和最终用人决策。若企业把自动评分直接当成招聘结论,技术便利反而会削弱责任意识。

对普通人的影响

对企业 IT:系统能与现有招聘流程衔接,但部署重点不是采购一个工具,而是统一岗位能力模型、数据权限和人工复核机制。规模越大的企业,流程改造越有价值。

对个人职场:求职者可能更常遇到 AI 主持面试。提前准备可验证的岗位经历,比练习迎合模型或背诵漂亮话更有用;回答细节、承担角色和结果,比抽象性格描述更能形成证据。

对消费市场:若这类服务成本下降,中小企业也可能获得过去只有大企业负担得起的结构化招聘能力,但最终效果仍取决于岗位设计和人工判断质量。