2026-10-13 15:31:05 作者：大讲堂
老陈把冰美式放在工作台边缘的时候，实验室的电子屏突然跳出来一行字：第1247次人类行为测试，请求启动。
这是2032年的中关村，后厂村的路已经拓宽到八车道，写字楼里每十个面试官里，有八个把初筛交给AI做。老陈做了十五年测试，前十四年测软件，测AI模型，最后一年，开始测人。
机房里永远等不到“通过”的测试
AI人类行为评估测试实验室机房
老陈的工位在机房走廊尽头，靠窗，窗户外能看到对面互联网公司新楼的顶，玻璃反光晃得他每天下午都要拉窗帘。他做的这套系统，是给企业招聘用的，从校招到社招，所有候选人在线做完三百道题，再录十分钟随机行为视频，AI就能给你打出从执行力到亲和力一共十二个维度的分，HR只需要从得分前10%里挑人就行。
说实话，这套系统卖得真好。去年一年签了七十多家公司，光年终奖老陈就拿了六个月工资。
他女儿林林去年毕业，找工作，面到最后一轮，HR说，先走个我们的标准测试吧。
林林考完，得分出来，总体评级B+，卡在进终面的线外面一分。
太讽刺了。
老陈那天盯着系统后台女儿的测试报告，手指放在重新计算的按钮上，停了十分钟，没按。规则是他自己写的，他知道只要改三个权重参数，女儿的得分就能升到A，可他下不去手。所有写规则的人，都最清楚规则里藏着多少没说出口的猫腻。
谁来测试测试本身？
AI招聘能力测试得分权重分布表格
不过话说回来，这套系统刚上线的时候，全公司都夸准，说比招十个资深HR筛人效率还高，准确率还高。那时候没人问，准的标准是什么？
是招进来的人两年内不离职就算准？还是能帮公司赚够钱就算准？老陈一开始也觉得，不就是个筛选工具嘛，省得HR一个个看简历累，哪来那么多废话。
直到林林这事出来，他翻了后台一百多份被系统淘汰的候选人报告，才看出不对。
小镇出来的孩子，说话习惯留三分余地，AI识别到语气词多，直接判定“决策力不足”；戴框架眼镜，笑的时候喜欢低头，AI判定“亲和力不足，不适合对接客户”；甚至有人简历里写了喜欢骑行，每周骑一百公里，系统居然关联到“精力分散，不稳定，无法接受高强度加班”。
这些关联规则，都是当初从头部公司的HR那里调研来的。说白了，就是把过去HR挑人的潜规则，换成了代码写进系统里，再包装成“客观智能测试”的牌子卖出去。
你说它不对吧，它确实符合很多公司老板的喜好。你说它对吧，那一个个好苗子，就因为几个预设的标签，直接刷掉，太冤了。
老陈那时候天天泡在后台调数据，他发现系统对女性候选人的要求，天生比男性高五个百分点，因为训练集里，当前在职的中层管理者，七成都是男性，系统学走了这个规律，就默认女性“领导力”天生低一点。
破不了吗？说实话，破不了。只要训练集本身带着偏见，测试出来的结果就不可能不带偏见。你就算调了权重，改了参数，换了数据集，只要定标准的还是那帮人，就一定会有新的偏见出来。
屏幕暗下来之后，剩下的是什么
屏幕暗下来之后，剩下的是什么
老陈去年年底从公司离职了，不是因为女儿的事，是公司要把这套系统卖给金融机构做贷款风控，测贷款人的“还款意愿”，说白了就是通过你的社交数据给你打个分，决定给不给你放贷。老陈不同意，吵了一架，走了。
他现在在一家小的创业工作室，帮几个年轻小孩做产品，再也不碰人类测试的项目了。偶尔有朋友开公司找他要之前那套系统的渠道，他都摇头，说你别用那玩意儿，你招人的话，坐下来跟人喝一杯茶，聊半小时，比什么破测试都准。
我上周找他喝咖啡，他掏出来一个旧笔记本，上面记着他这大半年攒的几十个被AI测试刷掉的年轻人的联系方式，已经给七个人介绍到了靠谱的工作，其中有三个过了试用期，老板说比之前招的那些高分的好用多了。
他说，现在什么都要测，你买个保险要测你的健康风险，你找对象要测你的匹配度，连你去幼儿园接孩子，都要测你是不是符合“合格家长”的标准，我们这一辈子，从出生的Apgar评分，到临死前的生存率测试，好像活着就是一场接一场的测试，每一场都要给你打个分，分高就是合格的人，分低就是没用的人。
可测试是死的，人是活的啊。
我抬头看窗外，后厂村的车来来往往，写字楼的户外屏上滚动着招聘广告，上面大大的字写着“AI智能初筛，公平客观，一秒出结果”。
老陈把杯里剩下的冰美式一口喝干，笑了笑，说你看着吧，再过些年，大家就会明白，最测不准的，就是人。
没有人能给人打分。也没有人配。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。如有侵权请联系删除。
文章名称：当AI开始测试人类：中关村实验室里的测试悖论
文章链接：https://lfdjt.com/info_23_25592.html
大讲堂