【突发】Google招聘“翻车”？最懂AI的团队DeepMind竟让候选人绕过自家招聘系统HRTech核心摘要：一个很值得 HR 注意的信号：Google DeepMind 最懂 AI 风险的一支团队，正在让部分求职者通过额外表单，把简历直接送到真人手里。内部文件担心，现有申请流程存在一定概率让 CV 被错误筛掉或过晚到达团队。不过 Google 官方否认系统会错误过滤候选人，称额外表单主要是绕过招聘人员的检查。更有意思的是，Google 同时正在向企业 HR 推广 Gemini，用 AI 评估简历、生成职位信息和预测招聘需求。这件事真正提出的问题不是“AI还能不能用于招聘”，而是：自动化之后，HR有没有机制发现那些被算法错过的人？AI招聘下一阶段的关键词，很可能不是自动化，而是保留人的判断、确保过程可追溯，并尽可能减少优秀人才被系统漏掉（ Human-in-the-loop + Auditability + False Negative Management）。你觉得呢？
Google 最懂AI的团队 DeepMind 最近一则招聘新闻，引发了人力资源科技行业的关注。原因并不是 Google 正式承认“AI 招聘系统会误杀简历”，而是 Google DeepMind 旗下一个负责通用人工智能安全与对齐研究的团队，在实际招聘中主动增加了一条额外申请通道，希望确保候选人的简历能够直接被团队成员看到。
据 Bloomberg 获取并查看的一份内部文件，Google DeepMind 的 AGI Safety and Alignment Team 在招聘部分岗位时，建议候选人在完成正常职位申请之外，再填写一份额外表单。团队在文件中表示，现有申请系统存在“不容忽视的概率”，可能导致候选人的简历被错误筛掉，或者花费太长时间才能到达真正负责招聘的团队。
填写额外表单之后，申请材料可以直接进入团队成员的视野，从而增加真人看到候选人资料的机会。
Google官方否认“系统会错误淘汰候选人”
这件事情最重要的事实边界必须首先讲清楚。Google DeepMind 发言人并没有承认公司的招聘系统会错误淘汰候选人。Google 对外解释称，这支团队设计额外申请表格，主要目的是绕过招聘人员的前置审核，让候选人的简历能够直接进入业务团队，而不是为了纠正某个已经被证实存在问题的 AI 筛选系统。
Google 同时强调，这种额外通道并不意味着候选人可以绕过正常的招聘评估流程，更不存在获得职位的“捷径”。
因此，目前能够准确确认的是：Google DeepMind 的一个招聘团队认为现有申请流程存在简历被错误筛掉或延迟到达团队的风险，并主动增加了人工查看通道；但 Google 官方并不认同“公司系统会错误过滤候选人”这一说法。
此外，目前没有公开证据说明究竟是哪一套内部招聘系统参与了筛选，也没有证据证明这一系统就是 Gemini，更没有披露所谓“误筛概率”到底是多少。
所以，这件事情不应该被简单包装成“Google AI 招聘翻车”，但它确实暴露出了一个越来越重要的招聘科技问题。
AI招聘真正的风险，可能不是效率低，而是漏掉合适的人
过去十多年，招聘科技最主要的价值指标几乎都围绕效率展开，例如缩短招聘周期、降低招聘成本、提高招聘人员处理简历的能力，以及帮助企业从大规模候选人中更快找到匹配对象。
生成式 AI 和智能匹配技术的加入，又进一步推动了这一趋势。
AI 可以帮助企业读取更多简历、更快完成初步排序、识别技能关键词，也可以帮助招聘人员生成职位描述、候选人沟通内容和面试总结。
这些效率提升都是真实存在的。
但招聘毕竟不是单纯的信息处理问题，它最终仍然是人才判断问题。
假设一家企业收到一万份申请，系统可以在很短时间内筛选出五百人，这当然提高了招聘效率。但如果真正最适合岗位的二十个人中，有几个人在第一轮就被系统排除，而且业务负责人永远没有机会看到他们，那么企业是否还能认为这套系统是成功的？
这就是未来 AI 招聘中一个越来越值得重视的问题：系统漏掉了多少原本值得进入下一阶段的候选人。
过去企业大量关注“筛选效率”，未来可能需要增加一个完全不同的视角：人才漏筛率。
也就是说，企业不仅应该问“AI帮我们处理了多少简历”，还应该问：“AI有没有把真正值得关注的人提前排除掉？”
对于已经开始在招聘、人才管理、绩效管理等场景中使用 AI 的企业，仅仅统计“员工是否使用AI”已经无法代表真正的成熟度。HRTech 正在通过 HR AI Forward，从个人能力、团队工作流和组织层面进一步评估 AI 是否真正进入工作过程，并产生可衡量的业务结果。
更值得关注的是，Google自己正在向HR推广AI招聘能力
这起事件之所以具有代表性，还有一个非常有意思的背景。
Google Workspace 目前正在公开向人力资源团队推广 Gemini 在 HR 工作中的应用。Google 官方页面明确介绍，Gemini 可以帮助 HR 创建职位信息、辅助评估简历、处理招聘沟通，并预测未来招聘需求。
这并不意味着 Google DeepMind 的团队“不信任 Gemini”，目前没有证据能够支持这样的结论。
但它确实呈现出一个非常典型的企业 AI 场景：一方面，Google 正在积极推动 AI 进入人力资源和招聘流程；另一方面，Google DeepMind 自己的一支专业团队却在实际招聘过程中增加了额外的人工查看机制，以确保关键候选人不会因为正常流程而无法及时进入团队视野。
这背后的问题已经不再是“到底应该用AI还是人工”。
更准确的问题是：哪些工作可以交给AI，哪些关键节点必须保留人工判断。
这也是未来人力资源科技产品设计中越来越重要的一条原则。
人工参与并不意味着AI倒退
过去企业谈自动化时，很容易形成一个简单判断：人工操作越少，自动化程度越高，系统就越先进。
但在招聘这样的高影响决策场景中，这种逻辑并不完全成立。
招聘不仅关系到企业能否找到合适的人，也直接影响候选人的职业机会。如果筛选机制无法解释、无法审查，企业不仅可能错过人才，还可能面对公平性、偏差、合规以及候选人体验方面的问题。
因此，更成熟的 AI 招聘系统至少应该能够回答几个问题：为什么一个候选人被优先推荐？为什么另一个人没有进入下一轮？招聘经理是否仍然可以查看没有被系统推荐的简历？系统能否持续评估自己是否经常漏掉高质量候选人？不同候选人群体之间的筛选结果是否存在异常差异？
这并不是要让招聘重新回到完全依靠人工逐份阅读简历的时代。
真正成熟的人机协作应该是：AI 负责处理规模、发现模式和提高效率，人负责关键判断、异常复核和最终责任。
AI正在同时改变招聘的两端
Google DeepMind 的内部表格还有一个容易被忽略的细节。
团队同时提醒申请人，提交的内容最终会由真人阅读，而团队成员已经开始厌倦大量高度相似、明显由大语言模型生成的申请答案。
这说明 AI 正在同时改变招聘流程的两个方向。
一边是求职者越来越多地使用 ChatGPT、Gemini 等工具优化简历、求职信和申请问题；另一边是企业为了处理越来越大的申请量，又开始使用更多 AI 来帮助完成筛选和排序。
最终可能形成一个循环：候选人使用 AI 提高申请效率，企业收到更多申请；企业使用 AI 进行筛选，候选人又开始研究如何提高自己被系统识别的概率；企业继续升级筛选机制，求职者继续优化自己的申请策略。
如果这种趋势持续下去，招聘科技真正要解决的问题就不再只是“自动化程度够不够高”，而是“整个招聘过程是否可控”。
谁拥有最终决策权？在哪些情况下必须人工复核？系统错误如何被发现？筛选质量如何持续评估？候选人是否知道 AI 在招聘中发挥了多大作用？
这些已经不仅是技术团队的问题，也正在成为招聘负责人和人力资源管理者必须面对的问题。
HRTech 目前持续关注的重点，也正在从“企业有没有使用AI”转向“AI究竟如何改变HR工作”。通过 HR AI Forward，可以进一步观察 AI 是否只是增加了一个新工具，还是已经真正改变了岗位、任务、团队协作方式和组织运行机制。
HRTech观察：AI招聘正在从“提高效率”进入“提高决策质量”阶段
如果把招聘 AI 的发展分成两个阶段，第一阶段的关键词是效率。
谁能够更快读取简历、更快匹配候选人、更快生成招聘内容，谁就能够为招聘团队节省更多时间。
但第二阶段的竞争，很可能会转向决策质量。
未来企业不会只问：“这个系统帮我节省了多少招聘时间？”
还会问：“这个系统推荐的人到底准不准？”“它为什么没有推荐另一个人？”“它是否经常漏掉优秀候选人？”“我是否有办法发现系统犯错？”
这意味着 AI 招聘的衡量标准也需要发生变化。
过去，企业关注的是 AI 使用率，也就是有多少招聘人员开始使用 AI；下一阶段，需要关注 AI 是否真正改善了招聘结果；再往后，则是如何建立完整的 AI 管理机制，确保企业知道 AI 在什么时候做对了，也知道它在什么时候可能做错。
Google DeepMind 这次招聘事件并不能证明 AI 不适合招聘。它反而说明，当 AI 开始真正进入招聘核心流程之后，企业正在进入一个更加成熟的阶段。
真正优秀的AI招聘系统，不应该只是帮助企业更快地淘汰候选人，而应该帮助企业更准确地发现人才，并能够判断自己有没有漏掉真正值得关注的人。
这可能才是 AI 招聘下一阶段真正的竞争焦点。
从Google DeepMind的招聘争议，到AI正在重构招聘、人才管理和HR工作方式，真正值得中国HR思考的已经不只是“要不要用AI”，而是如何把AI真正带入工作流程，同时保留人的判断、责任和价值。
2026年下半年，HRTech也将继续把这些全球最新趋势带到中国HR的线下交流现场：
9月17日，2026人力资源科技年度论坛·深圳将围绕AI、数字化、人才与组织创新展开讨论，详情及报名：
https://www.hrtechchina.com/Public/html/917.html
10月22日，2026 HRTechXPO®超级盛典：未来人力资源科技论坛·上海将聚焦AI与未来人力资源科技，连接上海及长三角地区HR决策者，详情及报名：https://www.hrtechchina.com/Public/html/event/1022sh.html；
11月19日，2026 HRTechXPO®超级盛典：未来人力资源科技论坛·北京将继续围绕AI、HR科技创新与未来工作展开深度交流，连接北京及华北地区HR管理者，详情及报名：https://www.hrtechchina.com/Public/html/event/1119bj.html
如果你正在思考AI如何真正进入招聘、人才管理和组织工作流，欢迎来到深圳、上海或北京，与更多企业HR和行业同行一起讨论下一阶段的人力资源科技。
更多HRTech活动安排：https://www.hrtechchina.com/Public/html/event/eventlist.html
HRTech编辑备注： 截至2026年8月14日，公开报道没有披露 Google DeepMind 所指申请系统的正式名称、具体算法、实际误筛比例或受影响候选人人数，也没有证据证明该系统就是 Gemini。因此，本文没有将该事件表述为“Google承认AI误杀候选人”，而是严格采用“团队内部表达担忧、Google官方否认系统错误过滤”的事实框架。
来源： Bloomberg 记者 Julia Love 的相关报道，经 Los Angeles Times 于2026年8月11日刊载；Staffing Industry Analysts 于2026年8月13日跟进报道；HR Executive 于2026年8月14日从招聘科技角度进行报道；Google Workspace 官方 AI for HR 页面用于核实 Google 当前向人力资源团队推广 Gemini 在招聘、简历评估和招聘需求预测等场景中的应用。
Gemini
2026年08月15日
Gemini
特斯拉限制每周AI使用额度的背后：企业AI进入“成本治理”阶段，而不是停止使用AIHRTech核心摘要：Tesla 给员工 AI 工具支出设定每周 200 美元上限，不是一个简单的降本动作，而是企业 AI 从“鼓励无限使用”进入“预算治理、模型选择、供应商控制和内部生态倾斜”的标志性事件。真正值得 HR、CIO 和企业管理者关注的，不是员工还能不能用 AI，而是企业如何在效率、成本、安全、合规和平台依赖之间重新建立规则。
根据 Electrek 引述 The Information 的报道，Tesla 将从 2026 年 7 月 6 日开始，对员工 AI 工具使用设定每周 200 美元支出上限。这个政策出台前，Tesla 过去几个月一直在推动员工更积极使用 AI，并通过内部平台和使用排名鼓励工程师大量调用 Claude、GPT、Gemini、Grok、Cursor 等工具。结果是，部分软件工程师每周 AI token 消耗达到数千美元。支出快速上升后，Tesla 开始为 AI 使用加上财务边界。值得注意的是，报道显示 xAI 的 beta 产品被排除在该上限之外，这意味着 Grok 相关产品不会受到同样限制。
这不是“AI退潮”，而是“AI财务化”开始。 过去一年，企业内部对生成式 AI 的态度非常激进：谁用得多，谁就更先进；哪个团队 token 消耗更高，哪个团队就更像 AI-first。现在问题出现了：AI 使用量并不等于生产力提升，token 消耗也不等于业务结果。企业终于开始意识到，AI 不是免费的数字劳动力，而是一种按使用量计费、随任务复杂度快速放大的新型运营成本。AI 进入企业后，第一阶段是试用，第二阶段是普及，第三阶段必然是治理。
Tesla 的特殊性在于，支出治理与生态选择叠加在一起。 如果所有模型一视同仁地限额，这只是典型的成本控制。但当 Grok/xAI beta 产品被豁免，而 Claude、GPT、Gemini 等外部模型被纳入限额时，政策就不再只是财务规则，也会变成使用行为的引导机制。员工会自然倾向于使用不受限制的工具，哪怕他们原本更偏好其他模型。这对企业来说是一种内部采购权力的重新分配：不是员工选择最好用的工具，而是公司预算规则决定哪些工具更容易被使用。
Cursor/Anysphere 的交易让这件事更具战略含义。 Reuters 报道，SpaceX 正以 600 亿美元全股票交易收购 Cursor 母公司 Anysphere，交易预计在 2026 年第三季度完成。Cursor 是 AI coding 工具领域的重要玩家，如果交易完成，Cursor、Composer、Grok 与 xAI 生态之间的协同会进一步增强。对 Tesla 工程师而言，未来使用 Claude Code、GPT 或 Gemini 可能受到预算限制，而使用 Musk 体系内的工具可能拥有更低的内部阻力。这不是简单的工具选择，而是企业 AI 工作流被平台生态重新塑形。
对 HR 来说，这件事的核心不是技术，而是组织治理。 当 AI 工具成为工程师、产品经理、运营团队和 HR 团队的日常工作基础，企业必须回答几个问题：员工可以自由选择 AI 工具吗？公司如何评估不同模型的产出质量？AI 预算归属 IT、业务部门还是人力资源？员工使用 AI 的效率提升如何计入绩效？当企业推动员工使用某个内部或关联生态工具时，是否需要披露潜在利益冲突？这些问题已经不再只是 CIO 的责任，也进入了 CHRO 和 CEO 的管理议程。
更大的行业趋势是，企业 AI 正从“采用率竞争”转向“单位成本产出竞争”。 Uber、Microsoft、Meta、Amazon、Walmart 等公司都被报道开始控制 AI 工具支出、取消部分高成本许可证，或推动员工使用更便宜、更可控的模型。背后的逻辑很现实：企业并不是不用 AI，而是不愿意继续为不可衡量的 AI 使用买单。未来企业评估 AI 的核心指标，不会只是“有多少员工使用 AI”，而是“每一美元 AI 支出带来多少代码、多少效率、多少错误减少、多少客户响应提升、多少组织成本下降”。
这也提醒资本市场，不要把企业 AI 消费理解为无上限增长。 Nvidia、Palantir、AI coding 公司和各类企业 AI 应用的高估值，都隐含着一个假设：企业会持续扩大 AI 使用。但真实企业内部正在发生的是预算化、路由化和治理化。AI token 消费总量仍可能增长，但增长方式会改变。企业会减少无序调用，增加模型路由；减少高价通用模型依赖，增加小模型、专用模型、内部模型和自建平台；减少“员工随便用”，增加“场景审批、预算控制、数据安全和ROI评估”。
HRTech的判断是：2026年企业AI管理的关键词，不再只是 adoption，而是 AI governance、AI FinOps 和 workforce productivity measurement。 Tesla 的做法之所以重要，是因为它把企业 AI 的矛盾暴露得非常集中：一方面，公司希望员工尽可能多地使用 AI，以提升研发效率；另一方面，公司又无法接受不可控的 token 成本；再进一步，公司还希望把员工使用行为导向自己的 AI 生态。这种矛盾会在更多企业出现。
最终，企业 AI 不会因为支出上限而停止发展。相反，真正成熟的企业会从“鼓励大家多用 AI”进入“让正确的人，在正确场景，用正确模型，以可衡量成本创造正确结果”。这才是 AI 进入组织管理深水区的开始。对 HR 而言，AI 不只是工具采购问题，而是未来工作方式、绩效评估、技能结构、员工授权和组织治理的系统性重构。
Gemini
Gemini
Gemini
扫一扫 加微信
hrtechchina
