如何招聘一个“真人”?——专访 Stack Overflow 技术招聘官 Tom Harvey

如何招聘一个“真人”?——专访 Stack Overflow 技术招聘官 Tom Harvey

💡 原文英文,约3200词,阅读约需12分钟。
📝

内容提要

AI使简历和面试答案趋于完美,招聘者难以辨别真伪。Stack Overflow招聘负责人Tom Harvey表示,技术招聘更看重沟通、协作与学习能力等软技能,而非编程语言熟练度或LeetCode测试。他反对用AI筛选候选人,主张通过有深度的问题考察真实经历与思考,并希望借助Developer Story等工具展示候选人的职业历程,重建招聘双方的信任。

🔎

延伸解读

当“完美”成为可疑信号

文章指出,AI 让简历和面试答案趋于完美,招聘者反而开始把“完美”视为造假的标记。Tom Harvey 会事后把面试记录输入 AI,检验答案是否过于标准。这意味着候选人刻意打磨的“无懈可击”表现,可能适得其反。对求职者而言,保留思考中的犹豫、暴露真实经历中的失败与取舍,反而更容易建立信任。招聘方也需要调整评估标准,不再以答案的流畅度作为判断依据。

软技能为何成了核心指标

Stack Overflow 的招聘逻辑已从考察编程语言熟练度转向沟通、协作与学习能力。原因在于,AI 降低了展示技术熟练度的门槛,LeetCode 类测试和关键词筛选不再可靠。工程师的角色更多涉及方向讨论和产品思维,因此候选人能否讲清做过的项目、权衡过什么、如何与团队配合,成为更关键的信号。这一转变也提醒求职者,简历上罗列技能不如讲述具体经历有说服力。

AI 筛选与信任困境

Harvey 明确反对用 AI 筛选候选人,认为这既损害候选人体验,也无法真正判断匹配度。当前招聘系统仍以关键词和地点等通用条件过滤,双方在互相防范 AI 造假中陷入低信任循环。他主张通过有深度、开放的问题考察真实思考,并借助 Developer Story 等工具展示职业历程。这反映出一个现实矛盾:效率工具越普及,招聘双方越需要主动创造面对面交流的空间来重建信任。

❓

Q&A

AI 让简历和面试答案越来越完美,技术招聘官现在最看重候选人的哪些能力?

Stack Overflow 技术招聘官 Tom Harvey 表示,编程语言熟练度已不再是核心指标,因为 AI 让任何人都能展示出语言熟练度。现在更看重沟通、协作、可指导性等软技能,以及能否清晰讲述自己做过什么、权衡过什么、如何与团队合作。工程师角色正从写代码转向参与方向、策略讨论,因此产品思维和学习意愿也变得关键。

为什么 LeetCode 测试在 AI 时代不再有效?招聘方如何替代?

Tom Harvey 认为 LeetCode 测试已不相关,因为大语言模型让候选人很容易通过这类测试。一些公司开始改为给候选人一段 AI 生成的 buggy 代码让其修复,这更接近实际工作中所需的技能。但文章也指出,目前市场上还没有公认的方式来展示这种修复能力。

招聘官为什么反对用 AI 筛选候选人?

Tom Harvey 明确表示不想用 AI 筛选候选人,原因有二:一是 AI 筛选体验对候选人不友好;二是现有 ATS 仍主要基于关键词和地点等通用条件过滤,且欺诈检测让招聘从一开始就处于不信任状态,破坏双方体验。他更希望与真实、有准备、有热情的人直接对话。

在简历普遍“完美”的情况下,招聘官如何判断候选人是否值得进入面试?

Tom Harvey 认为简历已不能可靠反映候选人,他更关注定性信号:候选人是否有自己的观点、热情和兴趣,能否讲述自己入行的起点、成功与失败经历,以及在线交流的语气是否真实。他还提到 Stack Overflow 的声誉分可反映参与度和帮助他人的程度,而非单纯技术能力。

Stack Overflow 重新推出 Developer Story 的目的是什么?

Developer Story 旨在更准确地呈现候选人的职业历程,存放作品或文章的直链,不限于 A4 一页,也不需通过关键词过滤。它被设计为一份“活文档”或职业博客,帮助招聘方获得定性信息,开启更有深度的对话。同时,它希望修复招聘方与求职者之间目前极低的信任,让人类来策划和展示自己,体现“在 AI 自动化时代仍招聘真人”的理念。

Tom Harvey 会用什么具体问题来考察候选人的真实经历和思考?

他建议问开放性问题,例如:“你显然会把这份工作看作获得三到五年好经验的地方,基于你现在的状况,你希望从这段经历中得到什么,为下一阶段职业生涯做准备?”这类问题不应有完美答案,应允许犹豫和不确定,并能结合候选人过往经历展开。他还提到会问候选人入行的原因、成功与失败的故事,以及他们对某个技术或领域的持续兴趣。

🏷️

标签

➡️

继续阅读