北京
常春藤盟校的录取率通常在4%上下，已经让无数申请人彻夜难眠。而在米兰，一家估值210亿美元的科技公司把这扇门收得更窄——去年它收到了80万份简历，最终只招了286个人。0.04%的录用比例，比常春藤还要严苛整整一百倍。
这家公司叫Bending Spoons，旗下攥着Eventbrite、Vimeo和AOL等数字业务，员工不过千人，却玩出了一套让圈内人惊呼“看不懂”的招聘流程。它的CEO卢卡·费拉里最近接受《华尔街日报》采访时直说：“如果有人掀开盖子看我们怎么招人的，估计会觉得我们疯了——希望是好的那种疯。”
把时间线拉回到申请的第一个关卡。80万份简历被投进来，第一轮筛选过后，有6万人留了下来。这6万人要面对的不是HR的闲聊，而是一系列分析推理、判断力和学习速度的测试。通过测试的人才会进入面试环节，而即便走到了这一步，收到录用通知的概率仍然不到9%。
费拉里对传统面试几乎全盘否定。“一次平庸的面试几乎毫无预测力，就像抛硬币一样，”他说，“基本上完全没用。”因此在Bending Spoons的流程里，面试结束不等于决策结束。公司会用一套招聘算法，把候选人在量化指标和质性特征上的得分再跑一遍，最后核对推荐信，综合所有数据之后，才决定把offer发给谁。
这等于把招聘变成了一场精密的数据实验。从6万名进入测试的候选人，到最终286人入职，层层过滤的逻辑很像一个漏斗型产品：每一层都在用可衡量的标准替代主观判断，把“招对人”的不确定性压到最低。在一个人工智能开始替代初级岗位的时代，用算法筛选人才，反倒让招聘变得比以往任何时候都更像一门工程学。
而这个海量申请池本身就是一个信号。Bending Spoons收到的80万份申请，超过西雅图、波士顿、拉斯维加斯这些城市的人口数量。放在几年前，这几乎不可想象。但眼下的美国招聘市场正在经历一场快速降温。去年全美职位空缺滑落到654万个，是2020年9月以来的最低水平；今年6月新增就业岗位仅5.7万个，不到前一个月的一半。AI对白领岗位的潜在冲击，让很多公司在不确定的经济环境里收紧了编制，Meta、微软和谷歌不约而同放缓了初级岗位的招聘，直接把初出校门的Z世代推入一个超级内卷的就业市场。
这股寒气不只在科技巨头身上显现。约会应用巨头Match Group今年重启了停办许久的“Tindership”实习生项目，CEO斯宾塞·拉斯科夫只是在领英和社交媒体上发了一条招聘帖，后台就涌进了超过3万份申请。最终开放的岗位只有27个，录取率不到0.09%，比任何一所常春藤盟校都低。华尔街老牌投行高盛同样传出极低录取率的消息，初级岗位的竞争已经变成一场万里挑一的鏖战。
如果把Bending Spoons的案例放回这个全景里去看，它的“疯狂”反而透出一种务实。当面试被比作抛硬币，意味着传统招聘中大量的时间和成本被消耗在几乎随机的人为判断上。费拉里毫不避讳地捅破这层窗户纸，背后是这家公司对人才决策效率的极致追求——既然人不可靠，就让数据和算法说了算。这在产品经理眼里，相当于把招聘流程从“感觉驱动”迭代成了“数据驱动”的版本，用做产品的方式来做组织搭建。
当然，0.04%的录取率也意味着99.96%的人被拒之门外。对那些没拿到offer的申请人来说，这种筛选或许显得冰冷无情。但换个角度看，当一家中型公司拥有堪比大城市人口的候选人池时，靠人力去精细筛选已经不可能，算法反而成了公平性的一个支点——至少它不会因为面试官当天心情不好而刷掉一个匹配度极高的候选人。
就业市场越冷，这种严苛的筛选就越会成为常态。Bending Spoons把“无效面试”直接定义为无用功，并用测试和算法取而代之，这种做法的价值不在于那0.04%的数字有多震撼，而在于它证明了一件事：当人才供给极度充裕时，最稀缺的其实是精准识别的能力。谁能在信息过载的简历堆里更快更准地找出那286个人，谁就掌握了下一轮组织进化的钥匙。这比常春藤的录取率要耐人寻味得多。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
