银行秋招报录比200:1，第一关是AI，它在盯着你表情打分

媒体报道和企业公开信息里，这样一幕并不罕见。

一个求职者在摄像头前讲完两分钟，收到一条通知：综合评分七十多分，不达线，流程结束。类似的场景里，另一个人刷新了第四遍银行官网，看到的还是那句"简历已收到"——他不知道的是，那份简历根本没人看过，初筛那道关是机器替他拒的。

眼下正是秋招旺季。你去投银行，简历投完不会有人打电话，而是弹出一个摄像头窗口：统一出题、倒计时、对着机器答。答完，自动打分，不合格直接结束。考公考编、大厂校招，用的也是同一套。

这就是今年秋招最大的一道变化：你和竞争对手之间，多了一个不需要睡觉、不会心软、也不解释理由的面试官。

而它正在打分的那个东西，叫做"你的表情、语速和停顿"。

我先说结论，不藏着：我不反对企业用 AI 筛简历，我只反对用一台机器读你的脸来判定你值不值得一份工作。

理由不是"AI 冷血"。冷血不可怕，可怕的是这套判断的依据在 2019 年就被一份系统综述否掉了。

一、AI 面试到底在算什么分

先把账摊开。行业里整理出来的算法结构大致是三块：

第一块是文本语义，你的回答被转成文字，和岗位胜任力模型做相似度比对，占比约 55% 到 65%。第二块是逻辑框架，看你回答里有没有"因为所以""第一第二第三"这类结构化标记，约占 20% 到 25%。第三块是声学和表达，约占 15% 到 20%，盯语速、停顿、填充词。

⚠️ 具体比例各家不同，公开渠道的说法也不完全一致，但方向是一致的：你答什么占大头，你怎么说占小头。

而那一小块里，恰好塞着最要命的东西——语速低于每分钟 140 字被判成思维迟缓，高于 260 字被判清晰度不足，连续静音超过 8 秒直接触发预警。

你听出来了吗：在这套逻辑里，一个人思考时会停顿，是有罪的。

对着一个真人面试官，你停顿了，对方会等你。对着机器，你停顿了，系统给你贴一个标签。

求职者的吐槽很具体：像对着空气说话，说完石沉大海。

这句话被行业点评为"不是技术不先进，而是筛选逻辑和真正要找的人才不在一个维度上"。这话说到根上了。

二、反对的一方：这套判断的科学基础塌了

2019 年 7 月，五位心理学家在《公共利益心理学杂志》上发表了一篇系统综述，名字叫《重新审视情绪表达》。

这篇综述系统梳理了关于面部运动与情绪推断的既有证据，结论是：没有任何客观测量能可靠、唯一、可重复地从面部动作推断出一个人的情绪状态。

主作者丽莎·费尔德曼·巴雷特在发布会上给了最直观的一个数字：

成年人发怒的时候，平均只有大约 30% 的情况下会皱眉。

也就是说，70% 的时候你不皱眉。而你不皱眉的时候，别人也会皱眉——集中注意力的时候，不高兴的时候，累的时候，都可能皱。

她的公开表述被记录下来：任何声称通过检测皱眉来判断一个人是否生气的 AI，都存在非常实在的问题。

请注意这个逻辑链：AI 说你在面试里表情"紧张"，它只是观察到你的脸动了一下。它从这一下里读出来的是"这个人有问题"——但这一步跨越，在科学上从一开始就没有证据支持。

不是精度不够。是这件事根本没有可靠的科学底座。

支持的一方：他们也有自己的账

不写对立方就是稻草人，所以另一边必须讲全。

银行的现实是硬约束。今年校招的总行管培、金融科技、省分行核心岗，报录比普遍在 50:1 以上，热门管培岗到了 200:1。一个 HR 要从几万份简历里挑出几十个人进面试，靠人工根本转不过来。

效率账是这么算的：AI 初筛把简历池压缩到人工终面能承载的规模，人工面试官的时间才不浪费。技术类岗位更是普遍在扩——六大行的科技人才上一年净增约 3.5 万人，成都银行公开招总行人工智能专家，年薪给到 50 万到 80 万。

而且银行的 AI 干的是实打实的活。工行披露它的 AI 数字员工承担了相当于 5.5 万人一年的工作量，招行的 AI 一年节约约 1556 万小时，折合 8000 名全职员工，中信的智能模型增效超过 1.7 万人年。工行的远程授权智能审核已经承担了全行约一半业务量。

这些数字不是吹牛，是财报和公开披露里能查到的。

所以"效率"这个理由是真的，我不否认。企业也没有义务用一整个下午去面一个人。

⚖️ 三、真正的胜负手：被省掉的是耐心，不是人头

那问题来了。企业省下来的到底是什么？

有个细节很关键。工行说"相当于 5.5 万人一年的工作量"，但截至 2025 年末，六大行员工总数约 185.44 万人，不只没减少，还比上年微增了 1538 人。

"人年"是工作量口径，"人"是人数口径。这两个词被混着讲，就会讲出一个吓人的结论：AI 干掉了 5.5 万个人。

它没有。AI 干掉的是耐心。

⚠️ 而"省耐心"这件事的成本，最后精确地落在了正在秋招的学生身上。

以前一个招聘经理看到一个明显不合适的简历，会因为"这人可能是WJ学校没写清楚"而多看一眼。现在这道多看一眼的成本被优化掉了，因为机器不会好奇，也不会犹豫。

于是筛选逻辑发生了一个错位：

AI 打分依据是关键词命中、表情、表达流畅度——它天然擅长筛"有标准答案、可以被量化"的那部分。

而企业眼下最缺的，恰恰是"没有标准答案"的那一类岗位：要判断、要担责、要赢得客户信任。

️ 这套系统只能筛下限、难判上限。背过题库、训练过套路的人更容易得高分；有独立想法、不擅长对着镜头表演的人，可能五分钟就被刷掉。

四、它不是第一次出事

这不是理论推演。海外已经有过真实的执法和解。

2023 年，美国平等就业机会委员会起诉一家人力外包公司，指控它的招聘软件被编程设定为自动拒绝 55 岁以上女性和 60 岁以上男性的简历，导致 200 多名合格年长求职者失去机会。案件在 2023 年 8 月以 36.5 万美元和解，被称为美国首起 AI 招聘歧视执法和解案。

还有一起仍在推进的集体诉讼，原告指控 Workday 的 AI 招聘筛选系统对老年和少数族裔申请人产生歧视性影响。2024 年 7 月法院部分驳回了驳回起诉的动议，认定 AI 供应商在一定条件下可被当作雇主的代理人承担责任；2025 年 5 月法院批准了就业年龄歧视项下的集体认证，涉及约 11 亿份求职申请。

另一起和"读脸"直接相关：一名求职者申请 CVS 的岗位，使用的 AI 视频面试系统会把录像传到另一家平台分析他的面部表情、眼神交流、语音语调和语气变化，生成"可雇佣性评分报告"。她主张这套面试实质上构成测谎测试，且未告知任何权利。法院没有直接判输，但确立了 AI 面试工具可能受测谎类法规范制的裁判动向。

⚠️ 三个案例，三个不同的法域，但指向同一件事：当决定一个人饭碗的分数由模型给出时，责任不能跟着那个 0.1% 的波动精度一起消失。

✅ 五、进 AI 面试前，你必须问清楚的 6 件事

下面这六条不是我编的，是把上面那些法律条文和现实规则翻译成你能直接用的动作。建议先收藏，投笔试之前对着过一遍。

✅ 一是问这个 AI 面试在流程里占什么位置。是初筛还是终面？如果是初筛，你还有机会靠后面的表现翻盘；如果是终面，那它就是裁判。

✅ 二是问有没有人工复核渠道，以及怎么申请。要具体到"回复什么、发给谁、多久有结果"，不要接受"可以申诉"这种没有入口的承诺。

✅ 三是问评分依据是什么。用不用口音、语速、停顿、面部表情。这是最关键的一问，因为一旦对方承认用了，你后面所有的表现策略都要改。

✅ 四是问拒了之后有没有原因。《个人信息保护法》第二十四条写得明明白白：通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求予以说明，并有权拒绝个人信息处理者仅通过自动化决策的方式作出决定。

这一条常被忽略。它不是道德倡议，是法律条文本来的表述——虽然招聘环节能否直接适用个保法在实务中仍有争点（还涉及人力资源处理的合法性基础问题），但它至少是一条可以参照的合规底线。你在面试前就该知道自己有这两项权利，而不是收到拒信之后才发现。

✅ 五是问你的声音和面孔被存了多久、给了谁。《个人信息保护法》第二十八条把生物识别信息列为敏感个人信息，第二十九条要求处理这类信息必须取得单独同意。

✅ 六是问网络中断、设备故障、语音识别错误能不能重测。设备问题导致识别错误，不该算你答错——但现实中很少有人主动帮你争这个。

这六条里，最有价值的是第三条。它决定了你接下来面对的是一场面试，还是一场表演。

六、把 2026 秋招的 8 个数字放在一张表里看

这张表也是建议收藏的。它能帮你判断自己该往哪个方向使劲，比刷一百条招聘帖有用。

一、银行总行管培热门岗报录比：约 200:1。也就是一百个报名的人里，有一个能进面试。

二、银行校招整体网申通过率：约 25% 到 40%。意味着你投十份，能有一到四份过了初筛就算正常发挥。

三、双非本科在总行管培、金融科技、省分行核心岗的网申通过率：不足 5%。这个数字不是学校歧视，是学历筛选在前、AI 面试在后，两道门叠着走的结果。

四、985/211 本硕在这些岗位上是基本门槛。不是"加分项"，是入场券。

五、基层岗位不再兜底。连一线城市的柜员岗都出现"万里挑一"，投递者的高校层次一年比一年高。

六、六大行 AI 承担的工作量：工行约 5.5 万人年、招行约 1556 万小时、中信超 1.7 万人年。注意这是工作量口径。

七、六大行科技人才上一年净增约 3.5 万人，总数逼近 13.6 万。被替代的和被招进来的不是同一批人。

八、六大行 2026 年上半年在岗员工较年初减少约 3.05 万人，其中农行净减 1.09 万人、工行净减 7210 人；同期招行反而净增 374 人。

把第 6 条和第 8 条放一起看，你会发现一件事：AI 减掉的是"可被规则描述的工作量"，不是按人头减的；但技术岗在加人，减的是中间层。

那你如果是被减的那一层，AI 面试这道关，你根本走不到。

七、我站哪边：三条立场，一条裁决线

把话说完整。

✅我站企业这一边的这一半：50:1 到 200:1 的报录比下，用机器做初筛是合理工程。反对效率本身是矫情。

❌我不站这一半：把皱眉、口音、语速直接换算成分数并作为淘汰依据。

⚠️我站的是这条裁决线（这是我个人的主张，不是现行法条规定）：

凡是进入淘汰项的指标，企业应该公开它和入职后实际表现的相关性。公开不出来，就只能用于排序参考，不宜用于劝退。

这条线为什么重要？

因为它把"科学不成立"这件事，变成了一个企业可以自证的东西。相关性是能算的。你说你的 AI 面试能测出"抗压能力"，那你拿入职半年后的绩效对一遍，对得上就留下这个指标，对不上就拿掉。

这不是在为难企业，这是给企业一个免掉未来诉讼的护身符。已经有企业因为"算法黑箱"吃过 36.5 万美元的和解了。

我也不站另外两个极端。

❌不站"AI 面试是骗局"。它筛下限时确实有用，背过题库的人不该因此拿到不该拿的岗位。

❌不站"所有人都该被 AI 面一遍"。条文本文里写明的拒绝权是一道防线，在简历初筛这一环基本没人告诉你，但它存在。

八、收到拒信后的 48 小时，5 步能做的事

这一节是给已经被刷掉的人写的。建议收藏，或者转给正在秋招的同学。

✅第一步，拿到书面理由。发函给招聘方，依据是个保法第二十四条要求说明自动化决策的依据和逻辑。不用写得强硬，明确写"依据《个人信息保护法》第二十四条，请说明本次初筛自动化决策所采用的主要评价指标及拒绝理由"。

✅第二步，把"想申诉"换成具体请求。不要问"能不能给我一次机会"，要问"能否由人工复核"。前者没有义务答，后者有。

✅第三步，要一份测评结果的构成说明。你有权知道是哪些维度拉低了你。这个信息你可能拿不到，但一旦拒绝提供，本身就是一条可以继续追的线。

✅第四步，检查技术故障有没有留下痕迹。卡顿、掉线、语音识别错误、摄像头异常，这些都有可能在后台日志里。如果它们发生在作答期间，提交一份说明，要求重测一次。

✅第五步，把这一次的经历留档。截图、邮件、回复时间都存下来。现在还没有针对自动化招聘算法的标志性生效判例，谁是第一个留下完整记录的人，话语权就不一样。

前三步大部分企业会给第四步，第五步几乎没人做。但正是第五步在积累证据。

九、说到底，谁该被机器读

回到开头那个场景。

一个求职者在摄像头前讲完两分钟，收到通知：综合评分七十多分，不达线，流程结束。

我们不知道那七十多分里有多少来自她说了什么，有多少来自她停顿了两次、表情紧了一下、有没有把某句话说太快。

而这恰恰是问题所在：连企业自己可能都说不清那个分数是怎么来的，却已经拿它决定了一个人的饭碗。

这份系统综述说，皱眉和愤怒之间没有可靠的对应关系。但招聘系统里，那是一次扣分。

我的判断就一句话：AI 面试可以用来排序，但不该用来定生死。淘汰的权力必须留在一个能说出理由、也能被追责的人手里。

真正要抢时间的企业，应该去砍流程里那些没人看的重复环节，而不是去读应聘者的脸。

️ 最后，投个票

这件事我站完了，但你的立场可能跟我不一样。

️A. 我支持 AI 面试筛人。报录比 200:1，不用机器根本筛不过来，效率就是公平。

B. 我反对 AI 读脸打分。科学依据 2019 年就被否掉了，靠看脸淘汰人是不讲理。

评论区说说你的。也欢迎投过银行 AI 面试的人讲讲，那道摄像头到底问了什么。

信息来源：

本文涉及的政策与法律条文引自《中华人民共和国个人信息保护法》第二十四条、第二十八条、第二十九条，《中华人民共和国就业促进法》第三条、第二十六条，《中华人民共和国妇女权益保障法》。

情绪识别相关内容引自 Lisa Feldman Barrett 等五人 2019 年 7 月发表于《公共利益心理学杂志》（Psychological Science in the Public Interest）的系统综述《Emotional Expressions Reconsidered: Challenges to Inferring Emotion From Human Facial Movements》。该综述系统梳理了面部运动与情绪推断的既有证据，作者公开表述中成年人发怒时约 30% 的情况会皱眉。本文不引用该综述的具体研究数量。

AI 面试算法维度占比与语速阈值区间引自媒体与行业公开整理的厂商资料，并非独立学术研究结论，具体比例与参数各家系统差异很大，仅作参考。

海外案例引自美国平等就业机会委员会对 iTutorGroup 的指控及 2023 年 8 月和解、Mobley v. Workday 集体诉讼裁定、Baker v. CVS Health Corp. 裁定。

银行用工与校招数据引自各上市银行 2025 年年报、2026 年半年报及公开披露，以及财经媒体相关报道。报录比与网申通过率为媒体汇总统计，各校各年差异较大。

AI 承担工作量为"人年"工作量口径，不等于实际裁员人数。