66%招聘方启用AI预筛 vs 42%应届生就业不足,供需严重错位
- 2026-10-09 03:08:26
22岁应届生失业率飙到5.7%，投150份简历换来0个面试。AI预筛系统正在把初级岗位变成黑盒。
核心看点
- AI 预筛全面接管，66% 招聘方启用，81% 求职者反向使用。
- 初级岗位被挤压，22-25岁群体边缘化，42% 毕业生陷入就业不足。
- 破局路径在于实战项目，74% 的 AI 技能提及需绑定真实项目而非课程。
▎AI 预筛系统的黑盒逻辑与数据表现
根据 LinkedIn 研究，2026年初 66% 的招聘人员计划增加 AI 预筛选面试的使用，同时 81% 的求职者表示已使用或计划使用 AI 求职。这意味着最早期的求职阶段被自动化系统接管。Seton Hall 学生 Michela DiLorenzo 的报道指出，有学生投出 50 份申请仅获 2 个面试，另一人投了 150 份 job 描述为 impersonal 且 discouraging。
Handshake 数据显示，2026 届毕业生在简历中提及 AI 技能的比例是 2022 届的 2 倍。关键在于，74% 的提及 tied to real-world projects。NACE 数据表明，春季 16.5% 的工作描述要求 AI 技能，去年秋季仅为 10.5%。28% 的雇主寻找能使用 AI 的早期职业人才。
作为工程师，我们来看这个系统的参数。简历不再是写给 HR 看的，而是写给 NLP 模型看的 Token 序列。你需要调整你的 Prompt 策略。不要只写熟练使用 AI，模型无法量化这个特征。你需要输出具体的推理过程：用了什么模型，解决了什么业务问题，提升了多少指标。把课程作业包装成项目经历是无效的，因为特征维度太单一。你需要展示多模态或复杂 Agent 的落地经验，这才是高权重特征。近三分之一毕业生认为 AI 技能不重要，这种认知偏差在当前的筛选算法下等于直接 dropout。
▎就业市场供需两侧的性能对比
纽约联储银行数据显示，2026年6月 22-27 岁大学毕业生失业率为 5.7%，比两年前高一个百分点。所有年轻工人失业率为 7.2%。就业不足率在近年毕业生中达到 42%，所有毕业生为 33.7%。
Revelio Labs 创始人兼 CEO Evan Sohn 指出，采用 AI 更快的公司招聘也更快，但优先高级职位而非初级职位。22-25 岁群体被边缘化。他建议求职者 be AI-forward。纽约联储的调研则发现，整体招聘放缓，但并非集中在 entry-level。雇主主要通过 retraining 整合 AI，对招聘影响有限。AI 不是招聘放缓的主要驱动力。
这里必须明确 AI 筛选的失败条件。如果你只是用大模型生成一份通用的求职信和简历，你的召回率会无限趋近于零。招聘方的 AI 也在做相似度去重和幻觉检测。Shawn VanDerziel 指出，超过一半学生没在求职中用 AI。这种负优化策略在当前的筛选算法下等于直接放弃。另外，纽约联储明确指出，雇主主要通过 retraining 整合 AI。这意味着指望公司招新人来搞 AI 是不现实的。边界条件在于：你必须证明你的 AI 技能能直接替代或增强现有员工的产出，而不是来学习的。Evan Sohn 强调，AI 让 entry-level people 很难进去，你必须在简历中展现出超越 junior-level 的实战能力，才能绕过这个过滤层。
▎官方调研数据与参考链接
以下是原文提及的官方调研、数据报告及相关报道的完整链接，建议收藏以便查阅底层数据与原始访谈：
点个赞再走？
你投简历是纯手工还是用AI批量生成？转化率差多少？
往期推荐
- ·DeepSeek V4.1 Flash 对决 Gemma 4，Token渲染59处不匹配
- ·模型 Agent vs 联邦网站，越权 3 家机构触发暂停
- ·42兆瓦涡轮遭弃，Crusoe取消12.5亿美元订单
点击公众号头像 → 历史消息，可翻阅以上文章
