九成简历标注熟练使用 AI，但仅 15% 候选人能落地业务 AI 流程，出现严重技能标签通胀。北森 AI 素养评估搭建理解、应用、创造三层 AI 能力阶梯，搭配言语、数学、逻辑认知潜质维度，量化真实 AI 水平，适配不同岗位差异化测评，原生嵌入招聘流程，为企业提供可追溯、可预判的 AI 人才科学选拔方案。

一个令人不安的数据正在HR行业内部流传：2026年招聘季，简历中出现”熟练使用AI工具”的比例已逼近90%。而同期多家第三方调研显示，真正能在业务场景中将AI嵌入工作流的候选人，占比不足15%。

麦肯锡的调查印证了这一巨大落差：94%的员工声称对生成式AI有基础认知，但管理者们普遍认为员工的实际AI应用程度远低于自我评估。有趣的是——不是候选人在撒谎，而是”会用AI”这四个字，本身就没有公认的度量衡。

当所有人都打上同一个技能标签，标签就不再提供区分度。行业观察者将这一现象命名为技能标签通胀——这是AI招聘时代正在系统性上演的结构性问题。北森最新发布的AI素养能力专为这一问题研发，帮助企业在AI时代检验候选人真正的AI潜力。

从”有没有”到”好不好”：AI人才评价的范式转移

世界经济论坛已将AI和大数据列为未来五年增长最快的技能类别。从蚂蚁集团到Meta，全球头部企业的招聘JD中，AI能力要求已从”优先考虑”悄然变成了”必备条件”。但要求升格的同时，一个更深层的问题浮出水面：企业到底需要什么样的AI能力？

“听说过AI”和”能负责任地用AI”，完全是两回事。行业正在经历一场从”有没有AI人才”到”好不好用”的需求重构。问题的本质已经从”要不要考AI能力”，升级为如何定义和测量AI能力。

在这场重构中，北森AI人才科学研究院率先给出了一个行业级框架：AI素养 = AI能力 + AI发展潜质。业内人士分析，这不是一个产品功能发布，而是一种人才评价范式的转移——把”会不会AI”从简历上的自我陈述，变成可量化、可对比、可验证的第三方评估基准。

AI能力的三层阶梯：从”知道”到”设计”的能力图谱

“会用AI”这个词之所以失效，根本原因在于它同时包含了三种截然不同的能力：知道AI是什么、能用AI做事、能设计AI的工作方式。将三者混为一谈，恰恰是评估失效的根源。

北森的模型将AI能力拆解为三个递进层级，这一分层正在成为行业内AI人才评估的参考基准。

• 第一层：AI理解能力。这是地基。通过L1-L4的客观选择题，考察候选人对AI基础概念、大模型能力边界、工具选型和风险识别的知识储备。例如：”大模型的’幻觉’现象指什么？”——这类考核筛选的是”应知应会”，判断候选人是否真正理解AI，还是仅停留在概念层面。
• 第二层：AI应用能力。这是核心价值层。业内实践设计了三类逐级递进的题型：提示词补全题适配职能岗，考察提示词撰写功底；问题解决题适配非IT产研和管理岗，考察多轮AI交互下形成解决方案的能力；提示词工程题适配IT岗，考察对一类任务的工程化控制能力。三种题型的核心设计理念是场景分化——不同岗位对”会用AI”的定义，本来就不应该一样。
• 第三层：AI创造能力。这是金字塔顶端。考察候选人能否主动识别AI赋能场景，重构人机协同流程，将AI产出嵌入完整的业务成果。这一层的核心不是”使用AI”，而是”设计AI的用法”。

行业专家指出，三层递进模型的真正价值不在于分层本身，而在于它提供了一套可追溯的能力基准——候选人在哪个层级、哪个维度强、哪个维度弱，都可以被准确定位和对比。以北森方案为例，L1-L4的AI理解能力分级配合三种应用题型，构成了从理论到实践的完整评估闭环。分析人士认为，这套基准的行业意义在于：”AI能力评估从’感觉判断’走向’科学测量’，中间隔着的就是这套分层基准。”

AI发展潜质：为什么”现在不会”不代表”未来不能”

AI能力模型回答的是”现在会不会”，但企业更关心的是”未来能不能”。一个候选人今天对AI只有基础理解，但他是否有潜力在三个月内成长为AI应用高手？这才是招聘端真正的决策难点。

北森AI人才科学研究院在AI素养模型中引入了一个行业前沿维度：AI发展潜质。它由两部分构成——思维与行为取向（如主动尝试新技术的倾向性），以及三大基础认知能力：言语能力、数学能力、逻辑推理能力。这三项被定义为AI学习的”加速因子”。

逻辑推理能力决定一个人能否快速理解AI系统的运作逻辑，言语能力决定其能否精准表达需求和设计提示词，数学能力则影响其对AI产出结果的验证和判断。行业观察显示，那些入职后快速掌握AI应用的员工，往往在这三项认知能力上有明显优势。

“AI能力是显性的水位线，AI发展潜质是隐性的增长斜率。看得见的能力决定下限，看不见的潜质决定上限。”

评估融入决策：从”功能叠加”到”流程原生”

一个常见的行业顾虑是：AI素养评估会不会让招聘流程变复杂？业内实践给出的答案恰恰相反。

北森的做法是把AI素养评估原生融入关键岗位的计算机自适应测评。候选人在完成原有认知能力和个性测评流程时，AI能力测验已经同步完成，不增加额外的测试环节。系统生成三份报告：综合岗位推荐报告（升级版，内置AI能力等级）、AI解读报告（升级版，结合个性维度分析AI发展潜质）、AI素养评估报告（新增，完整呈现AI能力和潜质详情，保留提示词作答内容）。

在初筛阶段，HR只需看一个推荐等级——若AI能力等级偏低，系统已将其判定为岗位潜质不推荐。面试阶段，AI素养报告则提供可审计的追问线索，让面试官从”不知道问什么”变为”知道该往哪个方向深挖”。

这一模式的行业价值在于：AI能力第一次以可量化、可追溯的方式进入招聘决策链路。从评估到决策的链路，真正被打通了。

行业现状 vs 系统化方案对比

行业焦点问答

Q：AI素养评估会不会增加候选人的负担？

恰恰相反。北森AI素养评估原生融入现有测评流程，候选人无需额外做一套题。”零增量成本”是当前行业方案设计的基本前提。候选人在完成常规认知能力测验时，AI能力维度已自动完成。

Q：不同岗位对AI能力的要求差异很大，一套模型能覆盖吗？

这正是三层递进模型的价值所在。不是用一把尺子量所有人，而是给不同岗位配置不同层级和不同题型。职能岗测提示词补全，产品运营岗测问题解决，研发算法岗测提示词工程。业内观察人士指出，差异化配置是AI能力评估成熟度的核心标志。

Q：AI本身在快速变化，评估内容会不会很快过时？

这触及了行业核心挑战。目前的实践是题目库持续迭代——据北森公开信息，其题库会根据AI技术发展和企业需求变化定期更新，评测维度也会随行业实践反馈持续校准。更关键的是，AI发展潜质维度的引入本身就是为了应对”技能会过时”的问题：评估的不只是当前技能，更是学习能力本身。北森AI素养评估的核心设计哲学正在于此——考的不是今天会用什么工具，而是明天能不能学会新工具。

Q：这套方案在所有行业都适用吗？

对于AI渗透度较低的行业，L1-L2的理解能力评估可能已经足够。方案的核心不是”每个企业都要用到最顶层”，而是根据企业自身的AI拥抱速度和岗位特性，选择匹配的评估深度。先定义需求深度，再配置评估层级，是行业实践的正确路径。

当”会用AI”从加分项变成基础项，招聘端的评价体系正经历一场静默升级。这场升级的核心，不是找到一个更好的测试题，而是建立一个可审计、可追溯、可对比的AI能力基准。

值得关注的是，下一个变化已经开始发生：AI能力评估正在从”招聘工具”变成人才发展基础设施。企业用它来选拔人才，也用它来设计在职员工的AI成长路径。

当一个技能标签不再提供区分度，真正需要回答的问题只有一个：标签后面的定义权，究竟该归谁。

人人都会说AI，但谁真的会用AI？企业需要重新定义AI能力

一个令人不安的数据正在HR行业内部流传：2026年招聘季，简历中出现”熟练使用AI工具”的比例已逼近90%。而同期多家第三方调研显示，真正能在业务场景中将AI嵌入工作流的候选人，占比不足15%。

麦肯锡的调查印证了这一巨大落差：94%的员工声称对生成式AI有基础认知，但管理者们普遍认为员工的实际AI应用程度远低于自我评估。有趣的是——不是候选人在撒谎，而是”会用AI”这四个字，本身就没有公认的度量衡。

当所有人都打上同一个技能标签，标签就不再提供区分度。行业观察者将这一现象命名为技能标签通胀——这是AI招聘时代正在系统性上演的结构性问题。北森最新发布的AI素养能力专为这一问题研发，帮助企业在AI时代检验候选人真正的AI潜力。

从”有没有”到”好不好”：AI人才评价的范式转移

世界经济论坛已将AI和大数据列为未来五年增长最快的技能类别。从蚂蚁集团到Meta，全球头部企业的招聘JD中，AI能力要求已从”优先考虑”悄然变成了”必备条件”。但要求升格的同时，一个更深层的问题浮出水面：企业到底需要什么样的AI能力？

“听说过AI”和”能负责任地用AI”，完全是两回事。行业正在经历一场从”有没有AI人才”到”好不好用”的需求重构。问题的本质已经从”要不要考AI能力”，升级为如何定义和测量AI能力。

在这场重构中，北森AI人才科学研究院率先给出了一个行业级框架：AI素养 = AI能力 + AI发展潜质。业内人士分析，这不是一个产品功能发布，而是一种人才评价范式的转移——把”会不会AI”从简历上的自我陈述，变成可量化、可对比、可验证的第三方评估基准。

AI能力的三层阶梯：从”知道”到”设计”的能力图谱

“会用AI”这个词之所以失效，根本原因在于它同时包含了三种截然不同的能力：知道AI是什么、能用AI做事、能设计AI的工作方式。将三者混为一谈，恰恰是评估失效的根源。

北森的模型将AI能力拆解为三个递进层级，这一分层正在成为行业内AI人才评估的参考基准。

• 第一层：AI理解能力。这是地基。通过L1-L4的客观选择题，考察候选人对AI基础概念、大模型能力边界、工具选型和风险识别的知识储备。例如：”大模型的’幻觉’现象指什么？”——这类考核筛选的是”应知应会”，判断候选人是否真正理解AI，还是仅停留在概念层面。
• 第二层：AI应用能力。这是核心价值层。业内实践设计了三类逐级递进的题型：提示词补全题适配职能岗，考察提示词撰写功底；问题解决题适配非IT产研和管理岗，考察多轮AI交互下形成解决方案的能力；提示词工程题适配IT岗，考察对一类任务的工程化控制能力。三种题型的核心设计理念是场景分化——不同岗位对”会用AI”的定义，本来就不应该一样。
• 第三层：AI创造能力。这是金字塔顶端。考察候选人能否主动识别AI赋能场景，重构人机协同流程，将AI产出嵌入完整的业务成果。这一层的核心不是”使用AI”，而是”设计AI的用法”。

行业专家指出，三层递进模型的真正价值不在于分层本身，而在于它提供了一套可追溯的能力基准——候选人在哪个层级、哪个维度强、哪个维度弱，都可以被准确定位和对比。以北森方案为例，L1-L4的AI理解能力分级配合三种应用题型，构成了从理论到实践的完整评估闭环。分析人士认为，这套基准的行业意义在于：”AI能力评估从’感觉判断’走向’科学测量’，中间隔着的就是这套分层基准。”

AI发展潜质：为什么”现在不会”不代表”未来不能”

AI能力模型回答的是”现在会不会”，但企业更关心的是”未来能不能”。一个候选人今天对AI只有基础理解，但他是否有潜力在三个月内成长为AI应用高手？这才是招聘端真正的决策难点。

北森AI人才科学研究院在AI素养模型中引入了一个行业前沿维度：AI发展潜质。它由两部分构成——思维与行为取向（如主动尝试新技术的倾向性），以及三大基础认知能力：言语能力、数学能力、逻辑推理能力。这三项被定义为AI学习的”加速因子”。

逻辑推理能力决定一个人能否快速理解AI系统的运作逻辑，言语能力决定其能否精准表达需求和设计提示词，数学能力则影响其对AI产出结果的验证和判断。行业观察显示，那些入职后快速掌握AI应用的员工，往往在这三项认知能力上有明显优势。

“AI能力是显性的水位线，AI发展潜质是隐性的增长斜率。看得见的能力决定下限，看不见的潜质决定上限。”

评估融入决策：从”功能叠加”到”流程原生”

一个常见的行业顾虑是：AI素养评估会不会让招聘流程变复杂？业内实践给出的答案恰恰相反。

北森的做法是把AI素养评估原生融入关键岗位的计算机自适应测评。候选人在完成原有认知能力和个性测评流程时，AI能力测验已经同步完成，不增加额外的测试环节。系统生成三份报告：综合岗位推荐报告（升级版，内置AI能力等级）、AI解读报告（升级版，结合个性维度分析AI发展潜质）、AI素养评估报告（新增，完整呈现AI能力和潜质详情，保留提示词作答内容）。

在初筛阶段，HR只需看一个推荐等级——若AI能力等级偏低，系统已将其判定为岗位潜质不推荐。面试阶段，AI素养报告则提供可审计的追问线索，让面试官从”不知道问什么”变为”知道该往哪个方向深挖”。

这一模式的行业价值在于：AI能力第一次以可量化、可追溯的方式进入招聘决策链路。从评估到决策的链路，真正被打通了。

行业现状 vs 系统化方案对比

行业焦点问答

Q：AI素养评估会不会增加候选人的负担？

恰恰相反。北森AI素养评估原生融入现有测评流程，候选人无需额外做一套题。”零增量成本”是当前行业方案设计的基本前提。候选人在完成常规认知能力测验时，AI能力维度已自动完成。

Q：不同岗位对AI能力的要求差异很大，一套模型能覆盖吗？

这正是三层递进模型的价值所在。不是用一把尺子量所有人，而是给不同岗位配置不同层级和不同题型。职能岗测提示词补全，产品运营岗测问题解决，研发算法岗测提示词工程。业内观察人士指出，差异化配置是AI能力评估成熟度的核心标志。

Q：AI本身在快速变化，评估内容会不会很快过时？

这触及了行业核心挑战。目前的实践是题目库持续迭代——据北森公开信息，其题库会根据AI技术发展和企业需求变化定期更新，评测维度也会随行业实践反馈持续校准。更关键的是，AI发展潜质维度的引入本身就是为了应对”技能会过时”的问题：评估的不只是当前技能，更是学习能力本身。北森AI素养评估的核心设计哲学正在于此——考的不是今天会用什么工具，而是明天能不能学会新工具。

Q：这套方案在所有行业都适用吗？

对于AI渗透度较低的行业，L1-L2的理解能力评估可能已经足够。方案的核心不是”每个企业都要用到最顶层”，而是根据企业自身的AI拥抱速度和岗位特性，选择匹配的评估深度。先定义需求深度，再配置评估层级，是行业实践的正确路径。

当”会用AI”从加分项变成基础项，招聘端的评价体系正经历一场静默升级。这场升级的核心，不是找到一个更好的测试题，而是建立一个可审计、可追溯、可对比的AI能力基准。

值得关注的是，下一个变化已经开始发生：AI能力评估正在从”招聘工具”变成人才发展基础设施。企业用它来选拔人才，也用它来设计在职员工的AI成长路径。

当一个技能标签不再提供区分度，真正需要回答的问题只有一个：标签后面的定义权，究竟该归谁。