近两三年来全球科技行业的变革似乎正在制造一场前所未有的矛盾：一边是谷歌、Meta、亚马逊等互联网行业巨头数次大规模裁员，大量工程师被贴上“可替代”标签，陷入“努力和价值”不被认可的困境；另一边，这些头部企业却依然广开招聘席位，开出天价薪酬广招顶尖人才，甚至出现“抢人大战”。

可以说，AI的快速迭代，倒逼企业不得不更新用人标准，将AI协作、动态学习等能力纳入考核重点，不过这样一来，以简历、面试为核心的传统招聘体系就暴露出了短板，无法真正量化候选人的AI落地实战能力，所以企业才开始瞄准那些已经通过媒体等渠道崭露头角的“顶尖人才”以降低误招可能带来的影响。

但一个现实情况是，有人可能能力很强，只是不善于包装和讲故事，因此缺乏被信任的证据，容易被企业低估。也有人善于叙事，但进入真实的系统环境中却没有很强的交付能力。

那么，在这个AI噪音巨大、媒体着重于叙事和资本裹挟的时代里，到底有没有一个新的标准或者方法，能够穿透企业和人才之间的“黑箱”，让人的真实能力能够变成可追溯、可验证的证据链，让企业在做决策时更有底气？

为了回答这个问题，我们特别邀请到了硅谷AI初创公司Griting的创始人&CEO Josie Zhang，和她进行了一次深入的对谈。简单来说，Griting在做的是人才的系统级解决方案，以AI人才审计和孵化为核心，想要将人才这件事做成一个有闭环、有反馈、可追溯的一个循环系统，成为一个能够连接企业端和供给端的、有温度的连接者。

以下是对谈内容，考虑到阅读体验有所调整：

Josie Zhang：在成立Griting之前，我一直在思考：如果一个人的成长是可以被记录、可以被看见的，那么他的努力和他在整个成长过程中所形成的轨迹，应该是能在外界得到正向反馈的。那么在AI时代，当技能和知识都过期得非常快的时候，如何让年轻人找到自己的成长路径？我们又该如何把关于人的这件事做的既有温度又有边界？

我曾经经历过北美就业的寒冬，也帮很多人义务劳动改过简历、做过职场或者转行咨询，有两类人让我非常触动，一类是能力很强，但不善于讲故事，被系统所低估；另一类是善于叙事，或者说包装过头，在真实环境里没法交付。所以我想有没有一个闭环的方案，能够帮助人才在当下这个时代里将自己真实的交付能力沉淀下来，并且让企业清楚地看到整个推理过程。

用比较简短的话来说，就是我们想要成为人才的基础设施、成为AI时代下企业端和供给端的桥梁。

Josie Zhang：在当下的经济变革期有两种趋势，一是宏观上企业需要降低成本，而降低成本的同时，稀缺人才的价值会被不断放大。

宏观的降本，是为了将这些冗余的、可替代性强的、可以被智能化的岗位裁撤掉。而所带来的局部稀缺性，就需要企业去找到能产生杠杆效应、持续交付、持续放大企业价值的关键人才。

这两个现象的发生是有哲学依据的。在过去，一个人的身份标识是他的学校、头衔、履历，但现在的机构和企业更多要看一个人真实的交付能力，所以从价值观层面来讲，是从身份社会走到了一个交付社会，从一个投钱的社会变成了一个杠杆世界。

其次，站在系统层面，AI所宣传的就是更高效更快，那企业在这种呼声下，他的容错成本在降低，所以对关键人才的期待就会不断增加，甚至会产生一些培养人才的需求。这就导致AI人才领域更有挑战性，企业的思考决策周期也会更长。

另外，从业务层面讲，现在企业招1个人需要他能取代10个人，比如以前他可能是一个确定性的工程师，现在则既要懂业务流程，也要懂上下游依赖关系、数据，并且还要懂如何去评估他自己的工作、如何持续地交付，在这个过程中他需要自己找到一个尺子去丈量自己，才能形成一个有反馈、可量化、能被企业主清楚看到的价值。

Josie Zhang：关于这个我可以分享一个小故事。我参加过很多创投圈的分享会，这些创投圈里拿到融资的人都在想一个问题：如何用最少的钱招到最好的人，而且还要认可企业工作内容。比如旧金山的独角兽公司Cursor，他们做的一件事就是把面试变成一个真实工作，也就是说，求职者申请了Cursor的岗位之后，Cursor会邀请候选人到旧金山工作一周，来观察他是否能适应公司团队、业务和文化。

也就是说，现在企业已经不满足于静态的信号，而是想要去找到动态信号，看到一个人真实的工作和交付状态。

Josie Zhang：对，我们可以看到很多新闻说某个AI天才进了某个公司，但突然又离开了。有时候这种离开的原因，一方面是企业在选人时有点依赖过去的履历，也就是所谓静态的标签。另一个方面，就是现在AI大模型迭代速度太快了，创业公司都在比赛迭代的速度，赛跑的过程就是动态变化的过程，这种情况下人的适应能力、学习能力、快速迭代能力就越来越重要。传统的静态标签已经没有办法匹配AI时代对动态能力的需求。

再举个例子，以前大家面试的时候喜欢刷Leetcode（标准化的算法题），可能刷穿3000道题找到好工作的几率就比较大。但现在我很少听到AI公司对刷Leetcode还有执念的，反倒是他们很喜欢听候选人讲做过哪些好项目、GitHub上做了哪些开源的Repo、有多少的收藏、哪些是用AI一秒钟生成的等等，这些才是有力的证据链。同时，你还要能清晰地表达这个项目有哪些痛点，对你的交付有一个深度的复现和追溯过程。

Josie Zhang：Griting是人才管线需求端和供给端的一个连接者，我们解决的最大痛点，就是将一个人真实的交付能力变成一个完整的证据链，给企业一个可信任的信号和证据。

我们产品矩阵中包含三款主要产品，从功能定位上来说，一个是更讲究证据链来降低误招风险的（Audit审计类）产品。一个是帮助供给端的人成长，缩短他们距需求端要求最后一公里的（incubation 孵化类）产品。还有一个C端产品Grit Me，是一个多智能体的导师系统。对这款C端产品，我们更强调人的自由和方向感，我们想要把个人对行业或者某一项目的热情转化成一个可执行的、可被信任的交付资产。

总的来说，我们产品是通过证据审计、人才成长、再加上导师+AI多智能体系统，把人的整个成长轨迹变成具体的个人资产，其实就是在解决人才供给和需求端的信任问题。

Josie Zhang：AI擅长的是做量化、做计算，擅长在各种杂乱的数据中找到规律性的东西，然后再给出结构性的反馈。但我们也知道，人是一个没有办法完全量化、非常复杂的个体。

我认为技术最高的价值不是取代人，而是帮助人成长，也就是说，AI应该是为人类服务的。另外，我们也发现人的需求有很多层级，比如有的人需要钱，有的人可能更看重他自己在这个社会里留下来的信任资产。我们也有很多导师，不是为了赚服务费，而是想要和这些渴望成长、渴望被看见的年轻人建立信任关系，想看看他们能够给这个社会留下哪些带不走的东西。

所以基于这样一个愿景，我们选择了人机共建，在可量化的系统里嵌入了人的情感、使命感这类的驱动力因素。这样一来，就守住了人的成长这样一个复杂的命题，而不是简单地变成一个AI系统去淘汰人、取代人。

Josie Zhang：我们的每个智能体都有自己的角色，负责不同的方向，整个系统是闭环的。为了确保数据和人的一致性，首先我们会有一个先置的假设：所有候选人都是为了找到工作，愿意在这个系统里做评估，真诚地展示他自己的能力。在这样一个假设的前提下，我们做的整个设计都是为了守住人的尊严，而不至于让这个系统变成一个打假系统。

Josie Zhang：我们的能力画像主要是通过系统推理能力和算法来实现的，这些我们都提交了专利。整个系统评估的核心依据有两个，一是数据的一致性，二是算法的独特性。另外，我们系统的整个核心链条是完整的证据链，也就是说，我们提供给用户的画像是一个多维画像，不单会评估人的交付能力，还有使命感、交流能力、职业方向规划等等，这个标尺相对来讲是符合企业端要求的，所以非常容易被企业接受。

此外还要强调一点，就是我们比较注重隐私，不会通过面部抓取个人信息，我认为还是要守住AI的伦理道德底线。

Josie Zhang：我们看重的是长期的信任关系，所以主要合作对象是猎头公司、转型AI的传统企业、出海企业或者内部需要智能化培训的企业等等。我们目前正和一些猎头公司、转型的传统企业、Fintech、机器人公司等推动试点，同时也和几家非常头部的高端猎头公司有着比较密切的合作。

Josie Zhang：首先人才招聘是B端的刚需，他们有这方面的业务压力。误招一个人的成本不单单是工资，还能影响到团队节奏、跟其他合作伙伴信任关系的搭建。所以B端的痛点是最痛的。

另外，我们从C端到B端也有一个倒推的过程，举个例子，我们去跟C端用户聊的时候，他们的需求是五花八门的，有的说你能不能在两周之内就帮我找到工作，有的说我就想学两年AI成为AI大神，你能不能给我制定个学习计划。很难找出一个能让C端用户比较统一的需求，所以也不知道该从哪个人群入手。

但B端很多企业就会说，如果你做出一个系统，让我能快速找到我需要的人才，那我马上就会买你的系统。当时考虑到AI招聘是红海，我也有过犹豫，但有B端企业说，那你能告诉我哪个（产品）是最好的吗，因为他们都没有证据链表达。所以我们才决定做这样一个能让企业在做决策的时候更有依据的产品。

另外，企业在做内部培训的时候，会希望当前放到内训里面的人是能够快速上手一个新项目或新业务的，也就是说他想要一个确定性，这也是他们看重的点。

Josie Zhang：B端我们是分两步走，一方面是项目制和试点制；另一方面是我们的平台订阅，采用年订阅制，并且会按照企业量级、企业的吞吐量分成不同梯度来计算。

另外我们还有一个比较特色的增值服务——我们的系统可以拆解成各种模块提供给企业端。举例来说，比如一家企业不需要一整个系统，他只要我们从海量简历里找出最合适做CEO的人，我们的智能体里有专门的筛选简历模块，所以这样的服务我们也可以提供。

Josie Zhang：有两方面，一是我们当前接到的需求比较多，会涉及到医药、生物、机器人、传统软件工程等多个方向，所以我们目前最想解决的就是如何打穿领域。另一个痛点是，C端用户的教育成本有点高，他们有就业焦虑，但不代表会愿意付费或者持续投入。所以我们在思考如何能加快C端对产品的接受度。

我认为这个过程可能至少需要1-2年的时间，但我们也有信心，只要打通了B端，C端用户自然会来。

Josie Zhang：我们也思考过，头部企业如LinkedIn有那么多的数据和人才库，甚至还有资本推动，猎头公司和以前传统做人才测评的那些平台也有大量用户，有对行业的积累，如果做的话应该都会比我们更快。但为什么是Griting而不是其他公司？我认为这样的担心和焦虑在创业者身上是普遍存在的，我们能想到的方案就是尽力向前奔跑。

我们创业也才四个多月时间，而且四个多月就能把系统做出来，就能去跟客户开试点验证，是因为我们也有我们的一些优势。首先硅谷是一个人才密度非常大的地方，当我们表达要做这一个产品的时候，不管是导师、周围人还是公司的投资顾问，也都是给到我一些很好的支持。另外，大公司虽然有各种各样的优势，但同样也有决策的成本，有风险的压力。在这种不确定的时代里，他们需要去维持标签和身份这样一个确定性的东西。我们在和大公司讨论这些事情的时候，就发现有很多公司不想去做AI的东西，不确定性太强，与其自己做不如和做这些的公司合作。在这样的系统里，对创业者来说反而是一个机会。

所以当创业者担心自己会被其他竞争者碾压、被大公司吃掉的时候，更要尽可能保持自己节奏，保持自己的创造性和给客户交付的能力。只要建立了这样的信任资产，一定会被行业和客户接受。对于Griting而言，目前最担心的不是没有客户，而是我们的带宽可能都不太足以去应对客户对我们系统的热情尝试。

Josie Zhang：我认为杠杆效应人才的选拔标准建立是一个需要长期思考的过程，同样证据链招聘、人才审核、孵化是需要时间的，市场也需要一个被教育的过程。未来五年，我们希望能成为行业里人才审核和孵化的标杆，当企业和高校想要降低风险、用更高的确定性选拔或培养关键人才团队的时候，能想到Griting。并且，我们想要在当别人想到Griting的时候，不单想到对证据链的重视，还有人文的温度。总结而言，我们想要传达的精神是以人为本、重视清晰的系统构建和沟通、同时注重高质量反馈。

我们的愿景是建立一个人与人的信任机制，让人之间的链接除了可量化之外，还能连接到彼此更深层次的东西，比如精神上的契合。这也是我们对这个时代精髓的理解：AI时代不缺量化，缺的是人与人之间有温度的连接。