中年反成最大增量
在未来20年，多数西方经济体的适龄劳动人口预计将平均缩减约四分之一，而60岁以上人群会增长四成以上，“年轻人越来越少，老人越来越多”成为职场新常态。如果企业仍把重心锁定在“校园招聘”和“早期人才”，候选人池每年都会缩水，相反，50岁以上人群正在成为新增劳动力的主要来源。
预计到2030年，英国将有一半劳动力年龄在50岁或以上，部分亚洲国家比例还会更高，美国则略低一些。许多行业在精算师、大机工程师等岗位上，几乎已经二十年没有“50岁以下梯队”进入，不得不重新审视中高龄人群的价值。
所谓“逆退休”，不是简单的再就业，而是已退休或半退休的人，以全职、兼职或项目制形式重返职场，为企业提供高技能、高经验的劳动力。一端是个人对收入和成就感的需求，另一端是企业填补关键技能缺口的现实压力。
以专注50岁以上人才的企业55/Redefined为例，它与大型基础设施、公用事业和金融机构合作，通过项目制、顾问制、部分远程等方式，延长资深员工10至20年的职业寿命，在关键岗位上留住稀缺技能。面对持续走低的人口红利，重新激活并尊重这批“经验富矿”，正在成为企业缓解用工荒的重要选项。
AI让投递简历变简单，却让好候选人更难找
在线求职平台、职位订阅和算法推荐，让“点几下就投递”成为常态，许多岗位动辄收到上百上千份简历，但招聘经理却越来越难从海量申请中找到真正适配的人。生成式AI的普及正在加剧这种“富集中的贫瘠”——表面人山人海，优质候选人却被淹没。
在应对上，企业做法分化：有的宣布不再接受传统简历和求职信，转向其他评估方式；有的则表示，只要发现简历由AI撰写就直接淘汰；而在一些高度数字化的行业，只要能胜任工作，用AI写简历反而被视为一种能力。
企业自身也在用AI筛选简历。通过设定“名校学历、某类工作经验”等条件，把大量申请筛掉，而这些条件本身就建立在旧有经验甚至偏见之上。AI在学习历史数据时，会继承并放大传统招聘中对性别、年龄、学校出身的刻板印象，让原本就被忽视的群体，更难进入视野。技术让投递门槛更低，却在另一个层面筑高了真正被看见的门槛。
从“看经历”到“看潜力”：用AI打破简历崇拜
在严重缺人的行业，企业开始跳出“看履历”，转而关注人的潜力和行为特征。国际电子企业西门子与招聘公司Arctic Shores合作，在部分岗位上弱化学历与专业经验的权重，改用基于任务的心理测评作为第一道筛选。
任务型心理测评，是结合神经科学和心理学设计的在线小游戏或任务。候选人在完成任务时的反应速度、坚持程度、学习方式和应对变化的策略，会被记录并转化为量化指标，用于预测其在不同岗位上的成功概率。例如，交易员岗位可能需要“略带不耐烦”、决策迅速，而研究岗位更需要高度专注和耐心。
外部难招人，内部成了最大的人才金矿
在全球范围内，真正稀缺的已经不是“愿意工作的人”，而是“具备关键技能的人”。大量职位空缺久招不满，推动企业从“花高价买现成”转向“系统化地自己培养”。瑞士制药巨头诺华的“Talent Match”平台，就是一个典型范例。
所谓“内部流动性”，指员工在同一家公司内部，在不同岗位、项目和部门之间的流转。它通常比外部招聘更快、更省成本，也更能激励员工持续成长，进而提升组织整体生产力和韧性。
在“Talent Match”平台上，员工可以录入自己的技能、经验和职业愿望，AI则为其匹配公司内部的项目和空缺岗位，并提示要达到“理想下一站”还缺哪些技能、可通过哪些课程补齐。诺华已通过这一平台完成数百个项目匹配，减少外部招聘和离职带来的损耗，也释放出可量化的生产力收益。
对企业而言，AI带来的最大价值，并不只是更快“筛掉不合适的人”，而是更准“发现被埋没的人”：那些原本在组织内部默默无闻、却具备可迁移技能的员工，通过数据和算法被识别出来，获得跨部门发展的机会，内部人才金矿得以被系统开采。
别把“人”从招聘里删掉
未来三到五年，会有越来越多企业用AI重塑招聘流程：让投递更简单、评估更科学、内部流动更顺畅。但真正要修复的，并不是某个环节的工具，而是整套思维方式——从只看学历和履历，转向重视潜力、态度与多元背景；从只向外“抢人”，转向内外并行“育人+选人”。
技术再先进，也取代不了人与人之间的判断与信任建立。无论是50岁以上“逆退休”的资深专家，还是用AI润色简历的年轻应聘者，企业最终要回答的问题仍是：这个人是否认同我们的价值观？是否能在真实情境中可靠地做出选择？这些答案，始终需要通过真实对话和长期观察来验证。
招聘体系可以被AI加速和放大，但要真正修好这条“人才管道”，仍离不开一个朴素的前提：在把人视为“人力资本”之前，先把他们当作有温度、有差异的具体的人。
热门跟贴