11 月 1 日，IT 之家转了一条 TechRadar 的报道。招聘平台 Greenhouse 在英国、爱尔兰问了 1100 多名求职者。
其中一个数是 81%。
81% 的人只递交了简历、没跟人事说过一句话，就被拒了。
我没做过这个调查，也没当过 HR。这篇里的事实都来自公开报道，出处列在文末。
这个 81% 指的是哪一步
不是面试没过。是根本没进面试。
调查里还有个数，我觉得比 81% 更值得看：97% 的人说，自己身上有想展示、但写不进履历的东西。
两个数摆在一起，意思就变了。不是谁简历写得差，是简历这个格式装不下人。
同一份调查里还有一个细节：Z 世代求职者对 AI 初筛的认知，比 60 岁以上的人更清楚。年轻人已经知道对面是机器在看，所以开始改写法。具体怎么改的，报道没说，这一点我查不到。
雇主那边的话
TechRadar 的报道里写了一句：雇主已经发现，千篇一律的 AI 简历，很难让应聘者拉开差距。
Greenhouse 的首席人事官 Sharawn Tipton 说得更直接：
这是第一次，招聘双方都认为现有的招聘流程出了问题。求职者提交申请后，仿佛石沉大海；雇主则要从一份份 AI 润色、看起来几乎一模一样的简历筛选人才。AI 叠着 AI，只会让所有人受伤。
这段话里我最有感触的是「几乎一模一样」。它不是在骂 AI，是在描述一个结果：同一个工具、同一套关键词，出来的东西当然像。
42% 这个数容易看反
过去 12 个月，42% 的候选人参加过 AI 面试。这些人里，57% 表示这种面试让他们有机会展示自己的技能。
过半数给了正面评价，评价的对象是 AI 面试。
这里只说我的理解，没有证据：问题可能不在 AI，在形式。机器问的固定问题，至少不会因为面试官当天心情不好而变。反过来也成立，AI 面试对本来就表达有条理的人更有利，对不擅长结构化表达的人更吃亏。这一层调查里没给，我猜不出哪一头更重。
我自己的几条改法
这里得划一条线：下面是我自己写东西时的做法，不是研究结论。我没做过 A/B 测试，不知道哪一条真能提高通过率。
先看一组对照。两段都是我编的示例，不是从谁的简历上抄的。
反面：
具备良好的沟通协调能力，能独立推进项目落地，抗压能力强。
正面：
去年双十一前一周，三个部门对不上库存口径。我拉了个表，把 17 个 SKU 的差异一条条对完，最后是仓库那边把入账日期写错了。
差别不在文笔。反面那段用的是「能力」这个词，正面那段给的是一个具体到能被追问的场景。
一、把形容词换成动词和数字。
「执行力强」换成「三个月把复购从 11% 做到 19%」。数字可以小，但得有。没有数字的时候，宁可写清楚做了几件事，也别堆形容词。
二、每段塞一个只有你知道的细节。
周几、几个人、几天、多少钱。这类细节 AI 编不出来，因为它不在你的经历里。
三、把「负责」换成「当时难在哪」。
「负责用户增长」这五个字，谁都能写。换成「预算砍了一半，靠把老客拉回来做的」，读的人才大概知道你干了什么。
四、第一句和最后一句自己写。
中间让 AI 搭骨架没问题。开头和结尾是你唯一能塞进人味的地方，这两句交给模型，整篇就白改了。
边界
有几件事得说在前面。
这份调查在英国和爱尔兰做，1100 多人。中国的招聘流程、HR 看简历的习惯、初筛系统的普及程度都不一样，不能直接搬过来用。
问卷怎么问、样本怎么抽，我不知道。TechRadar 的原文我没读到，只能看到 IT 之家的转述。所以我说「81% 被拒」，指的是这份调查里的 81%，不是所有投简历的人。
还有一件更实际的：我不知道上面那四条改法有没有用。
我只是觉得，如果对面在找的是一个具体的人，那你写得越像模板，越难被找到。这是判断，不是证据。
一句收尾
AI 帮你把简历写得通顺，这件事本身不坏。坏在收尾那一步，很多人把初稿粘进文档就直接投了。
初稿可以是 AI 的，定稿得是你的。这一步没人能替。
事实来源
Greenhouse 调查数据、Sharawn Tipton 的表态、42% 与 57% 两个数字，转引自 TechRadar 报道，经 IT 之家 2026 年 11 月 1 日《AI 简历泛滥之下，Z 世代求职者开始担心自己「看起来像 AI」过不了初筛》转述。原文我未读到。