6% 的候选人承认参与过面试欺诈——冒充他人，或让他人代替自己出席。39% 的候选人表示在申请过程中使用了 AI，包括生成测评题目的答案。这两个数字分别来自 Gartner 对约 3000 名候选人的调研，它们共同支撑了那个预测：到 2028 年，全球每四份候选人档案中就有一份是伪造的（Personnel Today, 2026）。
身份验证能查出第一个数字。它碰不到第二个。
这个区别，正是中型企业招聘预算即将出错的地方。本季度涌来的工具浪潮——证件核验、活体检测、叠加在视频面试之上的深度伪造筛查——都是针对"冒名向量"设计的。这个向量真实存在，但它是更小的那个。更大、增长更快、几乎无人设防的向量，是那个身份完全属实的真实的人，而他所展示的能力是由模型制造的。
两个欺诈向量，一条预算科目
候选人欺诈通常被当作一个类别来讨论。在运营层面它是两个，而且失效的位置不同。
冒名向量问的是：这个人是他所声称的那个人吗？替考者通过了技术筛选。合成身份通过了入职流程。深度伪造的视频流实时完成了一场面试——Experian 的 2026 年欺诈预测正是指向这一点：生成式工具产出高度贴合岗位的简历，以及能够实时通过面试的候选人（Experian, 2026）。这个向量带来真实的安全暴露，所以它拿得到预算。正如 Gartner 的 Jamie Kohn 所说，候选人欺诈"制造的网络安全风险，可能远比一次错误招聘严重得多"（Personnel Today, 2026）。
能力向量问的是另一个问题：所展示的能力真的属于这个人吗？在这里，候选人就是他所说的那个人。证件有效，人脸吻合。但他的简历、求职信、作品样本和测评答案，大部分由一个模型产出——上岗后他未必能以同样方式使用它，或者能用，却缺乏驾驭它的判断力。
身份验证完全解决第一个问题，对第二个问题毫无作用。一个已验证的身份挂着一份未验证的能力，只是一次看起来更干净的错误招聘，而不是一次被阻止的错误招聘。
身份验证真正能证明什么
身份验证值得为它所做的事付费。它堵住了代面试、合成身份，以及背后的制裁与工作许可风险。如果你在远程招聘具有系统访问权限的岗位，这不是可选的卫生措施。
问题出在记账上。一旦装上验证层，风险登记表上的"欺诈"一栏往往就被标记为已关闭。它没有关闭，它只是被砍掉了一半。而剩下的那一半增长最快，因为它不需要犯罪意图、技术能力或串通——只需要一个候选人在第二个窗口开着浏览器。
Gartner 自己的判断是，雇主正发现"越来越难评估候选人的真实能力，某些情况下还包括他们的身份"（Personnel Today, 2026）。注意这个顺序：能力在前，身份在后且带保留。能力问题才是普遍情形。
能力向量更大——而且可测量
自我申报把申请中的 AI 使用率放在 39%。而面试内部的行为数据把这个数字推得更高。
Fabric 分析了 19,368 场由 AI 主持的实时面试，在其中 38.5% 中发现作弊信号，且作弊率在 2025 年末大约翻了三倍（Fabric, 2026）。分布比标题更重要：技术岗位的作弊率约为销售岗位的四倍，初级候选人约为资深候选人的两倍。在多次面试的候选人中，行为呈双峰分布——一大群人从不作弊，另有相当一部分人每场面试都作弊。
这是厂商的平台数据，不是同行评议研究，而且来自一家卖检测方案的公司。请相应打折。但它源自近两万场面试中被观察到的行为，而不是问人"你作弊了吗"，并且从相反的方法论一侧指向了与 Gartner 自我申报相同的方向。当"诚实作答"的数字与"观察行为"的数字都落在十分之四附近时，这个区间本身就是结论。
该数据集中有一个细节，值得让大多数中型企业改一条政策：带回家的测评作弊率高于实时面试，因为不限时和私密环境恰恰是模型协助无法被检测的条件（Fabric, 2026）。带回家的练习曾是大多数 50–500 人团队为了不烧面试官工时而采用的低成本、对候选人友好的折中方案。如今它是漏斗中最难辩护的一步。
反方观点：这不就是新常态吗？
最有力的反驳是：AI 辅助的申请根本不算欺诈。候选人使用可得的工具；雇主在另一侧使用筛选模型；一封由 AI 打磨的求职信，其预测力并不比 2019 年由专业人士润色的更差。围堵它既徒劳又虚伪。
这话对了一半。用模型把简历写紧凑不是欺诈；一家用 AI 筛人却禁止用 AI 申请的公司，伦理立场很弱。如果论证到此为止，正确的回应是：别再假装简历信号曾经很强，翻篇。
但这个反驳混淆了"撰写"和"证明"。当一项测评的存在是为了衡量这个人能否完成这段推理，而推理是由模型完成的，那么这件产物就不再测量它被设计去测量的东西。这不是候选人的道德失败，这是你这边的测量失败——而测量失败是招聘团队的问题，不管是谁造成的。
实际后果不是你应该抓住并惩罚更多候选人，而是你漏斗中很大一部分如今由不再携带信息的信号构成，而你仍在按它们携带信息的方式做决策。候选人早已感知到这种不对称：只有 26% 相信 AI 会公平地评估他们（Personnel Today, 2026）。你不是在捍卫一个可信的流程，你是在重建一个。
在买下一层工具之前，先重排漏斗
标准漏斗是：简历 → 招聘官筛选 → 视频面试 → 测评 → 现场面试。验证工具被插在视频面试环节：既晚又贵。
Gartner 的对策首先不是采购工具，而是内置反作弊保障的测评，包括线下环节，再加上系统层面的验证而非对个人的监控（Personnel Today, 2026）。而候选人一侧的抵触，比多数团队设想的要弱：62% 的候选人表示，当组织要求线下面试时，他们更愿意投递。
即便完全不谈欺诈，选拔科学同样支持这次重排。Sackett 及其同事修订后的元分析估计给出：结构化面试的操作效度约为 .42，工作样本约为 .33——后者相对于长期被引用的 .54 是一次大幅下修（Sackett et al., 2022）。两者都不完美，但两者都可测量。简历从来没有一个值得引用的效度系数，而它如今是整个流程中被 AI 污染最严重的产物。
把这些放在一起，动作是结构性的：在漏斗更靠前的位置运行一场有监考的、基于能力的测评——在简历和视频筛选承担决策权重之前。 这样一步就同时拦住两个向量。冒名者无法通过一场无法代劳的实时能力检验；持有伪造能力证据的真实候选人同样通不过。你不是在增加一道反欺诈控制，你是在用高效度的一步替换低效度的一步，反欺诈只是附带效果。
本季度该改什么
审计哪些环节还在真正测量东西
拿出你的漏斗，在每个阶段标注：今天一个有动机的候选人伪造它需要付出多少代价。简历：几乎为零。求职信：零。带回家练习：几乎为零，而且悄无声息。实时结构化测评：高。多数中型企业的漏斗会发现，五个阶段中有三个已降至接近零成本，而没有人据此重新加权决策。
把一场测评前移，并加上监考
不是换新供应商。把一个已有的环节挪到筛选之前，以实时或监考方式进行，而不是带回家。用两件事衡量变化：拦截到的欺诈案例，以及决策周期。后者通常会改善，因为早期的能力信号会在坏的候选流消耗面试官工时之前把它砍掉。
按身份验证的本来面目购买它
给它预算，诚实地界定其范围，并在风险登记表上写明：它只覆盖冒名。在测评层移动之前，能力向量始终敞开。被记录为"部分覆盖"的控制措施会被重新审视；被标记为"已完成"的不会。
一个决定
看看在你的漏斗里，候选人第一次必须展示某种无法代劳的东西，是在哪一步。如果那一刻发生在简历筛选、视频面试和带回家练习之后——对多数 50–500 人的团队而言确实如此——那么在此之前的每一个决策，都跑在模型可以免费产出的产物之上。
身份验证会告诉你屏幕上的人是真的。只有测评才能告诉你，能力也是真的。这个季度只挪一步，就挪这一步。
