新聞速讀｜麥肯錫把 AI 助手帶進畢業生招募：面試開始考「怎麼跟 AI 一起想」
新聞速讀｜麥肯錫把 AI 助手帶進畢業生招募：面試開始考「怎麼跟 AI 一起想」
外媒揭露試行用內部生成式 AI 工具 Lilli 輔助評估；流程位置各方說法不一，但核心一致：考的是判斷力與人機協作
InfoAI 編輯部
真正的能力，不是比 AI 更快，而是比 AI 更會把問題說清楚。
麥肯錫近期被多家外媒揭露，正以試行方式把內部生成式 AI 工具「Lilli」納入畢業生招募評估。值得留意的不是「AI 取代面試官」，而是招募開始把「提問、檢核、脈絡化、結構化表達」視為可量測能力。即使不同來源對導入關卡的描述不盡相同，它們仍指向同一件事：顧問產業正在把人機協作，從工作現場前移到人才入口。
麥肯錫近期被多家外媒揭露，正以試行方式把內部生成式 AI 工具「Lilli」納入畢業生招募評估。值得留意的不是「AI 取代面試官」，而是招募開始把「提問、檢核、脈絡化、結構化表達」視為可量測能力。即使不同來源對導入關卡的描述不盡相同，它們仍指向同一件事：顧問產業正在把人機協作，從工作現場前移到人才入口。
摘要：
1）麥肯錫在畢業生招募「初期階段」要求申請者與 AI 工具互動，目的偏向早期篩選與資料蒐集，而非取代最終錄取決策。
2）引用招募準備機構 CaseBasix 說法，提到美國「部分最後關卡」新增「AI 面試」：要會提示（prompt）、檢視輸出、做出判斷並整理成清楚結論。
3）這是一項「試行」，候選人被要求在某一輪面談用 Lilli 協助分析個案並修正結論，評估重點落在好奇心與判斷力。
4）麥肯錫官方在 2023 年 8 月已宣佈推出 Lilli，定位是內部知識搜尋與彙整平台，而非單純聊天機器人。
5）招募導入 AI 的治理議題，包括有透明度、公平性與偏誤風險：若缺乏監督，輔助工具容易在實務上變成「默默主導」的篩選機制。
6）麥肯錫對外婉拒評論，也讓外界更難判定目前導入範圍與標準化程度。
招募入口前移的人機協作測驗
多家外媒在 2026 年 1 月中旬報導，麥肯錫正在招募流程中試行，要求畢業生在部分評估任務中使用內部 AI 工具 Lilli。另有媒體指出這比較偏向「招募初期」的互動與資料蒐集；以及更像是在描述面談輪次中加入 AI 互動評估。就目前可見的幾份公開資料來看，「導入位置」確實存在差異，但共同點更關鍵：這不是要你背出正確答案，而是要看你能否把思考過程做得更可檢核、更有脈絡，也更能被追問。
對麥肯錫而言，畢業生招募向來是高強度流程，必須在短時間內處理大量申請者。外媒直接指出「大量申請、時間壓力、早期篩選耗用人力」是導入動機之一。對求職者而言，真正的變化在於「評分尺」被換了一把：你不只要能作答，更要能說明你如何使用 AI、你相信什麼、你不相信什麼，以及你如何補上 AI 沒說清楚的地方。
這類做法背後有兩個結構變化。第一，企業正把 AI 從「效率工具」升級為「工作方法」，因此招募自然開始尋找能與 AI 共作的人。第二，評估重心正從「答案對不對」逐步轉向「推理過程能否被追蹤、被討論」。CaseBasix 對此事件的描述相當具體：要提示、要檢視、要下判斷，最後還要把內容整理成結構化輸出。換句話說，AI 讓「思考如何被呈現」變得更可被評量。
對人資與求職顧問來說：若試行擴大，未來人資與顧問的「基本功」會更像「與 AI 一起做研究與初稿推理」，而人類價值更集中在脈絡化、取捨與說服，也就是把材料變成可交付結論的能力。
對企業招募人員來說：AI 可能讓早期評估更一致、更可追溯，但也更需要制度化稽核與申訴機制。否則偏誤不只不會消失，反而可能因為流程自動化而被放大，且更難被察覺。
對求職者來說：準備方向會改成「把 AI 當成思考夥伴」，但同時要能指出限制、驗證依據、補上缺漏，並把最後責任留在人類判斷上。你交出去的不是 AI 的答案，而是你對答案的負責方式。
如果麥肯錫真的把試行擴大到更多初階招募（《愛爾蘭時報》提到「成功就推廣到所有初階招募」的規劃），它會成為一個清楚訊號：AI 素養不再是加分題，而是進門門檻之一。接下來更值得觀察的，不只是它會不會擴大，而是它將如何說清楚「AI 在招募中的角色邊界」、如何證明公平性，以及是否提供候選人可理解的透明度與資料處理說明。這些細節，才是信任能否建立的關鍵。
企業開始招募「判斷力」
這則新聞的核心，不是麥肯錫新增了一個工具，而是它把「判斷力」變成可被看見、也可被討論的流程能力。當 AI 逐漸成為新人入職後每天都會碰到的工作介面，企業真正想知道的是：你能不能在不確定的輸出裡，依然維持負責任的推理與表達。
洞察與解讀：
第一，Lilli 在官方描述中是「知識搜尋與彙整平台」，這代表麥肯錫期待候選人展示的，更接近顧問日常：先問對問題，再快速找出可用證據，最後把論點整理成讓客戶聽得懂、也能追問的結構。AI 參與其中，反而會讓「你怎麼思考」被放大檢視。
第二，流程位置的分歧（初期篩選 vs 面談關卡）這提醒我們一件常見現象：企業導入 AI 往往不是一次性改造，而是從小範圍、可控的關卡先開始試，邊做邊調整。外界看到的不同版本，可能正是試行期間多路徑佈署所留下的痕跡。
第三，招募是高風險場景。外媒直指偏誤與透明度疑慮：如果企業不能解釋 AI 參與的方式、也不能證明它不會系統性地讓特定群體吃虧，那麼流程越自動化，聲譽風險反而越高。這也是為什麼「治理」會成為招募導入 AI 的先決條件，而不是事後補洞。
接下來值得追蹤三件事：
1）麥肯錫是否會對外更清楚界定：AI 參與的環節、資料如何處理、人工覆核的門檻與責任歸屬。
2）試行是否擴大到「所有初階招募」，以及評估標準是否被制度化成可訓練、可複製的。
3）同業是否跟進，特別是英國《衛報》與《愛爾蘭時報》提到的波士頓顧問公司（Boston Consulting Group）與貝恩（Bain）等競爭者的招募變化。
FAQ
1）麥肯錫這次是在用 AI 取代面試官嗎？
不是。外媒的描述是把 AI 用在招募早期的互動與資料蒐集，仍搭配人類招募端的審閱；英國《衛報》與其他報導描述的「AI 面試」也更像新增的評估環節，重點在觀察候選人如何提示 AI、檢視輸出並做出判斷，而非把錄取決策交給 AI。
2）Lilli 到底是什麼？是一般聊天機器人嗎？
依麥肯錫官方 2023 年文章，Lilli 是內部生成式 AI 平台，功能包含在大量知識來源中搜尋與彙整、提供關鍵摘要與連結、甚至協助辨識可諮詢的專家；它不只是對話介面，而是把內部知識工作流程產品化。
3）為什麼不同報導說「初期」或「最後關卡」不一樣？
目前公開資料確實存在差異：AI News 以「招募初期」描述；英國《衛報》則寫「美國部分最後關卡」並引用 CaseBasix；《愛爾蘭時報》描述為「某一輪面談」的試行。較保守的解讀是，麥肯錫在不同地區或不同關卡同時測試，對外資訊尚未完全一致。因此較精準的寫法，是使用「試行導入部分關卡」這種能涵蓋多來源的表述。
4）這種 AI 招募最重要的風險是什麼？
最大風險通常不是「工具不好用」，而是治理不足。AI News 明確點出偏誤、公平性與透明度：如果候選人不知道 AI 如何被使用、資料如何處理；或企業無法持續監測某些群體是否受到不利影響，那麼再好的「輔助工具」在實務上都可能變成不受控的篩選機制。
5）如果我未來要面對類似「AI 面試」，準備方向是什麼？
以英國《衛報》引用 CaseBasix 的說法，重點在三件事：你能否提示 AI 以取得可用材料；你能否檢視輸出並指出不完整或不適用之處；你能否把最後答案整理成有脈絡、可被追問、也能對客戶情境負責的結構化回應。簡單說，是把 AI 當「共作夥伴」，同時保留你對品質與結論的責任。
6）這代表顧問業的人才標準變了嗎？
標準正在重排而非全盤翻新。傳統顧問強調結構化思考與溝通，但 AI 介入後，企業更想看到「判斷力」：你如何把 AI 的輸出放進客戶脈絡、如何做取捨、如何說清楚理由。這類能力過去也重要，只是現在更容易在流程中被具體測量與比較。
參考資料：
McKinsey tests AI chatbot in early stages of graduate recruitment
- McKinsey asks graduates to use AI chatbot in recruitment process
- Meet Lilli, our generative AI tool that's a researcher, a time saver, and an inspiration
- McKinsey starts testing job candidates with AI assistant
- McKinsey challenges graduates to use AI chatbot in recruitment overhaul
版權聲明與授權須知
本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。
用內容建立信任
用洞察塑造品牌
在 AI 時代，真正有力量的行銷不是廣告聲量，而是持續輸出的深度思考。InfoAI 把全球 AI 趨勢與報告，轉譯成清楚、精準、有觀點的內容，讓企業不只是跟上變化，而是成為洞察的提供者，讓品牌變成被信任的決策夥伴。如果你不想只是「談 AI」，而是想「透過 AI 影響市場與客戶」，那就從內容開始。歡迎來信： contentpower688@gmail.com
如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［QRCode］／［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。
AI 協作聲明：
本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。
InfoAI｜讀懂 AI 如何改變世界
在 AI 改變世界之前
助你先讀懂 AI 世界
每日精選全球 AI 新聞
AI 趨勢 + 新聞 + 深度解讀
Content Power ｜賦能你在 AI 時代的專業能力
專注於「AI × 專業 × 工作方法」的知識平台
透過框架、流程與方法
協助你在 AI 時代重建專業能力