面试前一天晚上，我有个旧习惯：把候选人的名字扔进搜索框，然后开始一场没有明确终点的链接跳转。LinkedIn 页面、GitHub 主页、某篇公开访谈、一段几年前的分享视频，很多内容和岗位本身关系不大，但它们会让我慢慢进入一种采访状态。
2025 年 9 月，我开始用 AI 搜索工具处理这件事。输入候选人姓名、现公司和目标岗位后，它能在几秒钟内返回一份结构化概要：公开履历、行业背景、近期内容、可能需要核实的信息。效率上完全没有可比性。
但用了几周后，我发现自己有点不适应。不是因为结果不准，而是因为我不确定自己还在不在做功课。
以前那种搜索的漂移感，其实是在积累一种对人的立体感。你会看到他关注过什么议题，在哪些场合说话更谨慎，哪些项目被他反复提起。这些碎片并不总能写进面试问题，却会影响我追问时的顺序和语气。
有一次面试结束后，HRBP 同事问我候选人过去是否参与过一个跨区域项目。我答不上来。我确实用 AI 搜索过，它没有把这条信息放进摘要，因为那不是最显眼的履历点。可对这个岗位来说，那正是她想确认的经历。
那天我意识到，AI 搜索知道一般意义上什么重要，却不知道这家公司、这个岗位、这次面试里什么重要。它给我的不是错误答案，而是一份按通用标准整理过的答案。问题在于，我差点把通用标准当成了自己的判断。
后来我改了流程。第一遍交给 AI 搜索，快速核对基础事实，顺手让它列出来源链接和不确定项。第二遍我只围绕这次面试最关心的两三个方向去搜，比如跨部门协作、行业转换、公开表达风格。总时间从过去一个小时左右压到二十多分钟。
这个做法解决了一部分问题，但没有完全解决。我的准备变得更功能性，也更像清单。有时候候选人在面试里提到一件小事，我才发现如果按旧方式乱逛网页，可能早就碰到了。
我仍然会继续用 AI 搜索。它确实把重复核查变轻了，也减少了我在无效信息里打转的时间。只是我现在会提醒自己：摘要不是功课的结束，它更像一张索引。真正需要我完成的，是判断哪些被省略的东西值得捡回来。