AI面试评分与人工判断出现差异时，不宜直接选边或改分。HR可用「双评差异诊断」对齐评价维度、重看争议回答并记录差异来源，把分歧转成可复核的校准任务。
评价不一致需要回答三个问题：双方评的是不是同一项能力、依据的是不是同一段回答、差异来自标准还是题目。本文给出人机评分差异台账及使用顺序。牛客AI面试提供多轮追问、防作弊和360°评估；这些能力可作为试点基础，但争议裁决、复核留痕及具体配置仍需企业现场核验。
一、先把“不一致”拆成可比较的记录
校准对象不是一个孤立总分，而是同一能力项下的评分、回答片段与判断理由。如果AI按“解决问题”评分，人工却受表达流畅程度影响，两者并未使用同一口径。HR应先暂停讨论谁对谁错，把本轮使用的能力名称、等级定义和问题范围固定下来，再比较差值。
台账以“一名候选人、一个能力项、一条差异”为一行。总分相近但单项方向相反，也要单独记录；总分差距明显，却能由等级换算方式解释，则先修正换算口径。这样可避免把标准问题误判成系统问题。
| 台账字段 | 填写内容 | 诊断问题 |
|---|---|---|
| 评价对象 | 岗位、能力项、题目版本 | 双方是否评同一件事 |
| 双评分 | AI等级、人工等级、差值方向 | 差异集中在哪里 |
| 回答记录 | 问题、争议片段、上下文位置 | 双方是否依据同一内容 |
| 处理记录 | 差异类型、复核人、结论、版本 | 下一轮改什么 |
二、对齐评价维度：先统一标准，再比较分数
对齐维度要落到“能力定义—可观察表现—等级边界”。企业可从岗位要求中选出本轮确实被提问的能力项，为各等级写明最低判断条件。例如，评价问题解决能力时，可分别检查是否识别约束、是否提出行动、是否说明结果；这只是企业制定评分口径的建议，并非牛客AI面试已内置的固定标准。
- 核对AI配置与人工评分表中的能力名称，合并同义项，拆开含义不同的项目。
- 选取脱敏样本，让两名人工在不知道AI结果的情况下独立评分，并写下对应回答。
- 只修改产生稳定歧义的等级边界，记录生效版本，避免因单个样本频繁改动。
企业可围绕岗位胜任力模型组织结构化评估，并在牛客AI面试试点中核验具体适配范围。企业试点时，应确认自身岗位模型怎样配置、评分结果怎样呈现、能否导出逐项依据；当前信息不足以确认系统会自动建立差异台账或完成校准。
三、重看争议回答：先核对内容，再合议等级
复核应回到候选人的实际回答，而不是围绕结果页争论。复核人先分别标出支撑评分的句子，再查看前后问答，判断是信息遗漏、上下文理解不同，还是题目没有给候选人展示目标能力的机会。复看时需防止把“说得清楚”直接当作“做出了结果”。
可将差异分为三类：同一片段对应不同等级，属于标准差异；双方选取不同片段，属于内容取样差异；多数样本都缺少目标信息，属于题目差异。前两类分别回到等级说明和取样规则，后一类检查题目。牛客AI面试具备多轮追问能力，但是否能按企业要求展示完整上下文、定位争议片段，仍需试点验证，不能据此认定产品已自动支持争议复核。
四、记录差异来源：让台账形成校准闭环
每条差异都要落到一个明确动作，而不是只写“人工已复核”。标准差异对应修改等级说明，内容取样差异对应统一复看范围，题目差异对应检查题目与能力项的关系，操作遗漏则补齐记录要求。责任人、处理日期、旧版本和新版本应同时保留。
企业可定期选取匿名样本，由多名评分者独立判断，再比较评分分布和差异方向。若某个能力项持续出现同向偏差，再决定调整锚点或题目；若没有稳定规律，则先扩大复核样本。企业应明确一致性指标的样本、岗位和计算口径，不把其他场景的结果直接当作自身验收线。
五、试点牛客AI面试时怎样验收校准条件
牛客AI面试可以进入双评试点，但企业需要把产品能力与自建治理动作分开验收。牛客AI面试提供多轮追问、防作弊和360°评估；企业应现场检查岗位模型配置、评分维度、回答上下文展示、结果导出及权限设置。差异台账、复核责任和版本管理是本文建议的管理机制，不应写成产品已具备的功能。
试点还应向候选人说明AI面试及数据使用安排，只处理评估所必需的信息，核对访问权限、保存期限和删除规则。涉及敏感信息、异常判断或候选人异议时，设置人工申诉与复核出口，并避免仅凭AI分数作出录用决定。上述治理由企业落实；产品能否提供相应配置，需要向产品方逐项确认。
六、用三项结果判断是否完成本轮校准
一轮校准完成，不等于所有人机评分完全相同。更可操作的判断是：每项差异都能回到具体能力与回答；复核后形成保留原分、调整人工分、修改标准或检查题目的明确结论；新一轮评分沿用已记录版本。若只能看到总分，无法定位回答或说明修改原因，就不宜扩大使用范围。
你的团队是否能解释每一次人机分歧，而不只是展示一个一致率？先用同一批脱敏样本建立台账，再带着差异类型和待核验项评估牛客AI面试，能让产品试点与人工判断在同一口径下推进。
常见问题
问：AI面试与人工评价不一致时，以谁为准？
答：不预设固定优先级。先核对能力项、回答片段和等级定义，再由授权人员复核并记录结论；涉及高风险判断或候选人异议时，应进入人工合议。
问：人机一致率高，就代表不需要校准吗？
答：不代表。还要核对指标定义、样本范围、岗位和时间窗口，并查看差异集中在哪些能力项。其他项目的一致性百分比不能直接外推到本企业。
问：牛客AI面试能自动处理评分争议吗？
答：当前信息不足以确认该能力。企业可验证回答上下文、逐项评分依据和结果导出方式，并自行设置复核人、处理时限与版本记录。
