新智元報(bào)道

編輯：元宇 大衛(wèi)

【新智元導(dǎo)讀】谷歌最新實(shí)驗(yàn)Vantage，派AI假扮你的同事，按劇本跟你唱反調(diào)、搞情緒化施壓�？嫉牟皇悄阒朗裁�，而是你在壓力下怎么做人。

考試考了幾千年，還從來(lái)沒(méi)人考過(guò)這個(gè)。

SAT考你數(shù)學(xué)，GRE考你詞匯，再往前看：科舉考試考你的八股文……

古今考試形式不同，但底層邏輯卻很一致：考你知道什么。

但有一類能力，從來(lái)沒(méi)有考試碰過(guò)：你跟人吵架時(shí)怎么辦。

最近，Google Research推出了一個(gè)叫Vantage的實(shí)驗(yàn)項(xiàng)目，就把這件事給干了。

Google Labs實(shí)驗(yàn)中的Vantage入口https://research.google.com/p/vantage

目前Vantage已經(jīng)在Google Labs開(kāi)放申請(qǐng)?bào)w驗(yàn)，現(xiàn)階段主要支持英文。

Vantage項(xiàng)目由谷歌聯(lián)合紐約大學(xué)開(kāi)發(fā)，主要設(shè)想是利用GenAI模擬團(tuán)隊(duì)協(xié)作場(chǎng)景，以此來(lái)開(kāi)發(fā)和測(cè)量被測(cè)試者的軟技能。

它會(huì)把你扔進(jìn)一個(gè)AI角色扮演的協(xié)作場(chǎng)景里，然后讓你和一群AI角色組隊(duì)完成任務(wù)。

其中會(huì)有一個(gè)agent跳出來(lái)，專門按劇本跟你唱反調(diào)，拋不合理要求，搞情緒化反應(yīng)。

你在壓力下做出的每一個(gè)回應(yīng)，都會(huì)被另一個(gè)Agent基于評(píng)分量表進(jìn)行分析，生成評(píng)分與反饋。

整個(gè)過(guò)程中，你所面對(duì)的是一個(gè)被AI精心操控的「職場(chǎng)修羅場(chǎng)」：它考的不是你背了多少東西，而是你在壓力下怎么做人。

谷歌聯(lián)合紐約大學(xué)做了188人驗(yàn)證，結(jié)果顯示：

AI評(píng)分與人類專家的一致性，跟專家與專家之間的一致性，處于同一水平。

這意味著，至少在「評(píng)判」這件事上，AI已經(jīng)開(kāi)始接近人類專家。

看來(lái)，考試這件事，以后可能要被重新定義了。

最值錢的能力，偏偏最難考

為什么軟技能一直考不了？

這個(gè)事企業(yè)HR太清楚了：招人最怕的不是技術(shù)不行，而是進(jìn)了團(tuán)隊(duì)才發(fā)現(xiàn)這人完全不會(huì)協(xié)作。

世界經(jīng)濟(jì)論壇2025年《Future of Jobs 2025》報(bào)告給了一組數(shù)據(jù)：到2030年，全球39%的核心職場(chǎng)技能將發(fā)生變化。

未來(lái)五年內(nèi)，預(yù)計(jì)工人核心技能將發(fā)生改變與保持不變的占比演變https://www.weforum.org/publications/the-future-of-jobs-report-2025/

在企業(yè)最看重的能力排名中，分析思維排第一，緊隨其后的是韌性、靈活性、領(lǐng)導(dǎo)力與社會(huì)影響力，排在最前面的幾乎全是「軟技能」。

雇員最核心的技能中，排名靠前的包括分析思維、韌性、靈活性與敏捷性，以及領(lǐng)導(dǎo)力與社會(huì)影響力等。

AI時(shí)代，這些軟技能仍然是最核心的技能。

問(wèn)題是，怎么測(cè)？

傳統(tǒng)標(biāo)準(zhǔn)化測(cè)試太僵硬了，題目難易捕捉人類思維過(guò)程和人際互動(dòng)，跟真實(shí)場(chǎng)景隔著十萬(wàn)八千里。

基本上只能依靠?jī)蓷l。

第一條，自我匯報(bào)問(wèn)卷。問(wèn)你「你善于溝通嗎」，人人都勾「是的」。

第二條，真人評(píng)估中心。請(qǐng)幾個(gè)專業(yè)考官，設(shè)計(jì)情境，觀察你一整天，最后給個(gè)評(píng)語(yǔ)。

靠譜是靠譜，但做一次往往價(jià)格不菲、耗時(shí)幾天，評(píng)分還因?yàn)榭脊俨煌啤?/p>

核心矛盾只有一條：軟技能必須在互動(dòng)中才能被觀測(cè)，但標(biāo)準(zhǔn)化互動(dòng)的成本太高，限制了它的實(shí)現(xiàn)和推廣。

你不可能給每個(gè)學(xué)生配一個(gè)真人考官，讓他們吵一架再打分。

所以幾十年來(lái)，這一直是教育評(píng)估領(lǐng)域的一個(gè)老大難問(wèn)題。

市場(chǎng)上也不是沒(méi)人嘗試。

HireVue用視頻面試做AI情緒分析，Pymetrics用神經(jīng)科學(xué)小游戲做性格測(cè)評(píng)，但它們都有一個(gè)共同局限：

候選人面對(duì)的，更多仍是被設(shè)計(jì)好的數(shù)字流程，而不是一個(gè)會(huì)跟你爭(zhēng)論、會(huì)給你挖坑、會(huì)把互動(dòng)不斷推進(jìn)下去的真實(shí)對(duì)手。

直到谷歌推出 Vantage，事情才開(kāi)始變得不一樣：它試圖用多方AI角色協(xié)作生成情境，而且還把軟技能測(cè)試的成本壓到接近可規(guī)�；乃健�

Vantage的多智能體架構(gòu)

Vantage不是一個(gè)AI在干活，而是一群AI在演戲，該系統(tǒng)的精巧之處在于架構(gòu)設(shè)計(jì)。

它不是一個(gè)AI出題、你來(lái)答題的傳統(tǒng)路子，而是搭了一個(gè)四層架構(gòu)，每層都有AI各司其職，同時(shí)運(yùn)轉(zhuǎn)。

第一層，場(chǎng)景生成。

你輸入一個(gè)軟技能維度，比如「沖突解決」。系統(tǒng)不是隨機(jī)編個(gè)故事，它先拿到評(píng)估量表，看清楚「什么表現(xiàn)算好、什么算差」，然后倒推出一個(gè)能區(qū)分好壞的具體情境。

第二層，角色扮演。

這是整個(gè)系統(tǒng)最有意思的部分：多個(gè)AI agent各領(lǐng)一個(gè)角色進(jìn)入場(chǎng)景，跟真人被測(cè)者對(duì)話。

關(guān)鍵的地方來(lái)了：其中一個(gè)agent（Executive LLM）的任務(wù)就是「制造麻煩」。

谷歌研究人員提到，它的角色就是按劇本給你施壓、拋出不合理要求、搞情緒化反應(yīng)。

這不是隨便聊聊天，而是有組織、有「預(yù)謀」的壓力測(cè)試。

當(dāng)然，這個(gè)agent也不是傻壓，而是實(shí)時(shí)分析對(duì)話狀態(tài)，動(dòng)態(tài)調(diào)整施壓策略。它就像一個(gè)自適應(yīng)的考試引擎，確�？纪曛笤摬杉淖C據(jù)都采集到了。

第三層，行為提取。

對(duì)話結(jié)束后，另一個(gè)agent上場(chǎng)，逐輪回看對(duì)話記錄。

它不打分，只做一件事：把你的具體行為抽出來(lái)。

哪句話是在回避沖突，哪句是在主動(dòng)傾聽(tīng)，哪句是在強(qiáng)行說(shuō)服。

事實(shí)歸事實(shí)，判斷歸判斷，這兩步被刻意分開(kāi)了。

第四層，評(píng)分。

評(píng)分agent拿著量表和上一步提取出的行為證據(jù)，逐條對(duì)照打分。

每個(gè)分?jǐn)?shù)必須指向具體對(duì)話片段作為依據(jù)，不允許憑印象給分。

這樣四層解耦的好處很明顯：場(chǎng)景可以換，角色可以換，評(píng)分標(biāo)準(zhǔn)可以換，但流水線本身不變，而且，模塊化意味著可擴(kuò)展。

今天測(cè)沖突解決，明天換個(gè)量表就能測(cè)項(xiàng)目管理，后天再換就能測(cè)談判能力。

熟悉軟件工程的人大概一眼就認(rèn)出來(lái)了，這就是把微服務(wù)架構(gòu)的思路，搬到了教育評(píng)估里。

188人實(shí)測(cè)

AI考官到底靠不靠譜

架構(gòu)再漂亮，不實(shí)測(cè)都是空談。

谷歌和NYU做了一次聯(lián)合驗(yàn)證。他們找了188名美國(guó)測(cè)試者，年齡18-25歲，在Vantage中完成了沖突解決和項(xiàng)目管理兩個(gè)維度的評(píng)估。

然后，NYU的人類評(píng)分專家用同一份rubric對(duì)同樣的對(duì)話記錄打分。

結(jié)果很有意思。

人類專家之間的一致性，Kappa值為0.45到0.64，也就是中等一致性。

專家彼此之間，以及大模型和專家之間，在對(duì)話評(píng)估上的一致性對(duì)比。 藍(lán)色是專家與專家，紅色是大模型與專家的一致性評(píng)估結(jié)果。柱子越高，代表看法越接近。

兩個(gè)人類專家給同一段對(duì)話打分，經(jīng)常打出不同的分?jǐn)?shù)。

這不意外。

軟技能評(píng)估本來(lái)就是主觀判斷密集的領(lǐng)域。

比如，一個(gè)人覺(jué)得候選人在沖突中表現(xiàn)出了「堅(jiān)定但尊重」，另一個(gè)人可能覺(jué)得那叫「固執(zhí)」。

而AI評(píng)分期跟人類專家之間的一致性呢？跟兩個(gè)人類專家之間差不多，這意味著它的評(píng)分質(zhì)量已經(jīng)到了同一水平線上。

這聽(tīng)起來(lái)似乎沒(méi)什么大不了，但在軟技能評(píng)估這個(gè)領(lǐng)域里，這已經(jīng)是一個(gè)了不起的基線。

更重要的是：人類專家一次只能評(píng)幾個(gè)人，AI可以同時(shí)評(píng)幾萬(wàn)人。

成本直接差了兩個(gè)數(shù)量級(jí)。

這不只是考試

很多人第一反應(yīng)是：這不就是個(gè)花哨的AI面試官嗎。

過(guò)去幾年，AI面試工具層出不窮，大多數(shù)最后淪為噱頭。

但Vantage更像是一個(gè)基礎(chǔ)設(shè)施層，目前谷歌已公開(kāi) Vantage 的技術(shù)報(bào)告與實(shí)驗(yàn)介紹，外界已經(jīng)能比較清楚地看到它如何用評(píng)分量表驅(qū)動(dòng)情境生成、角色互動(dòng)與結(jié)果評(píng)估。

從方法上看，這套框架具備一定的可遷移性：在理論上，研究者或機(jī)構(gòu)可以圍繞不同軟技能設(shè)計(jì)相應(yīng)任務(wù)與量表，并據(jù)此搭建類似的評(píng)估流程。

比如，企業(yè)可以探索把它用于領(lǐng)導(dǎo)力或協(xié)作場(chǎng)景的訓(xùn)練與評(píng)估，教育機(jī)構(gòu)也可以把它用于協(xié)作能力練習(xí)和反饋。

這讓人想起教育評(píng)估領(lǐng)域長(zhǎng)期討論的「形成性評(píng)估」：不是期末一次定結(jié)果，而是在學(xué)習(xí)過(guò)程中持續(xù)測(cè)量、持續(xù)反饋、持續(xù)調(diào)整。

過(guò)去這件事之所以難以規(guī)�；粋�(gè)重要原因是高質(zhì)量互動(dòng)評(píng)估往往依賴真人考官，成本高、耗時(shí)長(zhǎng)、標(biāo)準(zhǔn)化困難。

而像Vantage這類基于生成式AI的模擬評(píng)估系統(tǒng)，則讓這件事第一次呈現(xiàn)出更強(qiáng)的可擴(kuò)展性。

當(dāng)「最難考的能力」變得可考

當(dāng)然，必須說(shuō)清楚Vantage目前的邊界。

Google Labs博客中將其定義為研究實(shí)驗(yàn)，它目前更接近一個(gè)公開(kāi)可體驗(yàn)的研究實(shí)驗(yàn)，而不是已經(jīng)大規(guī)模落地的成熟應(yīng)用。

188人的驗(yàn)證規(guī)模不算大，只明確覆蓋了協(xié)作中的沖突解決和項(xiàng)目管理兩個(gè)維度，跨文化場(chǎng)景沒(méi)碰，長(zhǎng)期技能成長(zhǎng)追蹤沒(méi)做，模擬環(huán)境里的表現(xiàn)能不能遷移到真實(shí)的人際互動(dòng)，也還是個(gè)問(wèn)號(hào)。

谷歌自己也承認(rèn)，下一步要研究的正是這些。但這不妨礙Vantage這項(xiàng)實(shí)驗(yàn)的潛力。

OECD早就把創(chuàng)造力、批判性思維列進(jìn)了教育系統(tǒng)的核心討論。所有人都知道軟技能重要，但沒(méi)人真正解決過(guò)怎么測(cè)、怎么大規(guī)模地測(cè)。

Vantage給出了一個(gè)可能的答案。

Google Research博客里提到了這樣一句話：「在全球教育體系中，被測(cè)量的東西往往就是被教授的東西。」

這句話才是真正的炸彈。

如果軟技能可以被量化評(píng)估，那學(xué)校教什么就會(huì)變。

現(xiàn)在學(xué)校考什么？知識(shí)、公式、標(biāo)準(zhǔn)答案。因?yàn)橹挥羞@些東西能標(biāo)準(zhǔn)化測(cè)量。

但如果有一天，協(xié)作力、沖突解決能力、創(chuàng)造力都能被精準(zhǔn)打分了，課程設(shè)計(jì)的底層邏輯就會(huì)被改寫。

企業(yè)招聘也一樣。

今天的招聘流程看學(xué)歷、看簡(jiǎn)歷、看面試官的直覺(jué)。

如果AI可以在沉浸式模擬中直接觀察一個(gè)人處理沖突的能力，并給出可量化的分?jǐn)?shù)，面試這件事本身就會(huì)被重新定義。

個(gè)人成長(zhǎng)也一樣。

你的溝通能力、你的領(lǐng)導(dǎo)力，第一次有了可視化的進(jìn)步曲線。

不再是「我覺(jué)得自己變強(qiáng)了」，而是「系統(tǒng)顯示你的沖突解決得分從上個(gè)月的63提升到了71」。

這就是Vantage這個(gè)小實(shí)驗(yàn)背后的大故事：當(dāng)「最難考的能力」變得可考，教育評(píng)估的邊界就會(huì)被重新劃定。

未來(lái)的考試

可能是讓你跟AI吵一架

當(dāng)AI能制造沖突、觀察行為、提取證據(jù)、逐條打分，「考試」這個(gè)詞的含義就永遠(yuǎn)變了。

它不再是你對(duì)著一張?jiān)嚲愍?dú)自?shī)^斗，可能是你走進(jìn)一個(gè)房間，面對(duì)一群不好對(duì)付的人，然后做你自己。

下一個(gè)被AI考的軟技能會(huì)是什么？

也許是談判，也許是共情，也許是你最不想被打分的那個(gè)東西。

當(dāng)AI不僅能替代你的硬技能，還能給你的軟技能精準(zhǔn)打分的時(shí)候，你還覺(jué)得「情商」「協(xié)作力」是不需要認(rèn)真對(duì)待的東西嗎？

參考資料：

https://research.google/blog/towards-developing-future-ready-skills-with-generative-ai/