当人工智能（AI）几分钟就能生成一份无懈可击的简历，标准化面试的答案被大模型拆解殆尽，人才识别也从一项相对标准化的技巧，变成了一道相当复杂的人力资源管理难题。

在美国经济学家泰勒·考恩与硅谷科技投资人丹尼尔·格罗斯看来，传统识人体系的突出问题在于信号筛选机制正在失效。

两人在合著的《成长的斜率》一书中详细拆解了信号筛选机制失效的原因。

长期以来，企业更习惯于用学历、履历、名企背景这些显性指标来筛选人才，以降低“初步定价的成本”。但这套体系本质上是一种“截距思维”，即以当下的“存量能力”定义人才价值，却忽略了决定长期回报的成长潜力，从而导致系统性的人力资本错配。这一点在当今这个AI时代体现得尤为明显。

那么，应该如何穿透虚假信号、精准定价人力资本呢？

《成长的斜率》给出的解决方案是“斜率”，这也是理解本书的核心关键词。

所谓“斜率思维”，是指“把人当成一项长期增值资产，用价值投资的逻辑来重新定价”。作者认为，人才的价值不在于当前的“账面数字”，而在于未来的持续增长能力以及增长速度。这与风险投资的逻辑如出一辙：已被市场充分定价的显性资质，往往对应更高的人力成本；但真正的超额回报，往往藏在那些尚未被主流体系充分定价却具备持续成长潜质的个体身上。

书中援引的计量研究成果也印证了这个判断。自20世纪60年代以来，仅人才配置效率的优化，就为美国经济贡献了至少两成的增量。减少人才错配、释放被低估的人力资本价值，本身就是经济增长的重要动力源。

要捕捉斜率信号，必须找到难以伪造的低成本甄别方式。书中给出了一系列“反套路”方法，核心都是绕过“精心包装的显性指标”，考察候选人的真实特质。比如，放弃千篇一律的结构化面试，转而用开放式追问的方式穿透对方的“表演性防御”；或者观察一个人在数字空间里的长期输出痕迹，从碎片化的表达中捕捉其关注的话题轨迹。如果候选人同意，人力资源管理者甚至可以当场查看对方浏览器的标签页，判断出一个人注意力分配的大致比例。这些方法看似不着边际，但却是最容易挖掘到真实信号的方法。

放在全球产业变革的大背景下看，这套逻辑的普及，是AI时代人力资本价值重构的必然结果。如今，技能的半衰期不断缩减，存量能力的折旧速度前所未有，单一技能的溢价正在显著收窄，而持续学习、快速迭代的成长能力，正在逐渐成为劳动力市场最核心的定价依据。许多顶尖科技企业选人策略发生转向，实际上都是在顺应这场定价逻辑的转变。

换言之，在非线性变革时代，押注人才的成长斜率，远比押注其存量能力更具经济理性。毕竟，识人的目的从来不是选出最完美的人，而是找到最值得投资的“潜力股”，实现人力资本的最优配置。

在AI重构全球生产要素的当下，识人能力本身已成为一种稀缺的核心竞争力。对企业而言，它决定了团队的长期增长曲线；对经济体而言，人才选拔与配置的效率，直接关乎创新活力与增长潜力。当技术让标准答案触手可及，唯有看清成长斜率、读懂人才长期价值，才能真正收获穿越技术周期的人才红利。