1. 研究背景
生成式人工智能(AIGC)技术正在深刻改变高校就业育人模式。在高校就业指导工作中，AI能够通过自然语言处理、数据挖掘和智能生成等功能，为学生提供个性化的职业规划建议、简历优化服务和模拟面试训练，大幅提升就业指导的效率和精准度[1]。浙江大学有关调查显示，50.7%的大学生使用生成式人工智能策划求职活动，43.3%借助其制作或改写简历，29%通过人机互动进行模拟面试[2]，AIGC技术已深度融入高校就业指导和求职活动。
在目前高校就业指导的数智化工作中，基本可以解决“用不上”的问题，主要面临的是“用不好”的问题，其中以下4个现象比较突出，其一，人机协同关系未理清，导致学生对AI产生过度依赖现象，自主决策能力下降，教师教学影响弱化；其二，技术和伦理风险未明确，算法偏见的通病未彻底根除，数据隐私问题未引起重视；其三，人机协同的标准化机制缺位，责任边界模糊，风险防范意识不强；其四，政策法规不完善，技术赋能的育人生态尚未形成。因此，亟需引入理论框架深化分析。从人机交互(HCI)领域看，协同机制需遵循“伺服原理”——人类主导方向、机器辅助执行，确保技术服务于人的目标[3]；从科技伦理视角，“负责任创新”(RRI)框架强调通过预期风险、多方协商、动态反馈实现技术应用的伦理适配，为解决现存问题提供理论支撑[4] [5]。
2. AI技术诱导高校就业指导“师–生–机”关系嬗变
数智化打破了传统高校就业指导中师生人际协作模式，重构了教师、学生、AI三者的角色定位与互动逻辑，形成了动态调整的三方协同关系[6]。在传统就业指导中，教师主要负责传递就业信息、讲解政策法规和分享求职经验，属于“信息供给方”，AIGC技术在信息供给效率上远超人工，使得教师的角色逐渐向“价值引导者”转变，但其核心地位需通过“伺服原理”实现强化：一是审核纠偏，对AI生成的就业建议进行合理性与合规性审查，降低算法偏见的误导影响(如性别、专业背景等维度的推荐偏差)；二是个性化辅导，针对AI难以捕捉的深层需求提供共情式指导，如开展学生的职业价值观引导、职业心理疏导等；三是人机协同能力培养，引导学生理性善用AI工具，培养学生对AI生成内容的批判性思维，这就要求教师同时具备技术素养和职业指导的能力。
AIGC技术可以使学生获得更大的就业自主权，同时也伴随风险。学生可通过AI工具自主获取求职资源，利用AI求职工具生成简历初稿、通过AI模拟面试系统反复训练应答技巧，学生对AI工具的使用体验、对指导内容的满意度，为AI模型的迭代提供数据支撑，学生通过学习可以训练适合自己需求的AI智能体。然而部分学生因缺乏对AI算法的认识，可能盲目采信其职业测评结果，导致求职材料同质化严重，反而在求职中处于劣势。当AI工具提供的信息均不能满足师生的复杂需求时，师生双方需要用经典方法解决求职问题，此时学生的主体性和教师的主导性又发生变化，可能影响师生双方的价值判断，不利于就业指导的开展。
AIGC工具在就业指导中的位置随着技术更新而不断变化，在信息检索、格式优化、自然语言交互等功能基础上向多模态服务延伸，主动为求职者提供更加细致的服务。以近期被广泛应用的某就业APP为例，它能分析学生的专业背景、实习经历和职业偏好，生成职业画像，模拟企业HR的提问逻辑，提供沉浸式面试训练；通过追踪行业动态，实时更新求职策略建议，在深圳大学应用效果良好。但在RRI框架下，AI需限定在“辅助执行”范畴，在人机协同学习实践中，应该以学生的全面发展和智慧增长为核心[7]，人应该始终处于“领航员”地位，并具备批判性思维能力[8]。
3. 高校就业指导“人机协同”机制的现存问题
技术算法的适配性差距。其一，算法偏差可能导致歧视性推荐。由于AIGC的推荐算法高度依赖训练数据集，若数据中包含基于性别、年龄或地域等的歧视性信息，可能输出带有歧视性的就业建议。系统可能因历史数据中科技行业男性占比高，而降低对女性学生的相关岗位推荐权重，严重误导学生的职业选择方向。其二，不同就业场景中的优劣差异。规则型工具(如简历模板生成)通常稳定性高，但只适合标准化任务，难以适配新兴职业需求；大模型工具(如个性化职业规划)适应性更强，可生成创新建议，但易产生“幻觉”(hallucination)，虚构不存在的招聘信息，需人工审核后使用。研究指出，在涵盖健康、科学、历史等领域的300道事实性测试题中，多个热门大模型的幻觉率超过20% [9]。
数据治理面临挑战。其一，数据覆盖具有片面性。现有推荐系统过度依赖校园内部数据(如学生成绩和综合履历)，而严重缺乏外部数据源(如行业动态和企业隐性需求)，导致算法推荐与实际市场脱节，可能忽略新兴职业，无法反映行业需求，误导学生决策。其二，隐私保护与合规问题突出。数据收集过程中，学生心理测评和家庭背景通常无法准确脱敏，容易被滥用或泄露，侵犯个人隐私[10]。其三，“算法透明性”由于技术复杂难以实现，易导致用户“不理解AI推荐逻辑”，亟需加强推荐结果的可解释性与可追溯性，追溯算法偏差来源，形成数据治理的有效闭环。
伦理与权责存在困境。当前，AIGC技术存在消解人类主体性的风险[11]，RRI框架中的“协商机制”缺失导致多重困境。其一是诚信危机，AIGC内容原创性边界模糊，“代写求职文书”等行为削弱学生的求职自主性，易使其社会信用受损。其二是教育伦理风险，AIGC技术对于数据匹配度的追求可能忽视学生职业价值观培养，以“就业率”为核心目标牺牲学生长期职业发展潜力，弱化教育属性。其三是责任推诿风险，当AI系统推荐(如建议学生转行)与人类顾问(如导师支持深造)的判断发生冲突时，缺乏权威的解决机制，责任归属不明确，必须依赖人工审查认定责任，直接增加了人工成本。
4. 基于RRI框架的人机协同机制优化路径
(一) 目标层面确立“育人为本”的协同导向
以RRI框架下“预期–反思”维度为核心，以效率为基础，以质量为核心，以育人为目标导向设定三重目标。在效率维度，AI能够快速整合海量招聘信息，自动化完成简历格式优化、岗位智能匹配等基础性工作，将就业指导教师从重复性劳动中解放出来，显著降低时间与人力成本；在质量维度，通过AI生成的数据分析报告与教师丰富的职业指导经验相结合，能够精准捕捉学生的职业兴趣、能力特长与行业需求之间的匹配点，使职业规划更具个性化与前瞻性；在育人维度，将职业价值观教育融入技术应用全过程，借助AI模拟职场情境、教师开展价值引导，培养学生的责任意识、创新精神与终身学习能力。其中，效率提升为质量优化奠定基础，质量优化又必须以育人目标为根本指引，最终实现学生“就业成功”与“人格完善”的价值追求。
(二) 操作层面构建“分工–互动–迭代”协同流程
设置差异化分工机制，明确界定教师、学生与AI的核心权责。AI作为数据处理中枢，高效承担招聘信息整合、简历诊断、面试题库生成等标准化、重复性任务，发挥快速响应与规模处理的优势；教师聚焦人文属性，负责价值引领与专业判断，如开展职业价值观教育、审查AI输出伦理合规性、开展生涯咨询及心理辅导，弥补价值判断短板。学生作为协同主体，需主动参与需求反馈与决策，对人机建议进行批判性思考并自主确定发展方向。构建“学生–AI–教师”闭环交互系统：学生输入个人信息与评估数据，AI生成初步指导方案，教师严格审核方案，补充AI难以识别的隐性需求(如职业兴趣、性格特质)。发展持续迭代机制，学生将实践体验数据反馈系统，形成数据驱动的迭代循环，打破单向指导局限，扩充新兴行业等长尾数据以提升适用性。三者协同构成有机整体，推动就业指导体系持续优化。
(三) 保障层面完善“技术–制度–文化”支撑体系
构建“技术–制度–文化”三位一体的支撑体系，确保高校就业指导中AIGC工具的有效与规范应用，明确设计原则。一是算法透明性，向师生公开岗位匹配、简历评分等核心逻辑；二是数据安全性，通过加密存储、访问控制及明确的数据全生命周期管理保障学生信息安全；三是功能可控性，设置人工干预接口，赋予教师修正与锁定AI输出的权限。建立明确的技术准入门槛，全面审查供应商资质与技术合规性。高校应根据现实情况出台管理办法，厘清权责边界、数据使用规范及违规惩处措施，设置数字化教学评价指标，鼓励教师积极引入新的教学技术。营造健康的文化氛围，教师通过培训破除本领恐慌，明确引导者角色定位；面向学生剖析因数据依赖导致的求职失败案例，引导学生形成主体意识；教学管理部门构建涵盖育人成效、学生满意度等多维评价体系，始终坚守就业指导的教育初心。
5. 划定人机协同就业指导“育人红线”
(一) 健全政策法规，明确技术责任边界
在《生成式人工智能服务管理暂行办法》等现有法规基础上，高校需针对就业指导工作出台意见法规，明确AI工具的责任边界。一是要明确AI工具的服务范围，禁止其提供“包就业”“岗位承诺”等虚假服务，同时严控大数据的去向，限定就业信息仅用于指导而非商业用途，并建立技术供应商的连带责任制度，防止算法偏见或数据泄露造成学生权益受损。二是建立AIGC就业指导工具的“白名单”制度，仅允许通过安全与伦理审核的工具进入校园，设立由教师、学生、技术专家和法律人士组成的伦理委员会，负责监督技术应用、处理投诉纠纷，将AI应用纳入就业指导质量评估体系，定期开展评估审查。
(二) 规范教学伦理，坚守就业育人属性
规范AIGC技术在高校就业指导中的应用，需坚守育人属性，确立并践行一系列伦理原则。要求AI工具的训练数据涵盖不同性别、专业、学历背景的案例，避免推荐偏见，教师需主动修正AI输出的不合理内容；贯彻诚信性原则，明确AI生成内容的使用规范，禁止学生提交完全由AI生成的求职材料，引导学生标注AI参与部分。强调主体性原则，突出学生在职业决策中的核心地位。落实保护性原则，对学生的心理隐私权益进行脱敏处理，AI模拟面试需规避侮辱性、歧视性问题，个人数据需加密存储。在伦理教育层面，需将AI技术伦理纳入新入职教师职业培训，在大学生就业指导课程中增设相关章节，通过情景模拟培养学生自主意识。
(三) 加强监督评估，动态优化评估体系
为保障AIGC技术在高校就业指导中的有效应用，应建立多方评估机制并动态调整规范体系。定期开展学生满意度调查，收集其对AI工具与教师指导的评价；组织企业HR反馈，评估AI辅助下毕业生的岗位适配度；由伦理委员会审查技术应用的合法性，重点聚焦在算法透明度与数据安全方面。根据技术发展和实践反馈，每1~2年评估、修订一次政策法规与伦理原则，应对AIGC生成虚拟实习经历、面试伦理、数据偏见等潜在问题，确保规范的时效性、适配性。
6. 结语
在融合AIGC技术的高校就业指导场景中，教师、学生、AI三方关系始终随人类的需求而变化。在技术应用方面，算法瓶颈、数据安全、伦理权责方面问题突出，应持续构建完善“目标–操作–保障”三维协同的机制理念，并配套构建政策伦理规范体系。但当前研究未纳入地方院校与重点高校的差异分析，且机制有效性缺乏长期追踪。未来可探索“学科差异下的人机协同模式”、“学生职业决策自主性的长期影响研究”等方向。唯有坚守“人类主导、技术可控、育人为本、伦理先行”原则，才能构建健康的人机协同生态，推动就业指导从“效率提升”向“育人实效”跨越。实现技术赋能与人文关怀的有机统一，推动毕业生高质量充分就业。
基金项目
高校毕业生就业协会“2025年高等学校教育数字化转型研究”专项课题“AIGC技术赋能高校毕业生就业指导路径探索与实践”(GJX25Z2141)“新能源类专业个性化生涯教育与智能就业指导数字化转型研究”(GJX25Z2142)、湖北省教育厅哲学社会科学研究专项任务项目“中华优秀传统文化融入大学生生涯教育内容体系研究”(24Z231)的研究成果。
NOTES
*第一作者。
#通讯作者。