2026 在马来西亚，怎么判断一个员工是不是人才

先讲一件让很多老板不舒服的事：只有 41% 的马来西亚企业有成熟的 HR 数据。

这是 Aon《Human Capital Trends Study》（2026 年 8 月）的数字。同一份研究里还有一个：34% 的企业过去一年完全没做过薪酬对标。

意思是：超过一半的公司在判断「谁是人才」的时候，手上没有基线。没有基线的判断不叫判断，叫印象。

而 2026 年最麻烦的地方在于——就算你有基线，你习惯用的那几个指标也已经坏了。

先把问题问对：「他是不是人才」问不出答案

这个问法的毛病在于它假设「人才」是一种属性，像身高一样长在人身上。

它不是。它是一个预测。

关键定义：人才判断是一个有时间窗的预测——这个人在未来 12 个月、在我这个具体位置上，产出会不会显著高于我能找到的替代人选。它不是对人的评价，而是对「人 × 位置 × 时间」这三者组合的判断。

这个定义有三个立刻能用的后果：

一、人才是相对的。 同一个人在 30 人公司是核心，在 5,000 人公司是中位数，这两件事可以同时为真。所以「他到底行不行」这种问法没有答案，「他在这个位置上行不行」才有。

二、要先说时间窗。 12 个月内就要产出，和三年后才需要他独立带线，要找的是完全不同的两种人。没定时间窗的招聘需求，面试一定会跑偏。

三、比较对象是替代人选，不是理想型。 你真正的选择不是「他 vs 完美候选人」，是「他 vs 我这个预算和时间内能拿到的另一个人」。

把这三点写下来，再去面试，你已经比一半的公司做得好了。

四个已经坏掉的代理指标

下面这四个不是「没用」，是信号强度在 2026 年的马来西亚被严重稀释了，而大多数人还在按十年前的权重使用它们。

文凭：已经不再区分人

DOSM 的劳动力调查显示，2025 年第一季有 35.7% 的在职毕业生从事与学历不匹配的工作，到第三季仍有超过三分之一处于低度就业状态。

这个数字对招聘的含义，和对毕业生的含义正好相反：当三分之一的毕业生都在做不匹配学历的工作，文凭就不再能把人区分开。 一个指标如果在你的候选池里分布太广、又和实际工作内容脱钩，它的筛选价值就接近零。

麦肯锡的研究常被引用的一个结论是：按技能招聘对工作表现的预测力，大约是按学历招聘的五倍、按工作经验招聘的两倍以上。方向我认同，但要提醒——这类「几倍」的说法是不同研究口径的比较，别当精确系数用。

年资：它度量的是旧的稀缺性

年资的逻辑是「做得久 = 累积多」。这个逻辑在职位内容稳定的年代成立。

现在不成立了。TalentCorp 的《马来西亚关键职业清单》（MyCOL）2024/2025 版涵盖 18 个经济领域，而据报道关键职业数量从上一版的 37 个增加到 66 个——接近翻倍。

ℹ️ 18 个领域与发布机构（TalentCorp，隶属人力资源部 KESUMA）我在 TalentCorp 官网上核对过。37 → 66 这个对比来自二手报道，官网页面没有列出上一版的数量，当参考用。

稀缺的定义在两年内换了一轮，这意味着一个人五年的年资里，有相当一部分是对已经不稀缺的东西的积累。年资仍然有用，但它告诉你的是「他过去适应过什么」，不是「他现在值多少」。

忙碌度：把占用当成了产出

这是中小企业老板最容易犯的错，因为忙碌是唯一不需要测量就能看见的东西。

最快的自检：你能不能说出这个人上个季度完成了什么、而不是他上个季度在忙什么？如果只答得出后者，你判断的是他的日程表，不是他的产出。

英语流利度与 presentation：马来西亚最系统性的误判来源

这一条我认为在本地特别重要，因为马来西亚的语言环境让它格外隐形。

在一个日常切换马来语、英语、华语、淡米尔语和各种方言的国家，英语流利度主要反映的是教育路径和家庭背景，不是思考质量。 一个在国际学校长大的人和一个在华文独中长大的人，同样聪明、同样可靠，面试表现可能差一个档次——而这个差距在大部分职位上和工作成果无关。

反过来也成立：很会讲的人不一定很会做。Presentation 能力是一种真实的技能，但它只在真的需要对外沟通的职位上应该被加权。

判断方法很简单：问自己这个岗位实际用哪种语言产出工作成果，就用那种语言评估。 如果这个人的工作是写代码、跑账、管仓库，那他英语讲得结巴和他能不能做好这件事，相关性很低。

2026 年最重要的一次排序更新：最强工具不是测验，是面试

这一节是整篇文章的核心，而且我认为大部分马来西亚老板还没听过。

过去二十多年，HR 领域的标准答案来自 Schmidt 与 Hunter 1998 年的那篇经典综述（以及 2016 年的更新版）：综合认知能力（GMA）是预测工作表现的第一名，效度大约 .65，然后才是工作样本、结构化面试等等。无数培训课和测评产品都建立在这个排序上。

然后 2022 年，Sackett、Zhang、Berry 与 Lievens 在《Journal of Applied Psychology》上发表了一篇重新分析，指出过去几十年的元分析在「范围限制」（range restriction）的校正上系统性地过度修正了，把效度估计整体推高。

修正之后的排序变了：

GMA 从断层第一掉到中段，而结构化面试成了最强的单一预测工具。这篇论文后来拿下了 SIOP 的 William A. Owens 学术成就奖，不是边缘观点。

这对你的实际含义

一、你最该投资的工具恰好最便宜。 不是买测评系统，不是请猎头做评估，是把你的面试做成结构化的：同一组问题、同样的顺序、事先写好的评分锚点。成本是一个下午加一份文件。

二、「他聪明」这个判断的权重应该下调。 聪明仍然相关，但它解释的差异比你以为的小得多。很多老板凭「这个人反应快」做决定，这个信号的强度大约只有过去宣传的一半。

三、别为单一工具付太多钱。 任何一个工具的上限都不高，组合才有意义。

诚实地说清楚这些数字的限制

这一段很重要，因为 .42 这种数字很容易被滥用。

效度系数是相关系数，不是命中率。 .42 不代表「42% 的人会选对」。它代表的是在一群人里，这个工具的评分和后来的工作表现之间有中等强度的统计关联——用在群体上有意义，用在单个人身上不确定性很大。

它解释不了大部分差异。 就算 .42 已经是最强的单一工具，剩下没被解释的部分依然占多数。你会看错人，这是结构性的，不是你能力问题。

所以正确的态度不是追求选对，是降低选错的成本。 试用期要真的用来观察、第一个项目要可逆、判断要留痕以便复盘。这比任何面试技巧都值钱。

五个可操作的判断信号

按性价比从高到低。

1. 工作样本：给真实任务的缩小版

把这个职位真实会做的事，缩成 60–90 分钟能完成的一小块，付钱请候选人做。

不是脑筋急转弯，不是算法题——是他入职第一周真的会碰到的那种任务。要招会计，给一份有三处错的试算表。要招客服主管，给一个真实投诉的处理草稿。要招业务，给你们的产品让他写一封真实的开发信。

看什么：交付物本身，以及他有没有主动问清楚需求（这一点往往比交付物更能预测）。

2. 结构化面试：同一组题 ＋ 事先写好的评分锚点

结构化的关键不在「问得难」，在每个候选人问一样的问题，而且在面试前就写好什么答案算几分。

没有事先写好锚点的面试，评分会被第一印象和相似性偏好吃掉。四个我认为最有信息量的问题：

• 「讲一件你决定不做的事，以及你怎么判断的。」（测取舍能力，而不是执行力）
• 「上一份工作里，你做过什么你的主管并不知道的改进？」（测主动性，而且很难编）
• 「如果我问你的前同事你最大的弱点，他们会说什么？」（比直接问弱点有效，因为要求他做视角转换）
• 「你上次发现自己判断错了，是怎么发现的？」（测反馈回路，下一节会解释为什么这是最强的问题）

3. 学习速度 > 已有技能

Aon 2026 年的研究里有两个数字放在一起看特别有意思：91% 的马来西亚雇主认为 AI 会创造需要新技能的机会，82% 预期 AI 会自动化部分任务但不会消灭现有职位。

两条加起来的意思是：职位不会消失，但职位里的任务组合会持续被换掉。 在这种环境里，一个人现有的技能存量是在折旧的资产，而学习速度是在升值的。

而且这不是远景。2024 年 AWS 的一份研究显示，81% 的马来西亚雇主难以招到所需的 AI 人才，而 Aon 2026 的数字更难看：只有 5% 的马来西亚企业有信心招到并留住足够的 AI 技能人才。 如果你在等一个「已经会」的人，你在和 95% 的市场抢同一批人。

怎么测学习速度：问他最近六个月自学会的一件事，然后追问他是怎么知道自己学会了的。答得出验证方式的人，学习是真的。答不出的，通常只是接触过。

4. 判断力留痕：问取舍，不是问成就

成就可以靠环境、靠团队、靠运气。取舍不行——取舍必须是他自己做的。

所以别问「你最有成就感的项目是什么」，问：

• 当时有哪些选项？
• 你放弃了哪个？
• 放弃的代价是什么，你怎么判断值得？

一个人能清楚说出自己放弃过什么、以及为什么，这是我认为最难伪装的能力信号。只会讲成功结果的人，往往是在别人的判断里执行。

5. 归因方式：问失败，听他把原因放在哪里

请他讲一次明确失败的事，然后听他的归因落点。

• 全部归因于外部（市场、老板、同事、时机）→ 他不会从经验里学到东西，因为他认为没有东西可学
• 全部归因于自己（我太笨、我不够努力）→ 看起来谦虚，但同样学不到，因为「我不行」不是一个可改进的诊断
• 能把原因拆到具体环节（「我在第二周应该先验证需求，我跳过了，因为我当时想赶进度」）→ 这是你要的人

这一条和第 2 节最后那个问题是同一件事：你在找的是有反馈回路的人。 有反馈回路的人会自己变好，没有的人需要你一直推。对中小企业来说，这个差别比任何技能差距都重要。

五个信号一览

注意成本那一栏：最有效的几项几乎都是免费的。 它们贵的不是钱，是你愿不愿意在面试前花两小时准备。

已经在职的人怎么判断：90 天观察法

招聘只占老板判断人才场合的一小部分。更常见的是：这个人已经在团队里两年了，我到现在还是说不清他到底行不行。

这种情况下不要靠感觉，用 90 天做一次结构化观察。

第 1 周：定一个可观察的产出口径。
写下来：未来 90 天，我用什么来看这个人的产出。必须是他能自己影响的、而且我不看他也能知道结果的东西。如果你写不出来，问题在岗位设计，不在这个人——先修岗位。

第 2–10 周：收集三次取舍记录。
每次他做决定的时候（排优先级、放弃某个功能、选供应商），记下他当时知道什么、选了什么、理由是什么。三次就够看出模式。

重点：记录当时的理由，而不是事后的结果。 结果受运气影响，理由不受。

第 6 周左右：给一次不给答案的求助。
他来问你怎么做的时候，有一次不要直接回答，反问「你倾向怎么做，为什么」。

这一下测的东西最多：他有没有先想过、他的默认方案质量如何、以及他来找你是为了要答案还是要确认。要答案的人需要你一直在场。要确认的人可以被放大。

第 12 周：写一页结论，然后存档。
写明：产出达到什么水平、三次取舍显示的模式、以及我现在的判断。然后把它存起来，半年后拿出来对照。

最后这一步是整套方法里最重要的，也是几乎没人做的。没有存档，你永远不会知道自己看人准不准——你只会记得自己看对的那几次。

别用这三个方法

一、把性格测试当筛子。 MBTI 那类工具测的是偏好，不是能力，而且重测稳定性不好。用来帮团队互相理解可以，用来决定要不要录用，是在用一个没有预测力的东西替你做决定。

二、推荐人（reference check）。 不是说完全没用，而是样本偏差大到几乎无法修正：候选人只会给你会讲好话的人，而讲坏话的人在马来西亚这种圈子不大的市场有现实顾虑。真要打，别问「他怎么样」，问「如果有同样的位置，你会不会再招他一次」——这个问题的答案难敷衍得多。

三、「我看人很准」。 这是最贵的一个，因为它免费。

没有基线、没有存档的直觉，本质上是一场没有反馈的赌博——你记得的全是看对的案例，看错的那些要么离职了（你归因于他不适应），要么还在（你归因于别人没带好）。回到开头那个 41%：大多数马来西亚企业缺的不是判断力，是能让判断力变准的记录。

直觉不是不能用。直觉需要被记录下来，然后被检验。写下来的直觉会越来越准，没写下来的只会越来越自信。

常见问题

2026 年在马来西亚，招人还该看文凭吗？

可以看，但权重要大幅下调。DOSM 数据显示 2025 年第一季 35.7% 的在职毕业生从事与学历不匹配的工作，文凭在候选池里已经无法有效区分人。改用工作样本与结构化面试做主要判断依据。

判断人才最有效的单一工具是什么？

根据 Sackett 等人 2022 年对选才效度的重新分析，修正过度的范围限制校正后，结构化面试约 .42，高于综合认知能力的约 .31，是目前最强的单一预测工具。它也是成本最低的一项。

什么是结构化面试？

结构化面试指对每位候选人提出相同的问题、按相同顺序，并在面试前就写好各种答案对应几分的评分锚点。关键不在题目难度，而在题目与评分标准的一致性，用来压制第一印象与相似性偏好。

为什么不建议用性格测试筛选候选人？

性格测试测的是偏好与倾向，不是能力，且重测稳定性有限。它适合帮团队互相理解，但用来做录用决定，等于让一个预测力不足的工具替你做判断。

已经在职的员工怎么判断是不是人才？

用 90 天结构化观察：第一周定下可观察的产出口径，接着收集三次取舍记录（记当时的理由而非结果），第六周给一次不直接给答案的求助，第十二周写一页结论并存档，半年后回头对照。

订阅「维特不烦恼」——每周一封，把马来西亚的钱与工作算清楚。没有鸡汤，只有算式。

同簇延伸阅读：

• 让员工愿意一起赢：马来西亚中小企业的使命、目标与奖励——判断出来之后，怎么让他愿意留下来赢
• 2026 年马来西亚员工不是没动力，是那笔交易不划算了——同一组问题的员工视角

数据来源

• Aon, Human Capital Trends Study（2026 å¹´ 8 月）— 马来西亚：41% HR 数据成熟度、34% 未做薪酬对标、5% 有信心招到 AI 人才、91% 认为 AI 创造新技能需求、82% 预期自动化任务但不消灭职位
• Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022). Revisiting meta-analytic estimates of validity in personnel selection. Journal of Applied Psychology, 107(11), 2040–2068 — 后续的选才系统设计讨论（Industrial and Organizational Psychology）
• Schmidt, F. L., & Hunter, J. E. (1998)，及 Schmidt、Oh & Shaffer (2016) 的更新版 — 旧效度排序的来源
• DOSM 劳动力调查 2025 Q1/Q3 — 毕业生低度就业 35.7%
• TalentCorp — 马来西亚关键职业清单 MyCOL（18 个经济领域，隶属人力资源部 KESUMA）。关键职业数 37 → 66 的对比（二手报道）
• AWS, AI Skills in the Workplace（2024）— 81% 的马来西亚雇主难以招到 AI 人才，经《The Star》报道

关于效度系数的使用：本文引用的 .31 / .42 是相关系数，描述群体层面的统计关联，不是个人层面的命中率，也不是可以相加的分数。Sackett 等人的修正本身仍在学界讨论中，我采用它是因为它处理的是一个具体的方法问题（范围限制的过度校正），而不是因为它是最新的。文中「别用这三个方法」与五个信号的排序是我的判断，不是研究结论。