伊戈尔校招计划专员 AI 面试：五道行为题与连环追问

《面试题目》

1. 请分享一个你作为团队一员参与的项目或任务，你在其中承担了什么角色？你是如何确保自己的工作与其他成员有效衔接的？有没有出现过配合不畅的情况？你是怎么处理的？
   • 追问：你提到营销组未同步订单导致排产出现偏差，当时具体的偏差程度有多大？例如影响了多少产能或物料？在重新调整生产计划时，你具体是如何在有限的产能和紧急订单之间做取舍的？最终这次调整对项目的整体交付结果，如模拟经营得分或交付及时率产生了什么具体影响？
2. 你如何看待当前 AI 技术在制造业中的应用趋势？你认为它最有可能改变哪些环节？作为刚进入行业的新人，你希望未来如何与 AI 协同工作？
   • 追问：AI 系统基于历史数据生成了一个理论上最优的排产方案，但该方案要求切断某条正在处理紧急插单的产线，且与现场班组长反馈的设备即将出故障的实际状况冲突，而 AI 未识别出这一风险。请详细描述你会如何验证 AI 方案的可行性？你会通过哪些具体步骤与现场人员及 AI 系统进行交互？最终如何做出决策并推动执行？
3. 你为什么选择加入电气制造业？你对未来三到五年的职业发展有什么设想？你希望在哪个岗位或领域沉淀自己的能力？为什么这个方向对你有意义？
   • 追问：你提到希望在入职 1~2 年内吃透生产排产和 MRP 测算，并成长为独立负责的计划员。请结合你过去 ERP 沙盘或实习中的经历，分享一个你主动去掌握一项复杂业务规则（如 MRP 运算逻辑、物料齐套规则或产能平衡方法）的具体案例。当时你是如何发现自己在该领域存在知识短板的？在没有导师手把手指导的情况下，你具体采取了哪些步骤（如查阅文档、拆解数据、模拟推演等）来补齐这个短板？最终你是如何验证自己已经吃透并且能够独立应用的？
4. 假设你被安排在一个新团队中，团队成员之间沟通不畅、各自为政，项目进度严重滞后。作为新人，你没有决策权，但你希望推动改变，你会从哪里开始？
   • 追问：能否请你回忆一个具体的真实案例（实习、社团或课程项目）？详细描述当时团队各自为政的具体表现是什么？你是如何说服原本可能抵触的同学同事接受你整理的台账的？当有人质疑你的建议或者不愿意配合时，你具体说了什么、做了什么来化解阻力？最终项目进度具体提前了多少，或者团队氛围发生了怎样的具体变化？
5. 你平时有什么兴趣爱好？它们对你处理学习、生活压力或提升专注力有帮助吗？

《参考解析》

AI 面试（行为题 + 连环追问）该怎么打

这类 AI 面试的机制是「按你上一句里的关键词下沉追问」，所以答第一遍时就要主动把可追问的抓手埋好：具体的时间点、数字、角色、以及你做过的一个动作。反过来，最忌讳的是用一个漂亮的概括收尾——比如「我通过加强沟通解决了问题」，AI 一定会追问「具体怎么沟通、对方怎么反应、结果是多少」，而概括句后面没有细节可挖，就会卡壳。更稳的做法是每题按 STAR 结构组织，但把 S 和 T 压到一句话，把 A 和 R 说足：A 要包含「你具体做了什么、为什么这么做、遇到什么阻力、怎么化解」，R 要带上量化结果或可验证的变化（排产偏差从多少降到多少、交期达成率、项目提前了几天、评分变化）。

第 1 题：团队协作与配合不畅，追问要能给出偏差量级

「确保衔接」的有效答法是把协作接口显式化：明确谁在什么时间点给什么输入、输入不合格时怎么办、以及有没有一个共享的进度载体。配合不畅的案例讲成一条因果链更好：营销组未同步订单 → 排产按旧需求下达 → 物料与产能对不上 → 偏差量级（比如影响了多少台/多少物料、延后了几天）→ 你做的动作（拉临时对齐、按优先级重排、把长交期物料先锁定、向上同步风险）→ 结果（交付及时率或沙盘得分的变化）。追问「在有限产能和紧急订单之间怎么取舍」要给出排序规则而不是一句「优先紧急订单」：常见口径是按客户交期违约成本、订单利润率、物料齐套程度、以及换线成本综合排序，先保「已经齐套且交期最近」的，把「缺料且可协商」的往后推，并把每次取舍的依据留档，便于复盘和向上解释。

第 2 题：AI 与制造业，追问考的是「人机边界」

趋势部分抓三个环节最容易被认可：需求预测与排产优化（数据密度高、目标函数明确）、质量检测与设备预测性维护（视觉与振动信号成熟）、以及供应链协同与文档处理（订单、合同、报关单的自动化）。说清 AI 擅长的是「在给定规则与历史数据下找较优解、处理大批量重复判断」，不擅长的是「拿到现场实时状态、理解非结构化异常、以及承担后果」，所以新人的定位是「把 AI 的输出变成可执行的决定」，而不是与它竞争算得准不准。

那道排产冲突的追问是全篇最考判断的一题，答题结构建议是「不直接推翻 AI，也不照单执行」。第一步核对输入：AI 用的是哪一版订单、哪一版产能与设备状态，数据滞后多久——多数「AI 方案不合理」其实是输入过期。第二步现场验证：拿着方案的假设去问班组长与设备端（设备即将出故障的依据是点检记录、振动/温度趋势还是经验判断），把不可量化的信息补成可判断的条件。第三步做风险分层：把「切断正在处理紧急插单的产线」的代价算出来（插单客户的违约条款、切换与恢复的工时、后续订单的连锁延误），和设备故障的期望损失做对比，给出两到三个备选方案而不是一个结论（例如延后两小时切换并同时安排抢修、或改由另一条产线承接）。第四步明确决策权归属与留痕：计划参数的最终确认交给对交付负责的人（通常是计划主管或厂长），你负责把选项、数据与风险讲清楚并记录下来。最后一步是回灌：把这次冲突作为约束条件补进模型（设备状态、插单优先级），让下一次的方案不再犯同样的错——这一步最能体现你理解「AI 系统要靠人喂边界」。

第 3 题：为什么选制造业，追问考「没有导师时怎么自学」

选择理由要给实在的动机并落到能力沉淀上，比如制造业的计划与供应链是「越老越值钱」的领域，规则复杂但可积累，且数字化转型正在把计划岗从手工表格推向系统与算法。三到五年的规划拆成两段最容易讲清：一到两年把排产与 MRP 的逻辑吃透、能独立负责一条产品线；三到五年往「产销协同与库存策略」走，能对交付与库存的整体结果负责。

追问里的自学案例按「发现短板 → 拆解 → 验证」三步讲。发现短板的典型触发是「算出来的结果和实际对不上」——比如 MRP 建议采购量与自己手算不一致。接着拆解数据：把 BOM 展开、把提前期与批量规则逐项列出，用 Excel 或沙盘复现一遍，找出差异是出在安全库存口径、损耗率、还是替代料规则上。第三步验证掌握程度：不看答案自己算一遍并与系统结果对账、把差异点写成检查清单、或者去问业务方「这个字段你们实际怎么填」并核对，能解释所有差异才算吃透。这个「对账 → 找差异 → 写清单」的循环，比「我查了文档」有说服力得多。

第 4 题：没有决策权时怎么推动改变，追问要给出真实案例

在没有职权的情况下推动改变，靠的是「降低别人的成本 + 让问题可见」。可行的第一步不是提方案，而是把现状量化并公开：整理一份共享台账，把谁在等谁、卡了几天、影响多少工作量摆出来；第二步找一个最小可行的协作机制，例如每天十分钟的站会或一张统一的状态表，先让信息同步这件小事运转起来；第三步借力，把问题同步给真正有决策权的人（老师、组长、导师），让你的数据成为他们的判断依据，而不是替他们做决定。

追问要能还原真实案例，重点在「怎么说服抵触的人」。有效的说法通常是把改变包装成对对方有利：台账不是让你多干活，而是别人一眼能看到你已经交付、不用反复来解释；或者先按对方习惯的方式接一次需求，再顺手把结果录进去，让对方体会到便利。被拒绝时不要对抗，改为缩小范围——只在一个小组内先跑通，用两周的结果说话。结果要给具体变化：进度从滞后多少天变成按期、返工次数下降、或氛围上从互相等变成主动同步。

第 5 题：兴趣爱好

这题看着轻松，实际在观察你的稳定性与自我调节方式。回答要给一个真实、可持续、能自己说清细节的爱好（运动、乐器、写作、模型、户外），并落到它对你工作状态的具体作用：长跑对应的耐力与节奏管理、球类对应的协作、写作对应的表达与复盘。避免只报名字，也避免说出会让人担心稳定性的表述（比如没有任何爱好、或者爱好是高频熬夜打游戏）。如果爱好与岗位有连接点（比如喜欢研究设备拆解、喜欢做表格工具），主动提一句链接，会显得更有真实感。