你開了一個職缺,收到 800 封履歷,團隊裡有人建議用 AI 篩選。動手之前,我們先誠實地談一下這些工具實際在做什麼、哪裡有用、哪裡會悄悄傷害到應徵者和你的招募品質。
2026 年市面上掛著「AI 履歷篩選」名號的產品,大致都在做三件事之一:用 embedding 包裝過的關鍵字比對、用 LLM 對著你的職缺敘述排序履歷、或是一個黑箱模型用你過去的錄取紀錄訓練出來打分(這個最危險)。每一種的失敗模式都不同,而「AI」在裡面做的事情也差很遠。
你實際會遇到的三種模式
**模式一:關鍵字 + embedding 搜尋。**系統把你的職缺敘述轉成向量,把每份履歷也轉成向量,用 cosine 相似度排名。像 Greenhouse 的 match score、各種 ATS 外掛、大多數早期新創推銷的東西都屬於這類。本質上是更聰明的 Ctrl-F。找「這位應徵者寫過 Python 嗎」沒問題,但要判斷年資、溝通能力、或某段經驗能不能轉換,這層是看不出來的。
**模式二:LLM 當評審。**一個前緣模型(GPT-5、Claude、Gemini)讀每份履歷,對著你的 JD 產出一個結構化的分數加理由。Eightfold、Paradox、以及 2025 之後新出來的工具大多走這條路。品質比 embedding 好很多,但每份履歷成本約 0.05-0.2 美元,而且應徵者用 LLM 把履歷改寫成你 JD 用字後一樣會被矇過去。
**模式三:用你過去錄取資料訓練的評分模型。**這是危險區。系統學到「我們錄取過的人有 X 特徵」,用這個 pattern 排序新應徵者。Amazon 在 2018 年公開砍掉一個內部版本,因為模型學會懲罰履歷裡有「women's」這個詞(像「women's chess club」)。如果你過去的招募有偏見 — 幾乎所有人都有 — 這種系統會把偏見規模化。
AI 篩選真正幫到忙的地方
大量的入門職缺,你真的讀不完 800 份履歷的時候 — 零售、客服、初階支援 — 用模式一或模式二搭配寬鬆的門檻(過前 30% 而不是前 5%),確實省時間。把它當成「過濾掉明顯不符的」篩子,不要當成「挑出最好的」排名器。
當 JD 很具體、技能導向(特定技術棧、特定證照、特定工具年資),模式二真的有用。LLM 能看出「在 production 用過 Stripe webhooks」跟「副業專案裡列過一次 Stripe」的差別。
要縮短第一次回覆時間,AI 可以幫忙起草個人化的拒絕信、或排第一輪面試時間 — 這類自動化的風險比「決定誰值得見面」低得多。
哪些地方反而會傷到你
**資深或專家職位。**一位資深 staff engineer 的履歷通常不會列出他用過的每個技術;他的價值是跨系統的判斷力和 pattern matching。LLM 抓不到這層,會把履歷漂亮的中階候選人排在真正該錄取的人前面。
**轉職者。**在相鄰領域(教學、營運、財務)做了十年要轉進科技業的人,幾乎一定排名很低,因為履歷表面缺乏關鍵字。你最好的某些錄取者在模型眼裡看起來像被刷掉的對象。
**非英文母語者。**英文沒那麼漂亮的履歷在 LLM 篩選器裡一致地排名較低,即使實際經驗相當。這不是猜的,2024-2025 年有審計研究證實這件事。
**任何過去不能預測未來的場景。**新產品線、新市場、轉型後 — 模型基於以前 work 的東西訓練或定錨,但你要錄取的是接下來會 work 的人。
偏見洗白問題
陷阱在這裡。大家會假設 AI 分數比人類審查更「客觀」。所以當 AI 說「A 是 92 分、B 是 67 分」,招募人員會比相信自己的直覺更相信這個分數。這就是洗白:模型從訓練資料或你過去的錄取裡學到偏見,而那個分數讓人類不假思索就接受。
真正有用的三個對策,依重要程度排:
- **稽核產出,不只是輸入。**拉一個月的 AI 排名來看:前 20% 的人在性別、年齡、族裔的分布上,跟人類篩過的前 20% 像不像?不像就有問題,不管廠商自稱多麼「無偏見」。
- **用 AI 來刷掉,不要用 AI 來排名。**設一個「絕對不符合」的門檻(完全沒有相關經驗),門檻以上的全部讓人類排序。這樣處理了量的問題又不引入偏見問題。
- **告知應徵者。**歐盟 AI Act、紐約 Local Law 144、伊利諾伊 AI 視訊面試法都有揭露要求。即使法律沒強制,告訴應徵者「我們的篩選流程有 AI」是免費的信任訊號。
什麼時候不適合用
履歷不到 100 封的時候不要用 — 人類兩小時讀得完 100 份,而且這個過程你會更了解這個職位。高階主管或團隊負責人這種文化和判斷力主導的職位不要用。不要當成唯一訊號 — 一定要搭配結構化的工作樣本或 30 分鐘 screen。模式三系統除非法務簽過偏見稽核否則別用 — 大多沒簽。
下一步
- AI for resume and CV — 站在應徵者那邊用 AI 是怎麼一回事
- AI for interview prep — 篩過之後怎麼準備面試
- Prompt injection — 應徵者可以在履歷裡藏指令騙過 LLM 篩選器
- 幻覺 — AI 為候選人發明資歷時會發生什麼