省下10萬小時!AI已面試超過100萬名求職者,聯合利華、希爾頓飯店都用上
省下10萬小時!AI已面試超過100萬名求職者,聯合利華、希爾頓飯店都用上

AI愈來愈聰明,讓很多人開始擔心是否會被人工智慧取代自己的工作。實際上絕大多數人類的工作暫時無法被AI取代,但AI卻可以決定你是否獲得一份工作。

在美國,飯店、金融等行業使用AI進行面試已經十分普遍,當中包括希爾頓、聯合利華和高盛等大公司,已經有超過100萬求職者接受了AI的面試,一些大學甚至開設一些培訓課程來幫助學生如何在AI面試時表現更好。

這些公司主要使用的AI面試系統,大都是由影音面試公司HireVue開發的。HireVue一套標準的面試時間為30分鐘,包括6個問題,但從中可以得出50萬個數據點,演算法將參考這些數據來評估求職者的表現。

在接受《華盛頓郵報》的採訪中,HireVue表示這套系統會分析求職者在面試過程最細微的細節,比如面部表情、眼神接觸,還能「感受」到求職者的興奮程度,最終將求職者面試成功的可能性分為高、中、低三個等級。

AI面試2.jpg
HireVue 的分析界面

HireVue的技術總監羅倫·拉森(Loren Larsen)表示,80%~90%的評估都是基於演算法對候選人語言和口頭能力的分析,演算法可以識別350種語言特徵,並針對不同職位調整評估的標準。比如在招聘醫生時可能會偏向使用更多專業詞彙的求職者,而對於銷售的職位來說,說話語速、面部表情等就顯得重要得多,系統可以根據運算法分析評估個人面對生氣的顧客時的表現。

目前AI主要用於面試的初選,最終決定面試者是否被錄取的還是人類。 HireVue認為沒有感情的機器反而能減少免面試官在面試時基於口音、外貌和性別等主觀因素帶來的偏見,以確保更多符合職位要求的求職者獲得機會。

人類天生就是矛盾的,會將他們的主觀性注入到評估中。但AI可以毫無偏差地將面試的內容數進行數據化處理。

HireVue在2014推出了AI面試的服務,據稱目前已經全球已經有700多家公司透過這個系統進行了近1,200萬次面試,不久前還獲得了凱雷投資集團(Carlyle Group)一筆巨額投資。

飯店業巨頭希爾頓收益管理和客戶中心的職位,現在大都通過HireVue的AI系統進行招聘,這讓這些職位的平均招聘時間從6周縮短到5天,希爾頓全球招聘副總裁莎拉·史瑪特(Sarah Smart)表示這套系統重新構建了希爾頓的招聘流程,更加快速地篩選合適的候選人。

消費品市場巨頭聯合利華則透過AI系統省下了10萬個小時的面試時間,每年能省下100萬的招聘成本,該公司的人資長黎娜·內兒(Leena Nair)認為這套系統幫助他們擺脫過去的刻板印象,招聘到更加多元化的員工。

不過很多求職者還是很不太適應AI面試官,康乃狄克大學的畢業生尼珂萊特·瓦圖利(Nicolette Vartuli)擁有優異的的學業成績,儘管她專門研究過HireVue,但還是沒有被理想的公司錄用,她感到很失落,但她無法得知AI對自己的評價,也無法詢問AI自己怎樣才能做得更好。

芝加哥大學的大三學生凱瑟琳·李(Katherine Li)通過HireVue獲得了高盛投資銀行的實習機會,但她仍然表示面試過程「有點令人不安」,因為無法得知如何給AI留下深刻印象,無法從AI面試官哪裡獲得即時回饋。

杜克大學的經濟學教授艾瑪·拉索(Emma Rasiel)經常為在華爾街求職的學生提供建議,他表示愈來愈多學生對於AI面試感到不安,學校的論壇已還出現了針對HireVue的面試指南,拉索認為這種與電腦螢幕交流的模式,更容易讓人產生焦慮。

對於AI面試是否真的會更加高效,很多業內人士也提出了質疑。紐約大學AI Now研究所的創辦人認為,透過演算法來識別臉部表情和情感,現階段還沒有充分的科學依據,反而可能會帶來更多的誤導。

倫敦大學學院人類電腦互動教授安娜·柯克斯(Anna Cox)表示,演算法會更青睞那些擅長影音面試的人,任何數據集都存在偏差,這可能會排除掉那些在實際工作中表現優秀的人。

微軟位於蒙特利爾的研究實驗室的研究人員路克·史塔克(Luke Stark),同樣對於HireVue可以根據求職者語調和詞組來評估他們的性格特徵表示質疑,因為當今最好的AI系統也不能很好地理解人類的情感和意圖。

究竟AI未來會有多大程度能決定我們的工作,現在還不確定。但是隨著AI在現實的應用愈來愈多,AI正在根據大數據和深度學習不斷優化和升級,而人類也必須適應更多新的人機交互模式,來找到和AI相處的最佳方式。

責任編輯:蕭閔云

本文授權轉載自:愛范兒

關鍵字: #人工智慧
往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓