Google怎麼挑人才?人資長:英文好、名校畢業不是關鍵,最看重這4種特質
Google怎麼挑人才?人資長:英文好、名校畢業不是關鍵,最看重這4種特質
2021.10.01 |

進入Google、Facebook、Apple等大型跨國公司工作,是許多人的夢想。然而,Google每年都會收到數百萬份履歷,內部員工也都積極申請內轉,競爭者眾。究竟,Google挑選人才,到底看重什麼?Google台灣人資長呂亞樵、人才計畫經理石啟瑞一同揭密。

石啟瑞表示,Google全球的面試標準、流程與方式完全相同,不管在哪個地區面試,最終都會送到總部審核,「或許大家都會覺得進Google的人都是名校、講求英文能力,但這只是結果,而不是篩選條件。」

僅供刊物用途_shutterstock_647087959_google.jpg
圖/ Uladzik Kryhin via shutterstock

Google重視的4大特質:問題思辨、專業技能、領導力展現與文化適應性

Google不會要求應徵者的科系和職位有關,他們重視的是求職者擁有特定職缺所需的專業技能,以及在招聘過程中,確認求職者的4大特質:

1.溝通表達與解決問題的能力(General Cognitive Ability)

這個能力是考驗求職者的問題思辨能力,看他是否能在面試過程中想出方法,題目不一定有正確答案,主要是讓面試官知道你怎麼看待問題、解決問題。

呂亞樵進一步解釋,許多人都會想追求完美答案,花很多時間思考,但其實根本沒聽清楚問題,「假設性或情境式問題,(求職者)其實可以留一點空間釐清問題,為自己抓點空檔放鬆。」

2.針對各職缺的專業能力(Role Related Knowledge)

不同職缺所需的專業技能都不同,評選過程可能會有不同的測試來確認求職者是否具備相應的技能。

3. 領導力(Leadership)

領導力不一定是要在管理階層才能展現,跟別人合作的時候,如果能影響他人或利益關係人的決定,也是一種領導力的展現。換句話說,這個能力是看你是否具備團隊驅動、利益關係人管理的經驗與能力。

4.對Google文化的適應性(Googleyness)

強調應徵者是否能適應Google的企業文化,並為團隊、公司帶來更多的啟發。石啟瑞表示,這考驗求職者有沒有辦法在不確定下工作、會不會堅持用對的方式做事,或是想不想把事情做得更好,「我們希望每個人進來都能給Google帶來新的東西。」

調整中式履歷思維:利用量化數字、用「架構」說經歷

GOOGLE
圖/ Shutterstock

知道Google選才的標準後,履歷要怎麼撰寫,才能提升錄取機率呢?

首先,英文履歷是必要的,因為Google是跨國企業,要具備一定的英文程度,才能與全球同事溝通與協作。然而,由於審核履歷的主管可能來自不同國家,在撰寫英文履歷時,應該要注意呈現方式,如語言表達的精準與流暢度。

再來,調整中式履歷的思維。呂亞樵表示,內容務求精準、邏輯,避免流水帳,因為這樣的履歷無法被快速理解。看履歷的人希望可以一眼看出你的專業能力,怎麼對應到工作內容,「不要只是敘述,要充分利用量化數字,說一個能展現專業的故事。」

石啟瑞補充,就算投的職位都是人資,他在投遞履歷時一定會改變關鍵字、順序,讓自己的履歷和職缺的相關性提升。換句話說,求職者要針對不同職缺需求,找出關鍵技能,並依照關鍵字來調整履歷順序,讓最相關的經驗或能力被看見。

如果真的有機會進入面試,石啟瑞建議,求職者事前可以用「架構」整理經歷,CAR、STAR都是常用的架構法。CAR各代表當時情境(condition)、採取行動(action)、結果(result);STAR則是用當時情況(situation)、做這件事的目的(target)、採取什麼行動(action)、結果如何(result)來結構化描述經歷。

事前準備用有架構的方式說故事,可以有效減輕面試的焦慮感,「面試是一個對話,我們是想找可以合作的人進來,不是用高姿態的態度審查,過程中能穩定、自在地跟面試官對話,反而更能加分。」

本文授權轉載自:經理人月刊

【熱門焦點】

1.「要比外表更有料、不該過度膨脹」梅克爾將卸任,德國第一位女性總理的 7 句名言
2.管理者要懂取捨!有兩種員工,不值得主管「花時間」

最新10月號雜誌《無程式碼時代來了!》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

責任編輯:傅珮晴、蕭閔云

關鍵字: #Google
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