ChatGPT美化變日常⋯AI寫履歷時代來了!求才、求職要如何不踩雷?
ChatGPT美化變日常⋯AI寫履歷時代來了!求才、求職要如何不踩雷?

每年求職季,愛卡拉共同創辦人暨執行長程世嘉會收到許多份履歷,但今年特別令人印象深刻,每位應徵者的英文都優美又通順!做為跨足AI領域的新創執行長,他馬上聯想到近來持續引發騷動的工具—ChatGPT。

他把履歷部分內容上傳到AI偵測器。果不其然,有超過7成的自述都是由人工智慧生成。

美國最大線上論壇Reddit也有一位會員分享,自己透過ChatGPT拿到工作。他形容,原本投遞履歷幾乎石沉大海,沒想到用AI修改後,面試邀請如雪片般飛來。「對跟我同條件的應試者來說,這幾乎是不可能發生的事情。」

在程世嘉的臉書動態中,回覆者分為兩派:支持的人認為,AI是趨勢,應該鼓勵使用,尤其是其他人都在用,你卻不學習,不免讓人感覺「這個人不是認真想找工作」;反對者覺得,連履歷都不是自己寫的人,一點都不真誠!而且,履歷一旦被編修過,行文會變得像機器人一樣死板,難以判斷面試者的個性和公司文化是否相合。

當AI美化履歷可能漸成風潮,我們該怎麼思考與應對?

從兩方的爭論中,不難看出主管們的焦慮。主要的問題有3個:

第一、該不該讓受試者用AI美化履歷?
第二、收到優化過的履歷,該怎麼明辨真實力?
第三、面試技巧,要怎麼因應AI時代而改變?

ChatGPT&Bard
求職者是否該用AI寫履歷?
圖/ shutterstock

該用AI寫履歷嗎?能展現積極態度但效果有限

針對第一個問題,師大科技應用與人力資源發展系優聘副教授孫弘岳認為,這是無法阻擋的典範轉移。
他笑稱,自己第一份工作在金融業,當初求職,上海銀行便要求應試者的自傳要用手寫,希望從字跡是否端正、有無錯別字,看出對方的個性是否嚴謹、適不適合這一行。

然而,現在有誰要求履歷要手寫呢?大家只會標明「請用Word檔案」,更不用說應徵者普遍都會套用網路上的模板,讓設計更精美,「你就把ChatGPT當作又一次Word革命就好了。」他說。

進一步分析,AI強化的是面試者的自我行銷和圖文表達能力。換言之,如果招聘的職缺不在意這些職能,對方是否用AI寫履歷根本沒差別;反之,如果上述能力,是這項職缺的重要條件,那麼懂得用AI更好,因為不用公司教,面試者就懂得運用AI輔助工作,是即戰力!

震旦雲總經理林敬寶也認同,面試者願意運用工具來幫履歷加分,其實是積極態度的展現。

而且,「履歷(其實)只占面試流程的10%,」林敬寶直言。主管不大可能因為履歷寫得好,就叫應徵者明天來上班,所以美化效果其實沒那麼誇張。

AI雖然不影響招募結果,但先進複試的人,成功機率自然高一些,企業不會擔心因此排擠掉好人才嗎?凱基銀行人力資源處經理葉晉嘉提醒,劣幣驅逐良幣的前提是,兩位面試者的學歷、經歷和專業等客觀條件都完全一樣,但這種情況很少發生。

更不用說,全球都在缺工,金色三麥管理處協理洪毓璞便指出,「服務業完全沒有AI的困擾,」人才需求大於供給。

ChatGPT真正影響的,其實是應試者和中小企業主。

求職者注意!學經歷篩選標準,會更嚴格

表面上來看,AI好似讓應試者更有競爭力,能拿到更多面試機會,但那只是早期使用者的紅利,一旦每位工作者都使用AI,反而會強迫面試官更關注客觀事實,比如是哪個學校、科系畢業的?曾任職於哪些公司、做什麼工作?多益成績幾分等。

「AI只能優化你的經歷,不能無中生有。」一位台達電的人資主管強調,未來履歷關不一定會消失,但篩選標準可能會更嚴苛,甚至是非零即一。

這對非理工職缺而言,尤其不利,因為好工作僧多粥少,為了避免履歷上的辭藻難分軒輊,以致太多人進面試關,只能提高客觀事實的門檻,像是學歷必須最頂尖、學業成績平均點數(GPA)一定要滿分,其他人則完全不考慮。

而中小企業主由於缺乏預算建立自己的偵測工具,是有可能被美化的履歷騙倒,但葉晉嘉建議,老闆和主管們應該轉換思維,藉機檢視自己的招聘流程,哪些會因為AI而變得沒有意義,「從加法變成減法,簡化流程才有競爭力。」

舉例來說,許多公司習慣在面試之前,要應試者填一堆基本資料、做一系列測驗,甚至錄短片自我介紹,這些隨著AI普及,都可以刪去,因為它們都可以透過AI事前準備,失去了鑑別度。而當其他公司的流程不再冗長,你的面試流程卻還要幾週才能跑完,人才先拿到其他職缺,自然不會等你。

說穿了,決定一個人能否進入公司,還是要看面試,而不是履歷。而面試考驗的,是人資主管的本職學能。林敬寶把它分為3步驟,包含「聽他說」、「看他做」,以及「聽別人說」。

面試官3招必學!準備無法用AI演練的考題

「聽他說」不是「考對方」這種上對下的模式,因為一問一答的題型,很容易事前準備。一旦能被預測,就可以透過AI找出最佳解。更好的方法應該是跟對方討論,引導出對方的想法。當應試者發覺,來面試也能有所收穫,對公司觀感自然佳,更可能留下。

舉例來說,個案面試(Case Interview)就是一個不錯的方法。它要求應試者在20至40分鐘內解決一個陌生問題,並只提供一些基本的背景資料,比如公司所處產業、產品、經營狀況等。

由於條件有限,應試者必須向面試官尋求協助,比如索取解決問題需要的資訊;面試官也要適度引導,才不會讓應試者卡關,因為測驗的目的不是要他找出答案,而是觀察對方的邏輯組織、溝通表達和抗壓等能力,了解是否為一位合格的候選人。

溝通、顧問、對話、面試。
目前驗證最有效的面試技巧,仍是行為面試法。
圖/ unsplash

孫弘岳指出,目前驗證最有效的面試技巧,仍是行為面試法,請應徵者描述過去發生過的一個挑戰,他採取了什麼行動,結果如何。行為面試法之所以有用,是因為真正做事的人,會很清楚知道每一步的細節,若受試者答不出來或含糊其辭,就能看出履歷是否誇大。

不過,這非常考驗面試官提問的功力。而且,現在應徵者又可以透過ChatGPT來練習,對主管面試技巧的要求恐怕會變更高。

「看他做」則是現場測驗,直接觀察受試者的動手能力。不論是現場做簡報、生文案或寫程式,只要一斷網,輕鬆就能看出真實能力。

最後,「聽別人說」,就是資歷查核(Reference Check),現在很多公司還是當走過場,不一定會真的打電話,但隨著AI越來越強大,直接問前任主管的看法,可能更直接且有效。

孫弘岳補充,Google是最早應用人工智慧於面試的組織之一,但他們現在依舊只在履歷關採用AI。因為,AI是由人來設計,人如果有偏誤,AI自然也會有。因此,他們在2次面試之後的流程,反而增加人的比重,要求多位主管一起面試,互相消弭偏見。

AI弭平英文寫作差距!人才出海更容易,加快外流

雇主真正要擔心的,反而是ChatGPT弭平英文寫作上的差距,讓求職者能夠更輕鬆的跨足海外。孫弘岳便曾遇到一位印第安納大學的教授向他抱怨,ChatGPT威脅的是美國人,因為它讓非英文母語的應試者,也能在寫作上達到90分。一旦人才外流,AI招募就變成了假議題,因為根本沒人可招了!

延伸閱讀:全台逾2.6萬個AI人才缺口!五大傳統職缺也AI化?文科生機會在哪?

本文授權轉載自《商業周刊》,原文:ChatGPT美化變日常⋯AI寫履歷時代來了!求才、求職要如何不踩雷?

責任編輯:錢玉紘

關鍵字: #ChatGPT
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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