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
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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