【圖解】近8成人資用ChatGPT徵才！怎麼寫出好JD？三步驟教你下指令|數位時代 BusinessNext

根據ResumeBuilder 2023年針對美國1,000家企業進行調查，49%的公司正在使用ChatGPT協助他們工作，剩下的公司中有30%也計畫要使用。

其中，特別問到是否會在招募時使用ChatGPT，又是在哪些招募環節中使用呢？答案是： 撰寫職缺敘述JD（77%）、草擬面試問題（66%）、回覆求職者的訊息（65%）。

用ChatGPT做JD，怎麼才能省時省力又精準？

招募團隊的第一步，便是需要與用人主管共同準備職缺敘述（下稱JD，Job Description）。自從有了ChatGPT之後，我相信多數人都認為寫一份JD很簡單。

然而，一份「高品質能吸引人才」的JD 不僅需要清晰明確地描述職位需求與用人主管的期待，也需要吸引到優秀求職者的目光 ，與此同時，要正確地借助ChatGPT來提升工作效率，其實就不是那麼容易。

接下來讓我們一步步分享，如何透過免費版的ChatGPT3.5產出與優化一份吸引人才的JD吧！

首先，我們先以軟體產業中常見的職位：資深後端工程師（Senior Backend Engineer）為例，無腦用ChatGPT產出最基本的JD。

對於不熟悉這個職缺，或是首次招募相關職位的人來說，這樣產出的JD內容已經是一個基本的範例，可以根據這個範例去調整出自己要的JD。不過ChatGPT還遠遠不止如此，接下來我們如何用三招優化這個JD呢？

優化第一招：用ChatGPT的建議來優化ChatGPT

萬事問ChatGPT，我們直接下Prompt：

從ChatGPT的建議來看，就可以發現我們第一次請ChatGPT製作的JD，幾乎 全部篇幅都在強調公司的要求，但真正好的JD不只是闡述公司要的技能，還要能吸引人才。

明顯第一次ChatGPT給我們的回答中，像是公司簡介、團隊和工作環境、福利待遇等人才會在意的內容都沒寫到。那我們該怎麼做呢？

我們可以把ChatGPT對於好JD的定義當作提示加入prompt，同時我們認為人才在意的福利並未著墨，所以增加補充提醒它在福利部分幫我們增加一些範例。

現在可以看到這份JD已經被調整成符合ChatGPT建議的好JD格式了。到目前為止這還是很通泛，無法聚焦在特定公司的特定職缺。所以接下來再到優化的下一步。

優化第二招：提供ChatGPT公司與職缺的特定資訊

先前的JD就算ChatGPT產出後，我們還是要花不少時間把公司、確定需要的技能等資料換成實際的公司狀況。為了減少後續調整JD的時間，我們可以增加提供重點關鍵字給ChatGPT。

到這一步我們就已經拿到一份堪用的JD了，不過眼尖的大家應該會發現ChatGPT的回答裡面有一些我們普通不常用的字，我們再透過下一步再把履歷做進一步的調整。

優化第三招：人工進行最後調整（Fine-tuning）

因為ChatGPT是拿大量的語言資料做訓練，而 中文便包含繁中與簡中 ，以及地域性上的用法問題。

儘管指定它用台灣的習慣用字來回答，還是會混雜許多非台灣常見用法，或是使用不熟悉的用字，這部分就需要自己做調整。

例如以目前的JD來說，這些字可以依需求做調整。不過，若是英文版，這樣的問題就會比較少。

總結上述的流程，透過ChatGPT協助產出吸引人才的JD，可按照以下步驟完成：

步驟1：在ChatGPT下prompt取得好JD該包含的內容
步驟2：補充公司、職稱、技能、福利等客製關鍵字
步驟3：再次prompt產出，分析目前JD優缺點
-尚不滿意：調整prompt，再回到步驟2
-滿意：前往步驟4
步驟4：最終人工調整

最後，我們來討論一下用ChatGPT產生JD的優缺點作為檢視。

用ChatGPT產出JD的優點

掌握prompt技巧後，ChatGPT可以自動快速地產生一定品質的內容。對於那些缺乏撰寫JD經驗，或是面臨需求開創全新職缺JD的招募團隊來說，這是一個非常有幫助的工具。可以透過ChatGPT節省大量時間。
ChatGPT能 提供不同的視角和觀點 。不管是對於HR或用人主管而言，都可以幫助拓展思維和想法。
ChatGPT可以將列出的關鍵字轉變成流暢的語句，尤其英文更較中文得心應手。對於希望將許多專業要求轉化為具有吸引力的跨語言JD，ChatGPT不僅可以產生結構完整的句子，還能依據上下文調整語氣和風格，使你的JD更通順。

用ChatGPT產出JD的隱憂

不保證正確性：ChatGPT的資訊來源是有限的，可能會給出憑空產生或錯誤的答案，所以在 資料正確性上大家要自己把關 ，例如可能它會寫不必要或不常見的技能或是工具名稱。
資料隱私：ChatGPT會保存你的輸入和查詢結果，並用這個結果去優化系統，請 避免輸入公司敏感訊息或是個人資訊 。

評估ChatGPT生成JD有效性的第一種方法是質化，請其他人資夥伴、用人主管、求職訪談者將其與沒有AI輔助產生的傳統JD進行比較。如果要更進一步追求量化結果，可以進行A/B測試以查看結果的差異性。

無論招募團隊是使用ChatGPT還是其他AI工具， 重要的是要記住它們僅作為輔助工具 ，團隊仍然需要對職位描述進行仔細地編輯和檢查，以確保其準確性且能夠吸引到符合公司需求與文化的優秀人才。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場）

延伸閱讀：業務管理必收！怎麼透過ChatGPT分析商機、摘要，自動化安排客戶需求？

責任編輯：溫偉軒、錢玉紘

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。