實測|人資為何不該用AI篩選履歷?除了偏見,還有可能踩到法規地雷?
實測|人資為何不該用AI篩選履歷?除了偏見,還有可能踩到法規地雷?

隨著 ChatGPT 問世後,加速生成式 AI 在各產業的應用和 AI 工具普及率,各行各業的工作者都能在翻譯、寫信、產文等日常工作中與 AI 協作。人資,當然也不例外。不只有求職者能透過 AI 協助撰寫履歷、求職信,許多人資團隊 亦透過 AI 協助撰寫職缺敘述(下稱 JD)、翻譯履歷、初步篩選求職者。

對許多企業來說,每天收到數百至數千封履歷,以往人工審核除了費時,更可能錯過合適的面試人選,所以在 AI 工具普遍盛行後,許多人資團隊為縮短招募時間,開始嘗試導入 AI 工具協助篩選出適合的履歷。

但是,當人資、應徵者都採用 ChatGPT 等 AI 工具來加速招募和求職過程,有可能會出現什麼潛在的問題?

我們以 Gogolook 的後端工程師 JD 作為範例,並透過 ChatGPT 篩選 10 份履歷、給予評分,再從結果檢視有哪些潛在的問題。

圖一.jpg
圖/ gogolook

由於分析需要履歷作為範例,因此,我們一樣先透過 ChatGPT 產生 10 份履歷參考,每份履歷皆符合 JD 所要求的技能和人格特質 ,但呈現出不同的個人條件與身分背景。

圖二.jpg
圖/ gogolook

接下來,正式進入 AI 履歷篩選的環節。透過對 ChapGPT 下 Prompt,模擬 AI 篩選履歷的情境:「請參考上面的職務描述和 10 份履歷,針對職位的適合程度,給予每份履歷 1 ~ 100 分。盡量有差異化,不要同分。」隨後,ChatGPT 給予以下結果。

圖三.jpg
圖/ gogolook

為了進一步知道 ChatGPT 打出這些分數的原因,我們加入「告訴我原因」在 Prompt 指令中。

圖四.jpg
圖/ gogolook

從回答來看,ChatGPT 不慎納入包含「年齡」和「家庭狀況」在內的因素,進而影響了最後的履歷分數與排序。這個結果凸顯一個事實:ChatGPT AI 模型在篩選履歷的過程中,無形間產生偏見,甚至觸犯了台灣的法規(台灣就業服務法第5條之1:為保障國民就業機會平等,雇主對求職人或所僱用員工,不得以種族、階級、語言、思想、宗教、黨派、籍貫、出生地、性別、性傾向、年齡、婚姻、容貌、五官、身心障礙、星座、血型或以往工會會員身分為由,予以歧視;其他法律有明文規定者,從其規定)。

雖然在不同情境中,可以透過 Prompt 下指令讓 ChatGPT 僅參考特定的資料欄位,但目前也難以得知 ChatGPT AI 模型的運作模式,以致於連 AI 回答的篩選規則和原因都可以編撰,造成一定的使用風險。

ChatGPT 絕非萬能,使用 AI 工具需謹慎審視其應用方式

過去 AI 篩選履歷已產生許多問題與具體爭議。舉例來說,2018 年路透社的報導指出 Amazon 的招募 AI 不喜歡女性,原因來自於科技產業中男性長期佔有主導地位,故該 AI 模型在長期收到男性履歷的狀況下,被訓練為優先挑選男性履歷,導致偏見就此產生。

AI 工具本身並不是一個問題,而是我們該更認真審視使用的方式。以 ChatGPT 為例,其原理是基於大型語言模型生成文字,故難以強調資訊正確性。一般在評斷一個模型的好與壞時,較在意的都是模型的速度、生成的內容可用性。但當我們不只是把 AI 用在娛樂方面時,需要考量的面向會複雜很多。當 AI 應用在自動駕駛汽車或是醫學病例判斷時,沒有人希望其結果毫無根據。在人資領域中,或許透過AI 產生職務描述相較不易產生爭議與偏見,但若用在是篩選真人資料時,甚至可能會有法律問題

這時候,我們就必須確認使用的 AI 是否「可被信任」。相關且常見的名詞有:可信任的 AI(Trustworthy AI)、負責任的 AI(Responsible AI)或是可解釋的 AI(Explainable AI),以確保 AI 在處理事情時會產生預期的結果,或是根據結果給予原因。Deloitee 也曾提出對可信任 AI 的定義:對於不可預測的情形都可以保持強健的應對能力、透明並且具備可解釋性、公平無偏見。

每個 AI 工具都有最合適的應用場景與優勢,ChatGPT 雖然是大家最常使用的 AI 工具,但就上述的討論來看並不適合拿來做履歷篩選。倘若人資團隊希望透過 AI 解放生產力,應用於履歷篩選的環節,有以下三點建議:
1. 在採用 AI 工具時,特別與對方確認服務條款,或合約中是否註明 AI 的可解釋性,以及在可信任 AI 上的做法。
2. 避免完全透過 AI 篩選履歷,可以透過 AI 協助擷取重要資訊,但還是由人工做最後判斷。
3. 尋求專精招募的 AI 工具,不要使用通用型 AI 工具。如果想免費搶先試用 Gogolook 基於可信任 AI 架構,打造的最新招募流程管理服務,歡迎填寫表單與我們聯繫。

延伸閱讀:近8成人資用ChatGPT徵才!怎麼寫出好JD?三步驟教你下指令

往下滑看下一篇文章
從 Raise Day 出發,方睿科技如何打造商用地產的 AI 企業服務生態系?
從 Raise Day 出發,方睿科技如何打造商用地產的 AI 企業服務生態系?

AI 與數據正快速落地至各行各業,從製造、金融、電信、醫療到零售,應用速度不斷加快。但在每年交易規模至少新台幣 1900 億元的商用地產領域,卻長期受到數據破碎且不透明的限制,只能仰賴人力蒐集資訊,再憑直覺和經驗去解讀資訊、做出決策,使 AI 潛在價值難以真正發揮。為回應產業轉型的核心痛點,方睿科技首度舉辦「商用地產生態系年會 2026 Raise Day」,以開放式平台為核心,串聯專業地產服務商、空間相關企業服務商、產業專業人士等多元角色,勾勒出 B2B 企業服務生態系的全貌,希望能透過科技促進數據流動,為商用地產企業協作模式開啟新的可能性。

方睿科技
方睿科技首度舉辦 2026 Raise Day,以開放式平台為核心串聯多元角色,推動商用地產邁向產業共好的新階段。
圖/ 數位時代

方睿科技雙軌策略,讓 AI 成為商用地產的決策引擎

方睿科技創辦人暨執行長吳健宇指出,在 AI 時代,人應該專注於「最有價值」的工作;然而在商用地產業中,專業人士卻有約 70% 的時間耗費在資料蒐集與整理上,真正用於判斷與決策的時間僅約 10%。方睿科技希望翻轉這樣的時間分配,讓人力從低價值的資料處理中解放,將更多心力投入在判斷、溝通與決策等創造價值的商業活動。

方睿科技
方睿科技創辦人暨執行長 吳健宇
圖/ 數位時代

為此,方睿科技提出兩條實踐路徑。第一條是建構出具備完整性、易用性與進化性的商用地產智慧平台,運用 AI 技術,將過去產業中破碎、非結構化的資料,重塑為可被運算、可驗證的標準化數據,並結合圖表與互動式介面,讓使用者能夠快速得到完整市場資訊,實現「用戶即專家」的目標。

第二條則是推動生態系聯盟,將不動產視為企業服務的核心載體,串聯設計、家具、搬遷、清潔等多元服務夥伴,使空間不再只是靜態標的,而是承載案例、服務與數據回饋的生態系節點。透過生態系夥伴累積的實務資料與服務紀錄,平台得以發展「資料即推薦」模式,推動商用地產從單點交易,邁向可擴張的 B2B 服務網絡。

獨創「資料飛輪」機制,實現用戶即專家目標

在 AI 模型日益普及的當下,真正的競爭關鍵已不在模型本身,而是能否有效率地收集資料、提高資料品質,並將其與實際決策流程緊密結合。為此,方睿科技獨家設計出一個由「資料收集、資料精煉、專家把關、決策反饋」組成的資料飛輪,回應商用地產長期面臨的資料破碎與決策效率低落問題,成為方睿科技實踐願景的第一條路徑。

方睿科技技術長郭彥良進一步說明,資料飛輪機制的運作架構。首先在資料收集階段,必須系統性蒐集公開資料、內部檔案與報告,並透過 AI 協作將圖片等非結構化資訊轉換為可用的結構化數據。接著進入資料精煉,透過資料清洗與實體對齊,將原始資訊從單純的可閱讀升級為可比較、可推論的決策依據。第三步專家把關,則引入不動產專家進行校正與產業判讀,補上模型難以理解的規則與慣例,確保關鍵數據的正確性。最後的決策反饋階段,藉由收集使用者提問與行為,檢視現有資料是否足夠精準,再回到專家校正與補齊流程,使整個系統能隨使用頻率提升而持續進化。

在資料飛輪的運作基礎上,方睿科技正積極研發商用地產智慧平台 PickPeak。郭彥良表示,PickPeak 並非單純的物件搜尋工具,而是結合深度資料與 AI 的決策輔助平台。使用者可透過自然語言互動,提出人數、預算、區位、產業屬性等多重條件,再由系統動態生成可比較、可驗證的選址方案,真正將 AI 從「回答問題的工具」,轉化為「陪伴決策的數位專家」。

方睿科技
方睿科技技術長 郭彥良
圖/ 數位時代

創新 Data to win 模式,讓 AI 深入商用地產各階段決策流程

不過,單靠數據整合與 AI 應用仍不足以支撐產業全面升級,因此,方睿科技提出的第二條路就是,推動產業生態系聯盟,整合商用地產市場上不同角色的數據,讓 AI 能夠真正成為商用地產決策時的智慧引擎。

方睿科技不動產知識創新中心總監曾凡綱指出,目前在企業、房東或物業主與各類服務供應商之間,缺乏有效的整合機制,導致企業在選址與空間規劃過程中,難以快速找到真正合適的服務與解決方案,形成明顯的產業斷點。

為解決這些斷點,方睿科技提出「Data to win」模式,以資料取代傳統「Pay to win(付費買廣告)」思維,讓真正具備經驗與實績的服務夥伴,在適當的決策節點被看見。

曾凡綱說明,在廣告投放效益越來越低的情況下,企業服務商面臨的問題已不只是「如何曝光」,而是「如何在對的地方被看見」,這將是未來的市場勝出指標;而 Data to win 正好可以協助企業服務商建立此能力,方睿科技將生態系夥伴所擁有的案例、服務紀錄與產業知識等資料,經過去識別化與結構化處理後,再嵌入企業決策流程中,讓推薦不再來自廣告投放,而是真實、可被驗證的使用經驗,透過這樣的機制,不僅提升企業決策的準確度,也能同步放大生態系夥伴在合作中的實質價值。

舉例來說,方睿科技整合辦公傢俱夥伴 Backbone 班朋實業長期累積的辦公室規劃案例與平面圖資料,讓企業在選址階段,就能同步評估空間規劃方案,加速決策流程。又如,整合出行服務夥伴 USPACE 悠勢科技的服務資料,並呈現在地圖上,協助企業評估辦公據點的交通便利性,優化員工日常通勤與出行體驗。此外,平台也可整合大樓的 ESG 認證、公共設施與服務層資訊,協助企業快速篩選符合需求的辦公大樓,提升進駐媒合效率。

方睿科技
方睿科技不動產知識創新中心總監 曾凡綱
圖/ 數位時代

「Raise Day 只是這場變革的起點。」吳健宇強調,方睿科技已經透過投資與合夥模式,將布局延伸至專業地產服務與空間經營領域,至今旗下已有商用不動產仲介、顧問與估價等專業服務的宇豐睿星,以及聚焦商用地產代銷市場的希睿創新置業。透過直接參與第一線實務運作,方睿得以更深入理解產業真實痛點,讓科技不只是工具,而能真正回應實際決策與服務需求。

此外,方睿科技未來也將持續擴大「商用地產 x 企業服務生態系」聯盟,目前包括 Backbone、USPACE、IKEA For Business、潔客幫等企業服務夥伴已率先加入;接下來,方睿科技將邀請更多擁有關鍵數據與專業能力的企業服務商加入,讓數據在安全、可控的前提下流動,進一步釋放商用地產在選址、營運與企業服務等全生命週期中的結構性價值,為產業轉型啟動下一個關鍵階段。

方睿科技
右起方睿科技共同創辦人暨營運長陳致瑋、USPACE悠勢科技共同創辦人暨執行長宋捷仁 、Backbone班朋實業創辦人暨執行長廖家葳,透過企業服務生態系合作共同為產業啟動下一個關鍵階段。
圖/ 數位時代

方睿科技官網: https://www.funraise.com.tw

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
2026 大重啟
© 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