用AI「作弊」應徵上工程師，亞馬遜震怒！他卻快實現100萬美元年收了|數位時代 BusinessNext

韓裔學生Chungin「Roy」Lee（後稱Roy）成功取得了亞馬遜、Meta及TikTok的實習機會，但絲毫不煩惱要選擇在哪間公司實習──因為他不打算加入任何一間公司，參加面試只是為了證明，科技公司的面試方法已經過時了。

他正在籌辦新創公司、招募團隊成員來販售幫助他取得這些科技公司實習的工具：一款能夠在遠端面試過程中協助解題的AI應用。

他便是利用這款自己花不到一周時間撰寫的AI工具「Interview Coder」，成功作弊取得多家科技公司的錄取通知。

幫面試者「作弊」拿到科技公司的Offer，Interview Coder是怎麼運作的？

Interview Coder的運作很簡單。其實相當於「你拍一張照，然後問ChatGPT『你能解決這個問題嗎』」Roy解釋，科技公司用來監視應徵者螢幕的程式，完全無法看到Interview Coder。他便是利用這款工具成功獲得多家科技公司實習機會，「我錄下了和亞馬遜的面試過程，作為產品的最終演示，證明這種方法是有效的，招募流程已經被攻破。」

亞馬遜得知真相後非常憤怒，並向Roy就讀的哥倫比亞大學施壓，要求校方對他進行處分。Roy因此被停學一年，但決定踏上創業路的他對此一派輕鬆，還聲稱自己可能會早一步主動離開學校。

Roy表示，他原本就沒有考慮進入亞馬遜、Meta或TikTok工作， 只是為了證明科技公司的技術測試早已是跟不上時代、徒增面試者痛苦的陳舊把戲 。

現在他以每月60美元的訂閱價格提供Interview Coder服務，還找來網紅替他行銷這款AI面試工具，預計今年5月中就能實現100萬美元年經常性收入（ARR）。

科技公司測試寫程式能力的Leetcode，為何成了工程師夢魘？

Roy曾經很嚮往在科技公司工作，但他的想法在花費多達600個小時在Leetcode練習後，產生了改變。「這是我學寫程式過程中最痛苦的經歷。」刷題的過程使他苦不堪言，「技術面試20年來都是如此，這太荒謬了。」

Leetcode是眾多科技公司用來評估工程師技術能力的試驗軟體，並提供大量習題供工程師線上練習。Meta、Google、亞馬遜等公司都用Leetcode來篩選應徵者。也因為Roy對Leetcode的反感，點進Interview Coder官網首頁便可看見醒目的「F*ck Leecode」。

Roy指出，Leetcode的考題很多都過於困難，且與工程師實務上的工作內容脫節。「關鍵在於你有沒有看過類似題目、記住解法，然後演得像第一次看見這題目。」他強調，「很多題目的答案都是演算法化的，根本不能代表一名工程師的工作內容。」

事實上，與Roy同樣對Leetcode抱持負面看法的工程師大有人在。根據《CNBC》報導，Meta工程師萊恩．彼得曼（Ryan Peterman）去年12月在Substack的文章中寫道，「每次我提到面試，都會聽到關於Leetcode的沮喪評論。」當時他試圖透過文章向讀者解釋，為何Leetcode這麼惹人厭，卻還是受到科技公司大量採用。

Interview Coder自然也不會是第一款提供作弊服務的面試工具，競品Leetcode Wizard行銷總監伊莎貝爾．德弗里斯（Isabel De Vries）便表示，「我們的產品，就是起源於許多用戶遭遇到同樣的煩惱。」

延伸閱讀：台積電工程師的一天！6AM～10PM時程表一次揭曉，還有「台積電之歌」

Leetcode崛起背景與工程師面試現況

但像Interview Coder這樣的服務能夠發揮作用，最根本的原因是疫情時期許多科技公司轉為線上面試，這樣的作法因為更省時省力、可以接觸到更廣泛的人才而被延續至今。這種作法起初非常便捷有效，直到近年大型語言模型登場，AI擁有協助工程師生成程式碼的能力。

AI已經是工程師的得力助手。程式問答網站Stack Overflow在2024年度調查中發現，已經有超過60%工程師在開發過程中使用AI，並有另外14%開發者計畫未來使用。Meta FAIR基礎AI研究團隊研究科學家法蘭索瓦．弗勒雷（François Fleuret）曾透露，他向所有遇到的軟體公司詢問有多少比例程式碼是由AI生成，得到的答案「很少低於40%，對一些年輕工程師來說更超過90%。」

延伸閱讀：工程師生態大轉變！老鳥怨新人：被AI慣壞，連程式都不會寫了⋯掀兩派論戰

事實上，許多科技公司早已公開擁抱AI技術，Google執行長桑德爾．皮蔡（Sundar Pichai）去年曾在財報會議上透露，公司內超過25%的新程式碼都是由AI生成；加密貨幣交易所Coinbase創辦人布萊恩．阿姆斯壯（Brian Armstrong）也表示，公司內所有工程師都在使用AI開發工具Cursor。

AI技術如此普遍的情況下，「假設應徵者不會使用AI的面試根本沒有道理。」Roy認為，科技公司應該就AI普及的現狀調整面試流程，而不是懲罰使用AI技術的應徵者。

Roy相信Leetcode對工程師群體是一種負擔。「科技巨頭沒有改變的動力。Leetcode是一種對他們有用的低劣系統，但它對全球開發生態造成巨大的負面影響。」Roy強調，「這種對解決問題能力進行標準化測試的嘗試，在當下的世界已經過時了。」

延伸閱讀：年薪中位數Top10產業出爐！2類工程師薪水「漲幅逾70%」，半導體、金融穩居前段班

Google考慮恢復實體面試，就為避免AI影響

AI已經成為求職過程中常見的幫手。創業解決方案公司Studio.init創辦人亨利．科克（Henry Kirk）提到，去年6月他為了招募工程師舉辦了一場線上程式比賽，有多達700人申請參賽，但他發現超過一半的人使用包括AI在內的方式作弊。

AI的影響甚至使得Google考慮恢復實體面試。《CNBC》指出，「能否恢復實體面試」便成為今年2月Google員工大會上其中一個討論話題。當時招募副總裁布萊恩．王（Brian Ong）提到，公司正努力因應AI對面試的影響，這也是「所有競爭對手都在關注的問題。」

當時執行長皮蔡便建議改為混合面試，「由於我們是混合辦公，我認為可以考慮將部分面試安排為實體，這也有助於應徵者了解Google文化，對雙方都有幫助。」

更諷刺的是，Claude系列模型開發商Anthropic今年就為應徵者制定一項「AI政策」，要求應徵者不要在求職過程中使用AI技術，「雖然我們鼓勵人們使用AI系統提升工作效率，但請不要再申請過程中使用AI助理，我們希望在不經由AI的情況下，了解你對Anthropic的興趣，以及你的溝通技巧。」

應徵求職並不像在學校考試那麼單純，使得利用AI工具提升表現是否錯誤很難取得各方共識，但無論這究竟是破壞企業信任的取巧手段，還是推動科技業面試流程革新的作法，AI對求職過程帶來的衝擊勢必會繼續下去。

延伸閱讀：
程式設計師職缺大衰退！美國統計：跌回1980年代網路普及前水準⋯是AI惹的禍？
不寫程式碼也能開發產品！Vibe Coding是什麼？3款好用AI工具＋6步驟教學一次看

資料來源：CNBC、Gizmodo、Ubergizmo

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。