求職別再海投履歷!3個LinkedIn實用技巧,讓好工作主動上門找你
求職別再海投履歷!3個LinkedIn實用技巧,讓好工作主動上門找你

你還在海投履歷嗎?如果是,你可能正在做一件最沒效率的事。

波士頓資深職涯顧問沃登(Emily Worden)直言:「十年前的就業市場簡單直接,現在則完全是場災難。」AI搶工作、企業精簡人力、大裁員潮,讓更多人搶更少職缺,連過去搶手的人才都找不到工作。

更糟的是,AI讓求職變得「太容易」,根據英國CV-Library調查,44%企業表示收到AI生成的求職申請暴增。人才機構TMP策略夥伴辛普森(Kelly Simpson)透露:「我們看到一個職位在短短2天內湧入300份申請。」

求職者「廣撒網」,讓30%企業抱怨申請品質低落,27%表示審查履歷更加耗時,甚至有四分之一招募人員開始主動忽略AI生成的申請。因此,學會聰明求職,比盲目投履歷更重要。

以下是她認為,在這個時代最適合的求職技能。

實戰技巧一:履歷投遞是最後一步,先做「關鍵字工程」

沃登顛覆傳統觀念:「投遞履歷應該是求職的最後一步。」她發現最容易碰壁的是「什麼都會一點」的人,缺乏明確定位。

具體操作法:

  1. 蒐集目標職位描述:找3-5個心儀職缺的工作內容,提取關鍵字和用詞。
  2. 植入關鍵字:將這些關鍵字直接放入LinkedIn標題、技能清單和履歷要點。
  3. 具體化描述:如企業重視「跨部門協作」,就寫「主導跨部門協作專案,整合行銷、業務、產品三部門資源,提升專案效率30%」。

實戰技巧二:人脈比履歷更重要,「精準社交」勝過海投

「寧可發送100封人脈拓展訊息,也不要投遞100份工作申請,」沃登強調。原因很現實:招募人員人手不足,能過關的通常是有推薦、有關係,或職缺發布幾小時內就投遞的人。

擴大人脈圈的三步驟:

  1. 找共同點:同學校、同地區、同組織,用LinkedIn篩選功能。
  2. 問具體問題:避免「想聊15分鐘」,改問「我看到你考取了PMP證照,正在考慮,你會推薦嗎?」。
  3. 擴大接觸面:別只找同行,房仲、髮型師、募款人員、社區領袖都是「人脈王」。

實戰技巧三:LinkedIn演算法攻略,讓機會主動找上門

LinkedIn已成求職新戰場,演算法獎勵兩種行為:分享知識和互動參與。因此,你可以通過以下方法與人建立連結。

  1. 製作意見領袖、行業專家追蹤表:列出該領域重要人物,定期追蹤他們動態。
  2. 評論比發文更重要:在意見領袖、行業專家的貼文下留言,這是最低門檻的曝光方式。要注意的是,你該提供具體見解而非「+1」、「同意」,例如「我在OO公司也遇過類似挑戰,我們的解法是...,效果不錯」。
  3. 互動後建立連結:有人回覆你的評論時,主動發訊息建立關係。如:「謝謝你深具洞察力的評論,我希望擴展在○○領域的人脈網絡,不知道能否與你建立連結?」。

適時休息,保護求職續航力

沃登觀察到許多求職者「悲傷、挫敗,害怕再也找不到工作」,她強調:「問題不在你,是市場太競爭。」因此設定固定求職時段很重要,其他時間專心做讓自己快樂的事。同時建議記錄每個小進展,像是「今天得到了回覆」或「擴展了人脈」,累積成就感。

在AI當道、競爭白熱化的時代,傳統「大量投履歷」策略已失效。精準定位、經營人脈、善用平台,才能脫穎而出。

延伸閱讀:工作越忙不代表越高效!揭開八種累死你的「隱形浪費」
外商主管秒看出你不專業!5個英文履歷錯法一次看

本文授權轉載自商業周刊

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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