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

AI「作弊」應徵上工程師！他惹怒亞馬遜、被停學，卻快實現100萬美元年收了

一位韓裔學生取得亞馬遜等眾多科技公司的實習機會，但他沒有要去科技巨頭工作，而是要以他自己撰寫的AI面試工具「Interview Coder」創業。

AI「作弊」應徵上工程師！

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。」

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

AI面試OK嗎？

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。」

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。

本文合作轉載自：數位時代

資料來源：CNBC、Gizmodo、Ubergizmo

優勢1：粉絲行動力，讓流量成為可被驅動的力量

首先以粉絲行動力來看，TVBS 五大 IP 所累積的不只是龐大流量，更是一群具高度參與意願與實際行動力的受眾。

舉例來說，《TVBS 新聞網》透過民調機制，讓 600 萬粉絲在接收資訊的同時，也能即時表達觀點，持續強化互動率。《健康 2.0》則是憑藉上千位醫師與專家背書，建立品牌信任度，使內容不僅被閱讀，更進一步被民眾採納與依循。《食尚玩家》透過手機 App 提供優惠券，串起從內容瀏覽到實際消費的完整路徑，不但在短時間內領取一空，更造就極高的優惠券兌換率。而《女人我最大》粉絲則展現強大購買力，例如2025年「頂級之夜」活動，於一週內成功完售合作品牌的商品。

「這些深耕不同垂直領域的 IP，所累積的正是品牌主最核心的目標受眾，也是品牌體驗能真正落地與轉換的關鍵基礎，」郭瀧億說。

優勢2：跨產業數據力，多維度描繪受眾樣貌

接著以跨產業數據力而言，TVBS 整合五大 IP 所打造的垂直數據聯網，不僅能完整描繪消費者樣貌，更能精準預見受眾在不同領域中的真實需求。

相較於一般數據公司多從單一媒體流量切入，所掌握的數據多停留在興趣層面，TVBS的垂直產業數據聯網涵蓋多元面向，從《女人我最大》的女性消費、《健康 2.0》的醫療保健、《食尚玩家》的休閒旅遊，到《地球黃金線》的交通工具，在每一個垂直領域中，持續累積消費者由「初步接觸、產生興趣到實際行為」的轉化歷程，建構出具備產業厚度的數據基礎。郭瀧億進一步說明，這些數據已整合在單一平台，不僅能掌握用戶在不同情境中下的真實行為樣貌，也能清楚勾勒出受眾輪廓，而非只是零散的興趣標籤。例如一位在《地球黃金線》關注休旅車的用戶，可能同時在《食尚玩家》搜尋露營場、在《健康 2.0》查詢戶外防蚊資訊，這些跨場景的行為，正是品牌理解顧客需求的重要線索。

郭瀧億認為，這樣的數據能力可為品牌帶來兩大效益：一是達成數據行銷破圈，擴大目標受眾來源，不再侷限於單一產業族群；二是可依據行銷目標，精準對應行銷漏斗中的不同階段，選擇最適切的溝通對象。進一步而言，這些數據亦可在多次行銷活動中持續累積與回饋，協助品牌鎖定高潛力族群，成為下一波溝通與轉換的依據，讓行銷從單次觸及，升級為可持續優化的經營機制。

優勢3、消費洞察力，提高行銷決策精準度

再者是消費洞察力，TVBS在既有垂直數據基礎上，進一步與 CMoney 發票數據合作，將內容瀏覽、廣告互動與實際消費紀錄等數據整合，讓分散的數位足跡串連為完整的消費旅程。對廣告主而言，TVBS將線上線下的數據加以整合應用，相當於建構了一套從引發消費意圖到消費成效驗證的科學行銷系統，並可依據廣告主不同階段的行銷需求，極大化數據在實務操作中的轉換價值。實證發現，知名保險業者推動「旅平險」，透過這套數據整合方案，鎖定特定時間內訂機票、飯店、遊樂園的消費受眾，其成效可提升至三成。另一則案例，保健食品藉由兩波廣告活動證實，運用TVBS受眾包進行「導流」，成效表現可成長二至三成；如果運用TVBS受眾包進行「轉換」，則幫助轉換效率提升二成左右。

郭瀧億再次強調，TVBS數據池的關鍵優勢，不只能觀測流量，更透過線上問卷等多元互動機制，邀請使用者主動分享需求與偏好，累積所謂的「0 方數據（Zero-Party Data）」。這類由消費者主動告知的「真實」數據，一來可讓 TVBS 更理解消費者在美妝保養、醫療保健、交通工具等特定產業的真實偏好與未來採購計畫，二來協助 TVBS 建立領先市場的預判能力，可以在消費者做出決策之前，協助品牌提前佈署關鍵接觸點，再結合發票數據去驗證轉換成果，使品牌能夠真正做到在對的時間、對的 IP，與對的人溝通。

在 AI 重塑內容與行銷邏輯的浪潮下，TVBS 正加速朝向「生態系聯盟變現」的商業模式發展。未來，TVBS 不只扮演內容傳遞者的角色，更進化為「一站式解決方案」的 MaaS (Media as a Service)平台。透過 IP 串接背後的垂直產業生態，讓消費者在獲取資訊的當下，即可在平台內做好決策，或直接找到並購買合適的解決方案，無須在不同平台間來回跳轉。同時，也讓品牌能在同一平台上完成溝通、轉換與數據回饋，建立一個彼此共生共榮的獲利模式。