人資的 AI 應用:履歷初篩與內部問答

HR 大概是最常被 AI 供應商推銷、也最常買錯東西的部門。市面上的「AI 人才分析」「AI 面試官」聽起來很未來,但我們跟不少人資主管聊過,真正每天在燒他們時間的,是很土的三件事:寫 JD、看履歷、回答員工重複問了一百遍的問題。這篇就談這三個最快見效的場景,以及一條不能踩的線。

JD 撰寫與履歷結構化:招募端的例行公事

先講 JD。多數公司的職缺描述是從舊檔案複製改兩行,結果寫出來的東西跟市場脫節,吸不到對的人。用 LLM 起草 JD 的正確姿勢,不是「幫我寫一個工程師 JD」,而是把用人單位主管訪談的重點丟進去——這個角色前三個月要解決什麼問題、團隊現況、真正的必要條件與加分條件——讓 AI 整理成結構清楚的職缺說明。草稿十分鐘出來,人資把關語氣與雇主品牌。

再講履歷。收到上百封履歷時,真正的痛不是「看不完」,是格式亂七八糟:有人用 PDF、有人貼連結、經歷順序各寫各的。AI 最擅長的就是把非結構化文件整理成一致格式:年資、技能、相關經歷對應職缺條件的摘要,讓人資和用人主管用同一張表快速討論。

紅線:AI 可以整理,不該淘汰

這裡必須停下來講清楚。「履歷初篩」四個字,我們的定義是整理與摘要,不是自動淘汰。讓 AI 直接刷掉候選人有兩個問題:一是模型會放大訓練資料裡的偏見,學歷、性別、年齡的歧視可能在你看不見的地方發生;二是就業服務法對就業歧視有明確規範,「是演算法決定的」在法律上不會是藉口。

我們建議的做法:AI 產出每份履歷的結構化摘要與「與職缺條件的對應說明」,排序可以參考,但每一個「不面試」的決定都要人看過。省下來的是閱讀與整理時間,保留下來的是判斷責任。

招募 AI 的分寸:讓 AI 讀履歷可以,讓 AI 決定一個人的機會,不行。

內部問答機器人:HR 最被低估的解方

「特休怎麼算?」「加班費申請流程?」「勞健保眷屬加保要什麼文件?」——這些問題的答案都寫在員工手冊裡,但沒人翻,大家都直接問 HR。每個問題三分鐘,一天十個問題,一年下來是驚人的隱形成本。

把員工手冊、規章、常見流程建成知識庫,接上檢索式的問答機器人(也就是 RAG 架構,原理可以看這篇白話解釋),放在公司內部的通訊軟體裡,員工隨問隨答,答案還會附上出處條文。我們的實務建議有兩個:第一,先整理文件再上機器人——如果手冊本身過時、版本打架,AI 只會把錯的答案講得更有自信;第二,涉及個人的敏感問題(薪資、考績、個案爭議)要設計成「引導找 HR 真人」,不要讓機器人硬答。

從哪一個開始?

三個場景裡,我們通常建議從內部問答開始,因為它風險最低、感受最直接——員工第一週就會有感,HR 立刻少掉一堆打斷。招募端的 JD 與履歷整理次之。至於市面上那些宣稱能「預測員工離職」「分析面試微表情」的產品,我們的建議是省下這筆錢,那是把不成熟的技術用在最需要謹慎的地方。

如果你的團隊想評估這幾個場景怎麼落地、知識庫該怎麼整理,我們的AI 應用開發服務做過類似的建置,歡迎聊聊。