生成式AI全面滲透招募流程，從職缺描述、徵才訊息到履歷篩選與視訊面試皆被演算法重塑。看似提升效率，卻可能放大過往偏見、增加求職者被拒挫折，並讓「標準化AI履歷」成為新門檻，企業與應徵者恐在不知不覺中被改寫職涯規則。

生成式AI在職場應用的第一波討論，多聚焦於哪一些工作會被機器取代。然而，真正快速變化的戰場，其實是更前端的一環：企業到底用什麼標準決定「誰有資格踏進面試門口」。從職缺設計、人才招募到履歷篩選，AI正在悄悄改寫勞動市場的遊戲規則。

過去，人資與主管會依公司策略與實際需求，一條一條寫出職缺內容與能力條件。如今，愈來愈多企業導入生成式AI，讓系統從海量歷史職缺與勞動市場資料中，自動生成新的職務說明或技能清單。表面上看似提高效率、補足人力資源部門時間不足的問題，但英國倫敦商學院(London Business School)教授Isabel Fernandez-Mateo提醒，這也代表AI極可能複製過往的用人假設與偏見，將老舊的職涯範本「包裝成」新時代需求，長期下來反而讓僵化的職務想像被演算法固化。

更關鍵的是，AI不只在分類履歷，更在塑造「誰會看到這個職缺」。企業以往仰賴求職網站、內推或獵頭，如今可用生成式AI一口氣產出多種版本的徵才文案，針對不同族群與平台微調語氣、強調點，再搭配演算法，在專業社群自動搜尋符合條件的人選、發出客製化邀請。理論上，這種精準觸及可以把機會帶給本來不會主動投遞的人；但若演算法是用既有員工樣貌作為模型，就可能只鎖定「看起來很像我們現在的人」，讓本來就被排除在外的群體更難被看見。

當徵才訊息開始由AI進行大規模、隱形的「個人化推播」，應徵者其實難以察覺自己是如何被篩選進或篩選出。研究顯示，招募文案中一些看似細微的字眼，就足以影響誰願意投履歷；若這些措辭由AI在巨量規模上自動調整，整體應徵者組成可能被悄悄扭曲，卻難以用傳統方法監督與糾偏。

在選才階段，生成式AI的存在更是無所不在。企業本就長期使用演算法掃描履歷關鍵字，如今更進一步導入可以分析錄影面試、根據應答自動出題的互動工具，大幅擴張一次處理的應徵者數量。對企業而言，這無疑帶來成本與時間上的優勢；但對求職者來說，門看似變多，實際競爭卻比以往更激烈。

同一時間，求職者也在大量使用生成式AI寫履歷、撰求職信、模擬面試問答。投遞一份「精準對應職缺」的履歷成本幾乎趨近於零，於是企業收到的應徵信件暴增。結果就是一個弔詭局面：招募效率提升了，篩選也更快了，但被拒絕的頻率同步飆高。研究指出，屢屢遭到拒絕會讓人質疑招募流程的公平性，甚至對自己的能力產生長期懷疑，這種心理負擔，對原本就處於弱勢的族群——例如在某些領域比例偏低的女性或少數族裔——打擊更重。

另一項隱憂是「AI標準化履歷」的普及。企業資源較多，有能力率先導入新工具並定義遊戲規則；求職者多半只能依賴市面上免費或低價的AI服務。當大型企業逐漸預期拿到的履歷都會符合某種AI優化格式，這反而會讓不使用或不熟悉這些工具的人被視為「不專業」。履歷、求職信變得外觀完美、語句流暢，卻越來越像彼此的複製品，使得雇主更難看出候選人的真正差異與潛力。

面對這股浪潮，一些人主張應全面擁抱AI招募，認為統一格式、演算法篩選反而能減少人為偏見；反對者則擔心，當AI是以過去決策資料訓練，本質上只是把舊有不公平「自動化」，甚至強化它。Isabel Fernandez-Mateo也強調，生成式AI固然能處理大量資訊、接手例行作業，但「誰值得被給予機會」本質上仍是高度情境化且涉及價值判斷的問題，很難單靠資料完全捕捉。

對企業決策者而言，問題已不再是要不要在招募導入生成式AI，而是「怎麼用才負責任」。這意味著必須追問：系統是用哪些資料訓練？在什麼環節對應徵者造成看不見的門檻？有沒有機制定期檢視不同性別、年齡或背景的通過率差異？以及，是否刻意保留足夠的人為判斷空間，來反思演算法篩出的結果。

隨著科技巨頭如Microsoft(MSFT)、Nvidia(NVDA)加速推出AI工具與運算平台，企業採用生成式AI進行人資管理與招募只會愈來愈普遍。真正關鍵的變化，或許不是某一天「機器取代了人資主管」，而是某些人才從一開始就再也看不到職缺、無法跨過履歷初篩這道看不見的牆。未來全球勞動市場將如何在效率與公平之間找到平衡，將決定AI時代的職涯流動是更開放，還是更封閉。

點擊下方連結，開啟「美股K線APP」，獲得更多美股即時資訊喔！
https://www.cmoney.tw/r/56/9hlg37

免責宣言
本網站所提供資訊僅供參考，並無任何推介買賣之意，投資人應自行承擔交易風險。