摘要
許多團隊導入 AI 面試後成效起伏，主因是只有工具而沒有「題綱結構、評分錨點、校準節奏」。把面試拆成可重複的題組與評分標準，並固定抽查與版本紀錄，才能在提升吞吐的同時，讓不同主管看到的結論更接近可比較。
標準化的三支柱
- 題組結構：情境、行為、職能證據分層，避免隨機發問。
- 評分標準：每個維度有行為錨點與證據定義。
- 校準：週期性對齊分數漂移，並保留版本。
電話初篩、同步視訊與非同步 AI 面試比較
| 方式 | 排程成本 | 紀錄與可比性 |
|---|---|---|
| 電話初篩 | 中高（來回喬時段） | 依賴筆記，尺度易漂移 |
| 同步視訊 | 高 | 可錄影但仍需評分標準才可比較 |
| 非同步結構化 AI 面試 | 低 | 固定題組＋結構化片段，利於橫向比較 |
KPI 建議
除面試完成率外，宜觀察進入深談的合格率、offer 接受率、90 天留任，避免只看「面試人數」而犧牲品質。
治理提醒
告知候選人流程目的與資料用途，並保留申訴與人工覆核；與稽核需求並行時，參考本站「稽核就緒招聘」一文。
導入後的週期性維運
題組上線不是終點：建議每季（或職缺旺季前）盤點一輪「通過率分佈、邊界案例、主管深談後錄用率」，對照職能假設是否仍成立。若職系或客戶結構明顯改變，應觸發題本改版而非只在後台調權重；每次改版要留下 changelog 與生效日，與人才分析報表併讀，避免歷年數據不可比。
與履歷篩選、ATS 寫回銜接時，請使用同一套職能語言與候選人主鍵，減少雙系統敘事不一致。涉及個資與就業相關程序，以貴公司內規與適用法令為準；本文非法律意見。
常見問題
以下為企業主與 HR 最常詢問的重點：
AI 面試能取代真人面試嗎？
通常用於初篩與結構化證據收集；文化契合與高階判斷仍仰賴真人深談。
先導入哪類職缺較穩？
量大、流程可結構化者，例如客服、業務、初階工程；高階職可縮短題組作為補充證據。
如何避免題目外洩？
題本版本輪替、情境參數化、效期與重考政策；並限制下載與分享權限。
校準會議要做什麼？
對同一批匿名作答評分，對齊分歧，更新評分標準錨點與題本 changelog。
與履歷篩選如何分工？
履歷處理硬條件與排序；AI 面試補齊溝通與行為證據，兩者應共用同一職能語言。