摘要
當履歷量上升但 HR 人手未同步擴充時，常會遇到「重複比對、標準不一、追問方向不明」等瓶頸。AI 履歷篩選能將 JD 轉化為可測量的條件進行語意比對，快速產出排序並給出面試追問的線索，隨後交由 HR 進行邊界覆核。流程和校準是關鍵，而不只是在於自動化。
為什麼初篩會發生瓶頸
口頭需求與書面 JD 的不一致、不同同事的判斷標準不同，以及缺少「硬門檻／加分項」的明確分層，這些因素都可能導致初篩速度緩慢且難以解釋。必須先將錄用條件書面化，才能讓 AI 有一個穩定的輸入源。
人工初篩與 AI 輔助初篩比較
| 面向 | 傳統人工 | AI 輔助（含覆核） |
|---|---|---|
| 吞吐容量 | 受人力與疲勞限制 | 批次解析與排序，HR 看邊界案例 |
| 一致性 | 依個人經驗不同而漂移 | 同一套規則版本，並進行抽查校準 |
| 追問準備 | 依靠記憶和筆記 | 系統化的缺口分析和追問建議 |
| 稽核 | 紀錄零散 | 可綁定規則版本與決策紀錄（依平台而異） |
90 天導入計劃（簡化版）
- 第 1–2 週：選擇 1–2 種職類，完成書面化硬門檻與加分項。
- 第 3–4 週：進行小樣本校準，對齊「高分／中分／低分」的敘述錨點。
- 第 5–8 週：進入正式流量，每週抽查 5–10%，進行 JD 和規則的 changelog 調整。
- 第 9–12 週：檢視 KPI，決定是否擴展到其他職類或與 ATS 接軌。
風險控管
應避免單一分數決定淘汰候選人；敏感特徵相關法規要求應由法務或人資政策來定義。若平台具有 ISO 42001 等治理認證，則可作為採購或內控的參考。
與主管協作的節點
在初篩後產出的「排序＋缺漏＋建議追問」結果，建議在固定會議中攜帶 3–5 份邊界履歷與主管共同閱讀，確定什麼算是「可談、再觀察、不適合」。這樣的共識可回寫成規則說明，並作為下週抽查的樣本指引。此方法比單純寄送列表更能減少從面試到 offer 的落差。
常見問題
以下為企業主與 HR 最常詢問的重點：
AI 履歷篩選會取代 HR 嗎？
不會。AI 負責比對、排序與缺漏提示；錄用與例外判讀仍由 HR 與用人主管依政策決定。
多久能看到成效？
多數團隊 4–8 週內可觀察時間縮短及回覆時效改善；需要定期的小樣本校準。
如何避免關鍵字誤殺？
必須以語意層級對齊職能，並保留「邊界池」供人工複核；JD 應區分硬門檻與加分項。
要追哪些 KPI？
建議包括 time-to-shortlist、初篩一致率（抽查）、面試到 offer 轉換、候選人回覆滿意度等。
與 AI 面試如何銜接？
履歷分析產出追問方向後，進入結構化非同步面談，形成一個完整的證據鏈；具體可參考本站的標準化面試文章。