五十份申請、五個面試名額、一個下午。招聘悄悄出錯的地方就在這裡:不在面試,而在匆忙進行的第一輪篩選。AI履歷篩選承諾可以解決這個問題,而一個簡易聊天機器人只能解決一半。貼上一份履歷,問「這份履歷好不好?」,你會得到一個信心滿滿、卻沒有任何評判標準支撐的答案。用同樣方式詢問十名候選人,你會得到十個答案,而每個答案背後的評判標準都略有不同。
這個主題的大多數文章完全略過了另一個問題,而這個問題可能讓你面臨申訴,而不只是失去候選人:越來越多地區開始監管篩選軟體,而且義務落在雇主身上,而非供應商身上。在進入操作方法之前,值得先把這一點弄清楚。
截至2026年9月,AI篩選受到監管的地區
這不是法律建議,而且規則仍在變動;在部署任何工具前,請查閱您所在司法管轄區的規定並尋求適當的專業建議。不過,以下是整體概況,因為關於這個關鍵字的大多數指南仍在引用已經變更的日期。
| 適用地區 | 適用內容 | 自 |
|---|---|---|
| 紐約市 | 第144號地方法律。自動化就業決策工具在使用後一年內需要接受獨立偏見稽核、公開結果摘要,並在使用前至少10個工作日通知候選人。 | 自2023年7月5日起強制執行 |
| 伊利諾州 | HB 3773修訂《人權法》:在招募、聘用、晉升及相關決策中使用AI時必須通知,並禁止以郵遞區號作為受保護類別的代理變數。 | 2026年1月1日 |
| 加利福尼亞州 | 《公平就業與住房法》(FEHA)關於自動化決策系統的規定。是否有反偏見測試的證據,或缺乏此類證據,均與歧視申訴相關;而與自動化決策系統有關的紀錄必須保存四年。 | 2025年10月1日 |
| 科羅拉多州 | SB 26-189取代了較早的《科羅拉多州AI法案》。須事先通知、在不利結果出現後30天內提供通俗易懂的解釋、進行實質性的人工作業審查,並保存三年紀錄。 | 2027年1月1日生效 |
| 歐洲聯盟 | 《人工智慧法案》將招募與甄選視為高風險活動。自2026年7月27日起生效的《數位綜合法案》將這些義務的適用日期從2026年8月2日延至2027年12月2日,因此許多文章仍引用的期限已經過去,但那並不是實際期限。 | 自2027年12月2日起適用於高風險職務 |
| 美國,聯邦 | 《1964年民權法案》第七章與《美國身心障礙人士法》(ADA)一如既往地適用。無論篩選是由人員、供應商還是模型執行,差別影響均由雇主承擔責任。 | 生效中 |
以標準優先的篩選評分規準,對每位候選人以「進入下一階段」/「保留」/「不予考慮」呈現,附上兩到三個具體理由,將紅旗整理成篩選通話問題;此外還提供 Boolean 搜尋字串和來源搜尋命中清單,適用於申請資料根本沒有開始進來的情況。
查看 Alex 技能 →為什麼通用 AI 篩選具有風險
- 標準會漂移。 沒有任何基準約束單純的聊天機器人,因此第十份履歷不會像第一份那樣被評估。那不是候選人短名單,而是十個各自獨立的意見。
- 它會對錯誤訊號做出反應。 未經引導的模型可能會注意到姓名、大學或就業空窗期,但這些因素與某人能否勝任工作毫無關係。在伊利諾州,使用郵遞區號作為替代指標現在已被明確禁止,同樣的邏輯也適用於其他所有受保護類別的替代指標。
- 它過度自信。 它會直接判定不予考慮,而謹慎的人類可能會標記某些值得用五分鐘通話了解的事項。
- 它不會留下任何軌跡。 如果遭拒的候選人詢問原因,或監管機構提出要求,「模型說不行」並不是答案。每位候選人都有一套評分規準和一個理由,才是答案。
以標準優先的技能會帶來哪些變化
順序就是重點。Alex 不會在知道自己依據什麼標準評判之前就評估履歷:包括職務說明、真正的必要條件,以及與必要條件分開列出的加分條件。只有在這之後,它才會閱讀申請資料,而之後的每位候選人都會用同一把尺衡量。
結論會以「進入下一階段」、「保留」或「不予考慮」呈現,每位候選人附上兩到三個具體理由,而不是一篇長文,格式適合快速瀏覽 200 份履歷。紅旗會被整理成值得進一步了解的問題,而不是自動淘汰條件:「連續三段短期任職,值得在篩選通話中詢問」很有用;「就業歷史不穩定」則沒有。評估也只會根據與職務相關的證據進行。
它實際產出的內容
| 輸出 | 你會得到什麼 |
|---|---|
| 篩選標準 | 將必備條件淘汰因素與加分條件區別開來,並在閱讀任何一份申請之前先寫下評分標準,讓標準事後仍具備可辯護性 |
| 候選名單 | 針對每位候選人提供通過 / 保留 / 不通過及前兩至三個理由,方便大量快速瀏覽 |
| 標記分析 | 職涯發展、影響力指標、升遷模式、職稱灌水、含糊的成就與未解釋的空檔,均以通話時可進一步了解的事項呈現 |
| 布林搜尋式 | 可直接貼上的 LinkedIn、GitHub、Dribbble 與 Google X-Ray 搜尋式,並解釋每個元件及放寬或縮窄搜尋範圍的變體 |
| 人才搜尋 | 競爭對手人才地圖、按職位類型提供的管道建議,以及當主動投遞人才管道出現問題時使用的人才名單範本 |
| 電話篩選 | 依職位提供的問題指南、篩選筆記範本,以及按招募來源管道分析轉換率 |
開始使用的 prompt
先測試行為,再購買任何東西。關鍵在於第一則訊息完全不包含任何履歷:
你正在為以下職位篩選候選人。現在不要查看任何履歷。 步驟 1。根據這份職缺說明,提出評分標準。分為: - 必備條件:缺少此項即構成真正的淘汰因素 - 加分條件:在其他條件相當的候選人之間作為區別的因素 針對每一項,說明履歷中的哪些證據可以滿足該條件。 對任何其實是偏好而非必要條件的必備條件提出質疑,並說明原因。 步驟 2。等待我核准或編輯評分標準。 步驟 3。然後,針對我貼上的每份履歷,回覆: - 通過 / 保留 / 不通過 - 兩至三個具體理由,每項都連結至評分標準中的一行 - 電話篩選時要詢問的事項,以問題形式表述 規則: - 只根據與工作相關的證據評判。忽略姓名、年齡、地址、 照片、國籍、學校聲望與職涯空檔,除非職缺說明 職缺說明使其確實與工作相關。 - 絕不要僅因出現空檔或任職時間較短,就直接拒絕對方。 將其標記為問題。 - 如果履歷中沒有你需要的證據,請說「未 應說明「有證據支持」,而不是自行推斷。 職缺說明: [PASTE THE ACTUAL BRIEF, NOT THE JOB TITLE]
在閱讀任何履歷之前先核准評分標準,才能讓篩選保持一致;如果日後有人詢問如何作出決策,這也是你希望能拿出的紀錄。
如何讓人參與決策
- 保留評分標準,並註明日期。它是在你看到候選人之前撰寫的,而這正是其中最有用的事實。
- 在保留與淘汰界線上,親自閱讀每一份申請。摘要是提醒你注意的 prompt,不是取代你閱讀的東西。
- 不要依模型的分數排名。這正是紐約市規則所描述的模式,也是輔助工具與決策工具之間的差異。
- 記錄你推翻它判斷的理由,無論是採納或不採納。這些推翻判斷的紀錄,就是人類確實介入其中的證據。
- 確認你的 ATS 已經在做什麼。許多團隊擔心的是聊天視窗,卻忽略了自己的申請人追蹤系統可能已自動排名多年,而這更有可能符合該定義。
- 在將它用於紐約市、伊利諾州、加州、科羅拉多州或歐盟的實際職缺前,請留意相關建議並查核你的義務。相關責任由你這位雇主承擔。
它的不足之處
它無法驗證任何內容。履歷上的每項陳述都會照單全收,因此日期、職稱與學位仍需由你核實。它不知道在你的市場中,兩家相似的雇主哪一家更具代表性。它無法告訴你那些必要條件是否真的正確,只能判斷候選人是否符合你所寫的條件。而且,它篩選一份撰寫糟糕的職缺說明時,會和篩選一份優良說明一樣有自信,這也是為什麼前兩分鐘比接下來的五十份履歷更重要。
適用對象
適合需要處理大量招募工作的內部招募人員、在沒有人才團隊的情況下進行早期招募的創辦人,以及希望讓初步篩選更快速且一致的用人主管。它可在 Claude、ChatGPT、Gemini 或 Copilot 中運作。法律、HR 與人員營運系列涵蓋員工生命週期其餘階段的 52 個技能,而招募技能則涵蓋人才搜尋、面試與發出錄用邀請。
相關 Skill 指南
Alex - 履歷篩選 AI Skill
一個檔案。評分標準先於履歷出現,每個評判都附有理由,紅旗會以問題而非拒絕的形式呈現,而決定權始終在你手上。無需訂閱,永久歸你所有。
KissMySkills 是一個 AI 技能市集,提供超過 1,700 個 技能、50 多組 prompt 套組、55 個 代理,以及適用於 Claude、ChatGPT 與任何 AI 聊天工具的 免費工具。


