生成式 AI 正從辦公室走進人資部門，線上職缺動輒上百萬人投履歷，錄取率卻低到比申請哈佛還難。企業靠演算法大幅壓低招募成本、加速篩選，但新鮮人與一般求職者被排除在外的風險同步飆升，勞動市場結構正被無聲重塑。

全球職場正悄悄上演一場「AI 招募革命」，而且對多數求職者來說，這場革命一點也不浪漫。以總部遍布多國的薪資管理公司 Deel 為例，該公司目前約有 7,000 名員工，去年竟收到高達 130 萬份線上應徵履歷。最終錄取人數只有 2,900 人，錄取率約 0.2%，比申請美國名校 Harvard University（哈佛大學）的錄取機率更低，堪稱「職涯地獄級難度」。

Deel 之所以能在海量履歷中快速淘汰絕大多數人，關鍵就在於 AI 初篩系統。過去需要 HR 團隊手動閱讀的履歷，如今先被演算法「掃描」一輪，符合關鍵字、學經歷條件或特定模型偏好的少數人才有機會進到真人審查。對企業來說，這是效率與成本的巨大勝利：在遠距工作與跨國招募成為常態後，一個職缺動輒吸引全球數萬人投遞，沒有自動化工具幾乎無法運作。

然而，對求職者而言，AI 招募正在把原本就競爭激烈的市場，推向近乎殘酷的賽局。Deel 經濟學家 Lauren Taylor 就坦言，她「不會建議」求職者用 AI 自動生成大量制式履歷瘋狂投遞。理由很現實：當雇主已經用演算法大砍履歷，如果求職者再用機器人產出的千篇一律文件應戰，雙方只是在資訊噪音中互相拉高門檻，真正具備潛力的人反而可能被淹沒。

從更大的勞動市場結構來看，AI 招募加劇了原本存在的「贏者全拿」現象。具備名校學歷、熱門技能或曾在知名企業任職的少數人，更容易被模型判定為「高分樣本」而持續獲得面試機會。相反地，職涯非典型、轉職者或來自發展中國家的優秀人才，若履歷格式、關鍵字沒有對準系統偏好，可能在第一輪就被刷掉，甚至連被人類看到的機會都沒有。

這樣的發展，也與其他產業的 AI 應用形成微妙對比。像 Palantir Technologies(PLTR)等軟體與資料分析公司，正因為協助政府與企業處理海量資料、建構 AI 決策系統而被華爾街看好；Booz Allen Hamilton(BAH)則在國安與網安領域，積極投入「agentic AI」世代的解決方案。這些公司在財報與法說會上，不斷強調 AI 如何提升客戶效率、減少人力依賴，但對於這些技術一旦被拿來管理一般員工、甚至決定誰能拿到工作，整體社會成本與風險仍少有正面討論。

值得注意的是，即便在 AI 應用高度成熟的產業，企業對人力的依賴並未完全消失，而是轉向更高門檻的型態。像 Deel 這類跨國平台，透過自動化縮減初階招募成本，同時需要更多資料科學家、演算法工程師與法遵人員來確保系統運作；顧問龍頭 Booz Allen 也明白指出，未來成長動能之一將來自「不再與人頭數綁死」的高附加價值服務，透過 IP、固定價格與績效導向合約撐起營收。換句話說，中低階工作機會收縮，高技能人才重要性反而被放大。

在公平性與監管面向，AI 招募也引發強烈爭議。演算法究竟如何判斷「適合」與否，多半是企業的商業機密，外界難以檢視是否存在性別、年齡、地區甚至學校背景的系統性偏見。當求職者連被拒絕的原因都不知道，自然更難修正履歷或策略，形同在黑箱中盲目競賽。部分評論已將這種現象視為新型態的「數位階級化」，讓原本就弱勢的群體在求職市場更加邊緣化。

不過，也有勞動與科技領域專家提醒，求人不如求己，求職者若一味把希望寄託在線上投履歷，恐怕只會成為 AI 篩選的犧牲品。相較之下，精準鎖定少數高度匹配的職缺、客製化投遞內容，再配合實體或線上人脈拓展、主動接觸目標公司的 hiring manager，仍然是打破演算法壟斷的關鍵。從這個角度看，AI 並沒有完全關上大門，而是逼著求職者回到最傳統卻最有效的方式：少量精準，而非海量亂槍打鳥。

展望未來，AI 在招募領域的滲透只會更深，不會退潮。對企業而言，如何在效率與多元、公平之間拿捏平衡，將直接影響雇主品牌與監管風險；對各國政府來說，是否需要為演算法招募建立透明度與申訴機制，也將成為勞動政策的新課題。至於每一位求職者，更迫切的問題是：當錄取率比哈佛還低的 AI 招募時代已經來臨，你還能用十年前的方式找工作嗎？

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。