喬迪·貝格斯（Jodi Beggs）的履歷因為兩頁長度而被扣分。她在一份文件上使用了中間名縮寫，但在另一份上沒有，這也讓她失分。如果她將「percent」改為「%」符號，她的分數就會提高。

貝格斯是一位資料科學家兼求職者，她從一個線上系統獲得了這些回饋。這個系統會比較職位描述與申請者的資料，以評估兩者的匹配程度。其中最知名的工具是 Jobscan，儘管貝格斯沒有透露她測試的是哪一個。

貝格斯說：「如果我的工作是為了取悅機器人，那麼即使我不喜歡 AI 生成的內容，或許機器喜歡。」

Jobscan 和其他類似應用程式的運作前提是，招聘委員會會使用 AI 在其申請者追蹤系統（ATS）中自動評分和排名候選人。據信，只有前 10% 到 20% 的申請者會被考慮，而其餘 80% 可能永遠不會被看到。為了進入候選名單，求職者必須調整履歷和求職信的格式，並填入正確的關鍵字，以符合 ATS 的要求。

問題是，這個前提並不總是正確的。自動排名確實發生在某些組織中，但在其他組織，招聘流程仍然從頭到尾由人工親自管理。

申請者追蹤系統（ATS）的詛咒

最基本來說，ATS 會收集職位申請、協助招聘委員會審查，並追蹤申請者從面試到錄用的整個過程。有些系統提供更多功能，從入職管理到自動化的 AI 篩選面試。

ATS 公司 Greenhouse 的執行長丹尼爾·柴特（Daniel Chait）表示，關於這些工具存在許多傳聞，尤其是在求職者之間。沒有兩個 ATS 是完全相同的，技術變化也很快，因此 ATS 內的 AI 工具今天可能以一種方式運作，明天又以另一種方式。ATS 是否使用 AI，完全取決於具體的產品以及團隊支付和使用的功能。

無論如何，只要申請者相信 AI 參與其中，他們就會繼續嘗試使用自己的 AI 來「玩弄」這個系統。

將你的求職命運交給一個聲稱能為 ATS 優化的工具，是一個不穩定的主張。一位招聘人員證明，即使 Jobscan 分數很差，她仍然獲得了十幾個面試機會和一份工作。此外，Jobscan 每月費用為 30 到 50 美元，該公司並沒有動力讓你盡快脫離求職市場。

在一個低解僱、低招聘的經濟環境中，情況只會變得更糟。職位發布稀少，詐騙和「幽靈職位」（ghost jobs）問題嚴重到一些州正在考慮制定新法律來打擊它們。

求職者和雇主都表示他們正在經歷信任危機。候選人投入大量時間求職卻音訊全無，申請工作就像一個黑箱。

同時，一些雇主表示他們收到數百份幾乎一模一樣的申請。因此，他們將這些申請輸入到 ATS 的 AI 評分系統中，試圖快速區分。

柴特說，我們正處於一個 AI 的「末日循環」中。「我們面臨一個悲劇性的局面，雙方都有問題。他們都使用 AI 來解決自己的問題，但方式卻讓問題變得更糟。因此，更多的 AI 使用會引發更多的 AI 使用，對任何一方都沒有好處。這種情況越普遍，情況就越糟糕。」

人工審核與 AI 比較

我採訪了數十位招聘人員、人資經理以及自己招聘的小企業主。有些人承認他們使用自動化的候選人排名，有些人則堅決表示他們沒有。這種差異與組織規模甚至收到的申請數量無關，似乎是由企業理念和文化所驅動。

金·瓊斯（Kim Jones）是 Toshiba 的人資副總裁。她說：「我們有人工審查每一份申請。」她不介意申請者使用 AI 來潤飾他們的資料，但「這對通過 ATS 其實沒有太大幫助。」篩選申請者主要取決於職位要求、薪資期望以及其他一些因素，例如此人是否曾是公司的再聘員工。

她觀察到不樂見的 AI 使用是在面試階段。瓊斯說：「你會聽到停頓，或許聽到打字聲，然後他們會給出一個冗長的答案。」

另一家在招聘上更依賴人工而非技術的公司是 Doist。這是一家小型、完全遠端辦公的公司，進行國際招聘，這意味著當他們有職位空缺時，會收到大量的申請。

該公司的人力主管娜迪亞·瓦塔利迪斯（Nadia Vatalidis）表示，她的團隊進行了實驗，看看 ATS 排名是否有幫助。他們選取了已經填補的職位，並將職位描述以及招聘過程中保存的所有申請者資料輸入系統。瓦塔利迪斯說，他們想知道「如果 AI 必須從同一批候選人中篩選出短名單，我們面試過的人是否會出現在這些類別中。」

她表示：「在我們測試的兩個案例中，我們錄用的人並未出現在短名單中。」她說，獲得面試機會的人選有重疊，但他們的新員工，那些在六個月後表現出色的人，卻沒有通過 AI 的篩選。

不同的 AI 使用方式

當詹姆斯·雅各布森（James Jacobsen）五個月前開始找工作時，他投入在搜尋和申請職位上的時間相當於一份全職工作。作為一名設計專業人士，他知道 AI 在創意方面無法與他匹敵，但他大量嘗試使用 AI，並了解它在某些任務上是一個強大的工具。他使用 Claude 和 ChatGPT 來潤飾他的申請資料，並確保它們符合職位描述，但這並沒有帶來顯著的改善。

雅各布森沒有只專注於申請資料，而是開始使用 Claude 從頭到尾簡化和追蹤他的求職過程。他指示 AI 搜尋職位列表、分析職位描述並記錄下來。他設計了一個精密的評分系統，根據工作類型、資歷以及他對現場、混合和遠端職位的不同薪資要求。他的 AI 助理會標示出他應該申請的最佳職位。

當他拒絕一個職位時，他會添加備註，這樣如果同一個職位幾週後重新發布，他的 AI 就能立即提醒他為何不感興趣。他花費更少的時間搜尋，卻能找到更多高品質的職位。他獲得了一些面試機會，但沒有收到錄取通知。

他有效地建立了一個與 ATS 相反的系統，一個專為求職者設計的追蹤系統。

他並沒有就此打住。接著，雅各布森請 Claude 和 ChatGPT 評論他的作品集，這導致他花了六小時進行修改。兩天後，他接到了一位潛在雇主的電話，但最終仍未收到錄取通知。

柴特說，像雅各布森這樣的求職者正在自問，他們還能如何投入更多努力。他說：「做更多同樣的事情並不是答案。」

柴特說：「這是記憶中第一次，雙方都不滿意。這根本行不通。」對於求職者，他說：「我會說答案不只是更多的『廣撒網』。」

柴特建議，花時間研究你可能想工作的公司，即使它們不是你首先想到的名字。Toshiba 的金·瓊斯提到，她現在幾乎從未看到求職信，並表示如果申請者提交求職信，他們會脫穎而出。人脈建立是當今求職市場中另一個被低估的技能。

柴特給求職者還有一個訊息，那就是記住：「這不是你的問題；是這個系統的問題，而且它糟透了。」