AI招募弊端多？鎖定標準、去除雜訊，「識人之明」更精準

早在大型語言模型成為主流之前，我就已投入多年時間，研究、演講和撰寫關於AI對招募影響的文章。AI深入招募領域，原本就不難預見。人們將生活中大部分時間都花在網路上，包括工作（或假裝工作）時，而企業也已投入數兆美元資金建構數位系統，擷取、儲存並分析人們線上行為產生的數據。因此，出現像AI這樣能夠將浩瀚數據轉化為洞見的技術，本來就是遲早的事。

運用AI讓招募更加數據導向、更唯才是用，其潛在效益相當可觀。傳統基於科學的工具往往部署成本高昂且繁瑣。AI改變了這點，讓新的數位人才訊號成為可能（從虛擬面試和被動擷取數據，到遊戲化的評估和客觀績效記錄），並將這些訊號轉化為可預測未來績效的指標。

雖然我對AI改變招募領域的潛力依然充滿熱情，但我們也必須務實看待迄今為止的實際發展。雖然大家都在談AI如何讓人才招募如虎添翼，但我們應該先進行一個更單純、沒那麼光鮮亮麗的現實檢視。首先，人才市場效率依然低落，雇主仍苦於如何把對的人放在對的職位上，而員工也對自己的工作和職涯發展感到幻滅。其次，拜AI之賜，招募已經演變成一場喧囂擁擠的自動化軍備競賽，不論是對求職者，還是對用人主管，招募過程都因此變得更加冷酷無情了。

過去...