用 AI 設計面試題目：行為題、情境題、追問腳本與評分標準，篩出真人才而非背答案的人

一分鐘重點：面了一輪選錯人，多數主管會怪自己看走眼，但真正的破口常常在更前面一步——題目本身就篩不出東西。問「你最大的優點是什麼」，得到的是每個人都準備好的罐頭答案；問完沒有追問，漂亮的表面回答就這樣過關；三個面試官各憑感覺打分，會後憑印象吵架。這篇教你把 AI 當成一位不會累的招募設計助手：從職缺反推真正吃重的能力、生出貼身的行為題與情境題、每題配好三層追問腳本、再產出一張讓所有面試官打同一把尺的評分量表。文末有可以直接複製的 Prompt，以及台灣中小企業招募業務與工程師的真實情境。但先講清楚：AI 出的是草稿，換成你們公司真實發生過的事、刪到真正該問的那幾題，是你這個最懂職位的人的責任，AI 代替不了。

為什麼你面了十個人，還是選錯

先講一個殘酷的事實：大部分面試的失敗，不是敗在面試官不會看人，而是敗在題目根本測不到重點。

我看過太多主管，面試時問來問去就是那幾題——你的優缺點、為什麼想來我們公司、五年後的規劃。這些題有一個共同問題：網路上早就有標準答案，任何一個認真準備的人都背得出漂亮的回應。你以為你在測他的能力，其實你只是在測他有沒有做功課、口條好不好。結果會背、會講、面試表現亮眼的人被選進來，真正會做事但不擅長包裝自己的人被刷掉。這就是「面試選出來的是最會面試的人，不是最會做事的人」這句老話的由來。

更常見的破口是三件事疊在一起：題目太通用（篩不出差異）、問完不追問（表面答案就過關）、沒有統一標準（每個面試官憑感覺打分）。這三件事各自都能毀掉一場招募，加在一起就是你面了十個人、進來三個月才發現選錯的根本原因。

AI 幫得上忙的，正是這三個環節的前置設計——出對題、備好追問、立好標準。它出題快、不會累、能一次生二十個角度讓你挑，但它不認識你們公司，所以它是加速器不是決策者。下面一段一段拆給你看。

第一步：別從 JD 出題，從「做不好會怎樣」反推

大部分人設計面試題的方式是拿著 JD 逐條問：JD 寫「熟悉 Excel」就問會不會 Excel，寫「抗壓性高」就問抗不抗壓。這是最沒效率的做法，因為 JD 是給應徵者看的廣告，不是給你出題的藍圖。

真正該做的是反推。先問自己一個問題：這個職位如果找錯人，三個月後會出什麼包？把這個問題連同 JD 一起餵給 AI，請它幫你拆出這份工作真正吃重的三到五項核心能力。

舉例，一個「業務專員」的 JD 可能寫得很泛，但反推「做不好會怎樣」你會得到：撐不住被拒絕的挫折（心理韌性）、搞不清楚客戶到底要什麼（需求釐清）、報價亂承諾害公司賠錢（分寸與判斷）。這三項才是你該設計題目去測的東西，而不是 JD 上那句「個性積極」。

先鎖定要測的能力，再針對每項能力去設計題目，你的每一題才有靶。這一步做好了，後面出題就是水到渠成；這一步跳過，你會問一堆看似專業但其實測不到重點的題。

行為題：用過去的真實經歷，戳破場面話

行為面試題的核心信念是：一個人過去怎麼做事，是預測他未來怎麼做事最可靠的依據。所以行為題永遠問過去實際發生的事，句型是「請說一個你曾經……的經驗」，而不是假設性的「如果……你會怎麼做」。

好的行為題會逼出具體事件，而不是抽象自評。「你抗壓性好不好」是爛題，因為沒有人會說自己抗壓性差；「請說一次你手上同時有三個急件、時間根本不夠，你怎麼處理」是好題，因為他必須講出一個真實故事，而故事裡藏著大量可追問的細節。

評估行為題的回答，業界通用的框架是 STAR：情境（Situation）、任務（Task）、行動（Action）、結果（Result）。你聽回答時就在心裡對照——他有沒有講清楚背景？他個人負責的部分是什麼（小心把團隊功勞全攬成「我」的人）？他實際做了哪些動作？最後結果如何、有沒有數字？一個只講得出情境和結果、中間行動含糊帶過的人，很可能只是旁觀者而非執行者。

讓 AI 依你鎖定的能力生行為題很快，但你要盯緊兩件事：題目必須綁定具體情境（不能是「你覺得你負責任嗎」這種送分題），而且要成組出——每項能力至少兩題，才不會被一個精心準備的故事矇混過關。

情境題：測他當下的判斷與價值觀

行為題有個天生的弱點：資淺的人、轉職的人、剛畢業的人，過去根本沒有相關經歷可講。而且再真實的經歷，講久了也會被磨成一套包裝好的劇本。這時候情境題就補上來了。

情境題問的是未來的假設：「假設你遇到某狀況，你會怎麼做？」它測的不是戰績，而是當下的判斷、思考的順序、以及背後的價值觀。好的情境題要貼近這個職位真實會遇到的場景，最好就是你們公司真的發生過的難題。

比方招客服，你可以問：「一位客戶情緒很激動，堅持要退一個其實已經過保的產品，公司政策是不能退，你會怎麼跟他溝通？」這題沒有標準答案，你要聽的是：他會不會先安撫情緒、會不會試著理解對方為什麼堅持、會不會在守住政策的同時給對方一個台階。一個直接說「政策就是不能退，我會請他看合約」的人，跟一個懂得先接住情緒再想辦法的人，價值觀差很多，而這正是你想篩的。

情境題的另一個好處是很難事前準備，因為情境是你們公司特有的。把公司真實踩過的坑餵給 AI，請它改寫成情境題，你會得到一批市面上查不到答案、也背不起來的好題。

追問腳本：真正的資訊全藏在第二、第三層

如果這篇你只記得一件事，請記這件：追問比題目本身重要得多。

第一層回答，每個認真的應徵者都準備過，聽起來都不錯。真相藏在你追問下去之後。所以每一題你都該事先想好追問腳本——針對可能的回答，準備好第二層、第三層問題，把包裝一層層剝開。

追問有幾個固定好用的方向。一是要細節：「那個專案的團隊有幾個人？你具體負責哪一塊？」把攬功勞的人跟真正做事的人分開。二是要數字：「你說業績成長很多，大概成長幾成？基期是多少？」模糊的人這時會開始閃。三是問反面：「這件事有沒有哪裡如果重來你會做不一樣？」完全講不出反省的人，通常是把別人的故事講成自己的。四是追過程中的卡點：「當時最大的阻力是什麼？誰不同意你？你怎麼處理？」順風順水的漂亮故事，一問阻力就見真章。

讓 AI 針對每題生三層追問腳本，是它最能幫上忙的地方之一——它想得比你臨場快、比你全面。你把腳本印在面試表上，面試時就不會因為緊張或趕時間而忘了追下去，這是面試品質最穩定的提升點。

評分量表：讓每個面試官打同一把尺

最後一塊，也是最多公司省略、卻最不該省的一塊：評分量表。

沒有量表的面試長這樣——面完三個面試官坐下來，一個說「我覺得他不錯」，一個說「我覺得他很浮誇」，然後開始憑感覺各執一詞。問題不在誰對，在於他們心裡的尺根本不一樣，A 的「不錯」和 B 的「不錯」是兩回事，沒有共同語言就沒辦法真正比較。

評分量表要做的，就是把每一項能力「幾分代表什麼」寫死。以五分制為例，需求釐清能力可以定義成：五分是主動追問客戶沒說出口的隱性需求並舉例、三分是能複述明確需求但不會深挖、一分是只被動接收指令。面試官聽完回答，對照量表打分，並在旁邊寫下一句支持這個分數的證據（他實際說了什麼）。會後拿證據比較，而不是拿印象吵架。

量表還能擋掉兩個很常見的偏誤：月暈效應，被一個亮點（名校、大公司經歷）帶著給每一項都打高分；相似性偏誤，特別偏好跟自己背景像、講話合拍的人。有了逐項量表，你被迫一項一項看證據，這兩個坑就難踩進去。讓 AI 幫你把每題的評分錨點寫出來，你只要微調就能用。

可直接複製的 Prompt

下面這段複製到 ChatGPT、Claude 或 Gemini 都能用。把方括號換成你的職缺資訊，一次就能生出整套面試設計的草稿。

你是一位資深的招募顧問，服務過許多台灣企業。我要面試以下職缺，請幫我設計一套完整的面試題組。

【職缺名稱】：（例如：B2B 業務專員）
【公司/產業】：（例如：工業零件貿易商，客戶多為工廠採購）
【這個職位做不好，三個月後最可能出什麼問題】：（例如：撐不住陌生開發的拒絕、亂答交期害公司賠錢）
【我們公司真實發生過的難題】：（例如：曾有客戶因交期延誤要求折讓，業務當場承諾害公司虧損）
【要測的核心能力，如果我沒填請你依上面資訊反推】：

請依序產出：
1. 從以上資訊反推出這個職位真正吃重的 3 到 5 項核心能力，並說明理由。
2. 針對每項能力，各設計 2 題「行為面試題」（問過去實際做過的事，可用 STAR 評估）。
3. 針對這個職位，設計 3 題貼近我們公司真實情境的「情境題」（問假設狀況下的判斷與價值觀）。
4. 為以上每一題，各準備 3 層「追問腳本」，用來戳破背稿、攬功勞、講模糊數字的回答。
5. 為每項核心能力，設計一張 5 分制「評分量表」，明確寫出 5 分、3 分、1 分各代表什麼具體行為。

嚴格要求：
- 排除任何涉及性別、婚姻、懷孕、年齡、容貌、住所、星座、血型等與工作能力無關的題目（依台灣就業服務法，這些是違法的就業歧視）。
- 題目要具體、綁定情境，不要出「你覺得你負責任嗎」這種送分題。
- 用繁體中文、台灣用語。

生完之後別急著用。把情境題換成你們公司真的發生過的事、把行為題刪到每項能力留最有鑑別度的一題、再對照下面一段檢查有沒有踩到違法題，這套才算能上場。

台灣真實情境：招一名 B2B 業務與一名後端工程師

講兩個貼近台灣中小企業的情境，讓你看到這套怎麼落地。

第一個是一家做工業零件的貿易商要招 B2B 業務。老闆過去面試都問「你抗壓性好不好」「你會不會積極開發客戶」，招進來的人講得一嘴好業務，實際上桌陌生開發電話打三通被拒絕就縮了。後來他們改用反推法，發現這個職位真正吃重的是「撐得住持續被拒絕」和「報價的分寸」。於是行為題改成「請說一次你被客戶連續拒絕、但最後還是把單談成的經驗」，追問腳本追到「那時候你打了幾通才成？中間有沒有想放棄？」；情境題則直接搬出他們踩過的坑：「客戶要求交期提前又要折價，超過你權限，你當下會怎麼回應？」——這題一出，那種會為了成交亂承諾的人立刻現形。搭配評分量表後，三位面試官第一次能對著同一份證據討論，選出來的人做滿一年還在，是他們近幾年流動率最低的一批。

第二個是一家軟體新創要招後端工程師。技術題他們原本問得很紮實，但團隊協作屢屢出問題，進來的工程師技術強卻很難合作。他們用 AI 補了行為題與情境題這一塊：行為題問「請說一次你和同事在技術方案上意見不合，最後怎麼解決」，情境題問「你 code review 時發現資深同事寫了一段你覺得有風險的 code，你會怎麼處理」。這兩題測的是溝通與分寸，正是他們過去只看技術而漏掉的。追問腳本幫了大忙——一位技術亮眼的應徵者，講協作故事時全程都是「我跟他們說」「我要求他們」，追問「有沒有你被說服而改變做法的時候」時完全答不出來，團隊當場就對是否適合有了共識。這種訊號，沒有追問腳本是問不出來的。技術面試的設計細節，可以再看〈用 AI 準備技術面試〉。

依就業服務法：這些題目絕對不能問

用 AI 出題有個看不見的風險：AI 為了「全面」有時會生出涉及個人背景的題目，而台灣的法律對此有明確禁止。這一段請務必看完。

依《就業服務法》第五條第一項，雇主對求職人不得以種族、階級、語言、思想、宗教、黨派、籍貫、出生地、性別、性傾向、年齡、婚姻、容貌、五官、身心障礙、星座、血型等與工作能力無關的因素予以歧視。違反可處新台幣三十萬元以上、一百五十萬元以下罰鍰，並公布公司名稱。

換成面試現場的白話，下面這些問題不能問：

• 婚育相關：「結婚了嗎」「有沒有小孩」「打算什麼時候生」「懷孕了嗎」——這是最常被踩、也最常被檢舉的紅線，尤其對女性應徵者。
• 年齡相關：「今年幾歲」「哪一年出生」——需要判斷年齡就用「是否符合法定工作年齡」帶過即可。
• 家庭與住所：「住哪裡」「跟誰住」「家裡做什麼的」——想確認通勤，改問「這個工作地點對你來說方便嗎」。
• 其他無關因素：星座、血型、宗教、政黨傾向、容貌評論，全都不該出現在題目裡。

正確的替代原則只有一句：問工作能力，不問個人身分。你想知道她會不會因為家庭因素常請假，不能問有沒有小孩，但可以問「這份工作偶爾需要臨時加班或出差，你這邊配合上有沒有困難」——問的是對工作要求的配合度，人人適用，就合法。用 AI 出題時，一定要在指令裡明白寫「排除任何涉及性別、婚育、年齡等就業歧視的題目」，生完再自己逐題掃一遍。AI 不會為你的合規負責，你會。

常見錯誤

• 題目太通用：問「你的優缺點」「為什麼想來我們公司」，得到的全是罐頭答案，篩不出任何差異。
• 直接拿 JD 逐條問：JD 是招募廣告不是出題藍圖，該從「做不好會怎樣」反推真正要測的能力。
• 只問行為題或只問情境題：兩者互補，只問一種會漏掉一整個面向（真實戰績或當下判斷）。
• 問完不追問：第一層答案人人準備過，不追問等於讓包裝過關，這是選錯人最大的單一原因。
• 沒有評分量表：三個面試官憑感覺打分，會後憑印象吵架，好壞全看誰嗓門大。
• 被亮點帶著走：看到名校或大公司經歷就每項都給高分（月暈效應），逐項看證據才能擋掉。
• 直接搬 AI 出的題：沒換成公司真實情境、沒刪題，等於用通用題面試特定職位，白費工。
• 忽略違法題風險：AI 可能生出涉及婚育、年齡的題，沒檢查就用，罰的是你不是 AI。

AI 幫不了你的部分

講完好處，也把邊界說清楚，免得你把它當萬能。

AI 不認識你們公司。它不知道你們團隊現在缺的是衝鋒的人還是穩健的人、不知道這個職位真正的痛點、不知道上一個離職的人是為什麼走的。這些只有你知道，所以它出的是通用好題，換成對的題是你的工作。

AI 不在面試現場。真正決定選誰的，是面試當下那些說不清楚的訊號——他講到某段時眼神閃了一下、他對某個追問的反應快慢、他跟團隊聊起來合不合拍。這些活生生的判斷，AI 給不了，追問腳本只是幫你不漏問，真正的解讀還是靠你。

AI 也不會為結果負責。它可能一本正經生出一道違法的題、可能把某個能力想得太理想化。最後拍板要不要用這題、要不要錄取這個人的，是你這個主管。把 AI 當一個很會發想、不會累的助手，它負責把草稿做快做滿，你負責判斷與拍板——這個分工才是對的。

一句話收尾：AI 讓你的面試設計從「憑經驗隨便問」升級成「有系統、有追問、有標準」，但它是放大你判斷力的工具，不是取代你判斷力的替身。

把整套招募流程都交給 AI 幫你設計

面試題目只是招募的一個環節。從寫出吸引對的人來投的職缺描述、設計出篩得出真本事的面試題、到人進來之後怎麼做績效考核，每一步都能用 AI 大幅省力又提升品質。想把整套流程系統化，AgentAI 智庫還有〈用 AI 寫職缺描述〉、〈用 AI 做績效考核〉等一系列給主管與 HR 的實戰指南，都附可直接複製的 Prompt 與台灣在地案例。到 AgentAI 智庫的教學專區逛一圈，把你手上的招募流程一關一關補起來，下次面試就換一套更利的工具上場。

常見問題 FAQ

延伸閱讀

• 用 AI 準備技術面試
• 用 AI 寫職缺描述
• 用 AI 做績效考核
• 用 AI 寫自我介紹