用 AI 跑完整招募流程：從 JD、履歷篩選到面試的全程實作

招募這件事，外行人以為主戰場在面試，做過 HR 的都知道：真正吃掉一整天的，是面試「之前」那一堆瑣事——把用人主管模糊的需求翻成 JD、從一百多份履歷裡撈出該談的人、再三方來回喬面試時間。等坐進會議室，反而是最輕鬆的環節。

這篇要解決的問題：把一條完整招募流程——釐清需求、寫 JD、篩履歷、出面試題、做評估——拆開來，手把手教你交給 AI，每一步都附可直接複製的 Prompt。 適合誰讀：中小企業 HR、身兼招募的營運主管、新創創辦人、第一次帶招募的用人主管，不需要任何程式基礎。 讀完你會得到：一套可立刻照做的全流程導入方法、四段可複製的 Prompt、一張「AI 做 vs 人做」的分工對照表，以及台灣中小企業導入前後的真實成果數據。

一句 TL;DR：用 AI 跑招募的訣竅，不是叫它「幫我找人」，而是把流程切成五段——需求釐清、JD 撰寫、履歷評分、面試出題、結構化評估——每段給它明確準則與輸出格式，讓 AI 負責「整理與排序」，把「判斷與決策」留給人。

為什麼招募流程特別值得用 AI？

因為招募的痛點，剛好全部落在 AI 最擅長的區間。

一場招募從開缺到報到，HR 的時間分布大概是這樣：真正在「跟人互動、做判斷」的時間（面談、談 offer、溝通用人主管）其實只佔三到四成，剩下六成以上都在做「規則明確、量大、重複」的整理工作。我們把這六成拆開來看：

• 釐清需求：用人主管常只丟一句「我要一個資深一點、抗壓性好的」，HR 得來回追問才能變成可招募的條件，這一步沒做好，後面全錯。
• 寫 JD：同一個職缺要刊在 104、CakeResume、LinkedIn、公司官網，語氣和重點還不太一樣，一個個改很耗時。
• 篩履歷：熱門職缺一開就湧入上百份履歷，逐份看完要好幾小時，但其中常有七、八成一眼就知道不符硬條件。
• 出面試題：好的面試應該針對每個人的履歷客製追問，但時間壓力下，多數面試官都用同一份老問題，問不出鑑別度。
• 彙整評估：三位面試官各自憑印象給意見，事後很難客觀比較，常常「誰講話大聲聽誰的」。

這五件事的共同點是：輸入明確、需要理解語意、輸出有固定格式。這正是 AI Agent 的甜蜜點——它不像傳統 Excel 公式只能比對關鍵字，而是能讀懂履歷裡「曾獨立負責一條產線從 0 到量產」等於有專案統籌能力，這種語意理解正是篩選與出題的關鍵。

核心概念：AI 是你的「招募助理」，不是「決策者」

很多 HR 一聽 AI 篩履歷就警鈴大作，怕踩到歧視、怕漏掉好人才。把分工想清楚，焦慮就會消失大半：

AI 在招募裡，扮演的是一個**「不會累、不帶情緒、但沒有最終決定權的資深助理」**。它幫你把需求問清楚、把 JD 寫好、把一百份履歷讀完排序、把面試題備好——但「這個人到底要不要錄取、開多少薪水、能不能融入團隊」，永遠是人來拍板。

把全流程攤開成「AI 做 vs 人做」，界線就清楚了：

抓住一個原則就不會出錯：凡是「整理、排序、生成初稿」交給 AI；凡是「判斷、決策、對人負責」留給自己。 全文的 Prompt 都遵守這條界線設計。

實際做法：五個步驟跑完整套招募流程

以下用一個常見情境示範：一家 30 人的電商公司要招一名「電商營運專員」。每一步都可以直接套你自己的職缺。

Step 1　釐清職缺真實需求

不要急著寫 JD。先把用人主管腦中模糊的想像，用 AI 逼問成具體條件。做法是把你和主管的對話、或一句簡單需求，丟給 AI，請它扮演資深招募顧問，幫你「結構化需求並列出該補問的問題」。

這一步的產出是一張需求表：硬條件（必備）、軟條件（加分）、淘汰條件（一票否決），以及三到五個你該回頭問主管的關鍵問題。後面寫 JD、設評分標準，全都引用這張表。

Step 2　用 AI 撰寫精準 JD

拿著 Step 1 的需求表，請 AI 寫 JD。重點是給它三樣東西：團隊現況、這個職位前三個月要達成什麼、為什麼值得加入。少了這三樣，AI 只會吐出罐頭文案。

實務技巧：一次請它產出 2～3 個版本（例如「專業正式版」給官網、「親切口語版」給 CakeResume），再人工挑一版潤飾。記得請它把薪資帶寫進去——有揭露薪資的職缺，履歷量通常明顯較高。

Step 3　建立履歷初篩評分配方

這是省時間最有感的一步。把 Step 1 的硬/軟條件轉成「評分準則」，請 AI 對每份履歷打分並排序。關鍵有三：

1. 遮蔽敏感欄位：在丟進 AI 前，先把姓名、性別、年齡、照片、戶籍地拿掉，只留與工作相關的學經歷與技能，避免歧視風險。
2. 要求可解釋：請 AI 不只給分數，還要列「為什麼給這分」的依據，方便你複核。
3. 只排序、不淘汰：讓 AI 排出前段班，由你針對前 10～15 名做人工判斷，避免漏接潛力股。

Step 4　生成客製化面試題庫

針對 Step 3 篩出的人選，把每個人的履歷亮點與疑點丟給 AI，請它產出「客製面試題」。好的提問不是問「你的優缺點是什麼」，而是針對這個人的經歷追問，例如履歷寫「提升轉換率 20%」，就請 AI 設計追問：當時的基準是多少？你做了哪些事？哪些是你個人的貢獻？

產出建議用「行為面試法（STAR）」的結構，並附上「理想答案會出現的訊號」與「需要警惕的紅旗」，讓非專業面試官也能問出鑑別度。

Step 5　結構化面試評估與決策

面試後別憑印象寫一段感想了事。設計一張統一評分表（各項能力 1～5 分＋具體事例），每位面試官各自填完，再請 AI 把多份評分彙整成對照表，標出意見分歧處供討論。這樣做的好處是決策可追溯、未來能複盤，也避免「聲音大的人主導」的偏誤。

可複製的 Prompt

以下四段 Prompt 對應上面的關鍵步驟，貼進 Claude 或 ChatGPT，把方括號內容換成你的資料即可使用。Prompt 怎麼寫更有效，可參考 ChatGPT Prompt 提示詞教學。

【Step 1 需求釐清 Prompt】
你是一位有 15 年經驗的招募顧問。以下是用人主管對職缺的口頭描述，
請幫我做兩件事：

1. 把需求整理成結構化清單，分成三類：
   - 硬條件（必備，不符合就不考慮）
   - 軟條件（加分項）
   - 淘汰條件（一票否決）
2. 列出 3～5 個我應該回頭追問用人主管的關鍵問題，
   以避免後續招到不對的人。

職缺：[電商營運專員]
主管的描述：[貼上原始對話或需求]
公司／團隊背景：[團隊人數、產業、目前痛點]

請用表格輸出第 1 部分，條列輸出第 2 部分。

【Step 2 JD 撰寫 Prompt】
你是擅長台灣求職市場的雇主品牌文案。請依以下資料撰寫職缺描述（JD），
語氣自然、貼近台灣求職者，不要罐頭句。

請輸出 2 個版本：
- 版本 A：專業正式，用於公司官網
- 版本 B：親切口語，用於 CakeResume／社群

每個版本都要包含：一句吸睛開場、團隊在做什麼、
這個職位前 3 個月要達成什麼、必備與加分條件、薪資帶、為什麼值得加入。

需求表：[貼上 Step 1 產出]
團隊現況：[描述]
薪資帶：[例如月薪 4.2～5.5 萬]

【Step 3 履歷評分 Prompt】
你是嚴謹的履歷初篩助理。請依下方「評分準則」，
為每一份履歷打總分（0～100）並排序。

規則：
- 只評估與職務相關的技能、年資與經歷。
- 完全不得參考姓名、性別、年齡、照片、戶籍地等資訊（我已遮蔽）。
- 每位人選都要附「給分依據」與「需釐清的疑點」。
- 你只負責排序，不做錄取建議。

評分準則：[貼上 Step 1 的硬／軟條件，並標明各項配分]
履歷清單：[貼上已遮蔽敏感欄位的履歷，編號 1、2、3…]

輸出格式：依分數由高到低的表格，欄位為
[編號｜總分｜符合的硬條件｜加分亮點｜待釐清疑點]

【Step 4 面試出題 Prompt】
你是資深面試官。請針對以下這位人選的履歷，
設計 6 題行為面試題（採 STAR 結構），用來驗證他的真實能力。

每一題請附：
- 提問本身
- 1～2 句追問腳本（深挖細節用）
- 理想答案會出現的訊號
- 需要警惕的紅旗

特別針對履歷上這些亮點與疑點深挖：[列出你想確認的點]

職缺需求：[貼上 Step 1 需求表]
人選履歷重點：[貼上該人選履歷]

台灣中小企業實作案例

公司背景：一家位於台中、約 30 人的居家用品電商「禾日選物」（化名），HR 由營運經理小芸兼任。2026 年第一季因業務擴張，要同時招電商營運、客服與倉儲共三個職缺，小芸一個人扛不住。

導入前的痛點：

• 一個營運職缺刊出後三天湧入 130 份履歷，小芸下班後熬夜逐份看，平均花 6 小時才篩出名單。
• JD 三個平台各寫一次，常常拖到刊登延遲。
• 面試官（各部門主管）沒準備，每次都問差不多的問題，事後給的回饋只有「感覺還行」，難以比較。
• 從開缺到發 offer 平均 38 天，期間流失過兩位不錯的人選。

導入做法：小芸沒有買任何招募系統，只用公司既有的 ChatGPT Team 帳號，把本文的四段 Prompt 存成模板，照 Step 1～5 跑。履歷先用試算表把姓名、性別、年齡欄位刪掉再貼進 AI 評分；面試題在面試前一天請 AI 依履歷生成，發給該場面試官。

導入後的成果（導入三個月、共招募 6 個職缺後統計）：

小芸的回饋是：「最大的改變不是省時間，是我終於有力氣把心思放在『跟人選好好聊』上面。以前我光篩完履歷就累了，面試只是走流程；現在 AI 幫我備好題，我能專心觀察這個人合不合適。」值得注意的是「試用期未通過率」下降——這來自需求釐清與客製面試題讓配對更準，而非單純篩得快。想把這套流程接上自動化收件與排程，可參考 企業導入 AI Agent 完整指南 與 AI Agent 在 HR 人資的應用。

常見錯誤

導入 AI 招募，踩雷的往往不是工具，而是用法。最常見的五個錯誤：

1. 把錄取決定權交給 AI。讓 AI 直接淘汰履歷或決定錄取，不只可能漏掉潛力股，還可能因為訓練資料偏誤踩到就業歧視。AI 只排序，人做決定。
2. 沒遮蔽敏感欄位就丟進去。姓名、性別、年齡、照片直接餵 AI，等於把歧視風險和個資外洩風險一起打包。進 AI 前一定先去識別化。
3. JD Prompt 太懶。只丟「幫我寫個 JD」，產出必然制式。一定要給團隊樣貌、職位目標、值得加入的理由。
4. 評分準則含糊。叫 AI「幫我挑適合的」卻沒給配分標準，等於黑箱。把硬條件、軟條件、各項配分寫清楚，分數才有意義、才可複核。
5. 用免費版處理大量真實履歷。免費或個人版可能拿你的輸入做模型訓練，履歷個資不該這樣處理。請用明訂不訓練的企業方案，並設定保存期限。

結論

用 AI 跑完整招募流程，核心不是「找一個能自動招人的神器」，而是把一條冗長的流程拆成五段——需求釐清、JD 撰寫、履歷評分、面試出題、結構化評估——讓 AI 接手每一段裡「整理、排序、生成初稿」的重活，把「判斷與決策」這個真正屬於人的價值留下來。

從成本看，門檻其實很低：一個對話式 AI 帳號加上幾段存好的 Prompt 模板，就能讓兼職 HR 的小公司，跑出過去要有專職招募才做得到的流程品質。先從你最痛的那一步（多數人是「篩履歷」）開始，跑順了再往前後延伸。當招募不再被庶務綁架，你才有餘裕做真正重要的事：把對的人，好好地請進來。

延伸閱讀：想了解整條人力服務業如何系統化導入，可看 AI Agent 在人力仲介與獵頭的全流程實作；想累積團隊可重複使用的招募 Prompt，逛逛 現成的工作流藍圖 會有不少靈感。

常見問題 FAQ

延伸閱讀

• AI Agent 在 HR 人資的應用
• AI Agent 在人力仲介與獵頭的全流程實作
• ChatGPT Prompt 提示詞教學
• 企業導入 AI Agent 完整指南
• 瀏覽現成的工作流藍圖