管理 Management > 人力資源
feature picture
ChatGPT

當 AI 讓求職信大貶值:最慘的不是雇主,而是那些真的很優秀的人

2025-11-13 經理人用戶成長中心 支琬清
分享
收藏
已完成
已取消

一份用心撰寫、高度客製化的求職信,在過去被視為求職者能力與積極度的可靠證明。但現在,ChatGPT 這類大型語言模型(LLM)讓任何人都能在幾秒鐘內,生成看似完美的客製化信件,這些「AI 生成的廉價求職信」正在迅速摧毀雇主篩選人才的核心機制。

一份名為《讓言談變得廉價:生成式 AI 與勞動市場訊號》(暫譯,原文為 Making Talk Cheap: Generative AI and Labor Market Signaling)的研究報告,深入分析人力平台 Freelancer.com 的真實數據,揭示 AI 如何瓦解行之有年的「辨識人才」機制。

AI 出現前,一封高度客製化的求職信多值錢?

在過去的求職市場,一份客製化的求職信之所以有效,是因為它需要投入時間和精力。這份「努力」本身,就能向雇主擔保求職者的真實能力與積極度。

不過,這份努力到底值多少錢?

研究人員開發一套 AI 評分系統,來為每份求職信的「客製化」和「切題」程度打分數,並比對雇主對於人選的評價。他們發現:在 ChatGPT 問世前,雇主非常看重這個分數。

研究團隊算了一筆帳:假設公司釋出一個外包案件,有 2 個條件差不多的自由工作者報價。如果 A 交出了一份高度客製化的求職信,而 B 只是隨便投遞;那麼在雇主眼中,A 光是比較用心,就讓人感覺他的報價比 B 划算 26 美元。

考量到當時相似案件的平均報價約 140~150 美元,這 26 美元是一個決定性的差距,證明「努力確實能換到錢」。

延伸閱讀:面試被刷掉,未必是你不夠好!從「白金地址」看招募現場不能說的真相

AI 讓求職信大貶值:努力與客製化程度呈「負相關」

但 ChatGPT 徹底改變遊戲規則,尤其是當 Freelancer.com 平台在 2023 年 4 月推出內建的「AI 寫作工具」後,大量客製化分數高的求職信充斥市場,導致這項指標的可信度大打折扣。

研究發現,對於那些使用平台內建 AI 工具所撰寫的求職信,「努力」與「客製化分數」間竟然呈負相關。換句話說,在 AI 的輔助下,工作者花愈少時間、愈依賴 AI,反而能得到一份看起來愈漂亮、客製化程度愈高的求職信。

雇主們並非一無所知,他們迅速察覺到這項指標已經「貶值」。數據顯示,雇主對客製化求職信的重視程度急劇下降,即使高度客製化也不能提高錄取率。更糟的是,客製化分數也與最終的工作成功率完全脫鉤。

延伸閱讀:這招讓萬名求職者現形!資深主管用「反向提問」識破人才是否有備而來

客製化求職信失效,恐導致市場「劣幣驅逐良幣」?

為了精確評估 AI 對求職市場的衝擊,研究團隊建立了兩個模擬情境:一個是 AI 出現前,雇主能透過書面資料篩選人才;另一個是完全無法靠書面資料辨識人才的世界。透過比較這兩種情境,獨立分析出 AI 破壞篩選機制所造成的影響。

模擬結果令人震驚:當求職信失去辨識度後,勞動市場變得顯著「更不看重個人能力」。在能力分布中,最頂尖的工作者,被錄用的機率大幅下降 19%;而能力最底層的工作者,被錄用的機率反而顯著上升了 14% 。

這種「劣幣驅逐良幣」的現象有 2 大主因:首先,當高能力的工作者無法再用「客製化求職信」來突顯自己的能力時,就只能被迫捲入價格戰;但在價格戰中,他們顯然鬥不過那些能力較低、機會成本也較低的競爭者。

其次,雇主也無法透過其他表面特徵來篩選人才。研究發現,工作者在平台上的聲譽、評價、過往紀錄等所有資料,加總起來僅能解釋其真實能力的 3%。這意味著,一旦失去了「客製化求職信」這個辨識方法,雇主幾乎沒有其他可靠的指標來衡量工作者的能力高低。

資料來源:Making Talk Cheap:Generative AI and Labor Market Signaling;本文初稿由 AI 協助整理,編輯:支琬清

繼續閱讀 面試 求職 AI
相關文章
feature picture
ChatGPT

你是在帶領團隊,還是在當高級保母?交辦前「少了這一步」,只會愈管愈累

2026-06-17
分享
收藏
已完成
已取消

「這個地方要不要先給主管看一下?」

Bella 盯著簡報第二頁,手停在鍵盤上。她原本想把標題寫成「年度方案回顧」,但想起上次主管看完簡報後,不只改了標題,也調換頁面順序。她心裡有點猶豫:現在傳去問,怕主管覺得她連標題都拿不定主意;先照自己的想法做,又怕晚一點被要求整頁重來。想了幾秒,她還是把檔案傳了過去。

不只簡報如此,整理客戶名單時,「產業別」和「客戶規模」要不要分開列,先問;回覆客戶的信,語氣夠不夠穩妥,先問;會議報告的結論要不要再補充一段說明,也要先問。這些確認看似都合理:她想降低出錯機率,也不想讓主管事後大改。只是久了之後,團隊慢慢養成一個習慣:遇到不確定的地方,先停下來等主管點頭。

延伸閱讀:時刻緊盯員工,是主管失敗的開始!不做「微管理」,如何避免有人脫隊?

部屬凡事先問,主管就會變成最後關卡

微觀管理常被說成控制欲太強,但在工作現場,主管多半是怕事情失控。上次部屬交來的成果不如預期,最後由主管收尾;這次主管自然會想盡早介入、看得更仔細,避免問題拖到最後才難以收拾。

問題是,盯得太細會讓部屬學到另一件事:反正主管最後都會改,自己不用太早下判斷。久了之後,部屬遇到小事也先問,主管也得花時間處理原本可以由部屬決定的細節。

根據蓋洛普(Gallup)研究,當員工覺得自己的意見被重視、能參與決策,通常更願意對成果負責。高敬業度團隊的生產力比低敬業度團隊高出 18%,獲利能力也高出 23%。想讓部屬願意多想一步,就不能把每個判斷都收回來。

一直被問細節?先用 5W2H 說清任務規格

部屬一直回來問細節,不一定是能力差,也可能是任務一開始就沒有被說完整。一句「這份報告盡快弄好」,聽起來省時間,後面卻容易出現一連串問題。部屬不知道報告給誰看、要解決什麼問題,也不知道哪些資料能用。

主管可以先把任務背景、產出、使用情境、期限、負責人、協作對象、做法和資源限制講清楚,也就是 5W2H:為什麼要做、要交出什麼、在哪裡使用、何時完成、誰來做、需要和誰合作、怎麼做,以及有哪些限制。

例如,不要只說:「這份競品報告周五前給我。」可以改成: 「周五下午 4 點前,整理 3 家主要競品的價格、通路和主打客群,做成 10 頁內的簡報。這份資料會給下周策略會議使用,目的是判斷我們下一季要先調整哪個產品線。」

任務規格清楚,主管後面就少一點臨時補充,部屬也比較能掌握任務目的、產出形式和判斷方向。

如果部屬仍然遲疑,主管也可以補一句:「這件事交給你,是因為你熟悉客戶資料,也能整理出判斷依據。」讓部屬知道自己被交付任務的原因,比較容易扛起責任。

成果總是一再重改?QQCDR 幫你對齊驗收標準

很多主管以為任務名稱、期限、格式都交代了,就算溝通清楚。等到成果交上來,才發現品質不對、成本超出,甚至踩到不能犯的規則。

尤其任務涉及對外製作、委外執行或跨部門協作時,更需要把驗收標準說清楚。5W2H 說的是任務規格, QQCDR 說的是最後怎麼驗收。它包含品質(Quality)、數量(Quantity)、成本(Cost)、期限(Deadline)和規則(Rule)。

同樣是競品報告,如果主管只說「整理一下競品」,部屬可能交出一份數字一堆、卻看不出結論的簡報。若改成:「請分析 3 家核心競品,每家公司至少包含價格、主要客群、通路打法和近期促銷。簡報控制在 10 頁內,周五下午 4 點前完成,內部採購數據不能放進檔案。」部屬就更清楚成果要符合哪些條件。

驗收標準先講明,主管就不用在過程中一直補充:「這個也要」「那個不能少」。部屬也不會做到最後才發現,主管心中的及格線和自己想的不一樣。

依 10-80-10 畫出容錯範圍,執行期才不用一直插手

主管會忍不住插手,多半是不清楚部屬出了什麼狀況可以自己處理,什麼狀況一旦出錯就難以補救。界線沒有畫清楚,每個小偏差看起來都像可能出事。

這時可以用 10-80-10 來分配管理力氣。 前 10% 先對齊目標、規格和標準,同時說清楚這件事為什麼重要、對部屬有什麼期待;中間 80% 讓部屬自己執行;最後 10% 主管陪著收尾、給回饋,確認成果符合當初設定的標準,避免又把成果拿回來自己改。

中間 80% 要能真的交給部屬,主管得先說清楚容錯邊界。例如:「單筆花費 5000 元以內,你可以先決定;如果會影響客戶承諾、對外報價或專案時程,就要先回報。時程如果需要調整,也要提前說,不用等到期限前才講。」這樣部屬知道哪些地方能自己處理,主管也不用看到一點變動就急著介入。

延伸閱讀:別再當救火隊長!掌握交辦與追蹤 6 技巧,拒絕「自己做到死」、讓部屬自動交出好成果

把追蹤節奏和授權邊界,帶回職場練習

經理人

主管真正卡住的,往往是放手之後該怎麼追蹤。當任務重要、部屬又還不夠熟悉的時候,主管很容易讓確認進度變成逐一審查,給的建議也不知不覺變成指令。《經理人》商管 LAB 推出《高績效主管的交辦學》線上課程搭配陪跑方案,協助主管在真實任務中練習交辦後的追蹤與授權:

1. 搞清楚哪些事可以交出去: 課程會帶你拆解任務風險,判斷哪些事可以讓部屬自己決定,哪些狀況必須回報主管,避免一擔心就全程插手。

2. 找到自己的追蹤節奏: 陪跑方案會搭配每周作業,練習安排任務前段、中段、完成前的確認方式,讓主管掌握進度,也讓部屬保有做事的空間。

3. 從回饋調整怎麼介入: 主管最難判斷的是哪裡該放手、哪裡該介入。陪跑方案提供學員問題回覆與直播 QA,協助你把工作現場遇到的狀況拿出來討論,修正下一次追蹤與授權的做法。

資料來源:Gallup Q12 Meta-Analysis

繼續閱讀 團隊管理

Manager AI 幫你提問:

從 25000+管理文章與 800+深度專題為你找答案

內容由AI根據經理人知識庫輔助生成,提問請勿輸入機密資料,請自行判斷準確性。

相關文章

解鎖更多提問機會!

請先登入會員

會員專區

使用會員功能前,請先登入

  • 台灣首款對話式 AI 職場教練,一次提升領導力
  • 會員專享每日運勢、名人金句抽籤
  • 收藏文章、追蹤作者,享受個人化學習頁面
  • 定向學習!20 大關鍵字,開放自選、訂閱
  • 解鎖下載專區!10+ 會員專刊一次載
訂閱方案