面試順利卻被發「好人卡」，問題出在安全牌回答！4 個做法讓面試官記住你

面試時氣氛融洽，面試官一路笑著點頭。走出會議室時，你覺得這次應該穩了，幾天後卻收到一封制式的「感謝您的參與」感謝信......

「ホワイト企業ナビ・就活攻略論」網站營運者藤井智也，在《鑽石線上》（DIAMOND online）撰文提到，應該有不少求職學生有過類似經驗。他們面試後覺得自己談吐得體，面試官也面帶笑容，自己感覺很有把握，結果卻是不錄取。

他指出，被面試官認為「看起來是好人」和成為企業「想錄取的人」之間，落差比想像中大。他觀察到，不懂得這個落差、只靠好印象撐過面試的學生，最後落選的情況相當多。

給人好感的人很多，安全牌回答讓面試官轉身就忘了你

藤井智也表示，在面試中，態度親切、有禮貌、溝通順暢，都是錄取的前提條件。前提條件代表做到是應該的，本身很難成為評分條件。他提到，企業的招募負責人都異口同聲表示：「感覺不錯的求職者很多。」他指出，企業要從這群人當中挑人時，差距就會出現在好感度以外的地方。

在他的觀察中，被看作「好人」的求職者，共同點是發言四平八穩。他們回答問題只求安全，會看氣氛避開尖銳意見，也會邊看面試官的反應邊調整答案。他認為，這類應對有助於讓現場氣氛順暢，卻不會留在面試官的記憶裡。

藤井智也提醒，面試官一天要和好幾位求職者談話。他觀察，能留在面試官印象裡的人，會清楚表達自己的意見。即使說法有點粗糙，但帶著意想不到觀點的人，也會讓人印象深刻。他形容：「感覺很好、聊起來也很順，但面試結束後，卻想不起那個人有什麼特色。這就是被發『好人卡』的真正原因。」

好印象，答不出面試官心裡的那道題

藤井智也認為，面試官最後會不會想錄取一個人，判斷角度是「這個人加入後，能為團隊和公司帶來什麼價值」。「看起來人很好」的印象，並不能回答這個問題。

《富比士》（Forbes）資深撰稿人卡洛琳．卡斯特里隆（Caroline Castrillon）從企業評估的角度切入。他指出，面試缺乏結構時，主管可能過度看重自信、彼此的投契感與第一印象。因此他建議企業採用結構化面試，事先定義職缺需要的能力，並用同樣的核心問題與標準評估每位候選人。他認為，簡單的評分系統能幫助主管把「實際展現出的能力」，和自信、好感度、熟悉感區分開來。面試官也可以先各自打分再討論，避免一個人的意見左右其他人的判斷。

卡斯特里隆也提醒，落選可能反映經驗上的不足，也可能是面試官過度依賴直覺、自信或第一印象，不一定是對能力的準確評價。

OpenAI 的做法則是把「候選人怎麼思考」排進面試流程。《財星》（Fortune）報導，OpenAI 正在部分團隊試行「使命面試」（暫譯，原文為 mission interview），先從行銷與人資團隊開始，讓候選人談自己會如何為公司使命做出貢獻。而 OpenAI 的使命是確保通用人工智慧造福全人類。

報導指出，AI 公司要管控的技術，同時帶有巨大好處與潛在危險，因此判斷力與權衡取捨的能力愈來愈關鍵。OpenAI 想藉使命面試衡量候選人的思考方式，包括這 2 項能力。一位 OpenAI 代表表示，使命面試沒有「標準答案」，公司歡迎懷疑與不同意見，也歡迎多元的想法。報導也提到，這類面試有點類似文化契合度測試，Meta 和亞馬遜（Amazon）等科技公司也有各自的版本。

在好印象之上加碼，4 個做法讓面試官看見你的想法與實力

藤井智也表示，想讓面試走向錄取，好感度不需要捨棄，要在好印象之上，再讓面試官看見「自己是怎樣的人、在想什麼」。

1.談應徵動機時，多說一點自己的感受

被問到「請說說你的應徵動機」時，藤井智也建議，把自己對這家公司或這份工作的感受稍微深入地說出來。他也提醒，少用整理得四平八穩的答案帶過。

2.回應面試官的看法時，表達共鳴，也補上自己的觀點

藤井智也也建議，面試官提出意見時，可以在表達共鳴的同時，補上自己的角度。他認為，這些小動作一點一滴累積下來，會讓面試官覺得你「感覺很好，而且有主見」。

3.準備「問題、行動、結果」的實例，扣回職缺描述

卡斯特里隆提醒，候選人無法掌控面試官受過多少訓練，也左右不了企業的評估流程。他建議，事先準備幾個實例，說明自己當時面對什麼問題、採取什麼行動、得到什麼結果。每個例子都要直接連到職缺描述提到的職責或挑戰。

4.結束前總結 2～3 個適任理由，回應對方的疑慮

面試結束前，卡斯特里隆建議總結 2～3 個自己適合這份工作的理由，並回應面試官在過程中提出的疑慮。他認為，事前用心準備，能降低自己的條件在零散對話中被淹沒的機率，也比較不會被單純「很會面試」的人比下去。

藤井智也認為，想避免在面試中被發「好人卡」，需要敢於說出自己想法與價值觀的勇氣。他建議求職者，別太害怕在面試中顯得有點尖銳，因為這樣一定更能留在面試官的記憶裡。

資料來源：DIAMOND online、Forbes、Fortune；本文初稿由 AI 協助整理，編輯：支琬清