AI 找工作實驗室：跟喬聊聊 AI 求職｜求職者小聚 × AI 方舟計畫 × 人資萬應室

當 AI 同時是你的武器，也是 HR 的篩選器

2026 年，幾乎每個求職者都在用 ChatGPT 改履歷。但同樣的，幾乎每家公司的 HR 都已經能一眼辨識 AI 生成的制式文字。

這不是技術問題，是一個關於判斷力的問題。

這場由求職者小聚、AI 方舟計畫、人資萬應室共同主辦的「AI 找工作實驗室」，把這個問題直接攤在桌上討論。45人帶著各自踩過的雷，來到台北 OOPS 創潮玩圈，一起拆解 AI 求職這件事的真正邏輯。

你不是投太少，你是沒看懂數據

喬（Coach Chiao）是《量化求職》的作者。他曾在倫敦 UCL、巴黎、香港到台北帶領工作坊，也跟 Google、General Assembly 這些機構合作學過高層級的策略引導技術。這段引導者（Facilitator）經歷，是他後來把求職拆解成「可以驗證、可以優化的流程」這套方法的根柢——求職對他來說從來不是靠感覺投履歷、靠運氣等回音。

求職本質上是一個轉化率漏斗，有三個關鍵節點：

- 投遞量：你進入漏斗的原始基數
- 面試轉化率：你的履歷有沒有打中市場痛點
- Offer 轉化率：面試現場的表現與職能匹配度

問題在於，大多數人投了 5 到 10 份履歷沒有回音，就開始懷疑自己。但根據市場現實，在高度競爭的環境下，履歷的平均回應率只有 1% 到 2%。喬分享，光是海外市場的「數據門檻」就足以打破一般人的想像：美國市場競爭極度激烈，可能需要投遞 800 到 1,000 份履歷；相對成熟嚴謹的德國市場，通常也要 300 到 400 份。投 100 份才換一個面試，是正常的市場反應，不是你的失敗。

當你沒有搞清楚數據門檻，你的努力是在錯誤的尺度上耗盡自己。這不是雞湯，是統計學。

AI 能做什麼？不能做什麼？

這場活動最有張力的部分，是把 AI 求職的「有效範圍」和「失效區」攤開來對話。

AI 工具在求職流程中確實可以做到很多事：

- 快速分析職缺描述的關鍵字，對應調整履歷用詞
- 模擬面試題目，練習回答邏輯與架構
- 追蹤投遞進度，設定跟進提醒
- 研究目標公司的產業脈絡與市場位置

喬把這個角色講得更明確：AI 不只是「修改履歷的助手」，它更像是求職者的「職場情報系統」，負責持續監控你在市場裡的位置。就算你現在不急著換工作，也可以用 AI 保持對市場的敏銳度——分析產業趨勢、對標技能需求、隨時掌握自己的市場價值，讓自己從「被動等待機會」變成「主動監控價值」。

求職是一場「人生策略會議」

喬的另一個核心框架，是把求職的心態從「祈禱等回音」轉向「系統化優化工程」。

這聽起來很硬，但其實很務實：

1. 設定可追蹤的指標——不是「感覺投了很多」，而是「本週投了幾份、面試轉化率是多少」
2. 診斷卡關的節點——是投遞沒有回應？還是有面試但拿不到 Offer？兩種問題需要完全不同的解法
3. 持續優化而不是推倒重來——調整履歷框架、練習回答結構，而不是每次被拒就全部重建

這個框架的本質，其實和任何產品的增長策略一樣——找到你的轉化率瓶頸，然後只解決那個問題。

AI 方舟計畫的視角：能力的可見性問題

Qmoa Liu 從方舟計畫的觀察帶出了另一個層次的討論：在 AI 工具讓能力邊界模糊的時代，「你用 AI 做了什麼」正在變成一個新的能力指標。

問題不是「你有沒有用 AI」，而是：

- 你用 AI 做決策，還是只是讓它執行？
- 你的 prompt 體現的是你的判斷力，還是只是套用別人的模板？
- 你的產出有沒有你個人的護城河——你的品牌思維、你的美學直覺、你的溝通判斷？

這也是AI 方舟計畫正在試著解決的問題：讓「正在進行式的AI實戰力」被看見，而不只是看一個人的職稱或學歷。AI 跨域產出者的能力，往往裝不進一個傳統職稱的格子裡。

45人，各自帶走一個問題

這場小聚沒有標準答案，但有幾個值得帶走繼續想的問題：

- 你的求職數據到位了嗎？ 你知道自己的面試轉化率是多少？
- 你用 AI 的方式，體現的是你的判斷還是 AI 的預設？
- 你的實戰能力，有沒有在某個地方被記錄下來、可以被陌生人信任？

如果這些問題你還沒有答案，那就是下一步的起點。

方舟計畫持續在記錄這群人——那些用 AI 跨界產出、但還沒有地方被看見的人。