履歷會被AI壓平，作品紀錄不會

（媒角抵加／林承志綜合報導）LinkedIn 的 Hiring Assistant 已能把招募者用白話寫下的條件，拿去比對超過 10 億份會員檔案，再找出能支撐資格的資料。當履歷與求職信都能用 AI 快速改寫，招募者和客戶會回頭查一個人做過什麼。台灣求職者與接案者與其把工具列滿，不如用作品紀錄說清楚：你解過什麼問題、做過哪些取捨、最後留下什麼結果。

履歷仍是第一關，卻很難單靠一行「熟悉 AI」讓人判斷能力。LinkedIn 的招募系統、履歷 AI 偵測研究，以及招募團隊查驗候選人公開紀錄的做法，都把焦點推向同一件事：能被看見的工作過程，比一段文字順暢的自我介紹更能承接下一次機會。

• 正在改變什麼：LinkedIn 用 AI 讀職缺條件與候選人檔案，尋找符合資格的佐證資料。
• 履歷遇到的問題：LREC 2026 的研究發現，兩款現成工具辨識真實、AI 生成與 AI 潤飾履歷時，整體準確率只有 55.7% 與 25%。
• 讀者現在能做什麼：把一件完成的工作整理成需求、你的選擇、修改過程與結果，附上可查看的作品或紀錄。

LinkedIn 讓招募者用一句話找人，再回頭看證據

LinkedIn 6 月公開 Hiring Assistant 的搜尋架構。招募者不必先選一長串欄位，而是用日常語言描述職位、資歷和條件；系統把條件拆開，從超過 10 億份會員檔案裡找可能符合的人選，再交給招募者檢視。

LinkedIn 對外說明，這套系統會從個人檔案、履歷與其他相關資料中找出能支撐資格的內容。招募者仍在最後一關決定誰進入下一階段，候選人放在公開檔案裡的工作紀錄，則成為 AI 先讀到的材料。

這會改變履歷的寫法。一長串工具名稱告訴對方你碰過什麼；一個能對上職缺需求的案例，才能顯示你在什麼情境下用了那些工具、交出什麼工作。

一份履歷修得很像，檢測工具也未必分得出來

今年 5 月發表於 LREC 2026 的研究，蒐集 420 份資訊科技職缺履歷，分成真實撰寫、AI 生成與 AI 潤飾三類。研究者拿兩款現成 AI 文字偵測工具測試，Originality 的整體準確率是 55.7%，Writer 是 25%。

研究測的是履歷文字，不是面試表現或工作能力；它留下的實務問題很直接：收到一份語氣流暢、關鍵字齊全的履歷，招募者未必能靠偵測器判斷內容從哪裡來。能回頭檢查的作品頁、公開專案、客戶成果與工作經驗，會變成另一條驗證線索。

把 AI 當成改履歷的助手沒有問題。把它拿來補上自己沒做過的經驗，則會讓後面的對照和面談失去基礎。履歷裡的每一項成果，最好都能找到原始工作、專案說明或合作對象對得上。

招募團隊開始翻公開紀錄，確認人和經歷都對得起來

TIME 去年報導，影音公司 Kapwing 面對疑似過度依賴 AI 的求職者時，會查看候選人的公開網路足跡、確認工作經歷所列公司是否存在，並安排真人視訊面談。這套流程把招募方想確認的資料攤得很清楚：履歷之外，有沒有其他紀錄能證明這個人做過所寫的工作。

美聯社今年也引述求職平台 Greenhouse 的資料指出，招募人員要處理的求職申請量，已是數年前的 3.5 倍。Glassdoor 的首席經濟學家 Daniel Zhao 在同篇報導中說，AI 容易讓履歷和求職信變得和其他申請者同一種樣子；LinkedIn 的產品經理 Pat Whelan 則說，履歷仍重要，卻已不足以單獨完成求職。

當申請資料越多，招募者沒有時間細讀每一句自我介紹。公開的作品、專案頁、演講、客戶案例或可核對的工作成果，讓對方先找到具體內容，再決定要不要約你談。

八十分的文案變多後，讀者會找做事的人

AI 可以很快替不同職缺重寫一份履歷、做一張配圖，或整理一份簡報。這些第一版讓更多人能把想法說得完整，也讓輸出的格式更接近。讀者、客戶和主管接著會問：這個人長期在處理什麼問題？他在不同案子裡做了哪些一致的選擇？

例如，替餐飲品牌寫菜單的人，可以留下他怎麼把食材介紹改成顧客聽得懂的語言；處理政策資料的人，可以留下他如何刪掉術語、補上來源，讓一般讀者看完後知道下一步。成品之外，讀者還能看見這些判斷怎麼形成。

讀者也會看見你的立場。你是把複雜內容變簡單的人，還是擅長替小團隊把第一批客戶的回饋整理成下一版產品的人？同類紀錄累積起來，別人才有辦法把你和某一種問題連在一起。

作品紀錄要留下需求、選擇、修改和結果

一個作品紀錄先寫清楚當時要解決什麼：客戶要賣什麼、讀者在哪裡看不懂，或團隊要替哪一個流程省下重複工作。接著留下你做的關鍵選擇，例如刪掉哪一段、保留哪一個資料、為何換了做法。

修改過程能讓人看懂你的工作不是只按一次生成鍵。截圖、版本差異、客戶回覆、發布後數據或後續合作，都可作為作品紀錄的材料。不能公開的案子，則可隱去客戶名稱、數字和畫面，只保留任務、限制與自己的負責範圍。

在台灣投履歷前，先把作品連結和負責內容整理好

台灣就業通建議求職者平常累積並定期整理作品集，依想應徵的職位調整內容；有網頁版作品集的人，可提供連結讓對方進一步查看。連結先確認打得開，每個案例也要標出自己負責的部分，讓招募者不必猜測一個團隊成果裡誰做了什麼。

接案者若有保密義務，可把客戶名稱、內部數字和未公開畫面拿掉，保留任務、限制、自己的選擇和交付結果。這樣整理，既不碰保密資料，也讓下一位潛在客戶看得出你的工作範圍。

被指名的人，談的是下一個工作

曝光可以讓更多人看過你的名字。被指名的時候，對方通常已經知道你適合處理哪一件事。前者可能來自一篇熱門貼文；後者往往來自幾次可辨識的交付：你怎麼回應需求、做錯時怎麼調整、合作結束後留下哪些成果。

「我需要找一個人做」會從比價開始；「我想找你做」則能直接討論問題、時程和範圍。個人品牌讓別人有一組看得到、對得上的工作紀錄。

今天可以先挑一個已完成的專案，補上需求、選擇、修改和結果四項內容。履歷仍要投，但這份紀錄會在履歷送出、面談開始與客戶回頭找人時，替你補上工具清單說不清楚的部分。

常見問題

AI 幫我改履歷，還能用嗎？

可以。美聯社訪問的求職專家建議，AI 可用來讀公司資料、調整用字和準備面試。履歷裡的經驗、成果和數字仍要能由本人說明，也要能對上實際工作。

作品紀錄一定要有自己的網站嗎？

不一定。台灣就業通提到，作品集可做成紙本、PDF 或網頁版；重點是對方能打開、看懂，並看到你負責的部分。若使用外部平台，定期確認連結仍可查看。

沒有很大的專案，能留下什麼？

可以從一件小而完整的工作開始：替社團活動寫一封報名信、整理一次客戶常見問題、重做一頁說明內容。留下原本的需求、你做的選擇和完成後的版本，讓下一個人看得出你怎麼工作。

資料來源與更新紀錄

1. LinkedIn Engineering，〈Semantic Search for AI Agents at Scale: Retrieval and Ranking for LinkedIn’s Hiring Assistant〉，2026年6月11日。
2. LinkedIn Engineering，〈How we engineered LinkedIn’s Hiring Assistant〉，2025年10月21日。
3. Loizidou 等，〈Corpus and Baselines for Distinguishing Authentic, AI-Generated, and AI-Enhanced Resumes〉，LREC 2026，2026年5月。
4. 美聯社，〈Finding a job is tough. Here’s how AI can and can’t help〉，2026年。
5. TIME，〈How AI Is Being Used in Job Interviews〉，2025年8月4日。
6. 台灣就業通，〈讓履歷替你說話，透過自我健檢全面升級！〉。

*更新紀錄：2026年8月31日建立草稿並完成兩張概念圖。WordPress文章尚未建立或發布。*