重點摘要： 用 AI 做人才研究最常見的失敗，不是查不到資料，是把所有來源當成同一種可信度混在一起。這篇給一個五層的優先順序：先看公司自己說的、再看官方登載的、再看媒體報導的、再看從業者公開講的、最後才是社群討論。每一層能回答什麼、不能回答什麼都不同，用錯層級的資訊去打電話，會在前五分鐘被聽出來。
打電話前的研究，AI 幫得上忙的地方很明確：它讀得比你快。
問題在於它讀完之後會給你一份看起來一樣可信的摘要，而裡面的資訊其實來自五種完全不同等級的來源。
為什麼優先順序比查得多重要
候選人多半就在那個領域工作。
你講的東西如果來自一則沒查證的社群傳聞，他會知道。而一旦他判斷「這個人講的東西不可靠」，後面所有正確的資訊都會被打折。反過來，只要有一兩件是他認同的「你真的做過功課」，整段對話的層次就會不一樣。
WeFer Academy 的〈電話前的準備〉把整段電話前準備定在 10 分鐘，內容涵蓋安靜的通話環境、耳機與網路確認、用 AI 對人選與公司做雙向研究，以及準備一項價值錨點。查資料只是其中一段，時間很短，所以更需要順序：先看價值最高的那一層，時間用完就停。完整流程在〈打電話前的 10 分鐘〉裡。
五層優先順序
第一層：公司自己說的（官網、產品頁、公開的招募頁）。
能回答的是：這家公司希望外界怎麼理解它、產品線與客群、組織有哪些部門。這一層的事實密度最高，因為公司要為它負責。
不能回答的是：實際的團隊氛圍、真實的決策速度。官網不會寫這些。
第二層：官方登載與政府統計。
能回答的是：這個產業的整體規模與缺工狀況、招募的真實節奏。舉例來說，勞動部的職缺概況調查顯示全時職缺平均對外招募時間約 3.2 個月，104 人力銀行的統計則是企業填補一個職缺平均需 60.3 天、主管職 77.9 天（資料來源見文末）。這一層的價值是給你一把尺，讓你知道什麼叫正常。
不能回答的是：單一公司的狀況。
第三層：產業媒體報導。
能回答的是：最近發生了什麼、這個領域的技術或法規方向往哪走。這一層最適合拿來當開場的話題，因為它新。
要注意的是：報導有時間性，三年前的方向可能已經反轉；而且媒體會挑戲劇性的角度寫。
第四層：從業者公開講的（公開的技術文章、演講、公開貼文）。
能回答的是：這個職能實際的日常、他們自己怎麼描述工作、哪些痛點是共通的。這一層對「講得出同行語言」幫助最大。
要注意的是：那是個人觀點，不是行業定論。
第五層：社群討論與匿名爆料。
能回答的是：有哪些說法在流傳、可能存在什麼疑慮。它的用途是提示你該去查什麼，不是拿來當事實引用。
絕對不要做的是：把匿名討論的內容當成既定事實講給候選人聽。
用 AI 的時候要守的三條
AI 已經進到不少人的準備流程裡。LinkedIn Talent Solutions 的《Future of Recruiting 2024》顯示，約 27% 的招募專業人士已使用或試用生成式 AI，約六成對 AI 抱持樂觀（資料來源見文末）。工具普及之後，差別會回到怎麼用，有三條要守。
一、要求它標出來源層級，不要只要摘要。
問法上的差別很大。「幫我摘要這家公司」會得到一份混在一起的段落；「分開列：公司官網寫的、媒體報導的、個人公開發文的」會得到可以直接判斷可信度的東西。
二、把它產出的東西當成待驗證的問題，不是答案。
它產出的是推論不是判斷，因為它不承擔後果。實際的用法是：讓它列出五個「值得深挖的疑點」，然後你自己去對照第一層與第二層的來源。這條界線在〈如何讓 AI 成為你的研究助理，而不是替你下招募結論〉裡有完整拆解。
三、講出口之前，先確認你講得出來源。
自我檢查很簡單：這句話如果候選人反問「你哪裡看到的」，你答不答得出來。答不出來就不要講。
查資料的那幾分鐘怎麼分配
環境與設備確認順手做掉，不佔這幾分鐘。查資料的部分實務上這樣切最有效率：
- 前 4 分鐘看第一層。 公司官網與公開職缺，抓出產品線、客群、這個職位落在哪個部門。
- 中間 3 分鐘看第三層。 產業媒體最近三到六個月的動態，抓一件可以當開場的事。
- 最後 3 分鐘看第四層。 這個職能的人自己怎麼講工作，抓一兩個同行語彙。
第二層不必每次查，它是你對整個市場的背景知識，累積起來就好。第五層只在你已經聽到某個疑慮時才去看。
課程把這一段的終點定義成「準備一項網路上查不到、但能幫助人選判斷機會的資訊」，例如真實預算或主管評價。這一項通常不在任何一層公開資料裡，要靠你去問負責該案件的 Key Account（WeFer 對口企業客戶的窗口）。做法是依照 WeFer Academy 上的指示主動聯繫，Key Account 收到訊息後會用最快的時間回覆。
Choc Chiang｜WeFer Co-Founder
Choc 有 7 年招募產業背景，獵頭時期從顧問一路晉升到主管、帶領顧問團隊，主攻中高階產業開發（醫療、能源、工業、B2B Tech），多次成為公司 Top Biller（業績排名第一的顧問）。2024 年共同創辦 WeFer，主導 product、business growth 與 AI 工具開發。
想知道整套 AI 使用邊界，〈如何讓 AI 成為你的研究助理〉可以接著看；想開始，WeFer Academy 可以免費加入，先看 13 分鐘的「Understand the Game」，通過審核、正式加入後解鎖完整課程與一對一 mentor。
常見問題
Q：可以直接把 AI 產出的摘要唸給候選人聽嗎？
A：不建議。它會把不同可信度的來源混在同一段裡，而候選人就在那個領域工作，講錯會被當場聽出來。實際的用法是拿它當草稿，講出口之前確認每一句你都答得出來源。
Q：社群上的討論完全不能用嗎？
A：可以用，但用途是提示你該去查什麼，不是當事實引用。聽到某個疑慮之後，回去對照公司官網或問 Key Account，確認過再談。
Q：查到的資訊跟候選人講的不一樣，怎麼處理？
A：這通常是機會不是麻煩。老實說明你看到的版本、問他實際情況，多數人會願意解釋。這種對話反而讓對方知道你有做功課。
Q：這套順序對不熟的產業也適用嗎？
A：適用，但第四層要花更多時間，因為你還沒有同行語彙。比較有效的做法是先挑一到兩個產業深耕，深度比廣度值錢得多。
Q：AI 會不會讓所有人都查得一樣多，優勢就消失了？
A：查得到的部分會被拉平，判斷不會。當所有人拿到同一份摘要，能不能挑出關鍵那一項才是差距，這一點〈為什麼 Top Biller 不一定知道最多，卻更快抓到關鍵〉有更完整的討論。
參考資料與延伸閱讀
權威來源：
