重點摘要： 過去招募的價值來自資訊落差：誰認識的人多、誰的名單長，誰就贏。那個落差正在被工具抹平，答案變得幾乎不要錢。剩下真正稀缺的是提問品質：知道這個職缺該問什麼才不會白找、知道這個人選該問什麼才判斷得準。這篇說明價值為什麼從答案移到提問、好問題有哪四個特徵、以及這個轉變對想入行的人代表什麼。
先看一個很多人有過的經驗。
一個職缺開了三個月沒填掉。換了三個管道、看了兩百份履歷、面了十幾個人，都不對。最後坐下來重問一次「這個人進來第一年到底要解決什麼問題」，才發現一開始要找的方向就錯了。
卡住的從來不是找不到答案，是問錯了問題。 而這件事現在變得比以前更重要，因為答案這一側正在快速貶值。
答案為什麼變便宜了
過去招募這行的護城河是資訊落差。誰手上的名單長、誰認識的人多、誰知道哪家公司在擴編，誰就有優勢。
這個落差正在被抹平。人選的公開資料查得到，公司的動態查得到，市場薪資範圍也大致查得到。工具還在繼續往這個方向推：依 LinkedIn Talent Solutions 的調查，雖然只有約 27% 的招募專業人士正在使用或試用生成式 AI，但約六成對 AI 在招募上的應用抱持樂觀；在台灣，依 104 人力銀行的資料，過去兩年內有 36.5% 的企業使用 AI 技術進行人資作業，其中 53.2% 用於撰寫職缺內容（資料來源見文末）。
方向很清楚：凡是「把資料找出來、整理好」這一類的工作，成本會一路往下掉。
所以問題變成：當每個人都拿得到差不多的答案，差別在哪裡？
差別在你問了什麼。同樣一份人選資料，一個人看完得到「五年經驗、待過兩家同業」，另一個人看完會問「他第二份工作待了七個月就換，那家公司那時候發生了什麼」。拿到的資料一樣，得出的判斷不一樣。
好問題的四個特徵
不是所有問題都等值。實務上真正有用的問題，通常有這四個特徵中的至少兩個。
一、它問的是沒被寫下來的部分。 職缺描述上寫的是條件，沒寫的才是重點：這個團隊現在卡在哪、用人主管的風格、為什麼現在開缺、這個人第一年要解決什麼。同樣一句「需要五年經驗」，缺人手的團隊跟缺方法的團隊要的是兩種人。問已經寫在紙上的東西，不會改變任何判斷。
二、它會改變你接下來的動作。 這是最實際的濾網。如果一個問題的答案不論是什麼，你下一步都一樣，那它就是閒聊。「這個缺急不急」如果會影響你要不要接、要投多少時間，就是好問題；如果你反正都接，那就不是。
三、它問得出對方沒準備過的東西。 準備過的答案只能證明對方重視這次機會，不能證明那件事是他做的。所以要往具體情境問：分工、卡關的地方、試過但沒用的做法。做過的人講得出失敗的分支，沒做過的人只講得出成功的主線。 這一層怎麼問，〈候選人回答很流暢，為什麼更需要追問具體情境〉裡有完整的四個方向。
四、它敢問不舒服的那一題。 薪資期待的落差、他為什麼想離開現在的公司、原公司會不會加薪留人。這些問題現在不問，會在 offer 階段變成事故。專業的一部分就是願意提早把壞消息挖出來。
這個能力具體長什麼樣
抽象講「知道要問什麼」還是太虛，落到兩個對象上會清楚很多。
對職缺這一側。 你拿到一個案子，要問到能回答這三題為止：這個職缺真正要解決什麼問題、什麼樣的人做得起來、市場上這種人大概在哪裡。問不到這一層就開始找人，等於用兩百份履歷去試錯。
在 WeFer 上，Key Account（WeFer 對口企業客戶的窗口）團隊會先把客戶的需求釐清、整理好再交付到平台上，但細節仍要自己問。實務動作是：在正式開始做案子之前，依照 WeFer Academy 上的指示，主動聯繫負責該案件的 Key Account，取得這個案子的最佳策略與引導。 Key Account 收到訊息後會用最快的時間回覆你。願意主動問到底的顧問，推薦前少踩很多冤枉路。
對人選這一側。 你要問到能判斷四件事：契合度、動機、薪資期待、面試風險。而問得好還有一個副作用：在多數面談裡沒有人真的對他做過的事感興趣，所以一個問得深的人，人選反而更願意跟你走。
為什麼產業背景在這裡放大最多
提問品質跟一件事高度相關：你懂不懂對方在講什麼。
不懂的人只能問通用問題，而通用問題得到通用答案。懂的人才問得出下一層，也才聽得出哪一個答案怪怪的。
這是 WeFer 在結構上就佔優勢的地方。WeFer 的 Recruiter 有 70% 以上是 HR 或具特定產業背景的人才，帶著原本就有的產業判斷、人脈與真實工作經驗進場。給候選人的不只是職缺連結，而是同行才講得出來的產業情報與職涯路徑判斷。
要說清楚的是，這不是「獵頭不做判斷」的意思。 資深獵頭當然也做這些事，而且做得很好；Agency 裡有非常多很強的顧問，WeFer 兩位共同創辦人也都是獵頭 Agency 出身。差別在於路徑：多數獵頭是從做這行才開始接觸產業、再自主學習補起來；WeFer 的顧問則是產業同行轉進來，那份理解一開始就在。差別在「怎麼做」，不在「做什麼」。
沒有產業背景也不是不能入行，只是補的方式只有一種：用接觸量換手感，選一到兩個產業深耕，把每通電話當成產業情報課。
這對想入行的人代表什麼
如果價值在提問，那入行的判斷標準就要跟著換。
不是那麼重要的： 你認識多少人、你的履歷漂不漂亮、你有沒有做過招募。這些要嘛可以被工具補上，要嘛可以被教。
真正重要的： 你對某個領域夠不夠熟，熟到問得出第二層；你會不會在被拒絕之後回頭拆解「剛剛哪一句話讓對方冷掉」；你敢不敢問不舒服的問題。
這也對得上 WeFer 審核的邏輯：核心宗旨是找到動機強烈、真的想把招募做起來的夥伴，不是看年資、也不是看產業經驗。 能教的 WeFer 來教，不能教的先看清楚。而「願不願意多問一層」正好落在後者。
順帶一提，技能導向的判斷在整個人才市場都是同一個方向。依 LinkedIn Talent Solutions 的調查，約 73% 的招募專業人士把以技能為基礎的聘僱列為優先（資料來源見文末）。這件事對 Recruiter 自己也成立：這行看的是你問得出什麼，不是你待過哪裡。
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，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。
想知道這套提問能力實際怎麼練，可以免費加入 WeFer Academy 看 13 分鐘的「Understand the Game」；通過審核、正式加入後解鎖完整課程、平台職缺與一對一 mentor。想先看看審核實際在確認什麼，〈WeFer Recruiter 申請會看什麼〉那篇有完整說明。
常見問題
Q：AI 會不會讓 Recruiter 這個角色消失？
A：會讓其中一部分消失，就是「把資料找出來、整理好」那一段。剩下的判斷、信任、談判這幾件事還在，而且因為前面那段變便宜了，這幾件事的相對價值反而更高。AI 是放大顧問判斷的工具，不是替你下結論。
Q：怎麼練「知道要問什麼」？
A：靠量跟靠回頭看。每通電話之後記下三件你原本不知道的產業事實，三個月後你對這個市場的理解會超過很多待在單一職位的人。另一個做法是每次判斷失準時回頭拆：當時漏問了哪一題。
Q：沒有產業背景，是不是問不出好問題？
A：起步會慢，但可以補。做法是選一到兩個產業深耕、不要什麼案都接，然後用事前準備補資歷差距：先讀懂這個職位在解決什麼問題、公司近期動態、這個層級的人在意什麼。產業背景是很大的加分，但不是入場券。
Q：問太多會不會讓客戶覺得我不專業？
A：實務上相反。問得出第二層的人，客戶會覺得你懂這個領域；反而是完全不問就開始找人的顧問，第一輪推薦被退之後信任度掉最快。重點是問的方向要對著「這個缺要解決什麼問題」，不是對著已經寫在職缺描述上的條件。
Q：這件事跟收入的關係是什麼？
A：問得準就挑得準，挑得準就把時間投在會成的案子上。招募是成功費制，沒有成交就沒有收入，所以判斷力直接決定你的時間報酬率。這也是為什麼投入時間會隨熟練度遞減，熟了之後投入較少也賺得到錢；真正的判準不是時數，是有沒有成功結案的紀錄。
參考資料與延伸閱讀
權威來源：
