重點摘要： 速度本身是中性的，它放大的是你原本的方向。招募流程裡有三個地方錯了不會當場報錯：對職缺的理解、搜尋條件的設定、開發訊息的模板。這三件事以前錯了要幾天才發現，現在幾小時就能把錯誤複製一百遍。這篇拆開每一種怎麼發生、什麼時候會爆出來，以及一個很便宜的攔截點。
用 AI 之後最明顯的變化，是同樣的時間可以做更多事。
問題在於「更多事」包含更多錯的事，而招募的錯誤有一個特性：它們不會當場報錯。
為什麼這三種特別危險
一個共通點：回饋很晚才到。
依 WeFer Key Account 團隊在台灣的實務觀察，從放案到人選到職，一個完整的招募週期大約落在 8 到 12 週；勞動部的職缺概況調查也顯示，全時職缺平均對外招募時間約 3.2 個月（資料來源見文末）。你今天設錯的搜尋條件，可能三週後履歷被退才發現；今天寫錯的訊息模板，可能發了兩百封才知道回覆率為什麼那麼低。
以前速度慢，錯誤的傳播範圍也小。現在效率提高之後，錯誤的傳播速度跟著提高。
第一種：對職缺的理解錯了
這是最貴的一種，因為後面每一步都建立在它上面。
怎麼發生： 把職缺說明丟給 AI，要它整理成「這個職位在找什麼樣的人」。它會給你一份看起來很合理的摘要，而那份摘要只反映了紙上寫的東西。
一份職缺說明上寫的是條件，沒寫的才是重點：這個團隊現在卡在哪裡、為什麼現在開這個缺、這個人第一年要解決什麼問題。同樣一句「需要五年經驗」，在缺人手的團隊跟缺方法的團隊裡，要找的是完全不同的兩種人。AI 讀不出這一層，因為資料裡沒有。
什麼時候爆出來： 常見的情況是跑到第三週左右，推出去的幾個「條件都符合」的人選全部被退，而且退件理由每次不太一樣。
攔截點： 開跑之前，依照 WeFer Academy 上的指示，主動聯繫負責該案件的 Key Account（WeFer 對口企業客戶的窗口），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。方向要記對，是顧問主動發起。
第二種：搜尋條件設錯了
怎麼發生： 讓 AI 把職缺說明翻成搜尋條件。它翻得很快，但它會照字面翻：官方職稱、紙上列的每一項技能、公司規模。
實務上兩個常見的偏差。一是把加分條件當成必要條件在濾，符合的人數立刻掉到個位數。二是用 JD（Job Description，職缺描述）上的官方職稱去搜，而市場上實際的職稱長得不一樣，同一個工作在不同公司可能有三四種叫法。
什麼時候爆出來： 名單一直湊不滿，或撈出來的人明顯不對。這一段的診斷方法在〈Recruiter 第一案遲遲沒有結果，如何判斷該堅持還是調整〉裡有完整版本。
攔截點： 條件跑出來之後先手動掃前二十筆。看得出來對不對，只要三分鐘。
第三種：開發訊息的模板錯了
怎麼發生： 讓 AI 產一版開發訊息，覺得還不錯，就拿去大量發送。
這是三種裡面最容易大規模發生的，因為量產的成本幾乎是零。而一段看起來通順、實際上看不出做過功課的訊息，回覆率不會因為發送量變大而變好。
更麻煩的是影響不只落在你身上：收到的人多半就在那個領域工作，這種訊息累積起來會影響整個行業被看待的方式。一個可以借來理解的參考是廣告領域的信任度差距，Nielsen 的調查顯示，約 89% 的受訪者最信任認識的人給的推薦，而影響者式的廣告信任度僅約 23%（資料來源見文末）。這是廣告的數據、不是招募的數據，但方向是同一個：訊息來自誰、看起來有沒有針對你，決定了對方要不要當一回事。
什麼時候爆出來： 回覆率接近零，而且你不知道是名單問題還是訊息問題。
攔截點： 先發十封，看回覆率再決定要不要放大。這一條可以省下非常多時間。
一個共通的便宜攔截點
三種錯誤有同一個解法：在放大之前，先用最小的量驗證一次。
具體來說是這三個動作：職缺理解先跟 Key Account 對一次、搜尋條件先手動掃前二十筆、開發訊息先發十封。三個動作自己要花的時間都很短，但它們攔截的是三週後才會出現的問題。
這件事的本質不是不信任工具，是分清楚哪些可以被查證、哪些需要承擔後果。可以當場看得出來對錯的，交出去；幾個月後才知道對錯的，自己來。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。
速度該用在哪裡
值得補一段，因為前面看起來像在勸退。
AI 省下來的時間，投在下面幾個地方報酬最高：打電話前的脈絡準備（讀公開資料、跑產業與公司動態摘要）、整理你自己的筆記、多跑一個案子。前兩件的原始材料你當場驗證得了，第三件則直接增加回饋次數，而回饋次數就是校準速度。
省下來的時間如果全部拿去增加發送量，那就是把前面三種錯誤等比例放大。這也是為什麼「用 AI 提升速度」跟「用 AI 提升品質」在實務上是兩個不同的選擇。
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 AI 在準備階段實際怎麼用，〈用 AI 準備候選人訪談〉那篇有 10 分鐘的做法；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：那到底該不該用 AI 產開發訊息？
A：可以用它產結構，但關鍵的那一兩句自己補：提到對方實際做過的事、這個領域最近的變化、這個機會跟他現在的位置差在哪。而且放大之前先發十封測回覆率。
Q：搜尋條件要怎麼確認有沒有設錯？
A：手動掃前二十筆，三分鐘就看得出來。撈出來的人明顯不對，通常是把加分條件當必要條件，或是用了紙上的官方職稱而不是市場實際在用的說法。
Q：職缺理解錯了，一定要等到被退才發現嗎？
A：不一定，而且不該。開跑前主動聯繫負責該案件的 Key Account 拿策略與引導，是最便宜的攔截點。跑的過程中被退了，也要帶著退件理由回去對一次。
Q：用 AI 會不會讓履歷品質下降？
A：工具本身不會，但如果把省下來的時間全部拿去增加發送量就會。速度是中性的，它放大的是你原本的方向。
Q：企業端也在用 AI，這會有影響嗎？
A：會。經理人月刊引述 104 的調查指出，過去兩年約 36.5% 企業使用 AI 進行人資作業。兩邊都提速之後，差距會回到判斷與問題品質上，而不是誰跑得快。
參考資料與延伸閱讀
權威來源：
