今天的招募自動化，改往第一階段流程的探討，招募自動化有沒有辦法協助HR先進行大量的履歷初步篩選，人資再針對配適度高的履歷判斷。
這也是前陣子大家常疑惑與討論的：「AI 是否可以替代人資來進行篩選履歷?」
技術架構
整體架構採用Apps Script + Gemini API + OCR技術，自動化流程如下：
- 履歷資料來源：將PDF 履歷檔案先上傳至 Google Drive。
- 求職者名單：應徵者清單，包含應徵職位、職缺要求等資訊。
- AI 分析流程：
- 讀取履歷 PDF 並透過 OCR 技術擷取文字
- 將文字內容結合職缺資訊傳送至 Gemini API，下 prompt 請AI模型回傳「推薦分數」、「推薦與否」與「摘要建議」。
- 分析結果寫回名單，供 HR 或主管快速參考。
實測結果
我拿自己的履歷實測幾個職缺的AI篩選下來，AI 確實能快速生成判斷結果，對於大量履歷處理具一定效率，讓人資不用一頁一頁點來看。
但也發現AI幾個挑戰：
- 履歷解讀深度不足：對於跨領域背景、非線性職涯或資深人才，AI 難以理解其職涯脈絡與潛力。
- 分析面向過於單一：模型傾向依據文字表象進行分類與判斷，缺乏 HR 對「轉職動機」、「職能潛力」、「文化適配」等軟性因素的判讀力。
- 摘要內容重複性高：尤其當履歷架構相似時，AI 輸出的語句容易趨同，無法提供差異化洞察。
(我以為，以我的履歷，在HR相關職缺，至少要拿到8分以上)
結論：AI 並非取代，而是輔助
其實要接API跟OCR技術非常快，但測試了一個多小時，我評估篩選能力可能落在Junior HR以下，這可能與模型理解力 (我用Gemini免費API)、OCR擷取完整度 (我用OCR免費API)、或履歷本身結構呈現有關。
這次實測也提醒我，AI 並非取代，而是輔助，但真正的人才判斷力仍仰賴 HR 專業與經驗，否則將會錯失潛力人才。
有空我會持續優化 Prompt 設計或探索模型調整方式，並嘗試整合其他技術。希望能讓 AI 成為更具參考價值的招募助理工具，而不是單一評分機制。
如果你也在思考如何透過自動化，讓招募更快、更準、更好，歡迎一起交流討論。
