用 AI 篩選履歷會有歧視問題嗎？有什麼我需要特別注意的？
這是一個非常重要的問題，而且沒有一個簡單的答案——因為 AI 輔助招募的歧視風險，很大程度上取決於你怎麼用它。
風險所在：AI 系統（包括 Claude）的輸出，會受到輸入給它的評估框架影響。如果你的評估框架本身帶有偏見——例如把「知名大學畢業」或「大型科技公司工作過」設定為必要條件，而這些條件和實際職位需要的能力沒有直接關聯——Claude 就會忠實地按照這些有偏見的標準篩選，甚至放大這個偏見。
降低風險的做法：
法律層面：在台灣，就業服務法和性別工作平等法等相關法規對招募過程中的歧視有明確規定。使用 AI 輔助篩選不能免除你在法律上的反歧視義務。
如果候選人的履歷很短、資訊很少，Claude 還能做有用的評估嗎？
可以做評估，但你要調整期望值和使用方式。
履歷很短的情況通常有兩種原因：候選人工作年資很淺（應屆畢業生或職涯剛起步），或者候選人不善長寫履歷。
對應屆畢業生：把評估框架調整為聚焦在「學習潛力、相關專案、實習經驗、軟技能訊號」，而不是「工作年資和具體成果」。讓 Claude 評估時改用：「這位候選人工作經驗較少，請重點評估：她/他的教育背景、課外活動、實習經驗中，哪些顯示出 [職位所需的核心能力]？」
對資訊不足的履歷：把 Claude 的分析結果當成「問題清單」而不是「評估結論」。Claude 說某個方面「資訊不足，無法評估」，這本身就是有用的資訊——代表你在電話初篩時需要主動問那個方向。
實際建議：履歷太短的候選人，用 Claude 做初篩效益有限；把更多時間投入在資訊豐富的履歷上，讓 Claude 幫你做深度分析，通常效益更高。
這套工作流適合小公司或非 HR 專業的主管自己用嗎？
完全適合，而且對「沒有專職 HR、自己負責招募」的主管，可能反而是最有幫助的場景。
傳統的招募篩選，非 HR 專業的主管面對的困難是：不確定自己設定的標準是否合理、不知道怎麼快速對比大量候選人、以及在本職工作之外抽不出太多時間做招募。
這套工作流的設計，恰好能幫助這三個問題：Claude 幫你把直覺性的「感覺這個人不錯」轉化成結構化的評估標準（幫你釐清標準是否合理）；批量評估讓你能在短時間內對比多份履歷；而整個流程的設計讓你能在每天 1–2 小時的碎片時間裡推進招募，不需要整天坐在那裡讀履歷。
對於小公司，有一個特別建議：把「建立評估框架」這個步驟當成一次很有價值的反思機會——你在建立框架的過程中，會被迫想清楚「這個職位我到底需要什麼樣的人」，這個想清楚的過程本身，就比最後找到的候選人更重要，因為它會讓你的整個招募方向更正確。
我已經有一套自己的履歷評估標準了，怎麼讓 Claude 用我的標準，而不是它自己的判斷？
這個問題很關鍵，答案也很直接：把你的標準完整地寫進提示詞裡，越具體越好。
做法：在提示詞的開頭，用結構化的方式列出你的評估標準：「請根據以下評估標準評估候選人，不要加入標準以外的個人判斷：必要條件：[列出]；加分條件：[列出]；排除條件（有這些直接不考慮）：[列出]。」加上最後那句「不要加入標準以外的個人判斷」很重要——它告訴 Claude 你要它「執行你的標準」，而不是「根據你的標準再加上它自己的偏好」。
常見問題：有時候 Claude 會在評估結論裡加入「我覺得這個候選人很有潛力」這類沒有依據的主觀評語。如果你不想要這些，在提示詞裡直接說：「你的評估結論只需要按照標準做客觀描述，不需要加入主觀評價或激勵性語言。」
最佳實踐：先用一份你自己已經評估過的履歷（你知道結果應該是什麼）測試你的提示詞，看看 Claude 的輸出是否和你的評估一致。如果差異很大，調整你的提示詞，直到 Claude 的判斷邏輯和你的一致。
招募篩選是人資和業務主管最耗時的工作之一——不是因為它複雜，而是因為它重複。你要讀的每一份履歷，基本上都在回答同樣的問題：這個人的背景符合我們的需求嗎？他的工作經歷和職位要求有多少重疊？他的自傳顯示出哪些值得在面試裡深問的訊號？
這正是 Claude 最擅長的類型任務——從大量文字材料裡找出符合特定標準的內容，並根據你設定的評估框架做初步判斷。本文介紹如何用 Claude 建立一套可重複執行的招募篩選工作流，讓你把時間集中在真正需要人類判斷的環節：面試和最終決策。
一個中型職位開放，通常會收到 50–200 份應徵，但真正值得進入第一輪面試的可能只有 5–10 人。這意味著你要花大量時間讀「不符合的」履歷，把不符合的篩掉，才能找到那 5–10 人。
更麻煩的是，履歷的品質和格式差異很大：有些人寫了 3 頁、有些人只有半頁；有些人按時間排列、有些人按功能分類；有些職稱明確對應你需要的能力，有些職稱你不確定代表什麼。把這些差異大的材料整合成一個可比較的評估，本身就是一件費力的事。
Claude 在這個場景裡能做的，不是替你做最終的「錄取/不錄取」決定——那個決定應該永遠由人來做。它能做的是：把這 50–200 份履歷的初步篩選時間，從每份 5–10 分鐘壓縮到每份 1–2 分鐘，讓你能更快找到值得深入看的那幾份。
階段一：建立評估框架（你做，一次性）
在開始篩選之前，先花 20–30 分鐘把這個職位的評估標準整理清楚。這是整個工作流的基礎，做好了之後每個職位都可以重複使用（只需要更新標準）。
評估框架應該包含：必要條件（缺少就直接刷掉的）、加分條件（有了更好、沒有不影響）、以及需要在面試中深問的訊號（不能從履歷直接判斷但值得追問的）。用 Claude 幫你建立框架：「我在招募一個 [職位名稱]，主要職責是 [列出]。請幫我設計一個履歷篩選評估框架，包含：（一）必要條件 5 個以內；（二）加分條件 3–5 個；（三）需要在面試中深問的訊號 3–5 個。」
階段二：初篩（Claude 輔助，高量）
把評估框架和候選人履歷一起給 Claude，讓它做快速的初步評估。提示詞：「以下是我們的職位評估框架：[貼入框架]。請閱讀以下候選人的履歷，並用表格格式輸出：候選人姓名、必要條件符合度（%）、加分條件（列出符合的）、需要深問的訊號（如果有）、以及你的初步建議（值得第一輪面試 / 存疑待確認 / 不建議繼續）。」
這個步驟讓你能在每份履歷 1–2 分鐘內得到結構化的初步評估，比自己從頭讀快很多。
階段三：深度評估（Claude 輔助，低量）
初篩之後，你可能篩出 15–20 份值得深入看的履歷。這個階段用 Claude 幫你做更細緻的分析：「請針對以下候選人做深度評估，重點分析：（一）他的職涯發展軌跡是否和這個職位的成長路徑一致；（二）他的工作成果描述中，哪些是可量化的、哪些是模糊的；（三）根據他的背景，面試時最值得深入探討的三個問題是什麼。」
階段四：面試準備（Claude 輔助）
對於決定面試的候選人，讓 Claude 幫你準備個人化的面試問題：「這位候選人的背景是 [貼入摘要]。針對這位特定候選人，請幫我設計 5 個個人化的行為問題，每個問題附上：這個問題要探測的能力、以及如何判斷回答品質的標準。」
快速初篩（適合大量履歷）提示詞框架：
「你是一個專業的招募助理。以下是這個職位的評估標準：[貼入框架]。請評估以下履歷，用以下格式輸出：
- 必要條件評估：符合 X/Y 項（列出符合和不符合的）
- 加分條件：符合哪些（無則標 N/A）
- 值得注意的訊號：（有則列出，無則標 N/A）
- 初步建議：推進第一輪 / 存疑 / 不建議，原因一句話
[貼入履歷內容]」
批量處理多份履歷提示詞框架（效率優先）：
「我有 [X] 份候選人履歷，請依序評估每一份，格式用編號表格（候選人#、姓名、符合必要條件數、初步建議）。評估標準如下：[框架]。以下是各候選人履歷（以 --- 分隔）：[貼入多份履歷]」
用 AI 輔助招募篩選，有幾個重要的注意事項必須了解：
第一，Claude 的判斷是參考，不是決策。Claude 的初篩評估能幫你快速過濾明顯不符合的候選人，但任何「值得面試」或「不建議繼續」的決定，都應該有人類確認過履歷本身之後再做定案。
第二，注意偏見的放大效應。如果你的評估框架設計得有偏見（例如把某個學歷或公司背景設為「必要條件」），Claude 會忠實地放大這個偏見。定期審查你的評估框架，確保標準是以能力和成果為基礎，而不是以背景標籤為基礎。
第三，不要在提示詞裡包含個人識別資訊。在把履歷給 Claude 處理之前，移除或模糊化候選人的姓名、電話、地址等個人識別資訊，讓評估聚焦在能力和經驗，也減少個資洩漏的風險。
第四，透明度。在某些地區，法規要求你告知候選人你使用了自動化工具輔助篩選。確認你了解當地的招募合規要求。
如果你每年開放超過 5 個職位，或者每次招募都要處理 50 份以上的履歷，這套工作流能讓你把招募篩選的時間縮短 50–70%。省下來的時間，可以用在招募裡真正重要的地方：更深入地準備面試、更仔細地和候選人溝通、以及更有品質地和最終候選人互動。
更重要的是，有了一套結構化的評估框架，你的招募決策品質也會提升——不再是「感覺這個人不錯」或「這份履歷看起來很厲害」，而是有明確標準支撐的、可以向別人解釋的判斷。