提到 AI 應用，很多人腦海裡浮現的畫面，可能是一串複雜的程式碼、科技大廠的技術演講，還有那句幾乎成為職場口頭禪的「AI 會取代你的工作」。身為「S 的 AI 研究所」創辦人的 Selina，聽過這類焦慮不知道多少次。但他最近在社群上記錄並分享的，卻是一套極度接地氣的求職實驗——從履歷診斷、模擬面試到談薪水，全部交給 AI 協助完成。她並非理工背景，沒有工程團隊，卻以一位數位行銷人的視角，親手整理出這套人人都能複製的 AI 求職工作流。
用數位行銷的底層邏輯，把艱澀 AI 工具的訣竅轉譯成大家聽得懂的語言
Selina 的工作，幾年前和 AI 像是兩條平行線。她做數位行銷，每天想貼文怎麼寫、一則內容怎麼讓陌生人願意停下來。沒想到在 2023 年出現轉折，她注意到國外創作者開始用 AI 產出內容，那時的模型幾乎只能處理文字，但光是這一點，已經讓產量拉開巨大差距。
她便開始研究使用 AI 工具，後來發現 AI 的門檻沒有想像中高，它吃文字、吐文字，對靠文字吃飯的人反而佔有優勢，而當時台灣多數在使用 AI 的人，本來就長期關注科技趨勢，所以下定決心——「要把 AI 工具的使用訣竅，用大家聽得懂的社群語言講出來，幫更多不懂技術的人」。
沒想到在沒有投放廣告的前提下，「怎麼用 AI 做簡報」的短影音，觀看數一路突破 600 多萬，帳號在一個月內漲了 7 萬追蹤。隨著訊息匣裡越來越多人詢問課程，她決定全職踏上知識型創自媒體，正式成立「S 的 AI 研究所」，如今已累積超過 30 萬追蹤。
別急著送出履歷！把履歷與 JD 丟給 AI 抓出致命傷
在這次的訪談中,Selina 拆解了她平常放在付費內容裡的求職實操。起點是一個多數求職者沒意識到的事實:第一個讀你履歷的往往不是人,而是 ATS(自動篩選系統),它掃的是關鍵字與格式。關鍵字沒對上,你連被 HR 看到的機會都沒有。
她的做法是把「寫好的履歷」與「目標職缺的 JD」一起丟給 Claude。她指定用 Claude 而非 ChatGPT,理由是前者處理文字更精準,而且少了那些鼓勵性的情緒用語。
丟進去之後,她會請 AI 依序做這幾件事:
- 把履歷和職缺分數餵給 AI ，並算出匹配分數
- 列出被扣分的原因
- 對照 JD ，請 AI 提供缺少哪些能被 ATS 掃瞄到的關鍵字
- 請 AI 找出最強與最弱的區塊
- 請 AI 依照 JD 推出「最適合此職缺的人選輪廓」，並列出自己還缺少哪些部分
原本人工要花很久才能看出的盲點,AI 幾秒鐘就能把事實攤在眼前。
善用 AI 模擬面試，但談薪水要回歸到自己的判斷
準備面試時，AI 天生愛給鼓勵，不管答得多空泛都說好，反而容易讓人產生「已經準備好」的錯覺。Selina 的破解法是用角色指令把它逼成嚴格主管，一次只問一題、回答空泛直接打槍，並給它一組評分標準，請它依邏輯與具體程度打分數。研究目標公司時，她善用深度研究功能讓 AI 讀完企業最新的動作、產品與新聞，整理成「面試前最需要知道的五件事」，省去翻找幾十個連結的時間。不過她強調，引用不等於正確，這五件事仍要自己抽查對照。提及談薪水，她反而踩煞車，市場行情、JD 拆解、對話模擬 AI 都能幫忙，但要不要接受這個 Offer，怎麼開口談判，牽涉到個人職涯價值觀，因此這關還是回歸到人類的判斷比較好。
別指望 AI 第一次就給出完美答案！用耐心和專業判斷拉開差距
談及大家最常犯的錯，Selina 直言是「期待 AI 一次就給出完美答案」真正用得好的人，是一路把自己的專業判斷加進去，知道 AI 會在哪裡出錯，再用判斷把它修對。「完全外行的人用它勉強及格，本來就是這行專家的人用它，是對其他人降維打擊。」她提醒，與其焦慮被取代，不如把力氣花回累積自己的專業。
每天下班後，Selina 會開著語音對話把問題講給 AI 聽，再從一長串產出裡一句句驗證、修改，最後刪到剩下一句別人照著就能用的指令。螢幕暗下，她準備把今天這套剛測試好的算式，放進明天的電子報裡。
