AI 時代求職，海投履歷為什麼反而讓你石沉大海

你可能已經投出去第五十封、第一百封履歷了，收件匣裡卻只有幾封已讀不回，或是罐頭式的婉拒信。你開始懷疑是不是自己不夠好，於是又找了 AI 幫忙，把履歷改得更漂亮，開發信寫得更客氣，然後繼續投。

投得更快、更多、看起來更專業，照理說機會應該變多。很多人的實際經驗卻正好相反，履歷投得越勤，回音越少。

這篇要講清楚這場遊戲的規則，這幾年被 AI 悄悄改寫了。以前，投遞的數量本身就是一種努力的證明。現在人人手上都握著同一顆按鈕，數量不再稀有。改寫之後，什麼樣的東西才真的能讓一個人被記住，你讀完就會有答案。

為什麼投得更多，回音反而更少

因為量大到一個程度之後，每一份看起來都一樣，收件的人就不再一份一份看了。

2024 年 Fortune 報導過一個案例，一個剛拿到商學位的 22 歲年輕人，十個月內投出超過一千七百份履歷，最後只換到一份工作，在 Costco 賣手機。

這種故事每隔幾個月就會換一張臉再寫一次，數字越滾越大，結論永遠一樣，市場壞掉了，這不是你的錯。

創作者 Justin Welsh 在一篇叫〈Mediocrity at scale〉的文章裡，給了另一個解讀。他自己帶出過兩家估值破十億美元的公司，現在每週寫一封電子報給二十多萬個讀者，算是看過不少求職與商業提案的人。他的觀察很不留情，投遞的數量從來不是品質的指標，很多時候正好相反。AI 可以幫你潤履歷、客製求職信，還能趁你睡覺自動投遞，數量本身已經不值錢了，因為那是每一個競爭者都做得出來的同一種努力。

一千七百份履歷，最後掉進一個裝滿了同樣東西的箱子。量已經夠大了，問題出在箱子裡每一份看起來都差不多。

這個道理也適用在別的地方。上一篇〈合理性過剩〉講過同一種現象，AI 把「產出看起來合理的東西」壓到接近零成本，於是合理的東西要多少有多少，真正合理的還是一樣稀有。履歷、開發信、社群貼文，都在重演這個劇本。

廣發傳單，還是磨一把鑰匙

要拆解這件事，可以借用一個十幾年前的老概念。2013 年，Y Combinator 共同創辦人 Paul Graham 寫過一篇短文，叫〈Do Things That Don't Scale〉，勸早期創業者去做那些沒辦法規模化的事。

他最愛舉的例子是 Airbnb。當時用戶集中在紐約，兩位創辦人卻待在加州。Graham 叫他們飛過去，一戶一戶敲門，親手把房東拍得亂七八糟的照片重拍一遍。創辦人的第一個反應是，這件事沒辦法規模化。Graham 的回答是，正因為不能規模化，才更該去做，因為那是你這輩子唯一小到能認識每一個顧客的時候。

這個建議放到今天特別鋒利，因為它剛好對應了兩種東西的分野。

傳單是水平的。印一千張，每一張長得一模一樣，成本幾乎不變，所以不需要知道收件人是誰，邏輯是大面積覆蓋。鑰匙是垂直的，形狀照著某一道鎖的內部，一刀一刀磨出來的。換一道鎖，它就是一塊廢鐵，邏輯是貼合。

AI 做的事情，是把印傳單的成本壓到接近零。同時它也做了另一件更麻煩的事，它讓所有人的傳單看起來一樣漂亮。印傳單便宜了，會磨鑰匙的功夫，反而變貴了。

一封公開信，怎麼贏過一千張履歷

接下來這個故事比較有溫度。Jay Clouse 是創作者教育社群 Creator Science 的創辦人，旗下有個付費社群叫 The Lab。今年他打算生第二胎，決定請兩個月育嬰假，同時給自己設了一個目標，事業做大一倍，投入的時間卻要更少。

如果他當時公開徵才，信箱大概會被塞爆，九成九是 AI 潤過的完美履歷，通順、漂亮、無懈可擊，而且每一封都可以寄給任何人。

Anna Reich 沒有走這條路。她是 The Lab 最便宜方案的會員，跟著 Jay 快兩年，本業是管理顧問，兩年前一度失業。她在自己的網站上寫了一封公開信，題目直接叫「如果我是他的團隊成員，我會怎麼幫 Jay 用六個月準備好育嬰假」。

寫這封信之前，她把 Jay 給會員的最新事業回顧看完，聽完他最近幾集 Podcast，翻出他自己承認過事業瓶頸在自己身上的那篇舊文章，還去訪談了幾個沒有續約的會員，把他們沒說出口的話帶回來。信裡她點出六件事，每一件都不客氣，包括 Jay 過去請的都是專才，卻沒有人負責管理這些專才，所以他永遠只能自己當那個管所有事的人。

十二天後，Jay 在她的文章底下留言，劇情大逆轉，他聘用了她。

AI 走不過去的三個地方

這個故事值得多想一層，Anna 做的這些事，AI 到底哪一段做不到。

素材蒐集這一段，AI 可以做。摘要 Podcast、爬梳貼文、整理時間軸，它做得比人快上百倍。文字流暢度，AI 也早就贏了。但有三個地方，AI 走不過去。

第一是判斷。Anna 從幾十個小時的素材裡，決定哪六件事值得講，這一步靠的是取捨。整理和取捨是兩種完全不同的功夫，你得先真的在乎一個人，才知道哪句話對他重要。

第二是勇氣。Anna 敢寫一段點出對方沒做到位的地方。AI 有個天生的盲區，它會逢迎，它被訓練成要讓你滿意，這讓它很難真的中立。它可以幫你列出六個優點，卻不太會冒著讓你不高興的風險，講出讓人不舒服的第七件事。

第三是設身處地。Anna 親自去訪談了流失的會員，找人、約時間、聽對方講話，沒有任何技術含量，卻是整封信裡最重的一句話的來源。

AI 能幫你到哪裡，剩下的要自己補

AI 在這裡面依然幫得上忙。Cursor 工程教育副總 Lee Robinson，看過數百份工程師求職申請，整理出幾條建議，剛好可以當這件事的操作手冊。

他認為履歷不該超過一頁，重點是讓對方快速看懂你最值得被記住的是什麼，不用把做過的事全塞進去。個人網站或作品集可以放連結補充，但要看得出用心，一看就知道是 AI 生成、粗糙又空洞的頁面，反而扣分。申請不同公司時，履歷最好隨之調整，新創公司在意你能不能快速做出東西，大公司要先過篩選系統，關鍵字和標準化經歷才有用。

他特別提醒不要直接讓 AI 幫你寫求職信或履歷的文字。可以用 AI 發想方向、整理素材、比較措辭，但最後的句子最好自己寫，避免掉進那些被用到爛、一看就是 AI 預設輸出的句型。文字不需要華麗，但要像真人，最好也像你自己。他也強調看的是品質，量再大也一樣，三個真正用心、具體、看得出思考的作品，會比二十七個模板化的東西更有說服力。

投履歷的人，找客戶開發信的接案者，想加入一個社群的人，需要的都是同一件事，先搞懂對方現在卡在哪個問題，再挑一件別人搬不走的東西，講清楚給這一個人聽，不要同一封信發給一百個人。

如果只記得三件事

• 把 AI 省下來的時間，拿去「搞懂這一個人」，別拿去「多投十封」
• 履歷、開發信、提案，針對每一個對象至少改一次，不要用同一份打天下
• 最後定稿的文字自己寫過一遍，避免整段都是 AI 一看就懂的句型
• 想清楚一件別人做不到、只有你能講的具體的事，把它放進去，其他的可以刪

下次要投履歷或提案之前，把 Anna 那句「如果我是他的團隊成員，我會怎麼幫他」拿出來，換成你要幫的這個人、這家公司，自己問一次看看。