投履歷更快，找工作卻更難：AI 招募、幽靈職缺與海量申請正在侵蝕求職市場信任

科技原本應該讓找工作變得更有效率，但到了 2026 年，美國就業市場卻正在出現一個相當反直覺的現象：申請工作的速度變快了，真正找到工作的體驗反而變得更糟。

現在的求職流程可能包括與聊天機器人互動、接受由 AI 系統主持的面試、被演算法掃描履歷，甚至在完全沒有真人看過履歷之前就遭到淘汰。另一方面，求職者也開始大量使用 AI 撰寫履歷、客製化求職信，甚至自動投遞數十或數百個職缺。

結果是招聘市場的兩端同時自動化，卻沒有因此變得更順暢。

相反地，大量低成本、快速投遞的申請正在形成資訊洪水，而企業又必須依靠更多自動化篩選工具處理這些申請。求職者看到的是大量無回覆、制式拒絕信與機器面試；企業看到的則是數百份甚至數千份難以辨識真實意願與資格的履歷。

這種情況正在把原本的求職疲勞，逐漸推向更深層的制度性不信任。

哈佛職涯顧問、同時任教於加州大學柏克萊分校的 Gorick Ng 向 Axios 表示，他認為求職倦怠確實正在發生，而且市場已經從普通的 job search burnout，走向更嚴重的「systemic cynicism」，也就是對整套制度產生犬儒與懷疑。

在這種狀態下，求職者可能開始預設每一個職缺都是假的、每一封拒絕信都是自動產生的，甚至懷疑自己錄製的視訊面試根本不會有任何真人看過。

這種心理變化相當重要，因為勞動市場的運作並不只依賴職缺數量與薪資，也依賴求職者相信企業真的在招人，企業也相信應徵者真的有意願加入。

一旦雙方都開始預設對方只是在利用系統，就容易形成一種招聘市場的「信任崩塌」。

其中一個最直接的變化，就是每個職缺收到的申請數量大幅增加。

根據招聘軟體公司 Ashby 的資料，招聘人員目前平均需要處理約 291 份申請，才能完成一次錄用。相比之下，2021 年初的數字大約只有 100 份左右。

換句話說，短短幾年間，每次成功招聘背後所需要處理的履歷量已經接近增加到三倍。

這並不一定代表真正符合資格的人突然增加了三倍，而更可能反映投遞工作的摩擦成本急遽下降。

過去求職者可能需要花數十分鐘填寫一份申請表、修改履歷與撰寫求職信；現在透過 Easy Apply、AI 聊天工具與自動申請服務，同一個人在很短時間內就能將履歷送到大量企業。

Indeed 企業傳播副總裁 Scott Dobroski 將這種現象形容為產生了「huge volume of noise」，也就是大量招聘雜訊。

對求職者而言，投得越多似乎可以增加機會；但從企業角度來看，申請量越大，每一份履歷能得到人工閱讀的機率反而可能下降。

於是雙方又進一步依賴 AI。

企業開始使用聊天機器人、ATS 履歷追蹤系統、關鍵字比對以及演算法評分工具，在數百份履歷中快速淘汰不符合條件的人；求職者則使用生成式 AI 反向優化履歷，希望增加通過機器篩選的機率。

招聘流程因此逐漸演變成「AI 幫求職者寫履歷，再由另一個 AI 判斷這份履歷值不值得給真人看」的局面。

Greenhouse 的數據顯示，有 46% 的候選人表示，他們對招聘流程的信任程度已經下降。

AI 面試也正在快速普及。

約 63% 的美國求職者表示，自己曾經接受過 AI 系統主持的面試；但有 38% 的受訪者表示，他們曾經因為某個職位要求進行 AI 面試，而直接放棄應徵。

這代表 AI 面試雖然可以降低企業初步篩選成本，卻也可能產生新的候選人體驗問題。

對企業而言，問題同樣存在。

在受訪招聘人員中，只有 21% 表示自己「非常有信心」目前使用的招聘系統不會錯誤淘汰合格候選人。

這個數字反映了一個核心風險：企業雖然使用 AI 來處理履歷洪水，但企業本身可能也無法完全確定演算法究竟淘汰了哪些人。

如果一套招聘系統過度依賴關鍵字，例如要求履歷必須包含特定職稱、工具或技能描述，就可能讓實際能力符合需求、但表達方式不同的候選人在第一輪篩選時直接消失。

AI 履歷篩選工具的透明度問題甚至已經進入法律領域。

部分自動化招聘系統因涉嫌造成歧視效果而面臨訴訟。這些工具通常透過關鍵字匹配與演算法評分對候選人排序，但求職者往往不知道自己為什麼被拒絕，甚至企業內部也未必完全了解模型決策邏輯。

不過，自動化招聘並非只有負面效果。

Greenhouse 的調查同時顯示，約 49% 的招聘經理認為，使用 AI 參與招聘流程之後，候選人的整體品質有所提升。

這也說明問題並不是單純的「AI 招聘不好」，而是當 AI 同時被大規模部署在求職與招聘兩側時，整個市場的激勵結構開始改變。

另一個加劇不信任的重要問題，是所謂的 Ghost Jobs，也就是「幽靈職缺」。

Greenhouse 內部數據顯示，在一個典型季度中，大約有 18% 至 22% 的公開職缺可能屬於企業並沒有積極填補意圖的職位。

幽靈職缺存在的原因並不完全相同。

部分研究指出，企業可能藉由長期刊登職缺建立未來人才庫，也可能希望向投資人或市場傳達公司仍在成長與招募的訊號。部分調查甚至指出，有企業可能透過持續刊登職缺，向現有員工傳遞「公司隨時有人可以取代你」的訊息。

然而 Greenhouse 執行長 Daniel Chait 也提醒，不是所有看似沒有招人的職缺都應該被視為刻意欺騙。

企業需求可能突然改變，負責招聘的主管可能離職，預算可能被取消，或者某些公司本來就會維持 Evergreen Jobs，也就是長期持續開放的職缺。

例如餐廳可能永遠需要新的服務人員，因此即使目前沒有立即缺口，職位也可能持續存在於招聘網站上。

問題在於，求職者很難判斷自己看到的是正常的常態招募，還是一個幾乎不可能真正錄取任何人的幽靈職缺。

當求職者已經大量遇到無回覆、AI 拒絕與自動面試後，這種模糊性就更容易被解讀成欺騙。

招聘速度也沒有因為自動化而明顯改善。

Indeed 的 Scott Dobroski 向 Axios 表示，目前企業填補一個公開職缺所需要的時間，比疫情前接近增加了 25%。

這是整個現象中最值得注意的矛盾之一。

企業擁有比過去更強大的履歷搜尋、AI 篩選、聊天機器人與招聘管理工具；求職者也可以更快速地投遞履歷。但是整體招聘流程並沒有因此同步加快。

原因可能在於，自動化降低了每一次行動的成本，卻同時大幅增加整個系統需要處理的行動數量。

這很像電子郵件出現之後，寄信的速度雖然比紙本郵件快了數千倍，但人們收到的訊息也增加了數千倍。單次溝通更有效率，不代表整個系統的資訊負擔一定降低。

求職市場正在經歷類似的情況。

投履歷變得非常便宜，因此求職者投得更多；申請量增加，因此企業需要更強的篩選；篩選變得更自動，因此求職者更難知道自己為什麼被拒絕；不知道原因，又促使求職者採取更廣泛的海量投遞策略。

最後形成一個自我強化的循環。

而這種循環真正危險的地方，不只是效率下降，而是招聘市場的信任正在逐漸流失。

Gorick Ng 將招聘流程比喻成第一次約會：企業在招聘期間如何對待候選人，很容易被視為公司內部文化的縮影。

如果求職者在第一階段看到的全部都是機器回覆、模糊流程、沒有真人溝通以及毫無解釋的拒絕，他們自然會開始懷疑，即使真的加入這家公司，未來是否也會以同樣的方式被對待。

因此，AI 招聘下一階段真正需要解決的問題，可能不是如何讓企業每分鐘處理更多履歷，而是如何重新建立人與企業之間的可信任互動。

從技術角度來看，招聘市場已經變得非常高效；但從人的角度來看，它正在變得更加疏離。

2026 年求職市場最大的悖論也正在這裡浮現：我們已經打造出史上最快的求職申請系統，卻可能同時打造出一個讓所有人都更不相信彼此的招聘市場。

【Tech English 專有名詞】

1. Applicant Tracking System（ATS，求職者追蹤系統）：企業用來管理履歷、職缺與招聘流程的軟體。現代 ATS 通常包含履歷解析、關鍵字篩選、候選人排序及自動通知功能。

2. AI Screening（AI 自動篩選）：利用演算法分析履歷、技能、工作經驗或其他資料，決定候選人是否進入下一階段招聘流程。效率較高，但可能存在透明度與偏誤問題。

3. Ghost Job（幽靈職缺）：企業公開刊登、但當下未必積極準備填補的職位。原因可能包括建立人才庫、需求改變、長期招募或其他企業策略。

4. Evergreen Job（常態招募職缺）：企業長期保持開放的職位，通常是因為人力需求持續存在，例如客服、業務、服務業或高流動率職務，因此不一定代表企業當下有單一明確缺額。

5. Algorithmic Hiring（演算法招聘）：利用軟體與演算法協助招聘決策的流程，可以涵蓋履歷排序、技能評估、線上測驗、AI 面試以及候選人推薦。

6. Application Friction（申請摩擦成本）：求職者完成一次職缺申請所需要付出的時間與精力。Easy Apply 與生成式 AI 大幅降低申請摩擦，但也可能導致海量投遞與履歷數量暴增。