DeepMind 招聘表單揭履歷初篩盲點：求職者點減低 ATS 漏人風險

DeepMind 團隊點解要加多份表單

TechNews 科技新報轉述 Bloomberg 取得嘅內部資料，指 Google DeepMind 旗下研究 AGI 安全同對齊嘅團隊，提醒求職者除咗經正常渠道申請，亦要填一份團隊專用表單。份文件據報話，咁做可以減低申請喺初步篩選期間走漏眼嘅風險，亦方便團隊成員直接睇到相關資料。

Google DeepMind 發言人向媒體否認內部系統會錯誤篩走申請者，話公司目標係搵到最合適嘅人才。現階段只可以確認，事件涉及一個團隊同一份 Bloomberg 取得嘅文件，而 Google 亦已經向媒體否認系統會錯誤篩走申請者。 暫時冇公開技術資料交代所謂篩選究竟用咗生成式 AI、傳統演算法、固定規則，定純粹係一般自動化流程。

「AI 篩履歷」其實可以係幾層系統

外界講 ATS，好容易將履歷解析、資格問題、關鍵字搜尋、候選人排序全部叫做 AI。實際上，第一關可能只係 parser 將 PDF 或 Word 內容拆成姓名、工作經驗同技能欄位；跟住系統再按簽證、年資或指定資格篩選，去到較後位置先可能有模型評分。未知道出錯發生喺邊一層，就唔應該直接話 Google 嘅招聘 AI 判斷失靈。

Google Careers 官方支援頁其實早已提醒，履歷解析器有時未能完整或準確讀取資料，求職者要手動補回遺漏欄位。呢點先係今次個案最實際嘅背景：如果 parser 一開始已經拆漏技能、職銜或者日期，後面個排序工具幾醒都救唔返嗰份殘缺資料。自動化加快處理速度，同時亦可以將細小嘅輸入錯誤放大成直接落選。

公司想慳時間，代價係例外情況容易消失

ATS 對大公司有明顯吸引力，一個職位收到大量申請，逐份人手開檔案成本好高。不過美國平等就業機會委員會一場聽證會嘅證供指出，自動篩選可以靠淘汰題目、關鍵字或硬性資格剔走申請者；工作空窗、殘疾人士所需安排，或者寫法同職位廣告唔完全一致，都可能令合資格人選過唔到第一關。

按現有資料推斷，DeepMind 團隊另開表單，可能係想畀專門人才有多一個直接接觸團隊嘅方法。呢種做法同時帶出管理問題：知道額外表單存在、識得搵團隊成員或留意社群消息嘅人，自然多一次俾真人睇到嘅機會。公司若長期靠旁路補救，候選人得到嘅機會就可能受資訊差距影響，亦令招聘流程更難核查。

求職者可以點減低 ATS 誤判

以下係一般做法，唔代表 Google 或 DeepMind 官方保證。履歷最好用單欄、清楚小標題同正常文字，少用表格、文字框、圖示或將重要資料放入圖片；上載後逐欄檢查系統抽取咗咩，見到職銜、日期或技能漏咗就手動補回。職位列明額外問卷、作品集或團隊表單，就按指示全部交齊，唔好以為一份 CV 可以自動涵蓋晒。

內容方面，可以自然用返招聘廣告對技能同工具嘅正式叫法，但要有真實經驗支持，唔好堆砌關鍵字。每段工作經驗寫清楚做過咩、負責範圍同可核實成果，會穩陣過一大段空泛自我介紹。AI 可以幫手校對、縮短句子或者找遺漏，最後仍要改返自己把聲；如果直接用模型生成答案而唔再執過，內容亦容易同其他申請者撞款。

下一步要睇系統有冇交代清楚

Google DeepMind 官方招聘頁話招聘團隊會按職位準則審閱申請，亦將流程形容為公平同透明；今次報道就反映，正式說法同個別團隊實際做法之間可能仍有缺口。較關鍵嘅後續資料，包括涉事表單原文、初篩工具類型、真人覆核安排，同 Google 有冇檢查漏篩率。未有呢啲資料之前，呢宗事件適合當成 ATS 風險個案，未足以推論 Google 全公司或者其他自動招聘系統都有同樣問題。

參考來源

• TechNews 科技新報 — Google AI 團隊的誠實告白，別太相信公司的履歷篩選系統 — original report
• Google’s AI Team Tells Job Seekers Its HR Filters Are Unreliable — 核心爆料嘅原始報道，事件細節主要來自 Bloomberg 取得嘅文件。
• Apply for a job — Google Careers Help — Google 官方支援頁承認履歷解析器有機會抽漏或抽錯資料，亦叫申請人自行檢查欄位。
• Careers at Google DeepMind — 官方招聘頁交代 DeepMind 一般面試程序、審閱準則同申請人支援安排。
• Testimony of ReNika Moore — U.S. Equal Employment Opportunity Commission — 官方聽證會資料，解釋 ATS、自動淘汰規則同演算法篩選可能漏走合資格人選嘅原因。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。