我是蔡興正,透過思考、實踐與職涯探索,記錄每一次學習與成長。相信所有的累積,都會化為養分,長成屬於自己的那棵樹。
於職涯諮詢裡看過不少履歷,最常見的問題剛好是兩個極端。一種是太密,一整段文字擠在一起,找不到可以佐證的數字,標題也看不出重點,看不到三秒就想放下,不是內容不夠豐富,是讀起來太累,再怎麼認真寫,看的人也提不起勁看完。
另一種是太少,坐在電腦前想不出來,整頁只有三兩句話,內容空得像交差,這幾句話往往還跟應徵的職務搭不上關係,同樣讓人抓不到重點,只是原因不一樣:一個是資訊多到讀不下去,一個是資訊少到抓不到人。
流水帳和戰功之間,不是內容差多少,是呈現方式差很多,不管太密還是太少,都有方法可以練。
太密:先求看得下去,才有機會被看懂
回想過去在企業擔任面試審核者的經驗,加上這幾年在職涯諮詢裡看過的履歷,我審履歷第一層根本還沒進到內容判斷,先看的是能不能一眼掃過去:有沒有數字、標題好不好讀、段落有沒有用條列式處理過。這一層過不了,後面寫得再好都沒用,因為對方不會停下來看,這是我看過上百份履歷之後很篤定的判斷。同一段經歷,寫法差一點,感覺完全不一樣,你自己讀讀看就知道。
流水帳版:「負責公司內部活動的規劃與執行,辦了很多場活動,也協助跨部門溝通協調。」
戰功版:「辦了三場大型活動,單場最多動員約300人,跨部門溝通的部分,靠著提前兩週對齊各部門時程表,活動當天零延誤。」
兩段講的是同一件事,差別在於戰功版把模糊的形容詞換成具體數字,把抽象的協調換成明確的動作跟結果。公式不難:模糊動詞或形容詞,換成精確數字加實際結果,標題負責把數字先亮出來,讓人一眼抓到重點。
太少、不知道寫什麼,怎麼辦
另一種狀況剛好相反,打開履歷檔案,游標閃啊閃,腦袋一片空白。這種時候,我會建議先別急著寫,做一次發想。我習慣用心智圖做這件事,架構很簡單:中心主題放職務本身,往外拉幾條線出去——這份工作實際的內容跟成就、當時公司是哪個領域、除了這家公司還做過哪些性質類似或不同的工作。
這個階段不用管邏輯順不順、好不好,只要是做過的都先寫下來。心智圖的好處是想到哪裡寫到哪裡,順序亂、想法零散都沒關係,因為這一步的目的不是產出履歷內容,是把腦袋裡零散的記憶先倒出來,攤在紙上讓自己看得到。
圖攤開之後,通常會發現自己做過的事比想像中多很多,只是平常沒機會被整理成一句一句的紀錄。
這套心法,其實有個名字:BAR
不管是太密要精簡,還是太少要展開,這兩種狀況背後可以用同一套架構處理。我後來翻了一下自己整理在NotebookLM的資料庫,才發現這套憑直覺在用的方法,剛好對應到一個更完整的架構:BAR,背景、行動、結果。看到自己摸出來的心法被系統化印證,說實話有點開心。資料裡提到,履歷寫作原本比較常講STAR法,情境、任務、行動、結果四個部分,但實際操作要把一段經歷硬拆成四塊,不太順手。BAR把情境跟任務合併成背景,變成三個部分,更貼近真實的寫作習慣:
- 背景:重點不是描述當時發生了什麼,是襯托出你的能力。如果條件很嚴苛,預算不多、時間很趕、沒人支援,你還能做出成果,這個限制本身就是實力的證明。比如「接手專案負責人的第一年,在預算縮減三成、時程只有原本一半的情況下,仍準時完成三個跨部門專案」,資深PM累積的經驗一定更多,但特別點出第一年、資源受限這個背景限制,這句話的份量就不一樣了。
- 行動:明確寫出做了什麼,不需要太複雜,「協助精修求職者履歷自傳並給予職涯發展建議」這種程度就夠了,重點是動作要具體,不要用「負責」「協助」這種模糊詞打發過去。
- 結果:只要有數據,一定要用數字說話,服務滿意度、成本改善比例、預算規模都是。沒有數據的話,用知名品牌合作經驗或媒體曝光當結果證明也可以,比如「三個月內官網流量成長80%,商品還登上《數位時代》報導」。
看到這裡我自己也有點感觸。我在職涯諮詢時常提醒個案這件事,但自己整理出的直覺判斷,跟資料裡的BAR架構擺在一起,才發現原來早就有人系統化整理過。經驗不用每次都從零摸索,先看過別人整理好的架構,再拿自己的直覺去對照驗證,會走得更快。
用AI套BAR框架,實際怎麼做
不管手上是要精簡的舊履歷,還是心智圖攤開後要展開的素材,有了BAR公式,接下來的問題是怎麼下指令給AI。不要籠統地說「幫我把這段履歷寫好一點」,這種指令AI只能用猜的,猜錯了還得重來。給AI下指令改履歷時,有幾件事一定要交代清楚:
- 任務:先講清楚這次要做的是「把一段經歷改寫成有說服力的履歷描述」。
- 情境:就是BAR的三塊事實素材,背景限制、實際行動、數字結果,自己先準備好餵給AI。
- 受眾思維:這一塊常被忽略但很關鍵,要跟AI講清楚看這份履歷的人是誰,比如「看的是產業人資主管,他在意的是你扛不扛得住壓力、做不做得出成果」。
- 風格:不要只說「專業」,要具體化,例如「像資深獵頭跟客戶介紹候選人一樣」。
- 格式:字數跟段落限制,加上反向條件,直接告訴AI不要出現「負責」「協助」這種空泛的詞。
AI真正擅長的,是把句子改順、把模糊動詞換成具體的詞。但背景的限制條件、實際行動、精確數字,這些是事實素材,得靠自己先給AI,不能指望它憑空生出來。
用AI改寫,最怕的是數字造假
AI很擅長把一句話寫得很有說服力,這正是需要小心的地方。如果AI給的版本裡數字或成果是它自己掰的,沒核對就直接用,履歷造假的風險比原本讀起來像流水帳嚴重得多。缺數據的地方寧可留白,也不能讓AI編一個聽起來漂亮的數字。改完之後,我還會做幾件事去掉AI味:
- 連接詞先刪一輪,AI常常「因此」「然而」「不僅」用得很重,讀起來有翻譯腔,中文不需要這麼多接續詞。
- 重複的形容詞跟量詞也要挑出來,AI容易同一個字用好幾次,讀起來會有點生硬。
- 長句拆開,AI喜歡把一句話塞太多訊息,拆成短句反而更好讀。
- 最後一定要自己念一遍,念起來卡的地方,就是還沒改掉AI痕跡的地方。
這幾個動作,跟前面挑幾句加回自己的語氣,其實是同一件事:避免整份履歷讀起來像同一支AI寫出來的。AI能幫你把話講清楚,但背景、行動、結果這些事實,只有你自己心裡有數。
更值得注意的是,招募流程正在往「調適型」面試轉。面試官不再只問「請談談你曾經處理衝突的經驗」這種可以照稿背答案的老題目,而是針對回答持續追問、要求為當初的取捨辯護,或臨時丟一個沒準備過的情境給你。這種面試方式,正是為了對付AI即時輔助工具,因為對話一旦持續轉彎,事先準備好的腳本就跟不上了。
這對你來說是什麼意思?用AI把履歷改得更有說服力,只是讓資料通過第一關的篩選。真正決定能不能拿到工作的,是有沒有辦法在沒有腳本、被一路追問的情況下,親口把履歷上那句戰功的來龍去脈講清楚。如果數字、行動、結果自己講不出前因後果,那個落差招募主管一眼就看得出來,這也是為什麼數據沒有就留白,不要讓AI編一個聽起來漂亮的數字,因為履歷過了關,接下來是一個更難被工具糊弄過去的關卡。
這個案例我想放進來,是因為前面提到「太少」那種履歷類型的讀者,很容易因為履歷看起來普通就先自我否定。但如果招募流程真的往調適型面試傾斜,履歷普通不代表你進不了決賽圈,能不能在臨場被追問時把判斷邏輯講清楚,比履歷上那幾行字更重要。
另一個延伸的準備方向:後段面試現在也會反過來考判斷力,面試官可能直接給你一份有瑕疵的AI生成內容,像是一段程式碼、一份市場分析,請你當場找出問題。這跟這篇文章一直強調的事是同一件:AI能幫你把話講清楚,但辨識AI講錯的地方、找出盲點,才是真正的能力所在,沒辦法靠一份寫得漂亮的履歷矇混過去。
如果你是太密的那一種,挑一段你覺得寫得最無聊、最像交差的段落,先問自己兩個問題:這段有沒有數字,標題一眼看不看得懂。如果沒有,把這段丟給AI,明確要求套用BAR公式改一次:背景先點出限制條件,行動具體講做了什麼,結果盡量塞進一個數字。
如果你是太少、腦袋一片空白的那一種,先別急著打開履歷檔案,畫一張心智圖,把職務、內容成就、公司領域、還有沒有其他經驗都攤開來寫,想到什麼寫什麼,不用管好壞。等素材攤開了,挑一條線出來,一樣套BAR公式組成一段話。
不管是哪一種,AI給出版本之後都要自己核對一次事實,改完回頭比對原本的樣子,你會發現差別不在你做了什麼,是有沒有把它說清楚,而這件事,你一直都做得到。
履歷改得再好,別忘了它只是第一關
前面教你用AI把履歷改得更有說服力,這件事仍然值得做,但最近讀到一篇談AI對招募產生衝擊的文章,提到一個現象值得提醒你:AI讓履歷跟制式面試回答都太容易做出漂亮效果,不少招募主管已經開始不信任這些「看起來很完美」的資料,甚至重新找回實體面試。文章裡引用的推估數字是,到2028年,四分之一的求職資料都可能帶有部分或全部造假成分。更值得注意的是,招募流程正在往「調適型」面試轉。面試官不再只問「請談談你曾經處理衝突的經驗」這種可以照稿背答案的老題目,而是針對回答持續追問、要求為當初的取捨辯護,或臨時丟一個沒準備過的情境給你。這種面試方式,正是為了對付AI即時輔助工具,因為對話一旦持續轉彎,事先準備好的腳本就跟不上了。
這對你來說是什麼意思?用AI把履歷改得更有說服力,只是讓資料通過第一關的篩選。真正決定能不能拿到工作的,是有沒有辦法在沒有腳本、被一路追問的情況下,親口把履歷上那句戰功的來龍去脈講清楚。如果數字、行動、結果自己講不出前因後果,那個落差招募主管一眼就看得出來,這也是為什麼數據沒有就留白,不要讓AI編一個聽起來漂亮的數字,因為履歷過了關,接下來是一個更難被工具糊弄過去的關卡。
履歷普通,不代表你出局了
同一篇文章提到一個真實案例(人名已改寫,保護當事人隱私):一位求職者履歷單看並不出色,畢業自地區型大學,只待過幾家沒沒無聞的新創公司,投了一百多個職位,每次都在履歷關卡被刷掉。後來遇到一次調適型面試,面試官請她評論一段產品流程,她不只給出標準答案,還質疑背後的商業假設,提出一個分層次的取捨方案,最後拿到工作,半年後表現在團隊中名列前茅。這個案例我想放進來,是因為前面提到「太少」那種履歷類型的讀者,很容易因為履歷看起來普通就先自我否定。但如果招募流程真的往調適型面試傾斜,履歷普通不代表你進不了決賽圈,能不能在臨場被追問時把判斷邏輯講清楚,比履歷上那幾行字更重要。
另一個延伸的準備方向:後段面試現在也會反過來考判斷力,面試官可能直接給你一份有瑕疵的AI生成內容,像是一段程式碼、一份市場分析,請你當場找出問題。這跟這篇文章一直強調的事是同一件:AI能幫你把話講清楚,但辨識AI講錯的地方、找出盲點,才是真正的能力所在,沒辦法靠一份寫得漂亮的履歷矇混過去。
現在就找一段來改
如果你想試試看,不用整份履歷重寫,先挑一個地方就好。如果你是太密的那一種,挑一段你覺得寫得最無聊、最像交差的段落,先問自己兩個問題:這段有沒有數字,標題一眼看不看得懂。如果沒有,把這段丟給AI,明確要求套用BAR公式改一次:背景先點出限制條件,行動具體講做了什麼,結果盡量塞進一個數字。
如果你是太少、腦袋一片空白的那一種,先別急著打開履歷檔案,畫一張心智圖,把職務、內容成就、公司領域、還有沒有其他經驗都攤開來寫,想到什麼寫什麼,不用管好壞。等素材攤開了,挑一條線出來,一樣套BAR公式組成一段話。
不管是哪一種,AI給出版本之後都要自己核對一次事實,改完回頭比對原本的樣子,你會發現差別不在你做了什麼,是有沒有把它說清楚,而這件事,你一直都做得到。
小樹108・No.015|能力盤點
...關於分享者...
※連繫:FB 蔡興正
※電郵:jason@cpfs.com.tw
※證照:孫易新心智圖講師班﹙2014﹚ | GCDF全球職涯發展師 | Google全球教育家
※專長:心智圖法 | 數位工作 | 職涯紫微

留言
張貼留言