1111 人力银行以AI重塑职缺媒合 黑客松探索次时代求职查找

1111人力银行跨足生成式AI应用，评审团队于决赛现场与共同参与的同仁合影，展现深化AI人才培育与技术交流之决心。DIGITIMES摄

生成式AI正迅速改变现代工作内容与求职型态，过去仅仰赖职称、职务类别及关键字建立的传统查找架构，已面临全新挑战。对此，参与由数码发展部数码产业署指导、DIGITIMES主办、Amazon Web Services（AWS）担任国际AI技术支持的「2026云涌智生：台湾生成式AI应用黑客松」的命题企业1111人力银行，特别以「AI精准神算找到工作」为题，邀请参赛团队发挥创意，共同探索更符合新时代工作型态的职缺媒合机制。

1111人力银行AICEO金佑齐指出，AI浪潮带动的新型态工作，已难以完全归类于既有的职务分类中；同时，求职者对查找工具的期待，也深受市面上各式生成式AI工具的互动习惯影响。因此，求职平台必须具备更精准理解使用者「真实意图」的能力。

相较于依照类别与关键字筛选职缺的传统方式，1111人力银行在符合数据治理与隐私规范的前提下，逐步评估将履历信息及站内互动信号纳入推荐模型。不过金佑齐表示，即使同样查找「软件工程师」，求职者偏好的公司类型与工作内容仍可能不同，仅靠关键字难以完整识别需求。因此此次命题把个人经历与使用行为纳入评估，希望进一步提升媒合精准度。

在竞赛期间，Amazon Web Services（AWS）提供云端开发与模型服务环境，其中全托管式基础模型服务 Amazon Bedrock，可透过统一服务界面使用不同基础模型，让团队依照查找、判断与排序需求测试不同模型组合，减少自行建置模型基础设施的负担，也让参赛者能把更多时间放在演算法与应用验证上。

在本次竞赛的「智能求职」命题组别中，最终由「二分搜不到未来」团队脱颖而出获得优选。金佑齐分析，本次评选着重于演算法设计与查找架构的实用性，得奖团队采用的技术逻辑虽非最复杂，但在竞赛所使用的测试数据与评估指标下，部分指标相较基准方案提升逾20%，因而获得评审高度肯定。

此外，其他参赛团队亦提出「依模型信心分数导入动态判断机制」、「构建多层次查找流程」等创新做法，为1111人力银行带来丰富的技术启发，得以重新检视既有架构，并验证不同模型在实际场景中的效能差异。

针对后续应用，1111人力银行认为参赛作品已建立可供验证的核心思路，未来可透过更多历史数据测试稳定度、完整性与推荐品质，目前也已参考部分团队做法进行实验性测试。金佑齐指出，该公司现阶段仍将求职者找到合适工作，以及协助企业找到合适人才列为主要方向；在数据与算力配置上，兼顾数据管理与运算弹性。

在实际架构上，1111人力银行的部分职务分类与AI推论服务采用云端架构。金佑齐表示，目前也大量使用AWS的Amazon Bedrock服务，依不同数据性质与应用需求配置运算环境。

透过本次竞赛亦让1111人力银行深刻体会到与年轻技术人才交流的实质价值。金佑齐表示，参赛者能在极短时间内深入解构命题、提出关键疑问，许多突破性的观点更促使企业重新审视原有的架构假设。对企业而言，黑客松提供了一个能快速实验多种技术解法的沙盒场域；对青年学子与开发者来说，更能亲自接触真实产业的求才求职痛点，让技术实力与产业实务产生直接且深度的连结。