前陣子人力銀行調查，台灣科技業工程師職缺年增二二％，同時間，負人口現象卻越來越嚴重，平均每天少五百人，半導體產業人才缺口很可能持續擴大。
雖然本地人才不足，可以往全球找，但其實，找不到人，跟數位科技運用不足，取得的資料量不夠、來源國受限也有關。現在台灣大多數公司還用傳統的徵才方式──在網站上開缺，等待有興趣的求職者投履歷，經過人工篩選，再進入面試。
疫情後，遠距工作盛行，全球化尋找人才是趨勢，當池子變大，方法卻沒有快速規模化，往往要蒐集上千個履歷、安排幾百場面試，才找到個位數的人才，曠日廢時。
在大數據時代，已經出現新的智慧篩選方法。美國許多求才網站利用機器學習，發展出精準職務模型。即使熱門職缺一天就湧入數萬張履歷，也能用AI快速篩選出適合人選，邀約面試，甚至主動在網路上挖掘，及早把人才找來，以免被搶走。
甚至，現在還進展到職缺自動推薦，應徵者登入求職網站後，投遞履歷前，不先給你看所有職缺，而是透過電腦自動分析履歷後，再把適合你的職缺挑出來。
因為大型企業有幾百個職缺，再搭配很多地點，組合太多，依賴應徵者自己投遞、人資比對，成效很差。交給電腦過濾，可以大量學習現有各部門員工資歷，再比對應徵者的學歷、經歷、生活區域，初步找出可能適合他的職缺。
接著AI再從履歷表的文字運用、文句語氣，看出每位應徵者的文化素養、所屬群體等細微差異。下一步，再把履歷表上的資訊，丟到搜尋引擎，觀察應徵者的數位足跡，包括發表過的文章、朋友圈，從傳統的人工肉搜，進展到效率更高的機器肉搜，預測這位應徵者的未來軌跡。
未來，一個人遞出履歷表時，遞出的是「全通路」資訊，我們的下一代必須開始在數位網路留下足跡，好職缺才能按圖索驥找上你，成為世界人才庫的一員。
也因此，國外很重視領英（LinkedIn）頁面，我認識誰、誰來看過我，以此判斷一個人的交友圈，物以類聚，一個人的能力是以交友決定。但，這很可能會回歸非常重視關係、人脈的傳統觀念；機器分類，更強化有優勢的族群，社會越來越以階級劃分。
過去出身不好、學歷不高的人，或可透過一次次轉職，找到好工作；但，透過數位足跡找人才，會讓過往種種無所遁形，很難翻身，這是用AI找人才的一體兩面。
