求職面試變成 Bot 對 Bot：應徵者用 ChatGPT 對撼 AI 招聘官，五次通話零回音
WIRED 於 2026 年 9 月 2 日刊出記者 Kate Taylor 的報導，記述美國求職者 Christopher（應本人要求僅公開名字）在半年內投出約七百份履歷後，與 IT 公司 Everforth Apex Systems 的語音 AI 招聘官「Riley」連續互動五次，卻從未等到真人跟進。他最終把 ChatGPT Voice 與 Riley 並排放在一起對談，讓兩套合成語音互相對話約十分鐘——這場「Bot 對 Bot」實驗，成為報導的核心現場。本文已核對 WIRED 原文公開細節，並梳理技術機制、企業應用與香港／亞洲招聘流程的啟示。
一、核心事件：從五次 AI 面試到「slop flywheel」
技術細節
Christopher 所屬的政府承包工作在報導所稱的「DOGE 時代」萎縮後，進入極為艱辛的求職週期。約七百次申請中，絕大多數石沉大海；其中五次則進入 Everforth Apex Systems 的 AI 招聘流程。Riley 以短訊邀約通話，詢問工作許可與專業背景，並承諾「若符合資格會有人聯絡」。結果是：第一次之後沒有真人招聘官出現；約一星期後 Riley 又以「另一個機會」再約；如此重複，直至第五次。Christopher 從未收到拒絕短訊，也沒有任何後續電郵。
第五次邀約時，他決定對稱回擊：把背景資料輸入 ChatGPT Voice，指令模型扮演「Christopher」，再把兩個裝置並排接聽。據他描述，雙方「一拍即合」：Riley 稱「很高興與你交談」，ChatGPT 則讚揚流程清楚。對話一度卡在「標準入職與背景調查」的循環問答。通話約十分鐘後，Riley 再次承諾會有招聘官跟進——同樣沒有下文。Christopher 把這稱為「slop flywheel」（低質合成內容飛輪）：「一個合成人格把 slop 資料交給另一個合成人格，而這些資料最終去了哪裡？哪裡都沒有。」Everforth Apex Systems 未回覆 WIRED 的置評請求。
為驗證「問題是否出在自己」，他再製作虛構履歷「Don Dickner」，塞滿職缺公告所列資格。Riley 立刻聯絡，並與扮作 Dickner 的 ChatGPT 對談約二十三分鐘，內容充滿「可持續營運改善」「在量壓下保護客戶體驗」「不讓部落知識流失」等企業套語。收線時 Riley 仍以制式語句結束；Christopher 同樣再無回音。
二、技術原理深度解析
語音面試代理要同時處理：自動語音辨識、對話狀態機、履歷／職缺對齊、打斷與輪替（turn-taking），以及合規紀錄。Greenhouse 語音 AI 負責人 Ophir Samson 向 WIRED 指出，對人類理所當然的行為——例如不打斷候選人——對語音代理卻是「非常、非常困難的工程問題」；口音與口語填充詞（「ums」）也容易使代理失準。
招聘端轉向語音 AI，動力來自申請量爆炸：Greenhouse 調查指，六成三求職者表示曾遇過 AI 面試。應徵端則同步使用生成式模型準備或代答；招聘新創 Ribbon 等產品甚至承諾辨識「過度腳本化、AI 輔助或被教練的」回答——正是 Christopher 實驗所展示的對稱局面。
當雙方都是模型時，面試不再是「人評估人」，而變成兩套提示詞與工具鏈的對撞：招聘代理以職缺欄位驅動提問，應徵代理以履歷摘要生成「合格敘事」。缺少真人審核閘門時，系統仍可輸出「將評估資格並安排簡短通話」的承諾語句，但下游工作流若無人力或規則觸發，承諾就永遠停在語音層。這正是報導中「資料去了 nowhere」的系統含義：對話紀錄可能寫入 CRM，卻沒有定義「何時升級給人」的狀態機與 SLA。
四、日常應用場景
1. 開發者與技術團隊
若要自建語音篩選，工程重點不是「接一個 TTS／STT API」，而是：明確狀態（已篩選／待人工／拒絕）、可稽核的對話紀錄、打斷策略、多語言口音測試，以及把「承諾跟進」綁定到真實工單系統。否則產品只是高成本的自動答錄機。
2. 企業與隱私敏感行業
金融、法律、醫療與政府承包供應鏈的招聘常涉及身分、工作許可與敏感經歷。把候選人語音與履歷交給第三方黑盒招聘代理，等同把人事資料外包。企業更適合以私有模型與自管工具鏈做初篩，並保留人工覆核節點——尤其當申請量高、合規要求嚴時。
3. 一般用戶
求職者面對 Riley 這類代理時，Christopher 的實驗顯示：用另一個模型「代打」可以製造流暢對話，卻未必換來真人回覆。對個人而言，更務實的是確認流程是否承諾人工跟進、保留通話紀錄，並把精力放在有明確 SLA 的通道；對企業品牌而言，「Bot 對 Bot 零回音」本身就是負面體驗資產。
4. 香港與亞洲市場視角
香港與亞太企業正加速導入 AI 客服與 HR 自動化。若只複製「語音篩選＝省人手」，而忽略口音、粵英夾雜、以及《個人資料（私隱）條例》下的招聘資料用途限制，很容易重演 WIRED 所述的飛輪：合成對話產能上升，錄用決策品質與候選人信任同時下降。本地團隊更應把「何時必須由人接手」寫進流程，而不是留給模型臨場發揮。
五、專業評價與潛在考量
優勢
語音 AI 可在申請洪峰時提供二十四小時初篩、統一問題集、降低招聘官重複勞動；Greenhouse 等平台的採用數據顯示市場需求真實。IQor 組織發展副總裁 Mark Monaghan 認為，Christopher 的反制在某種意義上「合理」：「你若派 Bot 來見我，我也派 Bot 見你」——點出對稱代理時代的談判邏輯。
需要留意的地方
報導凸顯三個結構風險：一是承諾與工單脫節，造成幽靈流程；二是雙模型對談可能放大空話與套語，進一步污染訓練與評核資料；三是「偵測對方是否用 AI」與「自己也用 AI」同時擴張，招聘公平與可解釋性壓力上升。Everforth Apex 未回應置評，亦提醒外界難以從單一供應商聲明驗證內部 SLA。
結語
WIRED 這則故事的價值，不在於嘲弄某一間公司的語音 Bot，而在於揭示代理化招聘若缺少可觀測狀態、人工閘門與資料治理，就會退化成合成對合成的空轉。對香港企業而言，與其追逐「全自動面試」口號，不如先設計可稽核的私有代理與明確升級路徑。若需要在香港部署可自管、數據不出境的企業私有 LLM 與代理工作流，可參考 YSK Limited 的企業私有 LLM 全託管（https://ysk.hk/services/ai-automation）。
參考來源
- WIRED：Kate Taylor，〈The Logical End Point of AI Job Interviews Is Two Bots Talking to Each Other〉，2026-09-02，https://www.wired.com/story/bot-vs-bot-job-interview-ai/
- 發現來源（X）：@WIRED，https://x.com/WIRED/status/2096731426028740712