104關鍵人才庫

今天｜ 1755次觀看

人才招募人資

招募天數少了 15 天，留任率卻掉了 4 個百分點——你的產業，卡在哪一種「找不對」？

文／104獵才顧問行銷企劃部

先看兩個放在一起才有意義的數字。

根據 104《2026 人資 F.B.I 調查報告》，2025 年企業平均招募天數大幅縮短 15 天，降至 44.9 天；企業善用 AI 工具提升作業效率、搭配加值服務擴大職缺曝光，是主要驅力。

但同一份報告也揭露：新人六個月留任率，從 66.2% 降至 62.2%。

招募變快了，卻留不住人——節省的時間成本，正被「反覆補人」的隱形成本抵銷。

更值得注意的是，企業徵選難題排行榜上，連續兩年高居第一的都是同一件事：投遞履歷人員條件不符需求，2025 年仍有 61.0% 的企業受此困擾。

問題已經很清楚了：企業不是找不到人，而是找不對人。

但接下來才是這篇文章真正想談的：「找不對」在不同產業，長得完全不一樣。電子資訊業的找不對，跟餐飲業的找不對，如果用同一套解法處理，注定事倍功半。

先看體質：四大產業的招募現況差很大

在談解法之前，先看清楚各產業的起點有多不同。以下為 F.B.I 報告中四大產業的關鍵指標對照：

指標	電子資訊業	一般製造業	一般服務業	知識密集服務業
招募成效（2024→2025）	23.8% → 19.0%	21.8% → 23.0%	22.6% → 17.0%	19.7% → 28.1%
條件不符困擾（2024→2025）	49.2% → 37.1%	55.6% → 65.9%	67.5% → 59.8%	62.4% → 58.4%
薪資福利競爭力不足（2024→2025）	42.1% → 37.6%	39.5% → 47.1%	32.3% → 34.9%	29.0% → 35.5%
自願性離職率（2025）	10.3%	22.1%	16.0%	20.0%

四個產業，四種故事：

電子資訊業：條件不符困擾明顯下降、自願性離職率從 21.2% 大幅降至 10.3%，可能反映科技人才選擇留守、把握 AI 轉型機遇。但招募成效仍下滑，顯示問題已從「找不到」轉向流程與判讀效率。
一般製造業：四個產業中唯一條件不符困擾逆勢上升，且薪資競爭力不足的比例同步惡化，自願性離職率也從 18.3% 升到 22.1%——找進來的人不對，留下來的人也在走。
一般服務業：招募成效大跌 5.6 個百分點，從面試到談率起全面下降，是四個產業中體質壓力最明顯的一群。
知識密集服務業：招募成效大幅提升 8.7 個百分點，是唯一明顯改善的產業，與其較早導入數位工具、AI 協作程度高（工作中使用生成式 AI 比例達 75%）有關。

同樣是「招募很辛苦」，但辛苦的位置完全不同。

科技製造：找得到人，卡在判讀與跨部門協作

在與科技製造業客戶的日常服務與產品體驗說明會中，我們聽到最集中的一組回饋是：

專業履歷判讀成本高、跨部門多人協作困難；人工資料維護與移轉、多平台操作、跨系統串接，全部都是成本。

這個產業的特性是：職缺專業度高，HR 難以獨力判斷技術適配，必須拉進研發、產品、工程等多個部門主管一起看。於是一份履歷從進來到有結論，中間卡的不是「找不到人」，而是判讀與協作的來回。

同時，科技製造企業內部通常已有多套系統（HRIS、內部人才庫、部門自建表單），招募系統若無法串接，就變成又一個要人工搬資料的孤島。

這個產業最明確的期待是：

用應徵問題與門檻條件做量化初篩分類，而不是全部靠人眼看
AI 判讀的結果，要能真的幫助主管往下做決定
Outlook／Teams 行事曆串接，讓面試安排不必離開既有工作流
多來源履歷整合與人才庫經營，讓資料不再分散

值得一提的是，科技製造的職務規格清晰、評估維度明確，因此 AI 輔助初篩的效益相對容易被驗證——這也是這個產業對 AI 工具接受度較高的原因。

💬 想知道專業職缺的初篩條件與多主管協作，在系統裡實際怎麼跑？ 👉 留下你的職缺情境，由顧問直接回覆做法

一般製造：條件不符不減反增，關卡在手工作業

一般製造業的處境，數據上已經寫得很直白：條件不符困擾從 55.6% 升到 65.9%，是四個產業中唯一惡化的；薪資競爭力不足也從 39.5% 拉高到 47.1%。

但我們在現場聽到的實際狀況，比數據更具體：

多數企業仍靠 Excel／紙本與人情經驗管理；資料分散不一致，業務、生產、HR 各自維護一份，對不上。

再加上產業形象在年輕求職者心中相對吃虧、主動應徵量本來就少，而許多經營者長年靠人脈與經驗找人——這套方法在過去確實管用，也因此導入系統的必要性，需要被實際的效益說服。

這個產業的痛點，不在於功能不夠先進，而在於還沒跨過「手工轉系統」的那道臨界點。

這個階段真正需要的，其實很基本：

Excel／紙本能一鍵匯入轉換，不用重打一次
多主管協同審核履歷的流程，取代 Line 群組轉傳
職缺與人選資料集中，不再各部門各存一份
導入門檻要低、要「省工有感」——先讓人相信系統能減輕負擔，才談得上進階功能

換句話說，這個階段的重點不在功能有多先進，而在於第一步能不能省下真實的工時。當 HR 每週少花三小時重打資料，導入系統這件事才會從「多一個要學的東西」變成「值得推下去的改變」。

💬 想知道現有的 Excel 與紙本履歷，能不能直接轉進系統、要花多少時間？ 👉 留下你目前的管理方式，由顧問評估可行做法

餐飲住宿：量大又急，主管的時間都在現場

餐飲與住宿服務業的招募節奏，跟前兩者完全不同：流程短、推進快、量體大。

我們聽到的現場回饋是：

主動應徵履歷不足、履歷處理量大；招募流程短、推進快，HR 難以即時掌握各職缺的履歷水位與進度。

而最關鍵的一句是：

步驟一多，用人主管就會退回線下協作；實務上高度依賴手機 App 做篩選與聯繫。

這不是配合度的問題——店長的工作重心本來就在現場，出餐、帶班、處理客訴之間，能留給招募的是零碎的幾分鐘。系統做得再完整，只要在門市打不開、點不順，最後還是會退回 Line 傳履歷。

這個產業的期待，全部圍繞「低負擔」：

App 優先的看板式操作，主管在門市空檔就能處理
一鍵批次初篩，把時間留給真正高潛力的人選深耕
即時的履歷水位儀表板，HR 隨時知道哪個職缺快沒人了
主管端幾乎不需學習——看得懂、點得動，比功能多寡更重要

此外，餐飲業對「甄試歷程紀錄」特別重視。這個產業的職缺多屬第一線人力，重點不在長期經營高階人才池，而在於每一次接觸都要留下紀錄：這個人以前聯繫過嗎？來面試過嗎？錄用之後又離職了嗎？在高流動、同一批人可能反覆應徵的現場，這段歷程資料能直接省下重複邀約與重複面試的成本。

💬 想知道門市主管在手機上實際會看到什麼、要點幾下才能完成？ 👉 留下你的門市規模與流程，由顧問說明操作細節

零售多據點：人補得進來，卻難說清哪一區真的有效

零售與連鎖服務業告訴我們的痛點，出現在招募的後段：

職缺與區域分散，需要比較不同區域／職缺的招募成效，並掌握人選在各甄試階段的流失與淘汰原因。

北中南幾十家門市同時開缺，總部 HR 面對的問題是：哪一區補得順？哪一區卡住？卡在初篩還是面試？被淘汰的人選，理由到底是什麼？

而現行做法的困境在於：

報表若不能依區域、職缺、階段、淘汰原因拆分，仍需大量人工整理，難以直接支援招募管理。

這句話點出了零售業最有感的一件事——報表必須貼近真實招募流程，否則做完還是要再加工一次。一份漂亮但無法回答「哪一區為什麼慢」的報表，對總部沒有意義。

這個產業的期待非常明確：

可依區域 × 職缺 × 階段拆分的招募漏斗
淘汰原因的結構化分析，而不是自由填寫的備註欄
跨店集中管理看板，讓總部一眼看清全區水位

💬 想知道報表能不能拆到你要的區域、職缺與階段層級？ 👉 留下你需要的分析維度，由顧問確認可行性

顧問觀點：四種痛點，同一個底層問題

把四個產業的回饋攤開來看，表面上訴求各異：科技製造要串接、一般製造要脫離 Excel、餐飲要 App、零售要漏斗。

但當我們把這些聲音整理在一起，發現它們其實指向同一個底層問題：

企業真正無法忍受的，不是「功能不夠」，而是「資訊斷裂與重複作業」。

AI 摘要如果還要人再讀一次判斷，等於沒摘要；履歷搜尋到了還要重新輸入資料，等於沒搜尋；報表拉出來還要用 Excel 加工，等於沒報表。

這也解釋了為什麼 F.B.I 報告會出現「招募變快、留任變差」的組合——很多企業提升的是單點速度，而不是整條流程的連續性。前段跑快了，後段的判讀、協作、追蹤沒有跟上，人選品質自然無法同步提升。

深度解方：依產業配置 104 招募管理 Pro

同一套系統，不同產業適合從哪些功能開始上手？以下是依前述痛點整理的建議：

產業	核心痛點	建議優先上手的功能
科技製造	專業履歷判讀慢、跨部門協作散、系統各自為政	AI 人選亮點摘要、結構化面談表、Teams 會議自動串接、多管道履歷整合、人才庫經營
一般製造	仍靠 Excel／紙本，資料各部門分散	PDF／紙本履歷 AI 解析匯入、多主管協同審核、職缺與人選集中管理、彈性權限設定
餐飲住宿	量大流程快、主管不進系統	用人主管專屬 App、看板式甄試管理、批次初篩、招募概況即時儀表板、完整甄試歷程紀錄
零售多據點	跨區成效說不清、報表要人工加工	招募漏斗分析（部門／職務／時間可拆分）、各管道來源成效分析、跨部門集中看板、可匯出報表

三個跨產業都適用的原則

一、AI 摘要要對準職務，而不是複述履歷 AI 人選亮點摘要是針對「職務 × 履歷」做適配分析，摘出與這個職缺有關的重點，協助主管先掌握人選輪廓、縮短評估時間，再決定哪些人值得深讀。

二、資料進來就要能直接用支援 104 完整 VIP 查詢、其他人力銀行履歷收整、PDF 紙本 AI 解析、自訂徵才頁與手動新增，所有來源進入同一介面，不需二次輸入。

三、報表要對得上真實流程招募漏斗圖與各階段轉換率可依部門、職務、時間區間彈性查詢，並支援匯出，讓報表產出即可用，而不是加工的起點。

💡 不確定你的產業適合從哪裡開始？ 👉 預約完整產品諮詢，由顧問依產業現況提供導入建議

典型企業情境：同一套系統，兩種完全不同的用法

⚠️ 以下為示意情境，由顧問依實務經驗歸納整理，並非真實個案揭露。

A 公司｜電子零組件製造，員工約 600 人痛點是研發職缺的履歷判讀。過去 HR 篩完後寄給三位技術主管，平均要等 8 天才收齊意見。導入 Pro 後，HR 先從 AI 人選亮點摘要與結構化面談表切入：主管在 App 上先看 AI 摘出的適配重點，再決定哪幾份值得細讀，評估節奏明顯加快；三位主管的評分維度統一，討論時直接比對分數差異。首輪意見收齊時間從 8 天縮短至 3 天內。

B 公司｜連鎖餐飲，全台 40 家門市痛點完全不同：履歷量大、店長不進系統。導入時 HR 的推行重點不在「教會店長整套系統」，而是從學習門檻最低的幾個環節先讓店長有感——用人主管專屬 App 的看板式介面，人選卡片一目了然，店長在備料空檔用手機就能瀏覽；搭配 AI 人選亮點摘要，不必逐份細讀履歷；點選即完成初步判斷，不需額外操作訓練。

教育訓練只花了一次 20 分鐘的線上說明，店長就能自行上手。主管平均回覆時間從 4 天縮短至 1 天內，HR 每週的追進度時間也同步減少。

同一套系統，A 公司先用的是判讀深度，B 公司先用的是操作輕量。產業不同，導入的第一步就該不同——先讓最關鍵的那個角色有感，後續的功能才有機會真正被用起來。