AI 求職突圍：BA/PM 用 AI 升級 CV、LinkedIn 同作品集（香港實戰）
2026-09-04 · 求職實戰 · Eric Cheung
事源：AI 改變咗工種，亦改變咗「點樣搵工」
2026 年，AI 已經滲透入招聘流程嘅每一環：HR 用 AI 篩選 CV、recruiter 用關鍵字喺 LinkedIn 搜尋候選人、面試官用 AI 準備問題。同一時間，識用 AI 嘅求職者可以用更短時間做更深入嘅職位研究，為每份申請度身訂造內容。呢篇文寫畀 BA/PM，以及想轉型 AI-augmented development 嘅朋友：由分析職位、改造 CV、執靚 LinkedIn，到建立一個「識講故事」嘅作品集，一步一步用 AI 提升你嘅求職命中率。
快速結論（TL;DR）
- 一份 CV 走天涯已經失效：用 AI 拆解每份 JD、整技能矩陣，再針對性改寫，命中率先會高
- CV 同 LinkedIn 都要「AI 友好」：用返 HR 會搜尋嘅關鍵字，每段經歷最少一個量化成果
- 作品集係最有力證據：一個雙語、有案例、有真實 demo 嘅個人網站，比十頁 PDF 更可信
- AI 負責快、你負責真：AI 做研究同初稿，內容最後一定要經你把關同驗證
- 誠實係底線：AI 可以幫你包裝真實經歷，但永遠唔可以幫你作經歷——面試一問就穿
第一步：用 AI 做「職位反向工程」
大部分人求職嘅第一步係「更新 CV」，但更有效嘅第一步係「拆解目標職位」。反向工程即係由 JD 倒推：呢個職位核心要求係咩、公司想解決咩問題、佢哋用咩語言形容理想候選人——然後先決定你份 CV 點鋪排。
- 將 3 至 5 份目標 JD 貼入 AI，叫佢抽出重複出現嘅技能關鍵字（按頻率排序）、硬性要求、軟性要求，同埋「隱藏要求」——JD 冇寫但由職責可以推斷嘅能力
- 將你嘅技能清單同 JD 並排，叫 AI 整一張技能矩陣：邊啲係你嘅強項（要放最前）、邊啲係缺口（諗吓點樣用相關經驗補救，或者索性唔好報呢個位）
- 叫 AI 幫你將同一段經歷，翻譯成目標行業嘅語言——同一段需求分析經驗，對銀行、對 SaaS、對政府項目，sell 嘅角度可以完全唔同
你係資深招聘顧問，擅長拆解 JD 同評估候選人匹配度。
以下係我目標職位嘅 JD（3-5 份），同我嘅背景簡介。
請幫我：1) 列出重複出現嘅技能關鍵字，按頻率排序；
2) 分出硬性要求同軟性要求；3) 指出 JD 背後隱藏嘅能力要求；
4) 整一張技能矩陣，逐項標記「強項／可補救／缺口」。
我嘅背景：BA／PM，負責需求分析、敏捷交付同流程優化，
日常工作已經用 AI 工具（例如 AI 寫文件、自動化工作流）。
--- JD 同背景貼喺度 ---改完之後，將你份 CV 貼返入 AI，叫佢扮 HR 用嗰份 JD 嘅關鍵字評分——邊啲 keyword 中咗、邊啲爭咩、建議點補。呢個「拆 JD → 改 CV → 模擬篩選」嘅循環，可以一路做到你滿意為止。
第二步：CV 大改造——ATS 友好、數字行先
無論係 ATS（申請人追蹤系統）定 HR 自己，通常都只會用幾秒掃一份 CV。你要喺嗰幾秒令佢知道三件事：你係邊個、你做咩、你有咩成果。
- 用返 JD 嘅關鍵字：技能矩陣入面嘅詞——職位名稱、技能、工具、行業術語——要原字出現喺 CV，唔好淨係用同義詞，因為篩選系統多數係做字面匹配
- 成果量化：每段經歷最少一個數字。冇實際 KPI 嘅話，用數量、頻率、百分比呢類 proxy，例如「將需求確認週期縮短 30%」「每年處理超過 20 個變更請求」
- 排版對 AI 友善：用標準 section 標題（Experience、Skills、Education），避免兩欄、圖表、相片——ATS 同 AI 都係讀文字，花巧排版反而會令內容漏讀
- 一頁起、兩頁止：十年以下經驗盡量一頁，重點放最近五年；技能放前面定後面，視乎你嘅年資同申請渠道
量化嗰陣最容易犯嘅錯係「作數字」。如果連 proxy 都搵唔到，唔好作——用質性描述（例如「負責同三個業務部門對口」）都好過寫一個一問就穿嘅假數字。
第三步：LinkedIn——HR 搜尋人才嘅第一站
好多 HR 同獵頭嘅日常工作就係喺 LinkedIn 打關鍵字搵人。你個 profile 嘅每一個字都會入索引——所以佢唔單止係「網上 CV」，更係一個畀人搜尋嘅 landing page。
- Headline 唔好淨係寫職稱：寫「Business Analyst | AI-Augmented Development | 需求分析・敏捷・流程自動化」，覆蓋人哋會搜尋嘅詞
- About 第一兩行就要交底：寫你幫到邊類公司、解決邊類問題；摺疊咗嘅內容冇人會㩒開，重點一定要放頭
- Experience 同 CV 內容一致：關鍵字、職稱、數字要對得上——HR 會兩邊對照
- Featured 釘起你嘅作品：個人網站、GitHub、寫過嘅文章，全部釘喺 profile 最頂
- 中英雙語並存：香港市場 recruiters 中英文都有，headline 同 About 用英文，詳細經驗可以中英並列
進階玩法：叫 AI 分析你目標公司嘅員工 profile，睇吓佢哋嘅共同技能、職涯路徑同部門結構——用嚟校準你嘅定位同準備面試問題。參考可以，抄襲 profile 就唔好。
第四步：作品集——一個「識講故事」嘅個人網站，好過十頁 PDF
對想證明自己識 AI 嘅求職者嚟講，作品集係最有說服力嘅證據：CV 話畀人聽你做過咩，作品集示範你做到啲咩——而且任何人都可以自己去查證。
- 圍繞一個定位嚟砌：唔好咩都擺。如果你嘅目標係 AI-augmented development，就由需求分析、自動化工作流、AI 工具實戰呢幾類案例組成主線
- 每篇文章都要有 TL;DR：AI 搜索引擎同忙碌嘅 HR 都會引用文章開頭嘅重點——將結論放最前，係而家最實際嘅「被發現」策略
- 雙語內容：繁體中文建立本地信任，英文打開國際 recruiter 市場，兩邊都要覆蓋
- 示範要真實可驗證：GitHub repo、行緊嘅 demo URL、發布日期——全部要真，因為 HR 真係會㩒入去睇
以我自己為例：呢個網站本身就係一個作品集——雙語文章、每篇有 TL;DR、互動式 AI terminal 示範、仲有公開嘅專案案例。面試嗰陣與其用口講「我識 AI」，不如直接叫對方㩒入嚟睇：由 claim 變成 evidence，說服力差好遠。
第五步：Cover Letter 同申請——AI 做初稿，你做把關
AI 令「每份申請都度身訂造」終於變得可行，但求職信最大嘅陷阱係「睇落好流暢，其實乜都冇講」——AI 生成嘅文字特別容易中呢個伏。
- 畀足 context 先好叫 AI 寫：貼 JD、你嘅 CV 精華、公司網站或新聞稿，AI 先寫到具體內容
- 叫 AI 做公司研究：目標公司最近嘅產品發布、招聘動向、行業新聞——喺信入面具體提到，證明你唔係海投
- 刪走空泛讚美：「I am excited to apply」「好欣賞貴公司嘅理念」呢類冇具體原因嘅句子，刪咗佢
- 初稿當零號稿：改語氣、加入你嘅真實例子，最後大聲讀一次——唔似你講嘢嘅，就係未改完
原則好簡單：AI 負責「快」，你負責「真」。
誠實底線：AI 幫你包裝，唔可以幫你作嘢
用 AI 改善表達完全冇問題——將「我做過啲嘢」講成「我有咩成果」，係 skill。但將「冇做過」寫成「做過」，係 fabrication。而家好多面試官自己都用緊 AI，好鍾意追問細節、要求即場示範——一問就穿。
務實啲睇，仲有一個原因：BA/PM 係要同 stakeholders 長期合作嘅崗位，信任係最重要嘅資產。寫 CV 前可以做一個底線測試：每一句 claim 都問自己「如果面試官叫我即刻示範或者拎證據，我做唔做到？」做唔到嘅，就唔好寫——寧願花時間喺作品集補返一個真嘅 demo。
香港市場貼士
- 雙語係 default：CV 英文為主、中文為輔；LinkedIn 中英並存——香港 recruiter 兩邊都有
- 學歷同專業資格照寫：香港市場對學歷同證書（例如 CBAP、PMP、CSM）仍然睇重，符合 JD 就放喺當眼位置
- 薪酬期望諗清楚先填：填「面議」定一個 range 各有利弊；用 AI 幫你搜集同類職位嘅薪酬範圍做參考，好過亂填一個數
- Track 你嘅申請：用試算表記低每份申請改咗咩、有冇回覆——一個月後你自然知道邊個渠道、邊種寫法最有效
- 澳門市場行兩條路：企業規模普遍較細，除咗經 HR 系統，直接搵 hiring manager 或者靠人脈介紹往往更快——LinkedIn 一樣啱用
總結：AI 係求職者嘅槓桿，唔係代打
一句講晒：用 AI 做研究、拆 JD、改 CV、執 LinkedIn、砌作品集、起草申請，但每一樣最後都要經你把關——因為得你先知道自己真正做過咩、做得好咩。AI 終結咗「一份 CV 打天下」嘅時代，換嚟嘅係「每份申請都度身訂造」嘅新常態。識唔識用呢個槓桿，就係你同下一個候選人之間嘅距離。