UnFudged AI用AI查出簡歷中的假經歷

招聘一個崗位平均要花幾十個小時篩選簡歷，而傳統ATS（申請者追蹤系統）只能匹配關鍵詞和格式，對簡歷中的水分幾乎毫無還手之力。UnFudged AI 正是衝著這個痛點來的——它用AI分析簡歷內部的一致性，揪出那些看似合理、實則經不起推敲的經歷。

AI如何鑑別簡歷造假

UnFudged 的檢測邏輯並不複雜：把一份簡歷當作獨立的資料集，交叉驗證多個維度。比如工作時間的數學運算——某段經歷寫著「2019.03 - 2020.02」，但內容卻提及2020年下半年的事，傳統ATS不會管，但時間線邏輯明顯矛盾。語言模式分析則更細：如果候選人在「技能」部分和「工作描述」部分用詞高度雷同，甚至出現完全相同的短語（copy-pasted skills），系統就會標記異常。

代理候選人（proxy candidate）檢測是另一大亮點。有人會找槍手代寫簡歷甚至代面試，UnFudged 通過分析簡歷中語言風格的一致性——比如開頭用美式拼寫、中間混入英式拼寫，或者自我評價的語氣與具體描述段落反差過大——來暴露代寫痕跡。

對招聘流程的實際影響

想象一下你是一家中等規模公司的招聘經理，每年要處理上千份簡歷。手動排查造假幾乎不可能，而傳統背景調查只能驗證已列出的資訊。UnFudged 的定位是「初篩階段的紅綠燈」：它會自動給簡歷打分並標註可疑點，讓你把精力集中在真正需要深挖的候選人上。有位使用者提到，用這個工具後發現30%的簡歷至少有1項異常——當然，異常不等於造假，但至少給了追問的方向。

以下是 UnFudged 能識別的典型問題（非全部列表）：

• 拉伸日期：故意延長任職時間，比如把離職日期推後幾個月。
• 技能抄襲：直接從崗位要求裡複製貼上技能列表。
• 空白期隱瞞：用模糊的「自由職業」掩蓋幾個月無工作的狀態。
• 代筆痕跡：語言風格在不同段落間切換，疑似多人協作。

當然，它也有侷限。工具無法識別已離職但確實在崗的「空白期」，對極其專業的行業縮寫也可能誤判。另外，它只分析簡歷文字，不接入任何外部資料庫（如社保記錄），所以不能完全替代背景調查。

誰適合用它

首先，需大量篩選簡歷的HR團隊——每天幾十甚至上百份簡歷，UnFudged 可以作為第一道過濾網。其次，獨立招聘顧問和獵頭，他們通常沒有龐大後臺，這種輕量級SaaS工具很方便。最後，創業者和小公司老闆，身兼數職時，用AI幫忙篩簡歷能節省大量時間。

一點實用建議：別把它當「判官」，而是當「偵探搭子」。標記異常後，面試時針對性提問，比如「您簡歷上這段經歷提到負責XX產品，能具體說說當時的市場策略嗎？」——對方如果是編的，細節往往對不上。

UnFudged 還在迭代中，目前對PDF和Word格式支援較好，但複雜排版（如表格內嵌文字）偶爾會漏檢。總體來說，它填補了ATS和人工稽覈之間的空白，讓簡歷篩選不再完全依賴直覺。