定位
會用 AI 的 HR 很多。我想做的，是能親手將 AI 工具建起來的那一種。
在全曜財經資訊股份有限公司期間，我以「HR Builder × PM」的角色，將招募、行政、數據分析三個場景裡高頻、重複、依賴人工判讀的作業，一項一項重構成系統。以下六個代表作都是實作、多數已上線，並附上架構流程。
技術棧：Python、FastMCP / MCP Protocol、LLM 介接、DuckDB、Apache Parquet、PostgreSQL / SQL Server、Google OAuth / RBAC、Google Apps Script、GA4、Vibe Coding。
代表作 1 · HR Data Lake（旗艦）
用自然語言查詢 HR 數據，一座打通 SQL Server 與 LLM 的資料湖。
痛點：HR 數據散落在兩大 SQL 資料庫，主管每次要問「招募轉換率」「人才結構」都得人工撈資料、整理報表，耗時且無法即時決策。
架構
成效：5 級 OAuth 權限角色分級、每日自動排程抽取、系統自動產出 3 份 email 報表（人資長每日戰情室 / 資料湖健康度 / 數據取用稽核）與 1 個互動式決策儀表板。
為何是旗艦：它是一套完整的資料架構，從資料工程（Parquet / DuckDB 管線）、權限治理（OAuth RBAC 五級分權）一路接到 LLM 介接。它證明我有能力獨立設計一整套「HR 數據基礎設施」，從頭搭到尾。
代表作 2 · 招募篩選 Agent
端到端履歷篩選自動化，內含合規治理與人工決策關卡。
流程
治理設計：個資保護控制點內建於流程，確保履歷處理符合個資法（PDPA）；AI 只做初篩評分，是否進下一關、最終錄不錄用，都由人資判斷。AI 是輔助，代替不了人。
訊號：多數人做招募自動化只想著「快」，我在設計時就將 PDPA 合規與人工決策關卡一起內建進去。這代表我看重的是「AI 落地的治理與風險」，效率只是其中一塊。
代表作 3 · 分機座位管理系統（已上線）
讓座位資訊「即時且真實」：593 席 · 457 位夥伴 · 16 間辦公室。
痛點：舊系統以 Google Sheet 手繪座位表、換位另填 Google Form。表單識別困難、流程麻煩，多數人換了位置卻不填表，座位表長期失真，總務只能逐層人工核實。
架構
解法：拖拉座位放開即完成異動，取代填表，當事人自動收到通知；由人員主檔每日同步，新進入「待排定」、離退自動釋放座位並保留分機，免人工維護。SVG 樓層圖 1:1 對應實際格位；異動全程留稽核紀錄。
差異化訊號：這題真正的價值，在於從流程的根源解決「資料失真」。我看穿的地方是：只要換位得多填一張表，人就是不會去做。所以解法很直接，讓異動內建進「換位」這個動作本身，人一拖一放，座位資料就對了。
代表作 4 · HR 行政自動化郵件平台（已上線）
9 支 HR 通知信的完整生命週期自動化，內建 7 條資安鐵則。
痛點：HR 例行通知信（新進、離職、留停復職、特休年資等）原以 Excel + VBA 排程（.xlsm）處理，維護困難、無權限控管、無稽核軌跡，寄送前難以預覽驗證，錯寄風險高。
架構
每支信 = 一個 job 目錄（job.json 定義主旨 / 收件人 / cron 排程 + main.sql 名單查詢 + 模板）；引擎每次執行重讀設定，改設定免重啟。
寄送前防護鏈
成效：9 支 HR 通知信上線、3 級角色權限控管、資安鐵則 S1–S7、100% 寫入操作留稽核。機敏值只進環境變數、服務僅綁本機、正式寄送需角色權限＋一次性 dry-run token＋確認勾選、稽核日誌僅可附加（只記筆數不記名單內容）、對正式 DB 的增刪改永不自動執行。
工程級治理訊號：我將「HR 行政」做成了一套符合 pre-IPO 內控精神的軟體，站在 HR 與資安治理的交會點上。
代表作 5 · 塔羅招募 Landing Page
創意 × 數據 × 雇主品牌的複合實作。
概念：將 79 張奧修禪卡對應全曜財經資訊股份有限公司三大核心價值，打造互動式招募體驗頁，讓求職者透過抽牌認識企業文化，同時完成雇主品牌溝通與數據蒐集。
數據設計
部署於 GitHub Pages，導入 GA4 追蹤四階段轉換漏斗，串接 104 招募平台完成投遞閉環。（另一個獨立版本《拆解思考卡》已上線。）
複合能力訊號：這個專案同時展現創意（將塔羅轉成雇主品牌敘事）、數據（GA4 漏斗設計）與技術（部署），核心是將「軟性的文化溝通」，變成可以量測的轉換數據。
代表作 6・招募數據儀表板組（漏斗分析 × 人才推薦追蹤）
兩支各自獨立的單檔 HTML 儀表板，分別對應「主動投遞的招募轉換」與「內部推薦管道的世代比較」，都以純前端方式交付給人資與用人主管，下載即可離線使用，不需架設任何伺服器。
招募漏斗與成效分析：串接公司招募資料庫的 8 張主表與 mapping 表（履歷投遞、狀態流程、職缺、部門、入職紀錄），將投遞、接洽、審核、入職四個階段收斂成一張漏斗，並列比較各部門、各職缺的轉換率與填補天數，另外整合 104 人力銀行後台的瀏覽與應徵數據做外部對照。
架構
解法：每項 KPI 旁都做了一顆「資料字典」提示，滑鼠停留就能看到這個數字背後對到資料庫哪張表、哪個欄位、怎麼 JOIN 算出來，讓非技術背景的主管也能自己查證，不必只能信任一個黑盒子數字。AI 分析採兩階段對話式呼叫，第一輪先出洞察、第二輪接續生成行動方案，避免長輸出被截斷；送進 AI 的只有彙整後的統計值，不含求職者個資。
人才推薦管道數據儀表板：內部推薦獎金制度歷經舊制、新制、D 版三個世代的規則調整，這支儀表板將三個世代的推薦紀錄放進同一份報表，用堆疊長條圖、雷達圖、圓餅圖與樞紐熱力圖，比較各管道、各年資級距、各世代的推薦成效與留任狀況。
解法：完全沒有依賴任何圖表函式庫，堆疊圖、雷達圖、圓餅圖、月度趨勢與熱力圖都是自己寫 SVG 刻出來的；另外做了 CSV 匯入／匯出與範本下載，讓不同世代、不同來源的推薦資料能自行貼上比對。頁尾額外附上一段「資料出處」說明，白紙黑字寫清楚「推薦發生日」跟「到職日」是兩套不同的時間基準，避免主管將兩者誤讀成同一件事的因果關係。
成效：兩支儀表板都不是套版拼出來的樣板。招募漏斗那支將每個數字的資料庫出處都標註出來，人才推薦那支連圖表引擎都自己刻。我在意的，是主管敢不敢真的拿這份數字去做決定。
工作方法論
讓 HR 轉型從一次性專案，變成可以持續運作的能力。
這套方法的價值，在於它讓 HR 轉型不必靠單點靈感或個人英雄主義，靠的是一套可複製、可交接、可規模化的能力。帶更大的 HR 團隊時，我會將它做成團隊的標準作業流程。這也是我從「做工具的人」，走向「建能力的主管」的核心主張。