需求側的 JD 常用信仰語彙篩人，供給側的培訓則急著預售尚未存在的頭銜。跳脫語彙的通膨，我們來看驗證：當一家公司真的把 AI 能力寫成可評分的階梯，那份階梯長什麼樣，以及及格線畫在哪個動作上。
序言：一則職缺的 JD 裡，關於 AI 只有兩句話。讀起來像客套的加分項，任何人都能在履歷寫「熟悉 AI 工具」然後按送出。但同一則職缺的申請表裡，這兩句話被拆成一份四級量表，附帶一道要求舉證的開放題，後面還接著一段帶薪的真實專案。
Automattic 的 Senior Product Designer 提供了目前少見的完整樣本：把「會用 AI」這個模糊宣稱，一路壓到可評分、可舉證、可實作驗證的規格。對正在設計篩選流程的人來說，關鍵在於這家公司把要求放在流程的哪一層，以及那一層為什麼對外根本看不見。
方法註記與知識抽取倫理（Source Ethics）：本文引用的職缺文本、流程描述、薪資區間與詐騙警告，為 2026-08-01 初查、2026-08-05 複查。五關流程以 Work With Us 為準；時數與變體見 How We Hire。
本文不代表支持任何雇主政策立場，單一公司做法僅作 illustrative case；Reddit 論壇討論僅作語氣線索，不作市場普及率證據。
真正的規格，藏在「Apply」按鈕之後
先看公開得到的部分。JD 裡與 AI 有關的要求是這兩句：
“Experience integrating AI tools, automation, and code-assisted workflows into the design process to accelerate exploration, prototyping, and iteration.”
“The ability to utilize AI and augmented design practices in daily work, and to effectively communicate and share these practices with the team, including coaching and mentoring sessions.”
這兩句話在〈好的 AI JD 不獎勵技術崇拜：把身份、能力與態度拆開寫〉的訊號拆分表裡屬於能力訊號—沒有身份標籤、沒有 pilled 這類俚語、也沒把 AI 態度寫成文化門檻。
以 JD 的水準來說已經算乾淨。但單看這兩句，仍然無法回答那篇提出的三個治理問題：候選人要展示什麼證據、評分者依什麼標準、拒絕或錄取的理由如何留存。
答案不在 JD，在申請表。而申請表要按下「Apply」之後才展開。
真正的能力規格書寫在申請流程的第二層，而第二層只對已經投入時間的人可見。
對外的職缺描述承擔的是招攬功能—它要讓夠多人願意點進來；篩選功能被移到只有進場者才看得到的地方。
討論 AI 招聘語彙時若只讀 JD，等於只讀了行銷文案。
對用人主管來說，這件事有一個直接的操作意涵：你的 JD 寫得再精確，也不是你的篩選工具。 篩選工具是申請表、面試題本、試作任務。
JD 決定誰會來，申請表決定誰過得了。兩者不是同一份文件，卻經常被同一個人用同一個下午寫完。
動作門檻：已經不問「多熟練」，而問「做沒做過」
申請表裡有一題直接對應上面那兩句 JD：「How would you rate your experience integrating AI tools, automation, and code-assisted workflows into your design process and mentoring others on these practices?」四個等級的定義逐字如下：
值得停下來看的是 Intermediate 與 Advanced 之間的分界。它沒有用更熟練、更頻繁、更進階這類程度副詞，而是換成三個可以回答有或沒有的動作：你做出過 coded prototype 嗎？你自動化過複雜流程嗎？你讓別人採用過你的做法嗎？
這叫動作門檻—等級邊界畫在一個已完成的動作，跳脫自我感覺的熟練度。熟練度是連續的，每個人都能把自己往上放一格；動作是離散的，沒做過就過不了，面試官也能當場要求「哪一個，給我看」。
同一份量表還做了另一件容易被略過的事：它把 Beginner 的位置寫死了。 「用 ChatGPT 和 Midjourney 做簡單的圖文生成」被明文標為初級。
這句話對整個市場的訊息很清楚—〈課程先發職稱，市場還沒發職缺：誰有權鑄造一個職稱〉寫過的那些認證階梯、那些以「會用生成式工具」為賣點的路徑，在這份量表上落在第二格。當一家公司把它寫成底線，「我會用 AI」就不再構成差異。
反過來，這也是〈AI 轉型成績單的陷阱：錯誤激勵、影子 AI 與判斷力治理〉提過判斷力治理的招聘版本。
量表往上走的方向與工具數量無關，走的是三段：使用工具 → 產出可運行的東西 → 讓別人也做得出來。後兩段都無法靠語彙表演取得。
舉證階梯：每一次追問，都在拉高 AI 代工的成本
量表本身只是自評。
真正讓它無法被灌水的，是後面接著的三層。
緊接在量表之後，申請表有一道開放式問答，要求具體說明用了哪些工具、支援設計流程的哪一段（研究、發想、原型、程式、測試）、它們如何提升效率—並明確要求，若有的話，附上 coded prototype 的實例、自動化流程的實例，或曾如何把這些做法分享給團隊的例子。自評選了 Advanced 的人，會在下一格被要求交出對應的物件。
再往後是流程本身。公開招聘頁把標準流程收成五關：Application 申請（含 criteria assessment）→ Slack 或 Zoom 面試 → 部分角色有 Practical Test → 帶薪 Trial → 最終面試 → offer。
How We Hire 補上細節：Trial 是一段帶薪、通常約 5 到 40 小時、用真實工作評估雙方合適度的專案，過程中招聘團隊持續給回饋。流程後半的帶薪實作關—官方將 Trial 定位為核心適配評估；實務上，招聘團隊對真實短期專案的評分權重，通常高於單次聊天面試。
把申請表到 Trial 疊起來，形狀就出來了：
這四層可以叫舉證階梯。它的設計原則不在於問幾次，而在於每往上一階，唬爛的邊際成本就升高一級，且每一階的產出都能拿去驗證前一階的宣稱。
自評 Advanced 卻在開放題交不出實例，落差本身就是訊號；開放題寫得漂亮卻在 Trial 裡做不出來，落差也是訊號。
這正是需求側那篇結尾那句「以工作樣本取代宣稱」的完整實作形態。差別在於，多數公司停在第二階—寫了 fluency 要求、做了自評欄位，然後直接進面試聊天。停在第二階的篩選，篩的是敘事能力。
帶薪真實專案不是 Automattic 獨家發明，但在 AI 可代做交卷的條件下，結構不良的試作更容易同時失效於效度與公平。 在我的創業顧問案現場，設計評測往往是三方痛苦的拉扯，而 2026 年 7 月的歐洲 UX 市場報告 正好用數據印證了這個死結。
報告顯示，高達 80% 的應徵量集中在發缺前 72 小時；偏執行的職缺平均 2.7 天就被履歷海嘯塞爆。組織經營者為篩掉水貨，只能不斷加重試作考題。
但代價由另外兩端承受：UX 新手面臨名為入門、實則要求三年經驗的「Junior 悖論」，在 84 人搶一個位子的絕境下，遇到無薪試作也不敢拒絕，深陷點子被白嫖的焦慮；而背負現職的成熟人才，正承受著最劇烈的工具轉換期（逾八成的中高階職缺強制要求 AI 整合），若還要應付長達數天的試作，雙軌疲勞會直接將他們系統性排除。
多數公司學了 take-home 或 trial 的皮毛，卻沒補齊對應的成本與防護。這裡必須先釐清三個常被混淆的敵人：
—代做（Proxy）—是別人替你交卷，毀的是測驗效度；
—反向對答案（Equipping）—是候選人拿著題庫作答，毀的是區分度；
—知識抽取（Knowledge Extraction）
—則是雇主把候選人的知識與心血，未經授權變成公司的資產，毀的是就業倫理。以下三條線，正好對應這三層風險：
第一條線畫在知識抽取與真實測驗之間。 許多經營者覺得「發個公司業務情境題看看實力很正常」，這會立刻觸發候選人的防衛機制。各大社群共識很硬：超過 60 分鐘或高度貼合公司現有業務的無薪作業，直接視為「免費外包」。新手交出提案後，常懷疑點子被偷去上線。
要解這個結，雇主必須明定產出用途。Automattic 設計招聘說明 直言「we do not utilize or implement the design work you will create」—這是政策承諾，把「真題」與「免費顧問」切開的合規底線。
第二條線是帶薪，以及三種不同的價格。 當你把試作拉長到數天甚至數週的專案，受重傷的是背負家庭與現職的中年轉型者。這衍生出付錢的三種層次：第一是法定底線，加拿大安大略省的 ESA 法規 自 2024 年起明定，若 trial 評估的是員工會用到的技能，候選人即視為員工，必須給薪算工時（此為地方法規，非全球通則）。
信號價格，澳洲招聘顧問 Matt Cook 給出實務建議：work trial 應付「雙倍日薪」補償候選人請假與產出的機會成本，且以 2–3 天為限。
搾取價格，公開資料顯示 Automattic 的 Trial 時薪為 flat $25 USD（不分角色、與未來薪資無關）；這意味著，如果你是時薪 $100 的資深人才，每做一小時都在倒貼。有付錢 ≠ 付得公平，低薪長專案依然會系統性排除成熟人才。
第三條線是 AI 代工的防護。 如果評分的只是「交一份精美報告」，生成式工具早就能代勞。真正難以代做的，是與團隊來回溝通、界定範圍、接收回饋並迭代的「協作過程」。要取得這種高強度的真實訊號，雇主就必須扛起對應的出題、評分與薪資成本。
三家公司的落差：你要的是產出，還是故事？
同一輪查核裡另外兩則職缺，可以當對照組—模式一致，但寫法各不相同。
ElevenLabs 的 Product Designer 走的是相反方向的極簡。職缺說明遠端、可全球執行，並寫明「We do not require any formal experience, certifications, or degrees.」—不設年資、證照與學歷門檻。
它要的是：「product designers who can showcase solving impressively hard problems with artifacts such as past projects and designs」，並補一句「Even directly sharing a rough figma of your work is a great way to show us your craft!」
注意 artifacts 與 rough 這兩個詞的組合。這則職缺預設候選人可能沒有包裝完整的 case study，也不介意—它降低的是敘事門檻，保留的是物件門檻。把學歷、年資、證照全部拿掉之後，剩下的唯一資格條件是「東西拿出來」。
這與供給側那篇的頭銜鑄造問題正面相撞：認證階梯賣的是可宣稱的憑證，而這則職缺明說不看憑證。
FinAgra 的 UX/UI Designer 則是一個必須說清楚的反例（實際徵才條件以雇主職缺頁為準）。
它的必要條件裡完全沒有 AI 工具要求：B2B／營運／工作流軟體的設計經驗、複雜使用者旅程的作品集、Figma 元件與設計系統的熟練度、做過使用者訪談與原型測試、「在不移除必要控制的前提下簡化複雜流程」的能力。列在 bonus 的那條—「AI-enabled products and interfaces that combine automated recommendations with human decisions」—講的是產品類型，不是工具要求。
這個區分很容易被讀錯，讀錯會導致 JD 寫錯。「會用 AI 工具做設計」與「設計過人機共同決策介面」是兩組不同的能力證據。
把它們混在同一個欄位裡，招進來的人可能兩件事都做不好。FinAgra 句中的「不移除必要控制」，透露它要找的是懂得在自動化建議與人的決策權之間留介面的人。
三則放在一起，共同點是看重產出的物件，而非寫出來的故事。
差別在門檻位置：Automattic 放在高處層層驗證，ElevenLabs 放在極低但要求拿出實物，FinAgra 則不把 AI 放進工具要求，而是把它當成考題情境。
