LinkedIn用戶加速往履歷添加AI經驗
LinkedIn用戶正越來越多在工作經歷中添加“AI”相關描述。
斯坦福經濟學家Nick Bloom與Gideon Moore對比當前與2023年前存檔資料發現，用戶回溯修改已離職職位的標題或描述，今日檔案中AI提及量比早期版本高出30%。
約19.7%的美國成熟用戶至少一次回溯編輯過已離開職位，平均編輯發生在離職約四年後，AI相關詞彙在2022年底ChatGPT發佈後激增超6倍。
LinkedIn數據顯示，美國用戶在個人資料中添加AI相關術語的比例去年跳升70%，成員添加AI技能的速度同比上漲20倍。
年輕用戶與AI產品經理、設計等職業羣體編輯頻率更高，部分人羣藉此匹配當前招聘對AI關鍵詞的偏好。
求職者與僱主雙方同時強化AI信號，職位描述中AI術語增加，資金與注意力流向具備AI標籤的候選人，傳統非技術履歷承壓，事件驅動型簡歷重構加速勞動力市場信號競爭。
來源：公開信息
ABAB AI 解讀
ChatGPT上線後，職場人迅速將過往項目重新包裝爲“AI相關”，類似2010年代移動互聯網爆發時程序員集體把“網頁開發”改成“移動端經驗”的路徑，Stanford團隊用Revelio Labs月度存檔數據首次量化了這種“時間旅行”編輯行爲。
資本與招聘算法共同強化關鍵詞匹配，LinkedIn搜索與企業ATS系統優先浮現帶AI標籤的檔案，推動用戶主動修改歷史記錄以提升曝光，動機在於降低被算法過濾的風險並爭奪有限面試機會。
這與2000年代初互聯網泡沫後簡歷集體添加“.com經驗”、以及遠程辦公流行時大規模補寫“遠程協作”描述高度相似，當前處於技能信號通脹階段，真實能力與標籤密度開始脫節。
本質屬於技術替代。生成式AI降低了內容生產與簡歷優化成本，同時抬高了招聘端對“AI熟悉度”的顯性要求，機制上形成自我強化循環：算法獎勵關鍵詞→用戶回溯注入關鍵詞→信號進一步飽和。
ABAB News · 認知定律
熱門標籤會倒灌進歷史履歷
算法獎勵什麼，過去就會被改寫成什麼
信號通脹終將稀釋真實經驗的溢價