本案例依原書第 1 章「Degree of Unknowns」招聘範例重組，並非原書正式案例研究。
比較兩種招聘 AI 倡議的未知程度，理解技術複雜度、風險與創新性如何改變專案分類。
原書用招聘流程比較兩項倡議：一是根據職缺說明與履歷產生面試問卷；二是分析視訊面試中的語音回答、臉部表情與肢體語言，推論候選人的思考與職務適配。
| 倡議 | 輸入 | 主要技術 | 原書未知程度 | 原因 |
|---|---|---|---|---|
| 產生面試問卷 | 職缺說明＋履歷 | 生成式 AI／LLM 文字處理 | 低至中 | 輸入與輸出清楚，文字能力較成熟；仍有準確與相關性未知 |
| 多模態候選人分析 | 語音＋臉部表情＋肢體語言 | NLP＋Computer Vision＋進階 AI 演算法 | 高 | 多技術整合，還需處理公平與偏誤 |
Excel 可建立未知因素清冊，以「技術成熟度、輸入輸出明確度、整合複雜度、公平風險」逐項記錄證據；AI 可依原書描述解釋為何兩案分類不同，不自行建立原書沒有的數值分數。
原書只提供類別判斷，沒有未知程度的數值公式或權重，因此本頁不建立假分數。
面試問卷生成的技術路徑與輸入輸出較明確，因此未知程度較低；多模態候選人分析同時依賴語言、視覺與推論，且公平風險更高，因此被列為高度未知。高度未知不代表一定不做，而是需要更謹慎的研究與治理。
請只根據表中資訊，比較兩個招聘 AI 倡議的未知程度來源。分別討論技術成熟度、輸入輸出明確度、跨技術整合與公平風險；不要自行替候選人能力或人格作推論。