缅甸籍移工离职面谈总是漏听重点？用ChatGPT语音帮HR整理逐字摘要

周五下午，人资主管Nok又约了一位即将离职的缅甸籍作业员做面谈。翻译同事在旁边帮腔，Nok一边听一边记笔记，一边还要留意对方情绪。面谈结束回到工位，脑子里只剩模糊印象：“他好像提到宿舍很吵”“机台好像讲到什么异响”，但具体是哪一句、哪个环节，早就记不清了。录音倒是有录，但一场40分钟的访谈，回放一遍就要40分钟，还要边听边抓重点，一天排三场面谈，光整理记录就要占掉半天工时。

离职面谈看着像走个流程，其实是工厂最容易漏接的信号来源：工伤隐患、排班不合理、宿舍纠纷、管理层沟通问题，往往在移工要离开的那一刻才敢说真话。如果HR只靠印象写报告，这些信号很容易在转述中被淡化或遗漏。2023年9月起，ChatGPT的语音对话功能已经普及开放，配合7月上线的“自定义指令”（Custom Instructions），HR可以先把AI设成固定角色，之后每次面谈后直接口述重点，让AI整理成看得懂、能归档的摘要，不用再干听录音。

面谈当场先录音，事后再“口述”给AI听

做法不是把手机录音直接丢给AI（目前ChatGPT还不能直接处理长音频转逐字稿），而是面谈结束后，趁记忆还新鲜，HR自己对着ChatGPT用语音模式“口头复述”访谈重点，包括翻译转述的内容、对方的语气情绪、自己观察到的细节。这一步取代的是“回放录音逐字听写”，而不是取代面谈本身。

先用自定义指令把AI设成“HR访谈摘要员”

开始口述之前，先到设置里把自定义指令填好，让AI每次回复都自动套用同一套整理格式，不用每次面谈后重新下指令、重新解释要哪些栏位。这样即使今天面谈3个人、明天面谈2个人，摘要格式始终一致，方便日后归档比对，也方便交接给下一位HR。

结构化输出：离职原因／工伤反映／建议三栏

把面谈内容硬性拆成三块，是这个做法最关键的一步。移工口中常常东拉西扯，一句话里可能同时包含对薪资的不满、对机台异响的抱怨、对宿舍室友的意见。AI能做的，就是把这些混在一起的叙述，按“原因、工伤、建议”拆开重组，让HR一眼看出哪些是情绪发泄、哪些是真正要往上报的工伤隐患。

比逐字听录音省一半时间，关键在“当场记得住”

逐字听录音之所以慢，是因为要反复倒带确认细节；口述给AI听则是HR用自己的话一次讲完，AI立刻整理，省下的正是反复确认的时间。前提是面谈后要尽快进行，记忆新鲜度直接决定摘要质量——拖到第二天再回想，效果会打折扣。

🔧 AI 动手做：把离职面谈口述整理成结构化摘要

面谈结束后，打开ChatGPT语音模式，先确认自定义指令已设置好角色，接着直接用语音口述刚才面谈的重点，让AI即时整理成三栏摘要，复制粘贴存进离职面谈记录表即可。

你是工厂人力资源部门的“HR访谈摘要员”。

我刚完成一场缅甸籍移工的离职面谈，接下来会用语音口述面谈重点（含翻译转述内容与我自己的观察），请你听完后，把内容整理成以下三个栏位的结构化摘要，用简体中文条列呈现：

1. 离职原因（列出对方明确提到或暗示的所有原因，按重要程度排序）
2. 工伤反映（如提到机台异响、防护设备不足、工时过长等安全相关内容，即使只是一句带过也要列出）
3. 建议事项（给HR或工厂管理层的具体后续建议，例如是否需要上报工伤、是否需要检讨排班等）

如果我口述的内容有模糊不清或矛盾之处，请在摘要最后加一段“待确认事项”，而不要自行脑补推测。

现在请听我口述：

本周就能做的一步：下一次离职面谈前，先在ChatGPT里把上面这段自定义指令存好，面谈结束后立刻口述整理，让工伤隐患不再被淡忘在一句带过的抱怨里。