如果一家公司用AI協助招聘,求職者被拒絕時,應該找誰問原因?

我關心的不是把所有決定都推回手工處理,而是當建議、評分與執行越來越容易交給系統,權限和責任有沒有一起說清楚。

原文寫於2025年7月12日,把2027年當成思考的時間點。本版仍保留這個展望,但不把某一年寫成AI必然接管所有決定的期限,也不把情境想像當成已發生的普及調查。

TL;DR:AI參與決策,應先分清它是在整理資料、提出建議、評分,還是被授權執行。人能說出理由,不保證理由忠實;AI的可解釋程度也不能一概而論。偏差可能來自資料、目標與使用流程,並非每次都必然放大。本文以假設的招聘流程提出四項檢查:理由、差異、權限、異議處理。這是作者的治理建議,不是2027年的預言、法規清單或公平保證。

一、先說清楚AI參與哪一步

假設一家公司用AI整理履歷、產生排序,再由招募人員決定面試名單。這與系統直接寄出拒絕通知、而沒有人檢查錯誤,是不同的安排。

同樣一個「AI招聘」名稱,可能指完全不同的權限。這是本文的示意情境,不是具名公司的使用實況或成效研究。

銀行、醫療或司法也不能因為出現AI工具,就概括成AI已獨自決定貸款、治療與判決。若要討論某個實際系統,還要查它的用途、授權、專業程序及適用規定;本文沒有做這些個案驗收。

我更想先問:哪一步由誰做,哪一步能被攔下,結果會對誰造成影響?先把流程畫清楚,才知道該查什麼。

二、能說理由,不等於理由已經可靠

招募人員能解釋一份排序,不代表那段解釋一定忠實反映判斷過程。反過來,AI系統的可解釋程度也會依方法、用途與說明對象而異,不能統稱完全無法解釋。

NIST在2021年的可解釋AI文件中,分開能否提供解釋、對接受者是否有意義,以及解釋是否準確;它也討論人對自己決定的說明並不總可靠。[1]

所以我不會只滿足於「有一段聽起來合理的話」。在招聘示例裡,我會要求核對:使用了哪些資料、排序依據能否查驗、說明是否對得上實際流程。

這不是要求每位求職者都讀懂模型全部參數,而是希望當事人能理解與自己相關的理由,並知道哪裡還不清楚。具體需要到什麼程度,仍得按情境處理。

三、公平不能只看模型有沒有偏見意圖

AI沒有表明歧視意圖,不等於結果就公平;人覺得自己公平,也不是驗收證據。

NIST的2023年AI風險框架把偏差來源放在更廣的系統、計算統計與人類認知層面。[2] 我據此會追問的不只訓練資料,也包括抽樣、標記、評分目標,以及人怎麼使用排序。

例如,假設履歷排序把與工作無關的生活線索當成能力指標,就值得檢查。這是說明風險的假設,不是本文發現某種咖啡館行為能預測能力的研究結果。

風險也不等於每次必然放大偏見。真正要看的是,在指定用途與群體裡出了什麼差異、差異是否有合理根據,以及修正後是否改善。本文沒有取得招聘資料,不能宣告任何系統已公平或不公平。

四、權力問題要落在可以改變的安排上

我仍擔心,當組織依賴少數供應者,卻不了解資料流向、無法帶走紀錄或切換工具,會失去檢查和改變流程的能力。這是有條件的治理疑慮,不是所有AI只能由巨頭開發或部署的定律。

自行訓練模型、調整既有模型,以及採用現成服務,是不同的工作;不能把它們混成同一種資源門檻。本文不做供應者市占、訓練成本或市場集中度估算,也不推論某四家公司因此知道每個人的一切。

在招聘示例裡,我會先查合約與實作:誰能讀履歷、紀錄由誰保存、能否限制用途、停用後如何處理資料,以及排序出錯時誰能改正。

這些問題需要具體答案。只說「AI不是民主的」或「技術已沒難題」,都無法代替對系統及制度的檢查。

五、人的參與,不必靠否認工具能力來保住

AI可以被用來比較選項,也可能協助提出目標或指出問題。人的責任不是靠宣布工具永遠做不到某種思考,才得以成立。

我在意的是:誰有權採用目標,誰會承受後果,受影響的人能不能提出異議。這些安排不能只用一個模型分數交代。

OECD的AI原則依角色與情境談責任、追溯,以及讓受不利影響者能質疑輸出的資訊。[3] 這提供治理方向,並不表示本文已完成某地法規分析,也不要求每個結果都由一人重新手算。

保留人的參與,可以是團隊共同訂範圍、留下紀錄、對重大錯誤設停止機制。不是每個人都得成為模型專家,更不是有了AI就失去被尊重的理由。

六、從四項檢查開始,不等2027給答案

若要在一個組織裡使用AI協助決策,我會先問四件事:

  • 理由能不能查驗,說明是否對得上實際流程?
  • 對不同人的影響有沒有被檢查,還缺哪些資料?
  • 誰能授權、停止或改正,誰負責承受與處理後果?
  • 當事人如何提出異議,由誰回覆並留下處理紀錄?

這是作者整理的實務問題,不是四項通用法定義務,也不保證問完就公平安全。

2027年可以提醒我們把眼光放遠,但不應成為略過當下檢查的故事。與其預言AI到了哪一年會替所有人決定,我更希望組織現在就能說清楚:用了什麼、允許什麼,以及出錯後怎麼負責。

四格漫畫:如果一家公司用AI協助招聘,求職者被拒絕時,應該找誰問原因?理由能不能查驗,說明是否對得上實際流程?對不同人的影響有沒有被檢查,還缺哪些資料?誰能授權、停止或改正,誰負責承受與處理後果?當事人如何提出異議,由誰回覆並留下處理紀錄?這是作者整理的實務問題,不是四項通用法定義務,也不保證問完就公平安全。

資料來源與閱讀界線(查核至2026年11月4日)

  1. NIST,Four Principles of Explainable Artificial Intelligence,2021年9月,第2節原則及第8節人類解釋限制。用於區分解釋用途與準確性,不作本文示例的測試結果。
  2. NIST,AI Risk Management Framework 1.0,2023年1月,3.7偏差及GOVERN、MAP相關段落。這是風險框架,不是特定招聘系統的公平驗證或本文新增的法律義務。
  3. OECD,AI Principles官方頁,2024修訂原則中的透明、監督與責任段落。本文採原則層次,不推論各地具體義務或個案已合規。

修訂說明:本版把2027年保留為作者展望,撤下AI必然介入每個決定、人類天然透明、偏差必然放大及四巨頭知道一切的斷言;也不把原文改成《AI2027》報告摘要。示例均為假設,未新增個案、統計或成效。