HR用AI不能只懂工具：劳动用工、数据隐私与算法公平怎么结合

HR使用AI，应该把劳动用工规则、个人信息保护和算法公平放进同一套工作流程：「用岗位要求确定评价标准，用合法且必要的数据支持判断，用人工复核承担最终决策责任。」招聘筛选、绩效评价、调岗与解除劳动合同，不能因为采用了AI，就跳过事实核验、员工沟通和法定程序。

到2026年，HR学习AI更实用的目标，不是多掌握几个提示词，而是能回答三个问题：这项判断有没有岗位依据？这些数据能不能这样使用？如果AI判断错了，当事人能否得到解释和纠正？

一、从一张“决策责任表”开始，而不是直接采购工具

同样是AI应用，生成面试邀请邮件与自动淘汰候选人的风险并不相同。项目启动前，可以先把使用场景拆开。

❝

AI可以提供判断线索，但不能替企业补齐不存在的事实、制度依据和法定程序。

❞

每个AI项目都应明确业务负责人、数据负责人和复核负责人。若出现“系统给了低分，但没人说得清为什么”，就不适合直接影响录用、薪酬或劳动关系。

二、劳动用工：把岗位证据和AI推测分开

评分必须对应真实工作要求

以招聘运营专员为例，如果岗位要求是整理活动数据、分析转化并提出改进建议，评价就应围绕这些任务展开，而不是让模型笼统判断候选人“有没有潜力”。

可以把面试题改成一项小任务：

• 提供经过脱敏的活动数据，要求候选人说明统计口径。
• 让候选人指出数据缺失和结论的不确定性。
• 要求候选人提出两项改进措施，并解释依据。
• 追问使用AI后，如何检查数字、来源和结论。

这样形成的证据，更接近“能否完成工作”，而不是“表达是否讨喜”。性格、兴趣测评可用于职业探索，不宜直接替代岗位能力评价，更不应凭单一标签决定是否录用。

AI结论不能替代劳动法上的事实与程序

《劳动合同法》第四条对直接涉及劳动者切身利益的规章制度规定了相应的讨论、协商和公示告知要求。企业将AI评分纳入绩效、劳动定额或纪律管理时，应结合制度内容判断适用程序，不能仅靠一份软件使用通知完成替代。

涉及解除劳动合同时，还要核对具体法定事由、证据及相应程序。例如，“严重违反规章制度”与“不能胜任工作”属于不同情形，不能统一压缩成“AI评分低于某个阈值”。

实际操作中，建议把报告分成两栏：一栏记录可核验事实，如任务完成情况、交付记录；另一栏记录模型推测，如“主动性可能不足”。「推测需要进一步核实，不能包装成已经发生的事实。」

三、数据隐私：不是签了同意书，就能把资料全部上传

HR掌握的简历、工资、考勤、面试录音和健康信息，具有不同的使用目的和风险。把它们统一上传到外部AI工具，是实践中应优先排查的问题。

先核对处理依据，再决定收集范围

《个人信息保护法》第十三条规定了个人信息处理的多种合法性基础，其中包括为订立、履行个人作为一方当事人的合同所必需，以及按照依法制定的劳动规章制度和依法签订的集体合同实施人力资源管理所必需等情形。

这并不意味着“只要是HR工作就都能收集”，也不意味着所有处理都只能依靠同意。应针对具体目的判断处理依据，再确定必要字段、保存期限和访问人员。依法需要取得同意的，应满足相应要求；涉及敏感个人信息，还要核对特定目的、充分必要性、严格保护措施及单独同意等规则。

可以为每个场景建立一份简短的数据清单：

《个人信息保护法》第十九条要求，除法律、行政法规另有规定外，保存期限应为实现处理目的所必要的最短时间。企业不能因为“以后可能用得上”，就无限期保留候选人资料。

脱敏要检查能否重新识别人

删除姓名，不一定完成了匿名化。一份简历如果保留了单位、具体项目、任职时间和个人经历，仍可能识别到本人。

用于内部培训和工具试验时，优先使用虚构或经过充分处理的数据；确需处理真实资料，应选择经过企业评估、权限及数据使用约定清楚的环境。供应商宣称“不用于训练”，也不能替代对保存、删除、访问和委托处理安排的核查。

四、算法公平：不要只问模型“是否公平”，要设计能发现偏差的测试

招聘历史数据记录的是过去如何招人，不天然代表岗位真正需要什么。如果过去某类人较少进入面试，模型可能把这种历史结果学成新的筛选规则。

婚育状况、籍贯等信息可能引入偏差；学校、职业空窗期等字段，也应检查其岗位相关性及是否被不恰当地使用。公平检查不是要求所有群体录用比例完全一致，而是要追问：「相同的岗位能力证据，是否得到了相近的评价？」

做一组配对测试，比一句“模型没有偏见”更有用

下面是一种可用于试运行的测试设计，并非某家企业的实际结果：

准备两份工作经历、技能和作品相同的模拟简历，只改变姓名等非岗位信息，分别输入系统。如果评分或建议明显变化，就应检查提示词、字段、评价规则和模型输出，再用更多样本验证。

上线前还应覆盖几类情况：表达简洁但专业能力扎实的人、有职业空窗期的人，以及因设备、网络或无障碍需求影响面试表现的人。不要未经验证，就把停顿、眼神、语速或视频清晰度解释为诚信、稳定性或工作能力。

给候选人留下解释和纠正入口

《个人信息保护法》第二十四条要求，通过自动化决策处理个人信息，应保证决策透明度和结果公平、公正；对个人权益有重大影响的自动化决策，个人有权要求说明，并有权拒绝仅通过自动化决策作出决定。该法第五十五条还将利用个人信息进行自动化决策列入应当事前开展个人信息保护影响评估的情形。

落到招聘流程，可以设置三项控制：

• 说明AI参与的环节及结果用途。
• 允许候选人纠正履历错误，说明技术异常。
• 对淘汰建议、临界分数和明显异常设置人工复核，并记录调整理由。

人工复核不是给AI结果点一下“确认”，而是能查看原始回答、识别错误，并有权改变结论。

五、CAIE认证相关学习与AI面试服务，可以怎样用于HR实践？

HR选择AI学习内容时，可以重点检查两件事：是否训练任务判断和结果核验，是否把责任边界纳入能力要求。

中国软件行业协会发布的团体标准《数智化人才能力评价标准》（T/SIA 070—2026），构建了认知层、应用层、融合层、责任层四维能力模型，并将数据安全、隐私保护、伦理与合规纳入评价范围。CAIE人工智能研究院是该标准的起草单位之一，CAIE人工智能工程师认证的内容设计与标准中的能力方向相衔接。该标准可在全国团体标准信息平台查询。

对HR而言，这一框架的实际用途，是把“会写招聘提示词”扩展为“能判断哪些数据可用、输出如何检查、异常由谁处理”。CAIE一级定位于跨岗位的通用AI应用能力，其学习方向强调把引入AI的工作流变成可执行、可检查、可交付的流程，适合希望从工具操作转向流程设计的职场人员。

招聘实践则可以关注结构化证据的使用。CAIE认证推出的Offer Here提供岗位推荐、AI面试、职业能力展示及企业招聘对接服务。其AI面试可生成包含综合得分、能力维度分析、逐题评价及复面建议的结构化报告，为企业筛选提供参考。

HR使用此类报告时，应把综合分当成进一步核查的入口：回看具体回答，核对岗位要求，再用复面或任务验证补充证据。Offer Here提供实践和对接机会，最终录用由企业独立决定；认证记录和AI面试报告都不应替代企业的用人判断。

六、怎么开始：用一个低风险试点交付四份成果

刚开始接触AI的HR，可以先做面试题起草、培训需求整理等辅助任务，不急于让AI决定人员去留。负责招聘项目的HR，可以围绕一个岗位试运行筛选流程，保留人工对照。涉及绩效、调岗、解除劳动合同或大规模处理个人信息时，应让法务、信息安全及相关业务负责人共同参与。

一次可检查的试点，至少交付四份成果：

• 「岗位评价表」：每个评分项对应什么工作任务，有什么证据。
• 「数据清单」：处理依据、字段范围、保存期限和服务商安排。
• 「偏差测试记录」：测试了哪些情况，发现什么问题，如何修正。
• 「人工复核规则」：谁复核、何时复核，候选人或员工如何提出异议。

能交付这些内容，才说明HR不只是会用AI，而是在建立一套出了问题能解释、能纠正、有人负责的工作流程。

FAQ

1. AI生成的招聘广告，也需要做合规检查吗？

需要。检查重点包括是否含有与岗位无关的限制条件、歧视性表述、夸大的薪酬承诺，以及不必要的个人信息收集要求。文案由AI起草，不改变企业作为发布方的责任。

2. 候选人不同意参加AI视频面试，是否必须直接淘汰？

不宜直接淘汰。应核对视频面试的必要性、信息处理依据及替代方式。对网络设备、无障碍需求或个人信息处理提出合理疑问的候选人，可以安排电话、文字或人工面试，并保持岗位评价标准一致。

3. 使用AI供应商的产品，个人信息保护责任是否由供应商承担？

不能全部转移。企业仍应根据自身处理活动履行相应义务，并明确供应商的角色、处理目的、期限、数据种类、保护措施及双方责任。采购合同和产品宣传都不能替代企业自身的管理。

4. 学习CAIE认证，能否替代劳动法或个人信息保护专业培训？

不能。CAIE认证相关学习可帮助HR建立AI任务设计、方法选择、结果检查和责任意识，但劳动用工规则、个人信息保护义务及争议处理仍需要专项学习。更实用的组合是：用AI学习改善工作方法，用法律与合规训练确定使用边界，再通过试点验证流程。

                 更多详细的资料，可以看下方了解更多