導言：為何香港中小企要重視 AI 履歷篩選公平性
AI 工具在招聘環節被越來越多企業採用，主要訴求是節省篩選時間、提高一致性以及在大量申請人中快速識別合適人選。然而，當系統決定誰進入下一輪面試或被直接淘汰時，管理層必須問的首要問題是：這個系統是否公平、是否透明、以及當系統出錯時，有沒有合理的人為補救機制？本文以實務角度，針對「AI履歷篩選公平性」與人工審查（human review）設計，提出香港中小企可以落實的原則與具體步驟，避免觸及法規風險及損害雇主品牌。
關鍵風險：公平性、透明度與信賴的三重面向
AI 履歷篩選工具可能帶來的主要風險，不只是技術問題，而是會直接影響人才質素與公司聲譽。要理解這些風險，可以從三個面向切入： 第一，公平性：模型基於過去資料學習，若歷史招聘存在偏好或結構性差異，模型可能放大這些偏差，導致某些群體被系統性排除。 第二，透明度：若企業無法說明模型如何作出篩選決策，候選人與內部利益相關者會質疑結果的合理性，也讓內部改進與稽核變得困難。 第三，信賴與補救：當候選人或內部審查發現錯誤時，是否有明確的人為覆核流程與記錄以便追溯，是建立信任的關鍵。
設計人工審查的三大原則
針對 AI 篩選結果設計人工審查流程，建議遵循三個原則： 1) 人機互補（Human-in-the-loop）：AI 作為初篩工具，而非最終決策者。對於被 AI 拒絕但符合基礎資格或屬於特殊情況的候選人，應有人工覆核機制。 2) 可稽核與可解釋（Auditability & Explainability）：保存 AI 輸入、輸出與中間判斷依據的紀錄，並能提供足夠理由說明為何候選人被標記為合格或不合格。 3) 定期抽樣與回測（Sampling & Re-testing）：以抽樣方法由人力資源或第三方定期檢查被拒候選人，確保系統沒有產生系統性差異。
具體流程設計建議（香港中小企可即刻執行）
以下是務實、可操作的步驟，便於管理層與 HR 團隊落地執行： 1. 明確職位核心條件：先定義關鍵職能與能力（必備 vs 優先），避免讓模型依賴非關鍵特徵，如就業空檔、學校名稱等，除非這些特徵確實與工作表現有合理關聯。 2. 設計「分層篩選」：由 AI 負責第一輪大量過濾（例如排除明顯不符合最低資格者），但保留中間分數帶由人工二次審查。 3. 設定人工覆核觸發條件：例如 AI 給予灰色分數（介乎接受與拒絕之間）、關鍵職位、或來自弱勢背景的候選人，皆自動進入人工覆核清單。 4. 建立拒絕理由模板：當候選人被系統拒絕且無人工覆核時，系統應提供標準化拒絕理由，便於候選人理解；若候選人申訴，人員能快速查閱判斷依據。 5. 保留篩選紀錄與版本控制：每次模型更新、參數調整，與使用的訓練資料摘要都要記錄，以便追溯與稽核。 6. 定期抽樣回顧：HR 每月或每季抽樣檢視一組被拒與被錄取的履歷，確認是否存在偏差方向，並記錄覆核結果與改進行動。 7. 培訓面試官與招聘負責人：讓人員了解 AI 的局限、偏差來源與覆核流程，確保人工判斷的一致性與專業性。 8. 供應商盡職審查：若使用第三方 AI 解決方案，要求供應商提供模型說明文件（model card）、資料來源摘要與常見失靈情況，評估其合規與可靠性。
衡量與監控：可實行的指標與稽核項目
要掌握系統是否公平與有效，可監控一組簡單但實用的指標： 1. 分群選取率（Selection Rate by Group）：按性別、年齡、資歷或其他可合理披露的群組，追蹤被系統選入面試與最終錄用的比例，尋找異常差距。 2. 人工覆核率與覆核結果差異：記錄多少 AI 拒絕被人工覆核後改為合格，該比例若偏高代表模型可能過於嚴格或有偏差。 3. 候選人申訴與回覆時間：追蹤候選人申訴的數量、處理時間與結果，以量化候選人經驗。 4. 面試與留任品質指標：結合面試後評分與新員工試用期表現，評估 AI 篩選進來的人選長期是否匹配職位需求。 5. 模型變更記錄：每次模型更新後，進行 A/B 或回溯測試，確保新版本未引入新的偏差。 注意：監控應以匿名化、合規的方式進行，並在蒐集敏感個人資料前評估法律與道德風險。
法規與倫理面向：香港實務要點
香港企業在導入 AI 履歷篩選工具時，應關注資料保護與反歧視法律框架。就個人資料處理而言，應遵循個人資料（私隱）條例（PDPO）中的最小化與用途限定原則，確保求職者的資料只用於招聘相關目的，並在必要時取得告知與同意。關於平等機會，儘管理論與實務上有不同法例涵蓋不同類別的歧視，企業應避免設計出會導致結構性排斥的篩選規則。當面臨不確定的法律問題，建議諮詢法律專業意見，並在政策中明訂申訴與內部稽核機制。
常見疑問（FAQ）— 簡短回答
問：AI 篩選真的能完全取代人手嗎？ 答：不建議。AI 可處理大量初篩工作，但關鍵判斷、文化適配與例外情況仍需人來做最終決策。
問：中小企沒有資源做複雜稽核，怎麼辦？ 答：可以採取分步驟策略：先建立人工覆核清單與基本紀錄（例如每月抽樣 50 份履歷）；再逐步要求供應商提供簡明的模型說明文件；最後根據風險與規模增設更完整的監控。
問：候選人若要求知道 AI 如何決策，我們應如何回應？ 答：提供簡明的決策說明（例如使用了哪些核心條件與評分項目），並說明可申訴與人工覆核的流程與時限，這有助於提升透明度與信任。
結語與行動清單
對香港中小企而言，導入 AI 履歷篩選是一把雙刃劍：它能提高效率，但若忽視「AI履歷篩選公平性」與透明度，可能導致人才流失、法律風險與品牌受損。管理層的重點不在於完全禁止或全盤接受，而是在於以風險導向設計流程，確保人機協作、可稽核的決策路徑，以及清晰的候選人回應機制。簡單可行的起步清單： 1. 定義職務核心條件並文件化； 2. 設計人工覆核觸發規則； 3. 保存篩選紀錄與模型版本； 4. 定期抽樣稽核並記錄改進； 5. 要求供應商提供模型說明與資料來源摘要。 落實這些步驟，可以讓你在提升招聘效率的同時，降低不公平與不透明所帶來的風險。
