用AI篩履歷比人資篩更公平？

不一定更公平，而且如果沒有人把關，AI可能比人資更不公平。很多人對AI篩履歷有個直覺：機器不會累、不會有情緒、不會因為今天心情不好就多扣分，所以應該比人資篩選更公正。這個直覺聽起來合理，但忽略了一個關鍵問題——AI的判斷標準是從哪裡來的。

AI篩履歷的「公平」，公平在哪裡？

AI真正比較強的是「一致性」，不是「公平性」。同樣一份履歷，人資今天篩跟下午篩，可能因為疲勞或心情有些微差異；AI不會有這種波動，同樣的輸入永遠得到同樣的輸出。這個一致性確實是優點，但一致地套用同一套標準，不代表那套標準本身是公平的——如果標準本身有偏誤，AI只是很「公平」地把偏誤套用在每一個人身上。

為什麼AI反而可能放大偏見？

因為AI是從過去的資料學出來的判斷標準，如果過去的錄用紀錄本身就不公平，AI學到的就是那套不公平的邏輯。最著名的案例是2018年被踢爆的Amazon內部AI招募工具，因為訓練資料主要來自過去以男性為主的技術職錄用紀錄，AI學會了對履歷中出現「女子」字樣（例如「女子西洋棋社社長」）或畢業於女校的履歷扣分，最後這個工具被直接停用。這不是AI「故意」歧視，而是它精準地複製了歷史資料裡本來就存在的偏誤，而且包裝成一個看似客觀的分數，反而更難被發現、更難被質疑。

那AI篩履歷完全不能用嗎？

不是不能用，是不能沒人把關地用。真正負責任的AI篩履歷，需要幾件事同時發生：定期稽核AI的篩選結果有沒有對特定群體（性別、年齡、學校）出現不成比例的落差、避免用跟能力無關但可能間接反映身份的變數（例如把「求職空窗期」直接扣分，可能間接懲罰到育兒或照顧家人的求職者）、以及保留人資在最終決策上的角色，而不是讓AI直接做出錄用與否的決定。像美國紐約市已經立法（Local Law 144）要求企業對自動化招募工具做年度偏見稽核，這個方向值得參考。

企業導入AI篩履歷該怎麼判斷？

與其問「AI是不是比較公平」，更該問的是「我們有沒有能力持續稽核這套AI在做什麼判斷」。如果企業只是買一套黑盒工具丟給它自動篩選，卻沒有人定期檢查篩選結果是否合理，那AI帶來的效率提升，反而可能伴隨著更難被察覺的系統性風險。

結語

AI篩履歷不會自動比人資更公平，它只是更「一致」。公平與否，取決於訓練資料乾不乾淨、有沒有持續稽核、以及人有沒有留在決策鏈裡把關。把AI當成減少人為疲勞誤判的輔助工具，而不是取代判斷責任的黑盒子，才是比較負責任的用法。