人資可以用AI做哪些事？哪些不該完全交給AI？

人資用AI的工作可以分三層：初步履歷分類、JD草稿、行政文件整理這類可以放心交給AI；面試評分、離職風險預警這類AI能輔助但人一定要把關；最終錄取決策、勞資爭議處理這類絕對不能只靠AI。分不清這三層，是很多人資導入AI時最容易踩的坑——不是AI能力不夠，是把AI用在不該讓它做主的地方。

可以放心交給AI的工作是什麼？

結構性、重複性高、錯了容易回頭修正的工作最適合。履歷初步分類（依職缺條件過濾出Top 20%進一步人工看）、JD草稿生成（人資給重點，AI寫初版再人工調整）、行政文件整理跟摘要，這些工作的共同點是：AI做錯了，人資一眼就能看出來、成本很低。這塊如果想更深入，可以參考站上另一篇用 AI 寫出更精準的職缺 JD。

AI能輔助但人一定要把關的工作是什麼？

面試評分輔助跟離職風險預警屬於這一層。AI可以根據結構化資料給出參考分數或風險燈號，但這類判斷牽涉到脈絡跟例外狀況——同樣的離職風險分數，背後可能是薪資不滿、也可能是家庭因素，AI看得到模式，看不到脈絡。這塊的詳細判斷方式可以參考AI 面試評分輔助：能信任到什麼程度？這篇。

絕對不能只靠AI的工作是什麼？

最終錄取決策、薪資調整判斷、勞資爭議與申訴處理，這三塊必須是人做最後判斷。不是AI技術做不到，是這些決策一旦出錯，代價是人的職涯或公司的法律風險，而且每個案子的脈絡差異太大，標準化的AI判斷邏輯很容易漏掉關鍵的個案因素。這塊如果讓AI主導，出問題時「AI建議的」也不會是免責的理由——最終責任還是在做決策的人身上。

用AI篩履歷，最大的風險是什麼？

最大風險不是AI篩錯人，是篩選邏輯的偏見沒人發現。如果訓練資料或篩選條件本身帶有隱性偏好（例如特定學校、特定用詞習慣），AI會把這個偏見放大、而且不容易察覺，因為篩掉的履歷你根本不會再看到。實務上的因應方式是：定期抽查被AI篩掉的履歷，人工複查有沒有明顯不合理的排除模式，而不是把篩選結果當成理所當然。

結語

AI在人資工作上最大的價值是把重複、結構化的部分做快，把人資的時間留給真正需要判斷力跟同理心的部分。分清楚哪些工作屬於哪一層，比一次全部導入或完全不用AI，都更務實。