AI治理
企业用 AI 做招聘和筛简历，怎么避开口碑与合规的坑？
AI 筛简历又快又便宜，但一旦"算法偏见""误筛好人"被曝光，口碑比效率赔得多。用 AI 招聘，边界比速度重要——它该辅助人，不是替代人拍板。
AI 筛简历又快又便宜，但一旦"算法偏见""误筛好人"被曝光，口碑比效率赔得多。用 AI 招聘，边界比速度重要——它该辅助人，不是替代人拍板。
AI 招聘为什么容易踩合规和口碑的雷？
因为模型会继承历史数据里的偏见（比如偏好某类学校、性别、年龄），自动筛掉合规上不该筛的人，一旦曝光就是"歧视"丑闻，赔的是品牌不是效率。
- 数据偏见：历史招聘的偏好被学走；
- 误筛好人：简历格式怪就被刷；
- 曝光即翻车：歧视比低效更贵。
"AI 初筛"和"AI 决定"差在哪？
初筛是缩小范围给人看，决定是 AI 直接淘汰。前者可控可解释，后者风险高、难追责——一旦冤枉了人，连"谁定的"都说不清。
| AI 辅助（初筛） | AI 替代（决定） |
|---|---|
| 缩小范围给人看 | 直接淘汰候选人 |
| 可控可解释 | 难追责 |
| 风险低 | 风险高 |
怎么用 AI 招聘又不惹祸？
三件事：只用"岗位相关"特征、保留人工终审、定期审计被筛掉的人里有没有冤枉好苗子。AI 出名单，人拍板，这条线别越过。
- 岗位相关特征：不碰无关维度；
- 人工终审：人做最后决定；
- 定期审计：查误杀好苗子。
山海怎么帮企业在 AI 应用上"既敢用又不翻车"？
用山海七力的数字助推力加治理边界，把"AI 能碰什么、不能碰什么"先画清楚，再落地——创新可以快，红线不能模糊。
- 画红线：AI 不可越的界；
- 辅助不替代：人终审；
- 可审计：留痕可查。
常见问题
用 AI 筛简历算不算就业歧视？
关键在特征。用与工作无关的性别、年龄、学校做权重，就有歧视风险；只用量化的岗位能力（技能、经历、业绩），才站得住。合规的线在"相关性"。
小公司没法务，AI 招聘能直接用吗？
能用但别"全自动"。AI 出名单、人终审，既省力又避险；全自动是小公司最易翻车的点——没有合规兜底，一出事就是大事。
怎么向候选人解释"是被 AI 刷掉的"？
最好别说"AI 刷的"。保留人工复核并给可申诉渠道，比甩锅 AI 更保口碑。候选人要的是被公平对待，不是被告知败给算法。
AI 招聘能省多少人力？
初筛环节通常能省 60%–80% 的重复阅读时间，但终面永远该是人。把人从"读一千份简历"里捞出来，去做"判断谁真的行"，才是 AI 的正确位置。
