企業使用AI協助人才招募，可能產生無意識偏見？各家人力平台與企業主這樣說

過往資料偏好，帶來演算法風險

在2026年《天下學習》的DEI調查中，也顯示約有4分之1的上班族在求職過程中，已開始體驗到AI互動或篩選流程。有此經驗的人，對AI所導致的無意識偏見更加敏感。因為AI模型是以舊資料訓練，可能對特定學歷、背景或年齡層的人產生偏好，在無疑中強化偏見。

例如，如果模型以企業過去成功招募的案例進行訓練，就可能複製既有的人才偏好，使特定學校、背景或年齡層的人才更容易被系統推薦。這正是AI招募需要特別注意的風險之一。

104人力銀行研發處協理張世淳指出，他們在模型訓練時會移除如性別、年齡、宗教等與工作能力無關的敏感特徵，上線前後定期檢查資料是否過度集中，例如特定學校、背景或族群，並提醒企業刊登職缺時，避免使用涉及歧視的用語。 。

除了模型層面，平台也會在操作流程中加入防範機制。例如104在企業刊登職缺時，AI會自動檢測內容是否出現可能涉及歧視的字眼，例如性別或年齡限制。

Adecco則以內部累積的封閉式人才資料庫，將技能組合（skill set）作為主要搜尋依據，降低表象條件所帶來的篩選偏誤。王光宇舉例，若直接用「銷售經理」搜尋，系統只會鎖定「銷售」、「經理」等名詞，將錯失許多潛力人才。「可能有人掛的是副理，但他的能力其實不輸Director（總監），」他說，「這種人你用職稱完全找不到。」

以技能為搜尋依據，則能讓系統橫跨不同職稱、產業，找出真正具備條件的候選人，也因此降低了職稱、學歷或出身公司等表面條件所帶來的篩選偏誤，對「成功人才樣貌」的定義就能更開放。

減少無意識偏見，人與AI協作決策

前Google台灣董事總經理簡立峰則認為，AI招募引發的偏見討論反映的是原本就存在的人類偏見，除了訓練資料，還有企業文化。

他指出，台灣目前最常見的偏見仍集中在學歷，「比起期待AI消除偏見，更重要的是讓AI決策透明，並保留人工判斷的空間。」例如透過可解釋的模型設計，讓企業理解AI推薦某位候選人的原因，並在必要時進行人工調整。

(責任編輯 / 溫為翔)