AI筛简历，效率和歧视风险怎么平衡？
场景价值：几百份简历怎么初筛
批量招聘的痛点很具体：一个岗位几天内涌进几百份简历，人工初筛既慢又不稳定。AI筛简历的价值就在这一段——按学历、年限、技能关键词做第一轮分拣，把招聘人员的时间留给面试和判断。物流、连锁零售、制造业大批量招工，软件开发、销售这类高流动岗位，是这套工具用得最多的地方。
但要注意工具的边界：AI擅长的是按明确规则分拣，不是替你判断「这个人行不行」。把最终录用决定直接交给模型打分，风险最大；让AI做初筛、人做决定，是目前更稳妥的用法。
红线一：简历是个人信息，收用要有依据
简历里的姓名、电话、教育经历、健康状况，全部属于《个人信息保护法》保护的个人信息。企业收集这些信息要有明确、合理的目的——评估候选人是否匹配岗位，并且限于实现这个目的的最小范围。婚育计划、宗教信仰这类与岗位无关的字段，主动去收就踩线了。
两个常被忽略的动作：一是候选人投递时给个人信息处理告知，写清收集范围、用途和保存期限；二是落选简历到期删除或匿名化，不能无限期躺在人才库里。这些不是多此一举，而是《个人信息保护法》对「处理」二字的基本要求。
红线二：筛选规则是自动化决策
AI按设定规则自动淘汰候选人，构成《个人信息保护法》第二十四条的自动化决策。该条要求：决策应当保证透明度和结果公平、公正；通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求处理者予以说明，并有权拒绝仅通过自动化决策方式作出的决定。
落到招聘场景：筛选标准要在隐私政策或候选人告知里说得出来；被拒的候选人问「为什么没过我」，要能给出说得通的解释；不要把「AI筛掉」设计成不可逆的终点——保留人工复核通道，既是合规要求，也避免好候选人被误伤。
红线三：歧视性结果，双方都可能担责
算法歧视往往不是写出来的，是「学」出来的：用过往简历和录用数据训练模型，历史偏好会被继承甚至放大。有关部门规章已经把这道线画明：《生成式人工智能服务管理暂行办法》（2023年8月15日施行）第四条要求，在算法设计、训练数据选择、模型生成和优化、提供服务等过程中，采取有效措施防止产生民族、信仰、国别、地域、性别、年龄、职业、健康等歧视。企业采购第三方AI招聘服务时，服务商属于该办法所称的提供者、受此约束；企业自己用历史数据训练筛选模型的，虽然不一定直接适用该办法，但产生歧视性后果仍可能按《个人信息保护法》等法律承担相应责任。
上线前的自查清单可以很朴素：筛选条件里有没有与岗位无关的敏感字段；换一批不同性别的样本简历跑一遍，看结果分布是否异常；模型迭代记录留痕，出了争议能还原当时用的什么规则。求职者一方如认为被区别对待，也有权要求说明和拒绝纯自动化决定——工具越普及，这条权利被行使的频率就越高。
更多行业×AI应用场景与合规要点，可在「AI应用库」查阅（ais.hegui66.com）。
- 中华人民共和国个人信息保护法 第二十四条：个人信息处理者利用个人信息进行自动化决策，应当保证决策的透明度和结果公平、公正，不得对个人在交易价格等交易条件上实行不合理的差别待遇；通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求个人信息处理者予以说明，并有权拒绝个人信息处理者仅通过自动化决策的方式作出决定。（2021年11月1日施行，条文经中国人大网公布文本核验）
- 中华人民共和国个人信息保护法 第六条：处理个人信息应当具有明确、合理的目的，并应当与处理目的直接相关，采取对个人权益影响最小的方式；收集个人信息，应当限于实现处理目的的最小范围，不得过度收集个人信息。招聘场景中收简历应限于录用评估所必需，与岗位无关的敏感字段不应收集。
- 生成式人工智能服务管理暂行办法 第四条第一款第（二）项：在算法设计、训练数据选择、模型生成和优化、提供服务等过程中，采取有效措施防止产生民族、信仰、国别、地域、性别、年龄、职业、健康等歧视。（国家网信办等七部门令第15号，2023年8月15日施行；依该办法第二条，企业自研自用、未向境内公众提供服务的，不直接适用本办法，采购第三方AI招聘服务时服务商属提供者、受该条约束，原文经中国政府网公报文本核验）
# #AI招聘 #简历筛选 #自动化决策 #个人信息保护 #人力资源科技
