AI新紀元的人才招募，面臨著與過往不同的機會與挑戰。本文透過Q&A的方式，整理AI技術在徵才過程中的主要應用，分析AI徵才具備的優勢、可能造成的偏見與爭議，介紹美國的AI徵才法規，雇主使用AI徵才可能面臨的法律風險，及企業應如何降低使用AI徵才的潛在法律風險。本文也概述具指標性意義的美國伊利諾州《人工智慧影像面試法》如何規範雇主使用AI分析求職者所提供的面試錄影，並分析該法中還有哪些值得深究的疑義。

◎AI在徵才過程的應用？

人工智慧（AI）可取代人力資源專員在招募人才的部分過程，主要包括投放程式化徵才廣告、自動媒合履歷、聯絡求職者、機器初步篩選應徵者。
 

隨著程式化廣告（programmatic advertising）逐漸普及，美國已有超過三分之二的數位廣告採用程式化廣告自動投放。當代幾乎所有廣告都已轉型數位化，人工投放與撤回招募廣告明顯無法有效分析出廣告出現的最佳位置、時間與該支付的正確金額；程式化徵才廣告卻能每天以微秒為單位執行廣告投放，每天計算數百萬次廣告成效，節省大量時間和金錢。
 

對於網路上存放數億筆求職者履歷，人資專員顯然無法逐一篩選，但AI有能力透過非特定關鍵字的配對，例如基於相關性與機器學習所累積經驗的判斷準則，自動媒合LinkedIn等招募平台的人才履歷，達成最佳績效的履歷媒合。
 

除了人才履歷媒合，AI自動化工具也能協助人資專員聯絡求職者，同時減少求職者對所應徵職位的認知差距。例如，聊天機器人Mya能夠審閱求職者的申請，隨時回答與聘僱流程有關的問題，根據與人資專員及求職者的互動經驗，提供求職者更準確的工作資訊，並改善聊天技巧；如果求職者符合招募條件，Mya會主動安排進一步的甄試，針對條件不符的求職者，Mya則會婉拒求職申請，並提供他們其他更適合的職缺建議。
 

與此同時，Mya及與Mya相似的AI技術，還能透過模擬甄試等方式，初步篩選出適合的應徵者；Mya能因應不同求職者設計不同的甄試情境，根據當下與求職者的對話，提出各式各樣的問題，進而深入篩選出合適的應徵者。
 

◎AI徵才具備什麼優勢?

AI徵才可以大幅減少招聘所需耗費的時間，更快速及有效率的媒合求職者與職缺。AI徵才透過「演算法」量化一系列的指標，包括工作經驗、教育程度、工作技能等重要條件，能夠迅速從求職者中篩選出合適的人選。AI徵才也可以透過分析求職者提交的影片、測驗成績、面試錄影等數據，協助評估該求職者能否獲聘。相較於人力進行評估，AI能用更少的時間審閱及分析求職者的申請資料，主動從履歷數據庫中推薦人才，並透過學習過往的數據提高鑑別合適求職者的能力。除此之外，AI可以協助保存人才資料，提供將來有更適合這些求職者的職缺出現時，迅速進行媒合。
 

部份AI徵才工具透過分析求職者的臉部肌肉運動、語音特徵及其他指標，協助雇主初步篩選應徵者。實務操作上，求職者應邀錄製回答指定問題的面試影片，人資專員則使用演算法、自然語言處理、機器學習等技術，讓電腦程式自動分析求職者的說話速度、肢體語言、答案中的關鍵字或其他能被錄取的潛在獲聘條件，再將電腦程式自動生成的建議報告提供給開出職缺的部門，由該部門主管或上級決定該求職者是否能進入下一輪甄選。
 

◎AI徵才可能造成的偏見與爭議？

AI徵才大略可分為三種技術主流，人工智慧（AI）、資料探勘、機器學習。人工智慧（AI）技術指的是機器模擬出人類智慧表現的技術，不見得會使用到資料探勘和機器學習技術；相較之下，資料探勘技術、機器學習技術更注重「機器取代人類決策」的過程，資料探勘旨在透過分析大量數據，發展出一套可用於自動判別人、事、物的價值、狀態或可能結果的演算法，以便執行可模式化的決策。機器學習則是更進一步的利用資料探勘的結果，讓機器能透過已習得的規則，自行訓練演算法發展出一套可達成特定目標的決策模式。
 

程式設計師為了在徵才上應用資料探勘、機器學習技術，必須將雇主複雜的人才需求條件，轉換成對求職者定性和定量特徵進行分類的編碼，以利於寫成演算法，這個過程相當於定義「目標變量」與「類別標籤」。目標變量指的是程式設計師預期從大數據中推演出的結果或值，類別標籤則是表明某人或某物滿足該目標變量的程度，值得注意的是，定義「目標變量」或利用「類別標籤」分類應徵者的過程，都可能無意中影響到演算法對待特定族群或特徵的應徵者；舉例來說，如果「目標變量」包含一項通常無法在非裔族群觀察到的特徵，結果可能生成一套對非裔族群應徵者嚴重歧視的決策模式。
 

如果資料探勘用於生成演算法的原始數據不足以代表所有求職者的種族、階級和性別，資料探勘的演算法存在對特定族群或特徵的求職者的偏差，由於機器學習奠基於資料探勘的結果，且程式設計師在設計機器學習的條件時也可能無意間帶入特定的偏見，可以想見，資料探勘和機器學習在徵才的決策結果很容易呈現特定的偏見，例如複製及延續對少數族群或女性員工的機會剝削。
 

◎使用AI徵才，需要注意哪些法規？

AI徵才的使用不當，在美國可能涉及觸犯各項處理歧視性影響的地方和聯邦法規，包括《民權法案》第七章、加州《公平就業暨住屋法案》（Fair Employment and Housing Act），及平等就業機會委員會（EEOC）頒布的《雇主選任程序方針》（Uniform Guidelines on Employee Selection Procedures）等；相關規範認可就業流程的「五分之四規則」，即以任一種族、性別或群體的通過率與通過率最高的群體比較，判斷兩者在就業實踐中有無不同的影響。聯邦契約遵循規定辦公室（OFCCP）與多數法院也採取標準差測試，分析兩個母群體（即男性和女性）之間共有的單一特徵（及是否被雇用）是否存在顯著的統計差異。
 

伊利諾州2008年通過《生物特徵辨識資訊隱私法（Biometric Information Privacy Act）》，具體規範包含臉部掃描等生物特徵資訊的使用條件；華盛頓州和德克薩斯州也已通過規範生物特徵資訊使用的相似法規。
 

伊利諾州2020年1月1日生效的《人工智慧影像面試法（Artificial Intelligence Video Interview Act）》，規範雇主在使用AI分析求職者所提供的面試錄影前，需遵從通知、披露及獲得同意等規範。加州2020年1月1日開始實施的《加州消費者隱私保護法（California Consumer Privacy Act）》，則要求企業若可能收集、共享、使用或出售個人信息，需執行通知等程序。
 

聯邦法層級中，美國參議員布克（Cory Booker）、懷登（Ron Wyden）及眾議員克拉克（Yvette D. Clarke）於2019年提出的《演算法問責法案（Algorithmic Accountability Act）》，要求特定公司評估其AI技術是否會導致「影響美國人民做出不正確、不公平、有偏見或歧視性的決定」，並要求他們改正評估期間發現的所有疑義。
 

◎使用AI徵才可能面臨的法律風險？

使用AI徵才可能面臨的法律風險，主要是在機器初步篩選應徵者時，所使用的演算法是否存在涉及歧視的「演算法偏見」，及AI徵才過程是否符合相關生物特徵資訊使用的規範。演算法偏見可能來自程式開發人員，也可能來自用於訓練機器決策模型的過往聘僱數據。人力資源決策中的偏見包括對特定種族、性別或經濟狀況的求職者，產生不成比例的聘僱意願影響。理論上，AI徵才的演算法可在適當訓練後，做出比人類更客觀的決策，但仍不可忽視涉及歧視的「演算法偏見」可能帶來的法律風險。
 

針對生物特徵資訊的合理使用，在具有相關法規的司法管轄區中，雇主對所使用的技術、測量項目、使用原因、如何存儲和保護所收集到的數據，都應保持透明公開的原則，並於事前徵得當事人知情同意。伊利諾州的《生物特徵辨識資訊隱私法（Biometric Information Privacy Act）》具體規範各項人類生物特徵資訊的使用條件，伊州2020年1月1日生效的《人工智慧影像面試法》，則堪稱美國最具指標性意義的AI法律，料將成為其他各項規範AI技術使用的法律前身；該法提供求職者有關AI影像面試評估系統的保護架構，實現對勞動力保護的同時，卻沒有禁止使用AI技術，或強加可能抑止創新的繁文縟節。
 

值得注意的是，伊利諾州規範應徵者可要求在30天內刪除AI面試錄影等數據的權利，但此舉可能會與聯邦法律保留應徵者面試資料的相關規範發生衝突。此外，《民權法案》第七章可能不足以為受AI徵才「演算法偏見」所歧視的受害者提供維權的管道，因為演算法普遍缺乏透明性，受害者很難提出符合《民權法案》第七章中「差別待遇」及「差別影響」所需證明的歧視性意圖、認知等要素。
 

◎企業應如何降低AI徵才的潛在法律風險？

對雇主而言，為了減少不被法律所允許的AI偏見，確立一套針對發展和使用AI工具的內部準則和程序十分重要。透過系統性的監控與評估AI工具，雇主才能在知情的狀況下，對歧視造成的不利影響，採取糾正措施。
 

企業自主監控和審查AI演算法，有助於防止AI徵才工具加劇就業偏見。企業可透過內部公司機制，防治應徵者受到演算法有意或無意的歧視。雇主不論與提供AI聘僱工具的供應商達成什麼協議，都應測試和比較AI演算法與現有聘僱系統的差異，以驗證AI工具是否存有偏見和歧視；雇主也可利用基於「律師及委託人特權（attorney-client privilege）」的前測，監控AI演算法的潛在缺失，並在使用AI工具的進程中持續定期審核。
 

雇主可以主動要求AI聘僱工具的供應商，提供相關技術實施後不會對特定求職者產生不利影響的驗證研究。在AI做出錯誤決定後要付出極高成本的情況下，掌握相關證據，對釐清法律的承擔義務十分重要。對於無法自行監控AI演算法的企業，應盡力減少對意外後果需承擔的法律責任。
 

◎伊利諾州《人工智慧影像面試法》

伊利諾州已擠身美國監管個資及生物特徵的最前線。伊州2020年1月1日生效的《人工智慧影像面試法》，要求使用AI分析技術徵才、職缺工作地點位於伊州的公司，必須履行五項義務：告知、公開透明、知情同意、限制存取、銷毀責任。「告知」是指必須預先告知求職者，公司正使用AI技術分析面試錄影。「公開透明」要求公司向求職者說明AI技術的運作原理，及AI技術用於評估求職者的生物特徵。「知情同意」係指企業執行AI徵才面試時，必須徵得求職者的同意。「限制存取」要求企業針對相關錄影的存取與共享，僅限於需要透過「專業知識或技術」評估求職者條件的人員。「銷毀責任」規範應徵者享有，可要求公司在30天內刪除其AI面試錄影（含所有副本）等數據的權利。
 

由於伊利諾州立法機關沒有禁止使用AI技術徵才，或強加可能抑止創新的繁文縟節，卻能提供求職者有關AI影像面試評估系統在使用及監管生物特徵的保護架構，伊州《人工智慧影像面試法》料將成為美國其他各州規範各項AI技術使用法律的前身。此前，伊州《生物特徵辨識資訊隱私法》已被視為美國同類法律中最健全的規範；根據該法，即便當事人沒有受到具體傷害，也可依《生物特徵辨識資訊隱私法》提起訴訟。
 

值得注意的是，伊州《人工智慧影像面試法》仍有一些重要關鍵的缺陷，例如該法沒有明確定義「人工智慧」、「人工智慧分析」等術語，如果企業使用AI技術分析「人資專員」的表現，或應用AI技術廣泛分析整個徵才流程，或者單純使用AI技術將面試錄影轉換成特定格式等，都難以解釋其適法性。
 

伊州《人工智慧影像面試法》所要求的「公開透明」義務，沒有具體規範雇主在「向求職者解釋AI技術的運作原理」時需要提供多少技術細節，沒有詳細說明雇主告知求職者所使用的「生物特徵」需要細分到哪些具體範圍，也沒有要求雇主必須取得求職者「書面形式」的知情同意。此外，該法的適用範圍是「使用AI分析技術徵才、職缺工作地點位於伊利諾州的公司」，但對於工作地點「位於」伊州的定義並不明確。因此，伊州《人工智慧影像面試法》實際上仍存在許多爭訟的空間。

（編譯：劉宜庭）
Image by mohamed Hassan from Pixabay 

參考文獻

Bradfield E. A. Biggers（2020 January 19）.CURBING WIDESPREAD DISCRIMINATION BY ARTIFICIAL INTELLIGENCE HIRING TOOLS: AN EXANTE SOLUTION.2020 Boston College Intellectual Property & Technology Forum.

Matthew Jedreski, Jeffrey S. Bosley & K.C. Halm（2019 October）.Illinois Becomes First State to Regulate Employers’ Use of Artificial Intelligence to Evaluate Video Interviews.24 No. 9 Cyberspace Lawyer NL 3.

Natalie A. Pierce, Tiana R. Harding（2020 February）.THE IMPLICATIONS AND USE OF ARTIFICIAL INTELLIGENCE IN RECRUITMENT AND HIRING.Orange County Bar Association.