HR 与人才技术

您的招聘 AI 已经是一项负债——唯一的问题是您是否已经意识到这一点。曾经沉寂的执法如今已启动,一起正在进行的集体诉讼直指企业中部署最为广泛的 HCM 平台,而一家在纽约市、加利福尼亚、科罗拉多、欧盟和伊利诺伊各地筛选候选人的全国性雇主,需要的是一套合规架构,而非一份政策文件。我们的工作,是构建公平性与审计基础设施,让招聘 AI 能够经受住审计、诉讼以及下一部法律的考验。

纽约市《地方法第 144 号》的执法转向

纽约州审计长于 2025 年 12 月审查了《地方法第 144 号》的执法情况,发现纸面规定与实际执行之间存在落差。在 32 家公司中,该市自己的消费者保护机构(DCWP)仅认定了 恰好一起 不合规案件,而审计长的审查人员在同一样本中却发现了 至少 17 起 潜在违规行为。 75% 的有关自动化招聘工具的投诉电话被错误转接,从未送达执法机构。该法自 2023 年 7 月起即具有可执行力,然而负责执行它的机构却实际上未在运作。

那个时代正在终结。DCWP 已承诺以 EEOC 和 FTC 的备案作为执法线索,罚款最高可达 每项违规每日 1,500 美元。

多法域合规地图

纽约市只是众多法域之一。一家全国性雇主要面对五套相互重叠的制度,每一套都有各自的定义、期限和罚则:

将这些制度之间的定义冲突整合为一套单一的运营架构——而非五份彼此独立的政策文件——才是真正的合规难题。

Mobley 诉 Workday 案:为何供应商合同无法为您挡责

Mobley 诉 Workday 案是每位首席人力资源官都应研读的案例。Derek Mobley 向 100 多家使用 Workday AI 筛选功能的公司投递求职申请,每一次都被拒绝。 2025 年 5 月,一家联邦法院有条件地批准了针对年龄歧视主张的集体诉讼认证,该集体据信包括 数百万名求职者。 2025 年 7 月,范围扩大至涵盖由 HiredScore 的 AI 功能处理的申请人,该公司于 2024 年被 Workday 收购。

法院认定,AI 服务提供商可在"代理人"理论下就就业歧视承担 直接责任 (详见 我们关于 AI 招聘中算法代理人责任的研究)。这并非抽象的法律风险——而是一起针对企业中部署最广泛的 HCM 平台的正在进行的集体诉讼。

AI 筛选中有据可查的偏见问题

其背后的偏见问题已有充分的记录:

• 一项 华盛顿大学 的研究发现,AI 简历筛选工具偏好与白人相关联的姓名的比例达 85% ,样本涵盖 500 多个招聘岗位。
• 斯坦福 研究人员发现,在资质完全相同的情况下,AI 筛选给予年长男性候选人的评分系统性地高于女性或更年轻的候选人。
• 代理歧视贯穿于那些在界面上看似中立、但在统计上与受保护特征相关联的信号之中:邮政编码对应种族,毕业年份对应年龄,姓名模式对应原籍国。

根据 《员工选拔程序统一指南(UGESP)》 制定的五分之四规则提供了标准检验方法,但它只是一个实际显著性的门槛。法院越来越多地要求同时进行统计显著性检验——而运行任一检验都需要达到一定粒度的人口统计数据,而大多数 ATS 平台并不原生采集这类数据。我们从混杂信号中分离出真实偏见的工程方法,详述于 我们关于公平招聘因果 AI 的技术白皮书。

平台整合正在让独立审计变得更难

独立的 HR AI 供应商市场正整合为平台生态系统,在其中招聘 AI、ATS 和 HCM 数据都置于同一道围墙之后:

• Workday 于 2025 年 10 月以 45 亿美元收购 Paradox ,并收购了 HiredScore (于 2024 年 3 月),打造出一套集成的招聘 AI 技术栈,在单一平台中融合了对话式筛选、候选人评分和人才情报。
• SAP 收购了 SmartRecruiters,交易额超过 15 亿美元 ,时间为 2025 年 1 月。
• Dayforce 私有化,通过一笔 123 亿美元 与 Thoma Bravo 的交易完成。

这种整合带来的合规问题,不同于通常的供应商锁定。当您的偏见监测工具与它所监测的招聘 AI 来自同一家供应商时,审计便不再独立。当您的人口统计数据存放于供应商的租户架构中、受其访问控制约束时,您若不通过其 API,就无法运行 LL144 和 FEHA 所要求的交叉分析。当供应商推送模型更新时,您上一次的偏见审计便告失效——但您可能无法收到足够精细的通知,以得知哪些选拔标准发生了变化。

持续监测需要一套 独立于 供应商技术栈、可从多个数据源读取、并按您自己的时间表和方法运行公平性计算的基础设施。

招聘中的智能体 AI 打破了所有现有的审计框架

52% 的人才主管 计划在 2026 年部署对管道各阶段负有端到端责任的 AI 智能体。这些并非回答候选人问题的聊天机器人。智能体 AI 系统会自主从多个渠道寻源候选人、依据动态标准评估资质、发送个性化外联、安排面试,并在每一步无需人类触发的情况下推进候选人通过管道各阶段。Paradox 的 Olivia 已能处理 100 多场同时进行的候选人对话 ,并在 48 小时 内完成以往需要一周的筛选流程。

治理难题在于,现有的偏见审计框架假定由人类触发决策、由模型给出建议。而智能体系统会做出一连串决策,其中一个智能体的输出会成为下一个智能体的输入。这一链条中的哪个决策造成了不利影响?当没有任何人类审查中间步骤时,就《民权法》第七章而言,谁才是决策者?在 我们关于企业 AI 问责架构的研究中,我们深入探讨了这一决策归因难题。

OWASP 于 2026 年 3 月发布了其首份 《智能体应用十大》 ,识别出目标劫持、工具滥用和失控智能体等风险。但针对多步骤自主招聘管道的偏见审计方法,尚未形成一套标准。那些在部署智能体招聘工具时,未从一开始就构建决策归因与人工干预架构的组织,正在制造一种在集体诉讼取证请求到来时才会追溯性浮现的责任。

基于技能的招聘并非天然公平

从以资历为本转向以技能为本的招聘,是人才招募领域最重大的变革之一。AI 技能匹配工具声称在预测工作绩效方面达到 78% 的准确率 ,企业则报告 首年留存率提高 25–35%。但技能本体本身也编码着偏见(在 我们关于以知识图谱实现招聘 AI 公平性的研究中,我们探讨了这一问题)。哪些经历算作展现了某项"技能",取决于是谁设计了这套分类体系。如果本体将正式认证的权重置于同等的实践经验之上,就会使来自非传统背景的候选人处于不利地位。如果它把特定工具的熟练度(Tableau、Python)视为可与其背后的分析能力相互替代,就会在匹配中制造出虚假的精确性。

内部流动使这一问题更加复杂。万事达报告称,节省了 2,100 万美元 ,所用的 AI 人才市场将外部招聘成本削减了 30%。但基于技能画像来推荐横向调动和拓展性任务的内部流动 AI,如果其技能数据反映的是历史上谁获得了发展机会、而非谁能够胜任岗位,就可能固化既有的模式。人才市场平台市场正以 每年 25% 的速度增长,到 2033 年将达到 100 亿美元。如今构建这些系统的组织,正在编码那些将持续多年的劳动力结构决策。

我们为 HR 与人才技术构建什么

我们的做法,是构建位于您的招聘 AI(无论您使用哪家供应商)与您的监管义务(无论您在哪些法域运营)之间的合规与公平性基础设施。这是架构性的工作,而非评估性的工作——每一项合作都以交付可运行的系统为目标,而非幻灯片。合作旨在交付:

• 跨平台偏见监测 ,它通过一个供应商中立的数据层,连接 Workday、SuccessFactors、Oracle HCM、Greenhouse、Lever 以及独立的 ATS 平台。
• 持续的不利影响计算 ,同时采用五分之四规则和统计显著性方法,并在自我认定数据不足时,以贝叶斯改进型姓氏地理编码(BISG)进行人口统计推算。
• 多法域合规映射 ,它将 LL144 的 AEDT 框架、加利福尼亚 FEHA 的 ADS 规则、科罗拉多 SB 24-205 的重大决策标准,以及《欧盟人工智能法案》附件三的高风险分类之间的定义冲突,整合为一套单一的运营架构。
• 审计追踪系统 ,它在智能体招聘管道中捕获决策来源,将每一次筛选、评分和推进决策归因到产生它的具体模型版本、输入数据和选拔标准。
• 无障碍评估架构 ,它评估与岗位相关的胜任力,而不会因神经多样性的沟通风格、非典型的面试行为或与残障相关的便利安排而给候选人扣分,在 我们关于 AI 治理中算法能力歧视危机的研究中,我们论及了这一领域。

我们不销售招聘 AI。我们的合作旨在让招聘 AI 变得可审计、合规且经得起辩护。