使用人工智能筛选应聘者、衡量绩效或建议解雇，并不会将责任转移给供应商。劳动决定仍受不歧视、尊严、数据保护和经营正当性等规则的约束。2026 年，审慎的组织须了解其使用何种模型、以何种信息作为输入，以及何时由人介入。本文提出若干控制措施，以在不使其成为黑箱的前提下利用该技术。本材料仅供参考，不构成法律咨询。
已具约束力的框架
《联邦劳动法》禁止基于受保护事由而取消或损害权利的区别对待，并要求提供与体面劳动相符的条件。个人数据法也规范对应聘者和员工信息的收集、画像、保存和安全，并对敏感数据采取更高的审慎。尽管有关人工智能的提案可引导公共讨论，但其本身并不替代现行规范。数字平台的劳动监管确实包含算法透明和人工复核的特别义务，但不应将其呈现为适用于所有雇主的一般规则。在该制度之外，它可作为实务参考，而具体义务源于使用方式、其影响及适用框架。
自动化之前先治理
每件工具都须有内部负责人、明确目的和事前的必要性评估。企业须知道其使用哪些变量、来源为何、保存多久，以及它们是否充当年龄、残障、性别、出身或其他受保护特征的替代变量。测试须在相关群体之间比较结果、检查错误，并在模型、数据或职位发生变化时重复进行。与供应商的合同须涵盖指令、安全、次级处理方、审计、连续性以及数据的归还或删除。还宜禁止系统在未经授权的情况下重用档案训练模型，并要求提供足够的文件，以易懂的语言解释某项建议。
决定及其复核
人工介入须是真实的：经培训的人员须能够质疑输出、查阅背景并作出不同于系统的决定。就不利决定而言，宜保存系统版本、相关标准、所查来源、所作复核及最终理由，同时避免保留不必要的数据。受影响者须有可及的渠道以指出错误并提供信息，且提出主张不应招致报复。人力资源和法务须定期审查模型是否产生不成比例的排除，或诱发与健康和安全不相容的做法。当无法提供可靠解释时，在高影响决定中使用该工具须暂停，或限于行政辅助。
要点
- 即使建议来自第三方，雇主仍保留责任。
- 看似中立的变量也可能产生歧视性结果。
- 人工复核需要更改决定的权限、信息和时间。
- 模型或数据的变更需要新的测试和文件。
建议核查事项
- 盘点用于招聘、评估、纪律和解雇的 AI 系统。
- 在每次部署前评估目的、数据、偏见、安全和可解释性。
- 建立人工复核流程以及更正数据或质疑结果的渠道。