知識 · AI 基礎

HR 科技 · 招募與人事的 AI 應用

HR Tech

📂AI 基礎⏱閱讀 2 分鐘📊實務🔗相關 5

什麼是 HR 科技?

一句話定義
將 AI 與資料技術應用於招募、評核、教育訓練、人力分析等人事業務的領域,效率之外,公平性與法律要求也會隨之而來。
將此主題融入企業內訓📚 相關課程💬 教育洽詢
⚡ 3 行重點摘要
  • 涵蓋招募、評核、教育訓練、人力分析等全般應用
  • 偏見、說明責任與個資三大風險
  • 提供輔助,但決定由人來做

導入 HR Tech 後,人資的工作結構本身會改變。過去翻閱 240 份履歷的時間會減少,但隨之而來的是要把'為什麼淘汰這位應徵者'留下紀錄並加以說明的新工作。減少的是處理時間,增加的是說明責任。若在審查階段沒有把這項取捨納入計算,省下的時間最後仍會原封不動地用於因應爭議。必須把節省的時間與紀錄管理工時放在同一張表上比較,才能做出導入判斷。

實務上,最好將 AI 的介入程度分成三個階段來看。第一是寫作輔助(職缺文案、面試題目草稿);第二是資訊整理(面試錄音摘要、結訓資料彙總);第三是篩選判斷(履歷排名、適配度評分)。前兩者在結果送到人手之前就會停下來,但第三個不同。韓國的「個人資料保護法」(韓國的個資法)規定,當事人可以拒絕完全自動化的決定,或要求說明,因此若要使用篩選判斷,必須同時設計事前告知與說明程序。一般業務自動化與 HR 科技的分界就在這裡。庫存預測模型出錯只是成本問題,但招募模型出錯就會變成歧視問題。

最常見的誤解是「最終決定由人來做,所以不算自動化決策」。若承辦人只是照單全收 AI 排出的名次、只做核准,形式上是人的決定,實質上仍是自動篩選;收到申訴時,除了「只看了前 40 名」之外,沒有其他依據可以提出。離職風險預測也一樣:一旦把預測值以個人為單位交給業務主管,該員工就成了管理對象,而流言只需一週就能傳開。預測只能以組織單位彙總使用,不貼上個人名牌是安全底線;此外應定期檢查是否有人類推翻 AI 結果的案例,才能避免流於形式、實際上沒人把關的審核結構。

會出現此術語的課程 · AI・DX
推薦課程 · 推薦講師 · 迷你報價
🧮 迷你報價 · 講師費基準
約 KRW 1,200,000 (≈ US$900)專題講座 2 小時 · 20 人以下 · 韓語
依此條件取得正式報價 →
💡 簡單來說
替你分類履歷的助理確實實用,但最終必須說明「淘汰了誰」的人,仍是招募負責人。
為什麼在實務上很重要
這正是教育與人資承辦人可以直接應用於本身業務的領域,同時也是最先碰到 AI 倫理與個資問題的地方。
由來與出處

此領域源自人事資訊系統,並已擴展至招募平台與學習管理系統。近年各國逐步修訂制度,規範招募演算法的透明度與禁止歧視,使得治理而非技術成為爭議焦點。

透過案例理解

以下以假設案例說明。A 公司是員工 1,200 人規模的汽車零件製造商,資深人才徵才每年增至 240 件,人資團隊 3 人光是履歷審查每週就花掉 20 小時。當他們開始評估導入招募 AI 時,法務團隊便提出警告:"說不出淘汰理由,就不能導入"。

  1. 人資主管在第一次會議上就明確表示,AI 的任務範圍僅限於確認是否符合任職資格,並堅持不做適配度評分與排名。
  2. 個資負責科長在招募公告中寫明自動化處理的事實,以及拒絕與說明要求的程序,並將應徵資料的保存期限重新訂為 6 個月。
  3. 在與人工審查並行的 3 個月期間,招募承辦專員逐一比對了 240 件,結果有 18 件判斷不一致,而且大多是以自由文字描述經歷的履歷。
  4. 追查原因後發現,各職類的職務說明書用語五花八門,因此人資部門將 12 個職類的必備條件標示統一為一張頁的標準表。
  5. 六個月後,初步書面審查從每週 20 小時降到 7 小時,而淘汰理由紀錄率維持 100%,因此 4 件申訴都在 3 天內以書面回覆。
相關術語
與此術語相關的課程
📚AI 教育事前診斷與客製化教育設計Nanum 經營顧問 企業內訓 · 實體/線上查看課程 →
是否需要針對此主題進行企業內訓?
立即取得負責人為您量身打造的課程規劃與報價。
教育洽詢
最後修訂 2026年9月13日 · 監修 金鍾赫

常見問題

應作為輔助工具,決定仍須由人來做。尤其是淘汰的決定,必須將依據留存為紀錄。
因為模型是以過去的資料學習而來。若過去的招募慣例存在偏見,模型就會原封不動地重現。
人事資料可能包含敏感個資,因此事前須先整理處理依據、保存期限與存取權限。
最安全的做法是從不直接影響個人權益的工作開始,例如分析學習資料或協助撰寫文件。