收益：
- 能够为人力资源中人工智能的使用创建治理框架和使用政策
- 能够将偏见控制、透明度和人为控制原则嵌入流程中
- 建立验证人工智能输出、引用来源并对人类负责的纪律
在本模块中，我们在数十项人力资源任务中使用了人工智能，从职位发布到调查分析。现在我们正在建立将所有这些结合在一起的框架：治理。治理是决定谁将在公司中使用人工智能、由谁、出于什么目的、采用什么规则以及采用什么控制的系统。在没有治理的情况下使用人工智能在短期内会很快，但从长远来看是危险的：决策不一致、侵犯隐私、隐性偏见以及隐藏在“人工智能是这么说”辩护背后的不负责任。在最后一个单元中，我们将建立一个治理框架，使人力资源领域的人工智能安全、公平和可靠。
几个术语：人类监督是人类对人工智能输出的审查和批准。透明度是解释人工智能在何处以及如何使用的能力。偏见审计正在检查某个过程是否系统性地对某些群体不利。问责制意味着决策的责任属于明确的人。
人力资源的黄金法则
这个模块最重要的一句话是：AI是支持的；影响人们的决定和责任始终由人们决定。招聘、晋升、解雇、绩效结果、薪酬——都影响一个人的生活、生计和尊严。人工智能起草、总结数据、提供选项、发现这些决策的模式；但有资格的人承担最终的判断和责任。就像在工程中一样：在安全关键的构建中，人工智能的计算不能替代有能力的工程师的批准。在人力资源领域，以“人工智能是这么说的”为由做出影响员工职业生涯的决定，既在道德上不可接受，又存在法律风险。
决策类型
人工智能的作用
最终决定
职位发布写作
草稿制作
人类（低风险）
简历筛选
总结及排名建议
人类（必填）
面试评估
笔记、标题草稿
人类（必填）
绩效结果
反馈草稿
人类（必填）
晋升/薪酬/终止
分析支持
人类（绝对）
注意：将人工智能定位为人力资源部门的助手，而不是决策者。不要将影响候选人或员工的自动拒绝/接受决策委托给人工智能。人工审核应该是真正的审核，而不是流于形式；不假思索地按下“确认”按钮就不是控制。
建立治理框架
一个好的 HR AI 政策可以回答四个问题：它可以用来做什么？它不能用来做什么？哪些车辆获得批准？如何检查？您可以让 AI 生成该框架的草案，然后根据您自己的组织进行调整：
您的角色：人力资源治理顾问。任务：为人力资源团队准备一份“人工智能使用政策”草案。部分：1) 目的和范围2) 允许的用途（例如起草、总结）3) 禁止/限制的用途（例如自动拒绝决策、原始个人数据）4) 批准的工具和数据规则5) 人为控制和责任6) 透明度：向候选人/员工披露规则：法律措辞用[验证]标记法律/KVKK 专家]。这是草案；最终政策需经过专家批准。
偏差控制和透明度
人工智能可以默默地携带其训练数据中的偏差。治理的核心是定期挑战这种偏见：
检查以下筛选标准和流程是否存在偏见： - 是否存在间接偏向/排除特定性别、年龄、出身、学校的标准？ - 是否存在与工作实际无关但可能造成歧视的因素？ - 这个过程是否会让一个群体处于系统性的劣势？在表格中列出每个风险和纠正建议。
透明度的一个简单原则：当候选人或员工询问在他们的流程中使用人工智能时，能够给出诚实的答案。
写一篇简单而诚实的信息文本，向候选人解释人工智能在招聘过程中的应用场景和方式。澄清人工智能做什么和人类做什么。陈述候选人的权利（反对、要求人工评估）。
验证纪律
人工智能可能会犯令人信服的错误；这称为幻觉（虚构）。治理的操作部分是验证每个输出：
使用 [验证] 标签标记此打印输出中的每项事实主张、图表、法律参考和公司信息。如果您不确定，请不要呈现任何确定的内容。如果不清楚，请告诉我。
提示：让验证的纪律成为一种习惯：在发布每个人工智能生成的文本之前，询问“我可以通过独立来源验证这句话中的哪个主张？”问。特别是数字、法定期限和诸如“公司政策就是这样”之类的公司主张是最常犯且代价高昂的错误。
三个迷你箱
案例 1——没有政治的混乱。在一家公司，每位人力资源专业人员都通过不同的工具和不同的方式使用人工智能；有些人正在粘贴原始简历，有些人正在设置自动拒绝。一旦发布治理政策（批准的车辆清单、禁止使用、人工监督规则），风险就会降低，流程就会变得一致。
案例 2——捕捉隐性偏见。一个团队注意到人工智能筛查中的一种隐藏模式，使一所特定大学脱颖而出。定期的偏见审计揭示了这一点；标准围绕工作承诺进行了改写，候选人库也更加多元化。如果没有监督，偏见就会悄无声息地持续下去。
案例 3 — 预防幻觉。在一份政策草案中，人工智能捏造了一项实际上并不存在的“法律义务”。由于严格的验证（对每项合法主张都进行了标记），它得到了专家的批准。团队将这件事变成了一个案例，并向整个团队传达了“人工智能确实容易犯错”的教训。
弱提示/强提示
弱方法：AI说什么就直接执行；验证输出，提问过程。
结果是：隐性偏见、捏造信息和委派责任；有一天可能会爆发的风险。
强大的方法：[经过认证的工具+明确的使用规则+人工审核+偏见控制+透明度+纪律来验证每一个事实主张]
结果是：快速但安全、公平且可靠地使用人工智能。
常见错误
- 将责任转移给人工智能。 “人工智能是这么说的”既不是道德上的，也不是法律上的理由。
- 将控制简化为形式。不假思索地点击“批准”并不是真正的控制。
- 从不质疑偏见。人工智能并非没有偏见；定期检查是必要的。
- 避免透明度。隐藏人工智能的使用会损害信任和声誉。
- 跳过验证。幻觉是令人信服的；验证每项事实主张。
- 制定政策而不执行政策。搁置的政策是不存在的政策。
综上所述
- 治理是决定谁将使用人工智能、出于什么目的以及采用什么规则和控制的系统；它在HR中是不可或缺的。
- 黄金法则：人工智能是支持的；影响人员的最终决定和责任，例如招聘、晋升和解雇，始终由人员决定。
- 建立人工智能使用政策：允许/禁止使用、批准的工具、人工审核、透明度。
- 定期检查是否存在偏见，并使人工智能的使用对候选人/员工保持透明。
- 验证每项事实主张、数字和法律参考；幻觉可能令人信服，责任在于你。
应用任务
为您自己的人力资源团队（或虚构的团队）起草一页“人工智能使用政策”。让人工智能产生一个草案，其中包括：允许的用途、禁止的用途（例如自动拒绝、原始个人数据）、批准的工具、人工审核规则和透明度条款。然后让你的筛选过程（真实的或虚构的）检查人工智能是否存在偏见并纠正出现的任何风险。最后，将政策中的每条法律声明标记为“有待专家验证”。
清单
- [ ] 影响人类的每一个最终决定都是由人类做出的吗？
- [ ] 允许和禁止的用途是否已写明？
- [ ] 是否仅使用经批准的安全工具？
- [ ] 是否定期审核流程是否存在偏差？
- [ ] 人工智能的使用对候选人/员工来说是否透明？
- [ ] 每项事实主张和法律依据都经过验证吗？
- [ ] 该政策是否实际执行，而不仅仅是书面的？
模块考试
1. 使用人工智能撰写招聘启事时，包容性的最佳准则是什么？
- A) 要求消除暗示性别、年龄或特定群体的歧视性言论 ✔
- B) 通过添加“年轻而充满活力的团队”等短语来活跃广告
- C）使用仅吸引特定性别的语言
- D）让属性尽可能模糊
解释：从法律和道德角度来说，从广告语言中剔除暗示特定性别、年龄或群体（例如“年轻有活力”、“男性元素”）的表达方式是必要的，并且可以扩大候选人库。明确告诉AI消除这些语句是一种有效的方法。
2. 对于降低使用 AI 筛选简历时的偏差风险，以下哪一项是正确的？
- A）赋予人工智能自动拒绝候选人的全部权力
- B) 将评估限制在与工作相关的客观标准，并将最终决定权留给人✔
- C) 将姓名、年龄和性别置于评价的中心
- D）不做任何检查，因为人工智能是公正的
披露：人工智能可以反映其训练数据中的偏差。降低风险的方法；将评估限制在真正与工作相关的客观标准，排除姓名/性别/年龄等不相关信息，并将最终决定权留给人。
3、要求AI进行结构化面试什么最有用？
- A) 随机向每位候选人提出不同的问题。
- B) 只询问候选人爱好的问题
- C) 向所有候选人提出基于能力的常见问题和评分标准 ✔
- D) 自由聊天，无评价标准
说明：为了进行公平且具有可比性的面试，向所有候选人提出常见的基于能力的问题以及显示如何对每个问题进行评分的评估指南（标题）是理想的选择。这使得决策去主体化。
4. 使用人工智能向候选人准备拒绝（负面结果）消息时，最好的方法是什么？
- A）发送包含详细个人批评的长文本
- B) 根本不回应，让候选人陷入困境
- C) 使用将拒绝原因归因于候选人的年龄或地位的表达方式
- D) 发出尊重的、简短的感谢信息，以保持品牌基调 ✔
描述：拒绝消息是候选人经历中最关键的时刻之一。尊重、简短、感谢候选人，并在可能的情况下敞开大门，可以维持大量的雇主品牌。在撰写拒绝原因时，应避免出现可能产生法律风险、暗示歧视或毫无根据的陈述。
5. 在为新员工创建入职内容时，使用人工智能最有效的方法是什么？
- A) 指定角色和持续时间，制定结构化计划和清单，然后填写公司特定信息 ✔
- B) 使用通用的、非特定于角色的单个文档
- C) 将入职流程完全留给人工智能，根本不对其进行个性化
- D) 不给新员工任何计划，等待他自己学习
描述：向 AI 提供角色、部门和持续时间（第一天/周/月）信息，并让它生成结构化计划、清单和 30-60-90 天目标；然后用公司特定的信息填充它是最有效的方法。
6. 使用人工智能准备教材时，提高质量的最重要因素是什么？
- A）只是说“准备培训”而不提供细节
- B）尽可能保持内容的理论性和无示例性
- C) 明确说明目标受众水平、可衡量的学习目标和持续时间✔
- D）在不考虑目标受众的情况下制作最长的内容
描述：明确说明目标受众的水平、可衡量的学习目标和持续时间；在内容中添加场景、示例和练习，使培训有效。如果层次和目标不明确，内容要么太简单，要么太复杂。
7. 使用人工智能起草绩效反馈的最佳方法是什么？
- A）允许人工智能在不知道实际表现的情况下伪造反馈
- B) 输入真实的观察结果并产生建设性的草案，并由经理保留最终决定✔
- C) 将草稿发送给员工而不进行任何编辑
- D）保留全部负面或全部正面的反馈
描述：人工智能有助于将具体的行为示例转化为建设性语言；但反馈的内容应以实际观察为准，最终评价应由管理者负责。人工智能产生草稿，人类决定。
8. SBI（情境-行为-影响）框架在绩效反馈中提供什么？
- A）将反馈集中在人格特质上
- B）只强调积极的方面，隐藏需要改进的地方
- C）保持反馈的一般性和抽象性
- D) 通过区分情况、观察到的行为及其影响，提供具体的、基于观察的反馈 ✔
描述：SBI；它将反馈构建为情况、观察到的行为和影响。这使得反馈具体且具有观察性，远离人格攻击；它阐明了员工需要改变什么以及为什么。
9. 使用人工智能起草人力资源政策文本（例如休假或纪律政策）时最关键的步骤是什么？
- A）将人工智能生成的文本直接作为官方政策发布
- B) 由专家/律师根据现行立法审查并批准草案✔
- C) 接受人工智能给出的法律条款为绝对真理
- D) 不让任何人审查该政策
说明：人力资源政策具有法律后果。尽管人工智能产生了良好的初稿，但文本必须由专家/法律根据适用的劳动立法和公司条件进行审查和批准。 AI做出的法律声明未经核实不得使用。
10. 使用人工智能分析开放式员工调查回复时最有用的方法是什么？
- A) 根据主题和情绪状态对回答进行分组并揭示模式 ✔
- B）随机选择几个答案，而不逐一阅读每个答案
- C）尝试将匿名答案与人匹配
- D）只接受正面评论，忽略负面评论
描述：数百个自由文本回复可以通过人工智能按主题和情绪（积极/消极/中性）进行分组；这揭示了被忽视的模式。研究结果仍必须由人类来解释，并且必须保持匿名。
11. 当将 AI 与候选人和员工数据结合使用时，以下哪一项关于 KVKK 是正确的？
- A) 将所有候选人数据发送并存储到任何免费工具
- B) 以无限的方式将个人数据用于目的以外的目的
- C) 处理仅限于特定目的、最低级别并采取适当安全措施的数据 ✔
- D) 未经同意和依据处理员工数据
描述：个人数据；应根据需要（数据最小化）并采取适当的安全措施对其进行处理。将个人数据（例如候选人简历）发送到没有机构保障的工具并在不匿名的情况下对其进行分析是一种 KVKK 风险。
12. 在使用人工智能工具总结简历之前，就个人数据而言最好的做法是什么？
- A) 屏蔽直接身份信息并仅处理与工作相关的信息 ✔
- B) 按原样发送简历，不做任何更改
- C) 在分析中包括所有候选人的联系方式和身份信息
- D) 将数据无限期地存储在车辆中并将其用于其他目的
说明：按照数据最小化原则；如果将简历发送到没有公司安全性的工具，则掩盖直接身份信息，例如姓名、电话、地址、出生日期并仅处理与工作相关的信息（经验、能力）可以降低风险。最健康的事情是使用公司/安全的车辆。
13. 当人力资源专业人员在招聘渠道中看到“申请→面试→录用”转化率较低时，他们应该如何使用人工智能？
- A) 忽略指标并按原样继续流程
- B) 解释转化率并生成可能的原因和改进建议，然后用数据验证它们 ✔
- C) 赋予AI全权自动筛选所有候选人
- D）仅凭直觉做出决策，根本不衡量指标
描述：人工智能是解释指标并生成可能原因和改进建议的好帮手：它可以建议审查发布语言、候选人沟通、处理速度。然而，建议应该用数据和现场知识来验证，并且决定权应该由人决定。
14. 作为在人力资源流程中使用人工智能的一般原则，以下哪一项最准确？
- A）人工智能应该单独做出雇用和解雇决定
- B）应该取消人工监督，因为它会降低效率
- C）由于人工智能是公正的，它的决定应该毫无疑问地执行
- D) AI是支撑工具；影响人员的最终决定和责任仍由人员承担 ✔
描述：人力资源部门的决策直接影响人们的职业生涯和生活。人工智能是强大的起草和分析工具，但最终判断和招聘、晋升、解雇等决策的责任应始终由人类承担； AI是支持者，而不是决策者。