16

JH-016 · 全文 觀察意圖:學相關:JH-010 · JH-052 · JH-011 · JH-012 · JH-013 · JH-014 · JH-015 · JH-054 · JH-002 · JH-001 · JH-009

AI Agent 做履歷盲審,唔等於已經公平入圍:求職者同轉職人事要識嘅三道閘

公司話有 AI Agent 可以「一秒遮名、自動打分、公平入圍」,唔等於你可以放手當已經公平或者已經錄用;盲審報告只係第一輪,遮欄有冇漏、準則對唔齊、可唔可以入圍,仲係人。呢頁拆晒求職者同想轉人事數碼化嘅人要識嘅三道閘,同埋你真正要練嘅四層技能——唔背工具廣告,都唔教「點樣騙過 AI」。

  • 3 道閘

    公司准唔准、有冇書面盲審/甄選手冊、邊個覆核入圍——缺一道就唔好當已經公平入圍

    流程

  • 盲審 ≠ 已公平

    Agent 刪走敏感資料同對齊準則;入圍、拒絕、錄用仲喺獲授權同事

    界線

  • 人入圍先算完成

    對住工作相關準則、例外、洩漏識別符;留低邊個改、邊個批、邊個理由

    做法

你問

AI Agent 做履歷盲審係做咩?

對住甄選手冊遮姓名等識別符、抽技能/經驗欄,再同職位準則對齊,標出可能差異同初篩分數;唔係替你決定邊個入圍或者錄用。

點做

我而家要識咩?

識三道閘:公司准唔准、有冇盲審/甄選手冊、邊個人覆核同入圍。缺一道就停。

睇完整答案
你問

遮咗名就等於已經公平?

唔等於。研究顯示名本身會影響回撥;但歷史數據訓練嘅模型,一樣可以複製對殘疾等群體嘅排除。1,2

點做

咁仲用唔用?

用嚟加速第一輪刪走敏感資料同對齊準則可以;用嚟代替人入圍同自動拒絕唔得。

睇完整答案
你問

可唔可以將真實履歷 PDF、候選人身份證貼入公開 AI?

多數唔得。個人資料同公司政策先;未獲准就唔好貼。做法睇邊啲資料唔好貼嗰篇、公司未訂 AI 規範嗰篇。6

點做

想試工具點做?

只用公司准用嘅受控系統,同已刪走真實姓名、學校、公司名、住址、聯絡電話嘅虛構履歷。

睇完整答案
你問

想轉行做人事/HRTech 崗,最緊要練咩?

讀政策、核對工作相關準則、執錯同寫理由、守資料閘——唔係背邊個 ATS 名。

點做

點樣證明自己識?

用「問題、做法、結果」寫一件你覆核過嘅盲審差異例子(虛構都得);盤點寫法睇盤點技能嗰篇。

睇完整答案

AI Agent 做履歷盲審,係加速刪走敏感資料同第一輪對齊,唔係替你決定邊個入圍或者錄用

先講清楚呢類工具做咩,免得你以為遮咗名就等於已經公平入圍。

典型流程係幾步:由履歷抽出技能、年資、關鍵職責,同時做履歷盲審(blind resume screening)——遮姓名、相片、年齡、性別、地址等識別符,再同職位書面準則對齊,標出可能差異同初篩分數。田野實驗顯示,單係名字聽落似邊個族群,已經可以令面試回撥差大約一半——所以「遮無關線索」有現實原因。1 但遮名唔等於模型已經公平:用歷史招聘數據訓練嘅系統,可以複製對殘疾等群體嘅排除;殘疾相關獎項線索都可以畀履歷篩選器排低。2

呢度有條硬界線:刪走敏感資料同對齊準則,係輔助;入圍、拒絕、錄用、批例外,係獲授權同事。平機會僱傭實務守則叫僱主用劃一甄選準則、按工作能力評估,申請階段唔好隨便要照片/身份證副本。4 若干司法管轄區將軟件/演算法/AI 篩選視為選拔程序——有不利影響(adverse impact)時,僱主責任唔會因為「係供應商整嘅」而消失。3 NIST 將 human oversight 寫落風險管理。5

第一道閘:公司准唔准、用邊個受控系統、邊啲個人資料可以離開受控環境

上一段講咗佢做咩,下一步唔係下載 ATS,係問准唔准。

私隱專員公署指引清單叫機構訂准用工具、可輸入咩、輸出點用、僱員核對準確度。6 履歷盲審場景仲要加兩句:邊個受控 ATS/甄選系統准接 AI/第三方工具?真實履歷、候選人身份證、未公開薪酬可唔可以離開受控環境?

你要問清五句:

  1. 准唔准用 AI 協助履歷盲審/初篩?
  2. 用邊個帳號、邊個核准系統(內部 ATS 定獲批供應商)?
  3. 准貼咩欄位(已脫敏草稿/虛構樣本/絕對唔准真實履歷全文同身份證)?
  4. 初篩分數可否自動觸發入圍或者拒絕,定一定要人手批核?
  5. 出問題邊個負責——工具商定人事/用人部門/主管?

「好多廠商都話一鍵公平」唔等於你呢間公司可以自動淘汰。真實履歷、候選人身份證、未公開薪酬,只留喺公司准用系統;想自己試手感,用虛構履歷或者已刪走識別符嘅樣本。刪走方法睇 邊啲資料唔好貼嗰篇;公司未講政策,開口方法睇 公司未訂 AI 規範嗰篇。

求職者都有一閘:有人叫你「將履歷貼去某個公開 bot 先過關」——未搞清楚資料去邊,就當未獲准。你有權問:邊個系統、遮唔遮名、邊個人睇分數。

第二道閘:如果冇書面盲審/甄選手冊,AI 只係估「通常邊啲欄重要」

准用咗,仲要有對齊點。冇盲審/甄選手冊(screening playbook),Agent 就係用「訓練時常見履歷」估你哋胃口。

劃一甄選準則要同工作相關;申請階段避免無關識別。4 遮名可以減少名嘅回撥偏誤,但手冊如果冇寫「必評嘅係邊幾條技能」,模型仲可以靠學校名、社團、殘疾相關獎項等線索打分。1,2

示範(虛構):阿晴想轉人事營運/HR 產品,上司畀佢試公司准用嘅履歷盲審 Agent。佢哋甄選手冊先寫清三格:

格手冊寫低Agent 只准做
必遮欄姓名、相片、性別、年齡、住址、私人電話輸出遮欄清單;標「未覆核」;發現洩漏就停
必評準則職位所需技能關鍵詞、相關年資區間、必須證照(如有)輸出技能/經驗表+對準則分數;列出「對住手冊邊格」
邊個入圍入圍、拒絕、錄用只可以由獲授權同事批輸出建議差異清單;禁止輸出「可錄用/應拒絕」;禁止自動觸發拒絕 API

Agent 標出「遮欄後仲出現全名喺檔名/頁眉」先有意思——因為對住「必遮欄」嗰格。如果手冊空白,佢寫一句「分數 92,建議入圍」,你仲唔知對住邊條準則。

今日夠用嘅起步:只寫三格。唔好等「完美手冊」先開工。

第三道閘:人覆核同入圍留底;盲審分數 ≠ 入圍/錄用決定

有准用、有甄選手冊,仲差最後一道:人。

ILO 要求 AI 輔助而非取代就業相關決定,並對 AI 生成嘅就業決定做有意義嘅人覆核;EEOC 將演算法篩選放喺選拔程序框架;NIST 要求界定同文件化 human oversight。2,3,5

入圍前覆核清單就係:

  1. 必遮欄——姓名、相片、檔名、頁眉頁腳有冇洩漏?
  2. 必評準則——分數係咪對住手冊,定係模型自己加「文化 fit」?
  3. 無關線索——學校名、社團、殘疾相關獎項有冇被當成減分?
  4. 不利影響——有冇粗略睇過各組入圍率異常?(量度方法交合規;你至少要識問)
  5. 留底——邊個版本、邊個工具、邊個改、邊個批、邊個理由。
三道閘 5 步:由聽到 Agent 到今日試一次
  1. 問准唔准

    邊個系統准用、邊啲履歷/候選人事料可以離開受控環境。未問清楚就唔好貼真實履歷同身份證。6

  2. 搵盲審/甄選手冊

    有冇書面必遮欄、必評準則、升級規則?冇就唔好叫 Agent『幫你決定入圍』;先寫三格。

  3. 揀低風險樣本

    用虛構履歷或者已刪走姓名、學校、公司名、住址、電話嘅樣本;真實個案只喺公司准用系統入面試。

  4. 跑第一輪盲審

    叫 Agent 只輸出:遮咗咩、抽到嘅技能/經驗表、對準則分數、建議差異;禁止佢輸出『可錄用/應拒絕』一句過。

  5. 人覆核入圍

    核對必遮欄有冇洩漏、準則有冇對齊、分數有冇唔合理;記低邊個改、邊個批。盲審分數唔等於入圍/錄用。2,3,5

靜態後備(無 JS/搜尋用):問准唔准 → 搵盲審/甄選手冊 → 揀低風險樣本 → 跑第一輪盲審 → 人覆核入圍。

想轉行做人事/HRTech,要練嘅係讀政策、核對工作相關準則、執錯同寫理由、守資料閘,唔係背工具名

三道閘係用法;轉職要交嘅係技能。工具名明年會換,四層唔會空。

層你做得到畀人睇嘅面試一句
讀標到准用工具、可輸入欄、升級路徑「我可以對照公司政策寫出三格甄選手冊」
核核對遮欄同必評準則;捉洩漏同幻覺「我發現檔名仲有候選人全名」
改改錯並用書面理由記低,唔抄 Agent 一句「可錄用」「我寫低點解改入圍、對住手冊邊格」
閘准用系統、唔貼真實履歷身份證、刪識別符「未獲准前我只用虛構履歷」

呢四層,對應你帶得走嘅技能,唔係某個軟件證照。想逐項盤點點寫落經歷,接住睇 盤點技能嗰篇。某家產品值唔值得買、要唔要自己 set,返去 值唔值得用嗰篇 同 設定插件嗰篇,用你每星期真係要處理嘅一類履歷去試。垂直系列前五篇係 合約紅線嗰篇、多平台目錄嗰篇、KYC/AML 嗰篇、醫療 SOAP/分診嗰篇、物流 B/L 三單嗰篇——同一套「准用/書面清單/人覆核」邏輯,換咗場景。邊啲 AI 任務先值得做,可一併睇 搵個人 Why 嗰篇。

今日只做一件:揀低風險虛構履歷,跑完三道閘自檢

技能表睇完,唔好只收藏。今日只做一件。

三道閘自檢(每條:有/部分/未有)
項目狀態點解
我已經問過上司/合規:准唔准用 AI 協助履歷盲審、用邊個受控 ATS/系統 危險 未問就唔好貼真實履歷、身份證、未公開薪酬。6
我哋有書面盲審/甄選手冊,或者我至少寫咗三格:必遮欄、必評準則、邊個入圍 危險 冇書面規則,Agent 只係估『通常邊啲欄重要』。4
試用樣本已經刪走真實姓名、學校、公司名、住址、電話、相片(如未獲准) 危險 做法跟邊啲資料唔好貼嗰篇。
我要求 Agent 輸出『遮欄清單+技能表+對準則分數+建議差異』,唔要一句『可錄用/應拒絕』 要留意 格式唔清,你之後好難覆核同留底。5
每一份初篩都有人覆核入圍/拒絕,唔係自動當錄用或者自動淘汰 危險 人先負責;ILO 同風險管理框架都強調人覆核。2,5
我記低咗邊個批、用邊個工具、邊個版本、改過咩、理由係咩 要留意 出事要追,冇底就無得講。3,5

點樣讀表:

  • 「准唔准」或者「樣本刪走」未有: 今日只做問人同刪樣本,唔好貼真實履歷。
  • 「甄選手冊」未有: 寫三格就收工。
  • 全部有: 用虛構履歷跑一輪盲審,親自核對必遮欄、改錯、記低邊條 Agent 講錯——仲唔做真實入圍/拒絕。

你問,我答

AI Agent 做履歷盲審係做咩?

加速刪走敏感資料同第一輪對齊。典型流程係:遮姓名/相片等識別符,抽技能、年資、關鍵職責,再同職位準則對齊,標出可能差異同初篩分數。佢加速第一輪;可唔可以入圍、拒絕、錄用,仲係獲授權同事嘅判斷同權限。

遮咗名準唔準,可唔可以代替人事決定入圍?

唔可以代替。名會影響回撥係有田野實驗證據;但歷史數據同殘疾相關線索仲可以令模型複製排除。ILO 要求有意義嘅人覆核;EEOC 提醒演算法篩選仲屬選拔程序。¹,²,³ 呢頁講嘅係打工仔點同工具共事,唔係教你無授權自動淘汰或者保證公平。

我想轉人事、人才營運或者 HR 產品崗,要讀咩先?

先練四層技能,唔好先背產品名。讀政策、核對工作相關準則、執錯同寫理由、守資料閘。點樣寫落經歷睇盤點技能嗰篇;值唔值得買某一家工具,返去值唔值得用嗰篇用真實任務試。

公司話『AI 已經打分,你批咗就得』,我係咪一定要跟?

批之前先過三道閘。准唔准、有冇甄選手冊、邊個覆核留底。缺一道就同上司講:我可以幫手刪走敏感資料同對齊準則,但入圍/拒絕前要有人批。

可唔可以將真實履歷、候選人名單貼入我私人 ChatGPT/Gemini?

真實候選人事料,唔好。姓名、聯絡、學歷、前僱主同公司政策先。個人公開工具多數唔適合處理完整候選人檔。刪走敏感資料嘅做法睇邊啲資料唔好貼嗰篇;公司政策點開口睇公司未訂 AI 規範嗰篇。

盲審/甄選手冊要寫幾長先叫夠?

今日三格就夠起步。寫:邊啲欄必須遮、邊啲係工作相關必評項、邊個有權入圍/拒絕。之後先加不利影響點樣量度、例外升級同供應商責任。

一句講晒

AI Agent 做履歷盲審,係加速刪走敏感資料同第一輪對齊,唔等於已經公平入圍或者錄用。求職者同轉職人事要過三道閘:公司准唔准、有冇書面盲審/甄選手冊、邊個人覆核入圍;要練嘅係讀政策、核對工作相關準則、執錯同寫理由同守資料閘。

  • 讀讀政策:標到准用工具、可輸入欄、必遮欄同升級——寫得出『呢度准唔准、點升級』
  • 核核對工作相關準則:遮欄有冇漏、分數對唔對齊必評項、有冇無關線索——畀手冊有對齊點
  • 改執錯同寫理由:刪幻覺、補漏項、記低點解改入圍——人入圍先算完成
  • 閘守資料閘:准用系統、唔貼真實履歷身份證、刪走識別符——出事先有得講

參考

  1. Bertrand, M., & Mullainathan, S. (2004). Are Emily and Greg More Employable Than Lakisha and Jamal? A Field Experiment on Labor Market Discrimination. American Economic Review, 94(4), 991–1013(名/族群線索影響面試回撥)(核對日期 2026-11-04).
  2. International Labour Organization, Global Business and Disability Network (2025-10-06). AI's double-edged sword: A new frontier for employment of people with disabilities?(AI 篩選可複製排除;要求人覆核)(核對日期 2026-11-04).
  3. U.S. Equal Employment Opportunity Commission. Select Issues: Assessing Adverse Impact in Software, Algorithms, and Artificial Intelligence Used in Employment Selection Procedures;及 What is the EEOC's role in AI?(2024-04)(演算法篩選屬選拔程序;不利影響;僱主責任)(核對日期 2026-11-04).
  4. 平等機會委員會。《性別歧視條例》僱傭實務守則(劃一甄選準則;申請階段避免要求照片/身份證副本)(核對日期 2026-11-04).
  5. National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST.AI.100-1(2023-01)(核對日期 2026-11-04).
  6. 個人資料私隱專員公署(2025-03-31)。僱員使用生成式 AI 的指引清單(新聞稿)(核對日期 2026-11-04).