AI 面试合规红线：把同意权与复核权留在人手里

个保法第24条：自动化决策的三道红线

《个人信息保护法》第24条是招聘 AI 的总纲。它规定：个人信息处理者利用个人信息进行自动化决策，应当保证决策的透明度和结果的公平、公正，不得对个人在交易条件上实行不合理的差别待遇；通过自动化决策方式进行信息推送、商业营销，应当同时提供不针对其个人特征的选项，或者向个人提供便捷的拒绝方式。

落到招聘，三条硬义务分别是：

• 透明度：AI 给候选人打的分、做的排序，候选人有权知道大致逻辑——不是要你开源模型，而是不能说「这是机器算的，解释不了」。
• 结果公平：不能因为模型「觉得」某类人匹配度高，就系统性压低另一类人的机会；差别待遇必须合理、可解释。
• 拒绝方式：必须给候选人一个「不被算法决定」的出口——人工复核入口，或 opt-out 替代路径。

职场硬通货的翻译是：算法不是挡箭牌。模型是你训的、数据是你要的、决策是你用的，结果不公平的责任就坐在你这边的椅子上。个保法第44条还明确了个人的知情权与决定权（含拒绝权），这和24条是一套组合拳。

第55条：你大概率漏做的 PIPIA

第24条管的是「怎么用」，第55条管的是「用之前」。它列举了应当事前进行个人信息保护影响评估（PIPIA）的情形，其中明确包含「利用个人信息进行自动化决策」。

要求两点：一是事前评估，二是处理记录至少保存三年。招聘场景的 PIPIA 至少要覆盖：

• 用了哪些个人信息——简历、视频、声纹、微表情？每一项的法律基础是什么？
• 对个人的影响——直接决定录用与否，还是仅作参考？
• 风险与防护——模型偏差如何监测、候选人权利如何实现？

最常见的误区，是把 AI 面试当成「内部工具」而不评估。错——只要用个人信息做自动化决策，PIPIA 就是硬前置，没有「内部用用」的豁免。

算法推荐管理规定：招聘也是「用工」场景

2022 年施行的《互联网信息服务算法推荐管理规定》把「算法影响劳动者」单独列出。第8条要求算法推荐服务提供者「保护劳动者合法权益」；第21条要求不得根据个人特征、习惯、偏好，对交易条件或用工等实行不合理限制或差别待遇；第17条明确用户可选择关闭算法推荐。

对 HR 的信号很直接：

• 如果招聘 AI 按性别、年龄、地域等做隐性排序，踩的就是第21条；
• 「给候选人关闭/绕过 AI 评估的入口」对应第17条——opt-out 不是善意，是义务；
• 算法不再是纯技术配置，而是劳动权益相关的合规对象。

生成式 AI 办法与欧盟 AI Act：两条外部边界

如果你们用大模型自动生成面试评语、拒信或能力总结，还要碰两条边界：

国内《生成式人工智能服务管理暂行办法》第10条要求不得生成煽动歧视的内容；第11条要求对生成内容进行标识。这意味着：机器生成的歧视性评语、未标识的 AI 拒信，都是雷点。

对外，欧盟 AI Act 将影响自然人就业（招聘、裁员、晋升）的系统列为「高风险」AI。该法案 2024 年生效，高风险义务——风险评估、数据治理、人类监督、透明度、技术文档——自 2026 年起逐步适用。对有欧洲业务或欧洲候选人的企业，招聘 AI 要满足的是高风险系统的合规门槛，而非内部自选标准。

这两条边界的共同指向：AI 招聘的合规，已经不只是一国个保法的题，而是跨境用工的题。

真实踩坑：被算法歧视反噬的公司

法律条文之外，公开案例把红线画得更具体：

• 亚马逊（2018）：简历筛选模型因历史数据男性主导，自动给含「女性」相关词的内容降级，项目最终弃用。教训是——训练数据的历史偏见会被模型放大，而非消失。
• HireVue（2019–2021）：面部表情与声纹分析持续受偏见、不透明质疑，2021 年停止面部分析。教训是——越「黑箱」的特征，越难证明公平。
• 纽约市 Local Law 140（2023 生效）：AI 招聘工具须做第三方偏见审计并公示、通知候选人、提供备选方案。这是全球首个把「AI 招聘审计」写进地方法的例子。
• 伊利诺伊州 AI 视频面试法（2020 生效、2025 强化）：使用 AI 分析视频面试须事先披露、取得候选人书面同意、限制信息共享。

这些案子的共性一句话总结：出问题不在「用了 AI」，而在「没给人留复核权、没做偏见审计、没说清楚」。

落地清单：七条 HR 可执行的合规动作

把上面的义务翻译成动作，最少七条：

1. 做 PIPIA：上线任何招聘 AI 前，先完成个人信息保护影响评估并存档≥3 年。
2. 留人工复核：AI 只做初筛或参考，最终录用决定必须有人类 reviewer 签字，且候选人可申请人工复核。
3. 给 opt-out：向候选人明确提供「不接受 AI 评估」的替代路径（人工流程）。
4. 偏见审计：对排序/打分模型做定期（至少年度）偏见审计，记录性别、年龄、地域等维度的差异。
5. 透明告知：在招聘页与隐私政策说明「本流程使用 AI 进行初筛/评分」，讲清用途与范围。
6. 数据最小化：只收与岗位能力直接相关的信息，不碰声纹、微表情等敏感且无必要的数据。
7. 留痕可解释：保留每次 AI 评分的输入特征与权重说明，出问题能追到「为什么打这个分」。

红线不是要你不用 AI，而是要你把人的同意权和复核权留在人手里。AI 面试的正确姿势——模型做粗筛，人做终审；算法给参考，组织担责任。这也是 AI 面试边界 一文的核心判断：凡依赖隐性判断、情境权衡、伦理终审的环节，必须留在人这一侧。