企業在招聘過程中運用人工智能進行履歷篩選能夠大幅提升行政效率，然而將篩選程序交付演算法處理，在香港現行法規架構下存在潛在的法律與合規責任。管理層在追求招聘自動化的同時，必須審視相關技術操作是否符合本地勞工法規及個人資料保障要求。
演算法偏差與反歧視條例之法律責任
人工智能模型的判斷基礎源於歷史數據，若企業過往的招聘數據存在特定性別或年齡層的偏好，演算法便可能將相關特徵設定為評估標準，從而在篩選過程中自動排除其他背景的求職者。在香港現行法例下，即使企業缺乏主觀歧視意圖，若篩選機制客觀上對特定群體構成不成比例的不利影響，仍可能觸犯由平等機會委員會執行的
《性別歧視條例》、
《殘疾歧視條例》、
《家庭崗位歧視條例》及
《種族歧視條例》中所界定的間接歧視。跨國研究已顯示未經校正的演算法會放大職場既有偏見，相關法律責任最終依然由僱主承擔。
個人資料私隱保障與演算法透明度要求
求職者履歷包含學歷、住址及薪酬等敏感個人資料。香港個人資料私隱專員公署發布的人工智能倫理及合規指引，明確強調透明度、問責性與數據最小化原則。當履歷篩選出現黑箱效應而無法向求職者說明淘汰機制時，企業將面臨合規質疑。此外，將個人資料上傳至未經安全性驗證的第三方開放式人工智能系統，亦可能引發未經授權的數據外洩或跨境資料轉移風險。
國際監管趨勢對本地企業之借鏡
全球針對招聘領域的人工智能監管正逐步收緊。歐洲聯盟的人工智能法案將僱傭決策系統歸類為高風險類別，要求實施嚴格的風險評估與數據記錄；美國紐約市亦要求自動化就業決策工具每年接受獨立審計。學術研究指出，企業對人工智能的合規要求已由結果責任延伸至程序責任，本地企業若未能建立符合標準的管理規範，在跨境招募或合規審查時將面臨營運挑戰。
建立人機協作機制與合規架構
降低法規風險的核心在於落實人機協作治理架構，由人工智能負責初審，最終決策權仍由人力資源專業人員掌握。企業在設定篩選條件時，應以專業資格、語言能力及工作年資等客觀指標為依據，並定期抽樣審查被系統淘汰的候選人名單以檢視多元性。同時，企業採用的人力資源管理雲端系統需具備完善的資料權限控管架構，確保求職者資料在招聘流程中均符合私隱條例規範。
