简历先过机器，落选的人该不该知道

一、简历先被机器看一遍，已经是常态

2026 年 10 月，一份雇主调研被媒体引用：97.6% 的典范雇主已经在招聘环节用上 AI 工具。简历先被系统解析、排序，再送到 HR 面前。另一组行业数据说，AI 简历筛选已经是企业里最常见的 AI 应用之一。

流程确实变快了。公开的第三方统计里，简历筛选周期从平均 5.2 个工作日缩到 3.7 个，面试轮次从 3.5 轮减到 2.8 轮。

快出来的这部分，原来是人看简历的时间。现在这部分时间被机器拿走，也把一个问题留给了企业：被机器筛掉的人，算不算被这家公司拒绝过？

二、机器筛的不是能力，是这家公司过去的偏好

机器筛简历，不是把岗位要求背下来逐条打分。它通常先学习这家公司录用过谁、拒绝过谁，再按相似程度排序。

如果最近三年某个岗位录用的多是某几所学校、某个性别的候选人，模型会把这种分布当成「合适」的信号。2018 年，亚马逊曾公开停用一套招聘筛选工具，原因就是它对女性候选人的评分系统性偏低。

2026 年 8 月，据公开报道，谷歌旗下 DeepMind 的招聘团队建议候选人额外填一张表，绕开公司自己的自动筛选，理由是系统有概率误删好简历。做模型的人，对自己的筛选也不完全放心。

算法偏见比人的偏见更难发现，因为它外面包着一层「按分数排序」的外衣。

三、被筛掉的人，为什么需要一个理由

被机器筛掉的人，通常只会收到一句「与岗位不匹配」。这句话在过去是 HR 的客套，现在可能是一个系统分数。

国内今天没有专门针对 AI 招聘的法规，适用的仍是个人信息保护法。第二十四条规定，用自动化决策作出对个人权益有重大影响的决定，个人有权要求说明，也有权拒绝只由自动化决策作出的决定。

招聘结果直接影响就业，属于有重大影响的决定。这意味着，候选人问「为什么没过」，企业不能只回一句「系统判的」。

四、告知要放在投递之前

告知不是等候选人问了才说，而是在投递页就写清楚。

比较稳妥的做法是写三件事：简历会用自动化工具辅助筛选；筛选结果会由人复核；对结果有异议可以走哪个渠道。

这三句话不需要写成法律文本，但要让人看得见、点得到。很多企业把勾选框藏在隐私政策的长文里，候选人根本没读到，事后也很难证明自己告知过。

五、AI 可以排序，不能做最终否决

一个可执行的边界是：系统只输出推荐面试的名单和排序，淘汰动作由 HR 或用人部门确认。对排序中段的人，比如前 30% 到前 50% 这一段，抽一部分人工复看。

原因很简单。模型最擅长的是一致性，最不擅长的是识别不符合历史分布、但确实合适的人。

把「淘汰」这一步留给人，也是在留下一个能被追问的人。候选人追问时，企业能说清是谁看的、看了什么、为什么划掉。

六、偏见审计不是道德表态，是看通过率

按性别、年龄、院校、地域这些维度，分别统计进入面试的比例。如果某一组的通过率和其他组相差超过 10 个百分点，就停下来查原因。

有服务商建议把这个差距写成固定阈值，超过就人工校准模型。阈值可以自己定，但要有，而且要每个季度跑一次。

审计结果不用对外公开，但要留档。监管来查、候选人投诉，或者内部复盘，拿得出来的应该是表，不是印象。

七、简历里的敏感信息，先拿掉再看

简历里的很多信息，筛简历这一步根本用不到。

照片、性别、年龄、婚育、户籍，这些字段在初筛阶段可以先拿掉，让模型只看学校、专业、项目、技能这些与岗位相关的内容。行业里把这叫「盲筛」，做法并不新。

拿掉不是为了好看，是为了减少模型学到不该学的东西。等进入面试，需要这些信息时再由人来看，并且只在必要范围内使用。

八、落选简历留多久，要在告知里写清楚

常见做法是保留 6 个月，到期自动删除；如果候选人在此之前要求删除，要能删掉。

写 6 个月，就要真的在第 7 个月查不到；写「长期保存」，就等于给自己留了一个说不清的风险。

简历属于个人信息，保存期限、使用目的、访问权限都要有记录。谁能看、看过几次、导出过没有，这些日志在出事时比口头说明有用。

九、用了供应商的系统，责任不会跟着外包

美国平等就业机会委员会公开的指南里有一条：雇主采用第三方的算法筛选求职者，仍要评估歧视风险，责任不转移给软件商。

落到合同上，至少写四样：供应商提供验证报告和群体差异分析；提供可审计的日志；发生争议时配合说明；企业保留人工否决权。

只写「系统准确率 98%」不够。准确率是供应商在自己的样本上算的，跟你这家公司的岗位、候选人结构不是一回事。

十、面试环节的 AI 纪要，也受同一套规则约束

有的系统会录下视频面试，转写回答，给候选人打沟通、逻辑、稳定性之类的分。这些分数如果影响录用，就落进了同一套规则：要告知、要能解释、要有人复核。

录音录像还要单独取得同意。候选人不同意，不能因此直接扣分。

美国伊利诺伊州收紧了 AI 面试的告知要求；欧盟则把招聘筛选和用工管理里的 AI 系统列入高风险。出海招聘的企业，不能只看当地劳动法。

十一、出海招聘，几地规则要放在一张表里看

纽约市从 2023 年起要求，使用自动化招聘工具前做偏见审计，并把结果和 AI 的使用告知候选人。欧盟把招聘筛选列入高风险，配套义务分阶段适用，公开解读多在 2027 年前后。美国科罗拉多州的新规从 2027 年 1 月 1 日起，要求雇主做影响评估并通知应聘者。

这些规则细节不同，方向一致：先告知，再审计，最后把决定权留给人。

十二、小公司没有法务，先做三件事

第一件，投递页加一句告知，写清用了自动化工具、结果由人复核、有异议走哪个邮箱。

第二件，淘汰决定由人点确认，系统只给推荐名单。把这条写进招聘流程，不要只放在系统设置里。

第三件，落选简历定一个删除期限，到期自动清理，并把期限写进告知。

这三件事不花钱，但能把最容易出问题的三个点先堵上。

十三、怎么验：拿一批已知结果的简历回放

把最近一年招过的岗位拿出来，取已经被录用和已经被拒绝的简历各一部分，重新跑一遍筛选，看有多少合适的人被排在后面。这个比例叫漏选率，比供应商说的准确率更接近你的实际。

再留一个申诉入口，统计每个月有多少人问「为什么没过」、企业回了什么、有没有改判。数字不用对外，但要看趋势。

如果某个月申诉突然变多，先查模型或岗位要求是不是变了，别先怪候选人。

十四、这套做法跟站内几篇的分工

「测试环境用了生产数据，谁签字谁担责」讲的是数据怎么进测试环境；「客户要求删数据，删到什么程度才算删干净」讲的是删除动作怎么验证；「不满十万人，能少做哪几件合规事」讲的是小公司合规的取舍；「AI 应用被查，检查的人先看哪三样」讲的是监管检查的顺序。

这一篇只讲招聘这一段：机器看完简历之后，企业要留下哪三样东西。

十五、最后一条：机器可以省时间，不能省掉做最终决定的人

招聘的本质是判断一个人适不适合，这件事今天仍然需要人来承担后果。AI 可以把 500 份简历排成一份名单，但不能替企业解释为什么第 37 个人被划掉。

把告知写清楚，把复核留给人，把记录留下来。做到这三样，再用 AI 筛简历，才算是把效率拿到了手，而不是把风险挪到了看不见的地方。