站内正文
详细内容
这里展示站内保存的新闻正文，支持划线和批注；需要核对来源时，可以打开原始报道。
人工智能与机器学习 合规与政策 嘉宾观点
作者：Marc Rodriguez 日期：2026年6月1日
分享文章：Facebook Twitter LinkedIn
Marc Rodriguez Marc Rodriguez是Green Leaf Business Solutions的联合创始人兼CEO，该公司是为大麻行业提供薪资和HR服务的领先提供商。凭借十多年的行业经验以及在Paychex和2020 Companies的HR解决方案和销售领导背景，Marc帮助组织在加强人员运营的同时应对复杂的监管环境。在他的领导下，Green Leaf被Inc.评为2025年太平洋地区增长最快的私营公司之一。
在过去一年中，我关于HR中AI的对话比几乎任何其他话题都多。最让我印象深刻的不是对技术的恐惧。事实上，大多数高级HR领导者已经在某种程度上使用它，无论是在招聘平台、绩效系统还是分析仪表板中。有些情况下，它是有意引入的；而在其他情况下，它是通过软件更新几乎一夜之间添加新功能而出现的。
共同点是：采用速度超过了治理速度。
这在商业中并不罕见。技术长期以来一直比治理它的规则发展得更快，所以这部分并不令人惊讶。让我担忧的是AI现在直接触及雇佣决策。这不仅仅是后台自动化；这些工具影响招聘选择、塑造晋升路径，并最终影响对绩效的理解。
在许多组织中，这些工具是为了解决实际运营挑战而实施的。招聘团队不堪重负。经理想要更好的数据。高管期望更快的洞察。AI绝对可以支持这些努力，效率提升是实实在在的。但在许多情况下，滞后的是对这些工具如何使用的清晰监督。
另见： 弥合治理差距是无边界组织的下一个重大挑战
谁掌握钥匙？AI驱动决策中的问责制
我经常问HR领导者一些简单的问题：谁拥有你们人事职能中的AI工具？谁验证输出？如果员工质疑受算法影响的决策，谁负责解释？
在HR层面，这些问题并非理论性的。在实践中，HR是首先感受到影响的职能。它处于新技术、监管压力和劳动力之间。一旦AI成为招聘或晋升决策的一部分，模糊的所有权就会造成真正的紧张。监管机构的监督正在加强，员工希望了解这些系统如何影响机会。当验证是非正式或不清楚时，就会产生不平等的后果，领导层的信心也会减弱。
HR处于数字工具、法律责任和员工期望的十字路口，这就是为什么这些问题分量很重。当AI在招聘或绩效决策中发挥作用时，模糊的所有权不仅仅是治理问题。监管关注度正在增长，员工明白数据现在塑造机会。如果没有人明确负责验证和解释，不平等的结果和信任度下降是可以预见的。所有权和监管确保AI在关键人事职能中不是作为黑箱运作，而是作为一个受控的工具，具有透明的监督和明确的责任。
当技术塑造雇佣结果时，问责制不能完全放在HR之外。一些公司认为，因为IT管理基础设施，AI治理也应在那里。其他公司严重依赖供应商，并相信合规性已内置在产品中。这两种方法都留下了盲点。当治理完全存在于IT部门时，讨论往往围绕性能指标和安全协议，而对雇佣决策的影响则受到较少的关注。依赖供应商则产生另一个问题。组织可能永远无法真正了解模型是如何构建的、哪些数据塑造了结果以及这些系统多久被审查一次。盲点是HR、法律和领导层之间缺乏对自动化工具如何影响真实员工职业生涯的共同问责。
法律环境也在发展中。某些州已开始实施招聘自动化的规则。联邦当局表明算法偏见不会不受约束。与此同时，许多公司已经在多个工作流程层中使用AI工具。这种差距造成了风险。它可能意味着与自动筛选相关的歧视索赔、对偏见结果的监管调查，或在投诉出现后发起的昂贵内部审计。当员工对决策方式失去信心时，也可能意味着声誉损害。实际上，风险并非理论上的。它是法律风险、财务成本以及劳动力内部信任的显著侵蚀。
受监管行业的经验：责任不能自动化
多年来，我与高度监管环境中的公司合作。一个一致的教训是，监管机构很少接受“软件做的”作为辩护。如果自动筛选工具不成比例地过滤掉某些候选人，组织仍然要负责。如果绩效建议依赖于有缺陷的历史数据，领导层不能将责任转移给算法。
还有内部影响。将AI引入评估或规划过程增加了透明度的重要性。当组织清楚地概述技术如何被使用以及人类判断在哪些方面仍处于中心地位时，它加强了理解并支持稳定的工作环境。
整合AI而不失去控制
这并不意味着AI应该被边缘化。事实上，我相信HR可以从AI中受益，但需要主动管理风险。
（原文后续内容缺失，此处仅翻译提供部分）