AI Merentasi Kitaran Hayat Pekerja: Kes Penggunaan dari Pengambilan hingga Perletakan Jawatan

Oleh Kevin Kim · Dikemas kini 11 Oktober 2026

Menggunakan AI merentasi kitaran hayat pekerja bermaksud menerapkannya pada setiap peringkat tempoh seseorang bersama syarikat anda (menarik, mengambil, orientasi, membangun, mengekalkan dan keluar), dan peringkat-peringkat ini tidak sama selamat. AI yang menyediakan draf iklan jawatan atau menjawab soalan tentang faedah membawa risiko yang kecil. AI yang meletakkan calon pada kedudukan atau menandakan orang untuk penamatan memberi kesan kepada punca rezeki seseorang, dan di situlah undang-undang serta potensi bias tertumpu. Kemahiran praktikal bagi pemimpin sumber manusia bukanlah mencari setiap kes penggunaan yang mungkin. Ia ialah mengetahui peringkat mana yang perlu diautomasikan sepenuhnya, mana yang cukup dibantu secara ringan, dan mana yang mesti kekal di tangan manusia.

Panduan ini ditujukan kepada CHRO, pengarah sumber manusia dan pengurus sumber manusia yang memerlukan peta tentang di mana AI sesuai, data yang diperlukan oleh setiap penggunaan, dan cara menyusun urutan kerjanya. Untuk gambaran yang lebih luas, mulakan dengan panduan utama, AI dalam HR. Untuk katalog pelaksanaan ejen yang khusus, lihat ejen AI untuk HR; artikel ini tidak mengulangi senarai itu. Sebaliknya, ia menyusun pemikiran berdasarkan risiko.

Fakta Utama

• EU AI Act mengelaskan sistem AI yang digunakan untuk pengambilan atau pemilihan pekerja (termasuk menyasarkan iklan jawatan, menapis permohonan dan menilai calon) sebagai berisiko tinggi di bawah Annex III, perkara 4(a) (AI Act Annex III).
• Entri Annex III yang sama meliputi AI yang mempengaruhi terma hubungan kerja, termasuk keputusan kenaikan pangkat dan penamatan, pengagihan tugas berdasarkan tingkah laku atau ciri peribadi, serta pemantauan dan penilaian prestasi (AI Act Annex III).
• AI Act melarang sistem AI yang membuat kesimpulan tentang emosi seseorang di tempat kerja, kecuali bagi tujuan perubatan atau keselamatan (AI Act Article 5).
• Local Law 144 di New York City melarang majikan menggunakan alat keputusan pekerjaan automatik melainkan alat itu telah melalui audit bias dalam tempoh satu tahun sebelum digunakan, dan DCWP mula menguatkuasakannya pada 5 Julai 2023 (NYC DCWP).
• Di bawah GDPR Article 22, setiap orang berhak untuk tidak tertakluk kepada keputusan yang berasaskan pemprosesan automatik semata-mata, termasuk pemprofilan, apabila ia menghasilkan kesan undang-undang atau kesan penting yang setara (GDPR, Regulation (EU) 2016/679).

Mengapa Kitaran Hayat Ialah Sudut Pandang yang Tepat

Kebanyakan pasukan sumber manusia berjumpa AI sebagai senarai alat: chatbot di sini, produk saringan di sana, penganalisis tinjauan di tempat lain. Rangka ini menyembunyikan perkara yang paling penting, iaitu bahawa akibatnya berbeza mengikut peringkat. Model yang meringkaskan maklum balas orientasi dan model yang menskor pemohon jawatan mungkin menggunakan teknologi yang serupa, tetapi kos jawapan yang salah jauh berbeza.

Kitaran hayat memberi anda cara untuk bertanya tiga soalan tentang mana-mana penggunaan yang dicadangkan:

1. Keputusan apakah yang disentuhnya? Adakah ia maklumat (menjawab soalan), cadangan (mencadangkan siapa yang akan ditemu duga), atau keputusan (menolak seseorang)?
2. Siapa yang terkesan, dan bolehkah mereka membantah? Pekerja yang mendapat jawapan salah daripada chatbot dasar boleh bertanya semula. Calon yang ditapis keluar secara senyap lazimnya tidak boleh.
3. Apakah data yang diperlukan, dan adakah anda memilikinya dalam bentuk yang boleh digunakan? Dalam praktik, inilah kekangan sebenar, bukan model.

Ketiga-tiga soalan ini menerangkan corak risiko dalam jadual di bawah. Ia juga berkait dengan idea yang lebih luas tentang pengutamaan kes penggunaan AI: pilih dahulu kerja yang nilainya tinggi dan kos kesilapannya rendah.

Peta Kitaran Hayat: Kes Penggunaan, Data dan Risiko

Jadual ini memetakan penggunaan yang mewakili setiap peringkat. Ia tidak menyeluruh, dan penilaian risiko menggambarkan kes yang lazim. Pelaksanaan yang ditadbir dengan baik boleh merendahkan risiko sesuatu penggunaan, dan pelaksanaan yang cuai boleh meningkatkannya.

Tiga perkara menonjol apabila anda membaca ke bawah lajur risiko. Risiko tertumpu pada dua titik di mana syarikat membuat keputusan penting tentang seseorang: sama ada hendak mengambilnya dan sama ada hendak menamatkan hubungan kerja. Ia juga meningkat di mana sahaja ramalan tentang individu (siapa yang mungkin berhenti, siapa yang mungkin berprestasi) bertukar menjadi tindakan. Dan peringkat yang sunyi, iaitu orientasi dan bahagian analitik proses keluar, ialah tempat pulangan paling selamat berada.

Mengapa Risiko Berbeza Begitu Ketara Mengikut Peringkat

Pengambilan dan penamatan ialah hujung yang dikawal selia

Pengawal selia telah menarik garis mereka di tempat yang sama. Di bawah EU AI Act, Annex III perkara 4 menyenaraikan sistem AI yang digunakan untuk pengambilan dan pemilihan (termasuk menyasarkan iklan jawatan, menganalisis dan menapis permohonan, serta menilai calon) dan sistem AI yang digunakan untuk membuat keputusan yang menjejaskan terma hubungan kerja, termasuk kenaikan pangkat dan penamatan, pengagihan tugas berdasarkan tingkah laku atau ciri peribadi, serta pemantauan dan penilaian prestasi (AI Act Annex III). Sistem dalam senarai itu dikelaskan sebagai berisiko tinggi, yang membawa obligasi berkaitan pengurusan risiko, kualiti data, dokumentasi, pengawasan manusia dan banyak lagi. Jika anda beroperasi di EU atau mengambil pekerja dari sana, pasukan undang-undang anda perlu tahu alat anda yang mana termasuk dalam kategori tersebut. Memandangkan garis masa pemakaian obligasi ini telah dipinda, tanyakan tarikh semasa kepada penasihat undang-undang dan jangan bergantung pada ringkasan lama.

Keadaan di Amerika Syarikat ialah tampalan pelbagai peraturan dan bukan satu undang-undang tunggal, tetapi peringkat yang sama menarik perhatian. Local Law 144 di New York City meliputi alat keputusan pekerjaan automatik yang digunakan untuk pengambilan dan kenaikan pangkat. Majikan tidak boleh menggunakan alat sedemikian melainkan ia telah melalui audit bias dalam tempoh satu tahun sebelum digunakan, maklumat tentang audit mesti tersedia kepada umum, dan calon serta pekerja mesti menerima notis, yang menurut panduan DCWP mesti diberikan 10 hari bekerja sebelum alat itu digunakan (NYC DCWP). Bidang kuasa lain mempunyai peraturan sendiri tentang temu duga video, data biometrik dan keputusan automatik, jadi alat yang tidak bermasalah di satu pejabat boleh menjadi masalah di pejabat lain.

Kemudian ada perlindungan data. GDPR memberi orang hak untuk tidak tertakluk kepada keputusan yang berasaskan pemprosesan automatik semata-mata, termasuk pemprofilan, apabila ia menghasilkan kesan undang-undang atau kesan penting yang setara ke atas mereka (GDPR Article 22). Penolakan atau pemecatan jelas termasuk kesan yang penting. Inilah satu sebab mengapa seorang manusia sebenar mesti terlibat dalam keputusan ini, seperti yang dibincangkan dalam reka bentuk human-in-the-loop.

Risiko bias paling tinggi apabila sejarah menjadi data latihan

Model pengambilan belajar daripada siapa yang diambil dan dinaikkan pangkat oleh syarikat anda pada masa lalu. Jika sejarah itu mencerminkan keputusan yang berat sebelah, model boleh mengulanginya pada skala besar, secara senyap dan konsisten. Inilah teras bias dalam AI, dan inilah sebab peringkat saringan wajar diteliti lebih daripada chatbot dasar. Ia juga sebab keperluan audit seperti di New York City wujud: dakwaan bahawa "alat ini objektif" mesti diuji, bukan diandaikan.

Sesetengah penggunaan tidak dibenarkan langsung

AI Act melangkaui pengawalseliaan pengecaman emosi di tempat kerja: Article 5 melarang sistem AI yang membuat kesimpulan tentang emosi seseorang di tempat kerja, dengan pengecualian bagi sebab perubatan atau keselamatan (AI Act Article 5). Alat yang mendakwa dapat membaca sentimen calon atau pekerja daripada ekspresi muka atau nada suara, sebagai contoh, memerlukan semakan undang-undang yang sangat teliti sebelum ia dibawa dekat dengan temu duga atau mesyuarat pasukan. Analisis berasaskan teks terhadap komen tinjauan adalah perkara yang berbeza, tetapi garis antara "menganalisis apa yang orang tulis" dengan "membuat kesimpulan tentang perasaan mereka daripada rupa atau bunyi mereka" ialah garis yang perlu diperhatikan.

Taruhan dan kebolehbalikan

Di luar undang-undang, ada ujian pengurusan yang lebih mudah: sejauh mana mudah kesilapan itu dikesan dan dibatalkan? Jawapan salah dalam sembang orientasi dibetulkan dalam mesej seterusnya. Calon yang ditolak secara tidak adil tidak akan memberitahu anda. Pekerja yang ditandakan secara salah mungkin disingkirkan sebelum sesiapa menyemak tanda itu. Semakin kurang kelihatan dan semakin sukar dibalikkan sesuatu kesilapan, semakin banyak semakan manusia yang diperlukan.

Panduan Mengikut Peringkat

Menarik

Mulakan dengan bahagian kandungan. Menyediakan draf huraian tugas, menulis semula dalam bahasa mudah, dan menghasilkan teks halaman kerjaya khusus peranan ialah tugas generatif dengan penyunting manusia dalam kitaran. Semak output untuk perkataan yang berat sebelah atau mengecualikan, dan pastikan setiap syarat yang disenaraikan memang syarat sebenar. Bahagian yang lebih berisiko ialah penyasaran dan sourcing: jika alat menentukan siapa yang melihat iklan jawatan atau siapa yang didekati, anda telah memasuki wilayah pemilihan yang diambil berat oleh peraturan, walaupun ia terasa seperti pemasaran.

Mengambil

Inilah peringkat dengan paling banyak tawaran vendor dan pendedahan terbesar. Pendekatan yang berkesan memisahkan bantuan daripada keputusan. Gunakan AI untuk logistik (penjadualan, kemas kini status kepada calon, menghuraikan resume ke dalam format yang konsisten) dan untuk menyediakan draf panduan temu duga berstruktur. Jauh lebih berhati-hatilah dengan penyusunan kedudukan dan penolakan. Jika anda menggunakan alat saringan, seorang manusia harus menyemak calon yang disenaraikan lebih rendah, bukan hanya yang teratas, dan anda harus dapat menerangkan mengapa seseorang calon ditapis. Lihat AI yang boleh dijelaskan untuk maksud sebenarnya dalam praktik.

Orientasi

Orientasi ialah peringkat berisiko paling rendah dan pulangan paling pantas bagi kebanyakan pasukan. Pembantu menjawab soalan berdasarkan buku panduan dan dasar anda, enjin senarai semak yang mengingatkan pengurus dan IT, serta laluan pembelajaran mengikut peranan semuanya bergantung pada maklumat yang sudah anda miliki. Risiko utamanya ialah ketepatan: pembantu yang menyatakan dasar cuti dengan salah secara yakin mencipta masalah sebenar. Asaskan ia pada dokumen dasar semasa, tunjukkan sumbernya, dan hantar apa-apa yang kabur kepada seorang manusia.

Membangun

Inferens kemahiran, cadangan pembelajaran dan pemadanan mobiliti dalaman boleh membantu pekerja melihat laluan yang tidak mereka ketahui wujud. Semuanya bergantung pada data kemahiran yang baik, yang kebanyakan syarikat tidak miliki dalam bentuk yang kemas. Risiko meningkat apabila output ini secara senyap membentuk siapa yang dinaikkan pangkat atau diberi projek mencabar. Jika cadangan pembangunan menjadi tapisan, perlakukan ia seperti alat pemilihan: auditkan, dan pastikan seorang manusia kekal bertanggungjawab.

Mengekalkan

Ramalan pusing ganti ialah kes penggunaan yang paling digemari eksekutif dan paling wajar didekati dengan berhati-hati. Model yang menandakan pekerja yang mungkin berhenti ialah aplikasi people analytics pada data sensitif, dan bahayanya terletak pada apa yang berlaku seterusnya. Menggunakan output untuk memberi pengurus petunjuk perbualan di peringkat pasukan adalah satu perkara. Menggunakannya untuk menahan kenaikan gaji atau projek daripada individu yang ditandakan sebagai flight risk adalah perkara lain, dan berkemungkinan tidak adil. Agregatkan sebelum bertindak, elakkan label individu, dan berterus terang dengan pekerja tentang apa yang dianalisis. Analisis teks tinjauan penglibatan dan penanda aras pampasan lebih selamat, kerana ia berfungsi pada peringkat kumpulan.

Keluar

Pecahkan peringkat ini kepada dua. Bahagian analitik (mencari tema dalam temu duga keluar, menjejaki sebab orang pergi mengikut pasukan atau tempoh perkhidmatan, menangkap pengetahuan sebelum seseorang berlepas) berisiko rendah dan sering bernilai. Bahagian keputusan tidak begitu. Mana-mana AI yang menskor, menandakan atau menyusun kedudukan pekerja berdasarkan prestasi atau tingkah laku, di mana outputnya memberi input kepada penamatan, berada dalam kategori berisiko tinggi yang diterangkan di atas. Kekalkan keputusan dengan seorang manusia yang dinamakan, yang menyemak fakta asas, boleh menerangkannya, dan mendokumenkan alasannya.

Cara Mengutamakan Peringkat: Langkah demi Langkah

Anda tidak perlu melaksanakan AI merentasi seluruh kitaran hayat sekali gus, dan anda tidak sepatutnya berbuat demikian. Urutan yang berkesan untuk kebanyakan pasukan sumber manusia:

1. Senaraikan penggunaan semasa, termasuk yang tidak rasmi. Tanya setiap pasukan sumber manusia dan pengurus pengambilan alat AI yang sudah mereka gunakan. Perekrut yang menampal resume ke dalam chatbot awam ialah kejutan yang biasa. Inilah masalah yang lazimnya dipanggil shadow AI.
2. Letakkan setiap penggunaan pada peta. Susun setiap satu mengikut peringkat kitaran hayat dan sama ada ia memaklumkan, mencadangkan atau memutuskan.
3. Skorkan setiap satu pada nilai dan risiko. Gunakan jadual di atas sebagai titik permulaan. Nilai ialah jam yang dijimatkan atau kesilapan yang dielakkan. Risiko ialah kos output yang salah didarab dengan betapa sukarnya ia dikesan.
4. Mulakan di mana nilai tinggi dan risiko rendah. Bagi kebanyakan pasukan, itu ialah bantuan orientasi, penyediaan draf iklan jawatan dan komunikasi, penjadualan, serta analisis tema temu duga keluar.
5. Semak kesediaan data sebelum membeli. Bagi setiap calon penggunaan, pastikan anda mempunyai input yang disenaraikan dalam jadual dalam bentuk yang boleh digunakan dan tepat, dan anda berhak menggunakannya untuk tujuan ini. Panduan asas data HR mempunyai senarai semak kesediaan.
6. Tetapkan peraturan semakan manusia untuk apa-apa yang menyentuh keputusan. Tuliskan siapa yang menyemak, apa yang mereka lihat, dan apa yang boleh mereka batalkan. Rekodkannya.
7. Jalankan projek rintis yang sempit dan ukur berbanding garis dasar. Pilih satu pasukan, satu peringkat, beberapa minggu. Ukur masa yang dijimatkan dan kadar kesilapan, dan untuk pengambilan, semak hasil mengikut kumpulan.
8. Beralih ke peringkat berisiko lebih tinggi pada akhir, dengan tadbir urus yang sedia ada. Pada ketika itu anda akan mempunyai rekod prestasi, pemilik dan proses. Artikel tadbir urus AI menerangkan apa yang termasuk dalam struktur itu.

Kesilapan Lazim

• Membeli "suite" dan menghidupkan semuanya. Vendor menggabungkan ciri berisiko rendah dan berisiko tinggi. Aktifkan yang selamat dahulu dan biarkan saringan serta pemarkahan dimatikan sehingga anda menilainya.
• Menganggap vendor menanggung liabiliti. Anggaplah majikan yang menggunakan alat itu bertanggungjawab atas hasilnya. Minta keputusan audit bias, dokumentasi dan terma penggunaan data sebelum menandatangani.
• Menganggap ramalan sebagai fakta. Skor pusing ganti atau kedudukan calon ialah kebarangkalian berdasarkan corak lepas. Ia petunjuk untuk perbualan manusia, bukan hukuman.
• Mengabaikan pekerja dan calon. Di mana undang-undang menghendaki notis, berikanlah. Di mana tidak, beritahu juga. Kejutan menghakis kepercayaan lebih cepat daripada masa yang dijimatkan oleh alat itu.
• Tidak mengendahkan data yang anda masukkan. Menampal data peribadi calon atau pekerja ke dalam alat serba guna boleh melanggar obligasi privasi dan dasar anda sendiri.
• Mengukur kelajuan sahaja. Proses saringan yang lebih pantas tetapi mempersempit kumpulan calon secara tidak adil bukanlah kemenangan. Jejaki kualiti dan keadilan bersama masa.
• Melupakan sisi perubahan. Pengurus yang tidak memahami alat sama ada mengabaikannya atau terlalu mempercayainya. Peruntukkan bajet untuk latihan.

Menggabungkan Semuanya

Jika anda hanya mengingat satu perkara, ingatlah ini: risiko mengikut keputusan, bukan teknologi. Model bahasa yang sama boleh berada dengan selamat di belakang pembantu orientasi dan dengan bahaya di belakang e-mel penolakan. Petakan penggunaan anda kepada kitaran hayat, letakkan usaha pertama anda di tempat kesilapan murah dan kelihatan, dan capailah keputusan pengambilan serta penamatan melalui audit, dokumentasi dan akauntabiliti manusia. Urutan itu juga cenderung memberi kejayaan paling pantas, kerana peringkat berisiko rendah ialah tempat kerja berulang yang boleh dijawab berada.