在人口統計資料上不越界的 DEI 指標

想用多元、公平與共融（DEI）指標，又不在人口統計資料上越界，就從一個流程問題開始，只蒐集有正當理由的資料，並讓人工解讀有人負責。DEI 指標可以幫小團隊找出招募流程中的卡點，但一張人口統計圖表不是對人的評判，也不能證明公平。這是一般性的教育資訊，不是法律建議。蒐集和使用的規定因司法管轄區而異；請向合格的顧問確認你所處的情境。

一個 DEI 指標應該回答什麼問題？

在索取人口統計資料之前，先寫下決策問題。寫明職缺、流程版本、階段、計算單位、結果和負責人。舉個例子（虛構）：「在 5 月到 7 月的面試梯次中，同一套面試邀約流程，是否讓各個自願填報的群體獲得相當的機會？」這比問哪個群體最好，或某個人夠不夠多元，範圍要窄得多。

2007 年 6 月 6 日發布的 OPM 評量決策指南，把評量內容連結到工作分析和證據。2007 年 12 月 1 日發布的 EEOC 就業測驗與甄選流程指引是美國的指引，不是放諸四海皆準的法律檢驗標準。兩者都只能當作設計參考，不代表你可以蒐集資料。

小團隊什麼時候該蒐集人口統計資料？

先記錄目的、合法依據或其他適用的蒐集條件、告知內容、存取角色、保存期限和刪除負責人。如果設計上是讓人自行填報，參與就應該出於自願，不能施壓要人揭露。把自願填報、未知、不適用，以及在適當情況下的不願透露，設成彼此獨立的狀態。如果沒人知道空白代表什麼，空白就不是中性的。

絕對不要從姓名、照片、郵遞區號、學校、口音、語言、公開個人檔案或模型輸出推論敏感特徵。替代指標可能暴露某個人，卻仍然回答不了問題。

在可行的範圍內，把身分紀錄和分析紀錄分開，限制存取、記錄出處，並把副本減到最少。採用適當的身分驗證、稽核存取紀錄，在適用時保護傳輸中和儲存中的資料，並訂好事故處理和圍堵的路徑。2024 年 11 月 6 日發布的 ICO 對 AI 輔助招募的考量，討論了目的、透明度、最小化、責任分工和影響評估。實施之前，請重新查核適用的指引。

如何讓 DEI 指標可以重現

每個結果旁邊，都要保留樣本規則、分母和時間範圍。寫清楚一列代表的是一個人、一份應徵、一份履歷、一場面試還是一份錄取通知；重複、撤回和轉調的紀錄如何處理；以及紀錄要到什麼時候才算成熟、可以納入這個梯次。比率要和人數一起報告。即使未知和不適用的紀錄被排除在子群體比率之外，也要讓它們保持可見。如果分母無法重建，就把結果標為 UNKNOWN（未知）。

人數很少的格子需要保護。如果公開結果可能認出某個人，就要隱藏或合併，尤其是在結合了職缺、地點、階段或交叉屬性之後。彙總可以降低風險，但不保證匿名：罕見的組合、重複發布或差分比對，都可能洩露資訊。套用一條隱藏規則、審查再識別風險、控管匯出，並設定保存和刪除日期。不要用一個看起來很有把握的百分比，取代一個不穩定的結果。

交叉分析可以揭露被整體平均掩蓋的障礙，但維度越多，格子越小，揭露風險也越高。只有在交叉分析能回答事先定義的問題、資料足夠，而且隱私負責人核准時，才把它加進來。否則就把這個缺口記為 UNKNOWN（未知），而不是當成沒有差距的證據。

如何解讀 DEI 指標而不過度推論

把指標當成關於某個明確定義流程的訊號，而不是因果解釋、個人標籤、標竿或預測。不要說某個群體造成了某個結果、某個替代指標能衡量身分認同，或某個比率證明了公平。抽樣誤差、資料缺漏、審閱人分派、職缺要求、無障礙方面的阻礙和門檻變動，都可能影響比較。

檢查產生這個結果之前，人們需要經歷什麼樣的流程體驗。WCAG 2.2 於 2023 年 10 月 5 日首次成為 W3C 推薦標準，目前的版本日期為 2024 年 12 月 12 日；在解讀結果之前，鍵盤操作、焦點、對比、縮放、時間限制和對等的替代管道都可能有影響。更無障礙的流程可能會改變誰能參與，所以要保留流程版本並審視這項改變，而不是把它當成雜訊。

使用一份人工審閱紀錄，寫明來源、定義、人數、不確定性、其他可能的解釋和行動負責人。2023 年 1 月 26 日發布的 NIST AI 風險管理框架 1.0，提供一套自願採用的治理（Govern）、盤點（Map）、衡量（Measure）和管理（Manage）架構。它不是認證，也不是招募決定。

DEI 指標適用哪些關卡和矯正行動？

EVIDENCE（證據）：目的、核准欄位、梯次、分母、時間範圍和來源都已記錄。
UNKNOWN（未知）：資料缺漏、子群體的意義、樣本成熟度或其他可能的解釋尚未釐清。
HOLD（暫緩）：使用之前，必須先解決某個隱私、無障礙、蒐集、不確定性或負責人的問題。
STOP（停止）：出現未經核准的替代指標、外洩的紀錄、強迫蒐集、不安全的發布或自動化決定，必須立即圍堵。

矯正行動可以是：

修正告知內容；
更換不符合無障礙需求的評量管道；
修訂與工作相關的條件；
重新調整審閱人的訓練；
延長一個已成熟的梯次；
暫停發布某次結果；或
在流程改變後，用相同的定義重新計算。

保留原始結果和變更原因。一次矯正，不能證明之後的每個結果都會公平。

虛構範例：五人團隊的面試邀約

在這個虛構範例中，一個五人團隊檢視同一個職缺版本下 60 筆已成熟的面試邀約。其中 20 筆有自願填報的群體值，30 筆是 UNKNOWN（未知），另外 10 筆是不適用，因為較早版本的表單沒有這個選填問題。團隊沒有拿這 20 筆和其他所有人比較，也沒有推論缺漏的值。團隊把它標為 HOLD（暫緩），檢查告知內容和表單版本、測試無障礙，並詢問隱私負責人，彙總後發布是否安全。修正之後，團隊可以發布一個經過隱藏處理、限定範圍的流程訊號，並附上人數和不確定性。這個範例不是標竿。

Talent Summoner 適合放在哪裡

Talent Summoner 是我們的產品，提供 AI 人才搜尋、履歷排序，以及從你連結的 Gmail、Outlook 或 LinkedIn 帳號送出、由你逐則審閱並確認寄出的主動聯繫。人才搜尋從一份職缺需求說明開始，搜尋公開的專業來源；候選人排序則整理你提供的履歷，交給人審閱（兩個頁面皆於 2026 年 9 月 28 日查證）。我們的產品不會蒐集或驗證人口統計屬性、不會選定合法依據、不會計算你的 DEI 指標、不會測試 WCAG 符合性、不會確立合規，也不會自動淘汰候選人。定義、隱私控管和決定，都由你的團隊負責。

小團隊應該為每個招募指標都蒐集人口統計資料嗎？

不應該。先定義決策問題，只蒐集有核准目的、告知內容、存取規則和保存計畫的資料。如果這些條件還沒準備好，就把問題標為 HOLD（暫緩），而不是預設就蒐集。

人口統計值是未知時，應該代表什麼？

未知值應該維持為獨立的狀態：把未知、自願填報、不適用，以及任何經核准的未回應狀態彼此分開。不要推論屬性，也不要悄悄把這筆紀錄從總數中拿掉。如果分母或缺漏的模式不清楚，就標為 UNKNOWN（未知）。

DEI 指標能證明招募流程是公平的嗎？

不能。它描述的是在明訂假設下的一個特定梯次。它本身無法確立因果關係、法規遵循、公平性、未來表現或標竿。

團隊什麼時候應該隱藏結果？

當某個格子或組合可能暴露某個人時，就隱藏結果，尤其是在多次發布，或與其他欄位結合之後。採用有書面記錄的規則，並讓經授權的審閱負責人看得到被隱藏的結果和原因。

Talent Summoner 有提供 DEI 分析嗎？

沒有。Talent Summoner 的人才搜尋和候選人排序流程，不會建立或驗證人口統計指標。它們支援人工審閱公開來源或你提供的候選人資料；衡量和決定必須由你經授權的團隊負責。

選一個職缺、一個階段和一個標明日期的流程版本。在使用任何人口統計比較之前，先完成目的、分母、隱私和停止條件的紀錄；然後只把人才搜尋或候選人排序用在另外獨立的人工審閱流程上。