Talent Summoner向候選人
一份隱私審查指南：用白話說明 AI 推薦、保護機密細節，並讓人工審閱有人負責。
向候選人說明 AI 推薦時，用白話講清楚為什麼使用這個工具、它考量了哪些內容、它的輸出做了什麼，以及如何要求人工審閱。招募中的 AI 推薦，是根據輸入資料產生的訊號，用來協助人審閱候選人。它可能會推薦某個個人檔案、替你提供的履歷排序，或依照明訂的條件標出證據。
AI 推薦不是關於這個人的事實、不是資格的證明、不是對受保護特徵的推論、不是工作表現的預測，也不是雇用決定。這是一般性的教育資訊，不是法律建議。哪些規定和告知適用於你的組織，必須由合格的隱私、雇用法規和無障礙負責人決定。
AI 推薦支援的是什麼決定？
記錄這個系統是只整理資訊、建議人採取下一步，還是在沒有實質人為參與的情況下直接做出決定。2026 年 3 月 31 日發布的 ICO 求職者指引指出，求職者應該知道什麼時候使用了自動化決策、它可能如何影響一份應徵，以及如何要求人工審閱。不要把排序結果形容成「客觀」，也不要暗示排得比較後面就證明能力不足。
2016 年 4 月 27 日通過的 GDPR，在第 13 條和第 14 條規定了告知義務，並在第 22 條為某些完全自動化的決定設下保障。2018 年 5 月 25 日認可的 EDPB 自動化決策與剖析指引，以及它的 WP251 rev.01 清單頁面（指引最後修訂於 2018 年 2 月 6 日），都是實用的解釋參考。它們不能決定你的合法依據，也不能判定某個招募流程是否合規。
給候選人的 AI 推薦告知應該說什麼？
給候選人的告知應該回答五個實際的問題：
- 為什麼使用這個工具？
- 考量了哪些類別和來源的資料？
- 輸出在這個階段發揮了什麼作用？
- 它沒有做什麼？
- 候選人可以如何更正、提出異議或要求人工審閱？
用白話說明考量的因素。不要揭露密碼、資安控管措施、其他候選人的資料、機密的提示詞或專有的模型權重。說明目的、輸入、輸出扮演的角色、限制和後果，而不是把模型內部細節一股腦倒出來。
下面這份白話告知是一個虛構的起點範例，不是通用的法律告知：
我們使用了一個自動化工具，協助整理這個職缺的相關資訊。它考量了職缺要求，
以及你提供的、或我們從上述來源找到的專業資訊。它產出一項推薦，交由人工審閱；
它沒有決定你的應徵結果，也沒有預測你的工作表現。這些資訊可能不完整或已經過時。
如果你想知道我們使用了哪些資訊、想更正錯誤、要求人工審閱或提出疑慮，
請透過 [聯絡方式和無障礙管道] 與我們聯繫。依實際的資料、階段、後果、合法依據分析和司法管轄區調整措辭。如果招募人員審閱過輸出，就不要說「沒有人參與」；如果審閱人無法推翻、調查或記錄不同意見，也不要說這是實質的審閱。
如何檢驗資料品質、無障礙和公平性
每一項重要的輸入，都保留一份簡短的出處紀錄：來源、擷取日期、目的、負責人、存取群組和更正管道。把缺少出處、過時的個人檔案和語意不清的技能標記為限制。資料公開可見，不代表正確，也不代表可以重複使用或推論敏感資訊。把資料限縮在明訂的招募目的內。不要從姓名、照片、語言、學校、地點或模型輸出，推論健康狀況、身心障礙、族裔、宗教、年齡、家庭狀況或個性。
檢查告知內容和異議管道，是否適用於螢幕閱讀器、鍵盤使用者、縮放、對比、字幕和輔助科技。在需要時，提供對等的真人管道，以及翻譯版或白話版的選項。WCAG 2.2 是 2024 年 12 月 12 日發布的 W3C 推薦標準；它提供可以測試的指引，不是公平招募流程的認證。EEOC 2022 年 5 月 12 日的技術協助文件警告，演算法工具可能會把身心障礙者篩掉，並點出合理調整和醫療資訊方面的風險。公平需要與工作相關的條件、反歧視檢查、調整管道，以及有人負責的人工把關；光有說明，不能證明公平。
對說明紀錄套用隱私和資安控管。限制存取、驗證審閱人身分、記錄匯出、保護與候選人的溝通內容，並依目的設定保存期限回顧。記錄由誰處理更正、存取、反對、申訴和事故。2023 年 1 月 26 日發布的 NIST AI 風險管理框架 1.0 是自願採用的指引，用於治理、盤點、衡量和管理 AI 風險，不是法律上的核准，也不保證正確性。
說明送出之前，適用哪些放行關卡？
在審閱紀錄中使用這些狀態：
EVIDENCE（證據）：目的、輸入、來源日期、輸出角色、告知內容、負責人和版本都已記錄。
UNKNOWN（未知）：某個重要來源、限制、後果、無障礙檢查或聯絡管道尚未釐清。
HOLD（暫緩）：在顯示或採用這項推薦之前，必須由一位具名負責人解決 UNKNOWN。
STOP（停止）：當資料外洩、發現具歧視性的替代指標、管道不符合無障礙需求，
或沒有人能調查、推翻、更正並告知結果時，就圍堵這個流程。記錄版本或修訂 ID、模型或規則識別碼、職缺需求說明版本、輸入變更、審閱人、核准日期、下次回顧日期和事故歷史。重大變更或送錯對象的候選人紀錄，應該觸發圍堵、更正、在適當時與候選人溝通、回復到先前版本，以及一次標明日期的事後回顧。保留舊的說明和決策脈絡，讓之後的審閱人看得出候選人當時看到了什麼。
虛構範例：一筆平台工程師推薦
在這個虛構範例中，一位招募人員用工具整理一份平台工程師的履歷，以及一份標有日期的公開個人檔案。推薦內容提到了雲端經驗，但個人檔案已經更新，來源日期也不見了。隱私審閱人先標為 UNKNOWN（未知），再標為 HOLD（暫緩），直到出處、告知措辭和真人聯絡管道都確認為止。招募人員更正紀錄，說明輸出只是用來輔助審閱，並記錄一個由人做出的決定。後來，一份匯出檔中出現了無關的候選人文字；團隊標為 STOP（停止），限制存取、展開調查並記錄這起事故。這不是標竿，也不是招募結果。
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（於 2026 年 10 月 4 日查證）。人才搜尋從一份職缺需求說明開始，搜尋公開的專業來源，交給人審閱。候選人排序整理你提供的履歷，並用白話寫出理由。這個產品不會選定合法依據、不會管理權利請求或資料保存、不提供申訴管道、不會查證每一項說法、不會自動淘汰候選人，也不會做出雇用決定。給候選人看的說明，仍要由隱私和雇用法規負責人負責。
說明時需要揭露模型或它的訓練資料嗎？
不需要。提供關於目的、輸入類別、輸出角色、限制、後果和異議管道的有意義資訊。保護機密和其他人的資料；需要再提供哪些細節，由隱私負責人決定。
推薦是對工作表現的預測嗎？
不是。它是一個審閱訊號，綁定明訂的輸入和條件。它可能不完整或有錯，不能被呈現為保證、資格判定或最終的雇用決定。
推薦有錯時，候選人應該怎麼做？
候選人應該能透過清楚、無障礙的聯絡管道更正資訊、表達意見，並要求人工審閱。等隱私和雇用法規負責人確認後，寫明負責人、回覆流程和適用的權利。
接下來，選一個真實的推薦階段，根據它實際的輸入和後果起草告知內容，執行無障礙和反歧視檢查，並在下一輪招募之前取得隱私負責人的簽核。然後把核准的流程連結到人才搜尋和候選人排序，但不要承諾招募結果。
