AI招聘筛选在香港：法律边界与偏见风险

法律边界、偏见风险与实际做法

AI简历筛选工具的使用在香港企业中持续增长，其效率优势显而易见：处理大量申请的时间从数天压缩至数分钟。但这个效率优势伴随着两个在香港法律环境下需要正视的问题：现行反歧视法律如何适用于AI产生的筛选结果，以及当前AI工具已记录的系统性偏见问题。

香港法律框架下的AI招聘

香港《雇佣条例》（Cap. 57）目前未有针对算法招聘决策的具体条款。但《性别歧视条例》、《残疾歧视条例》、《种族歧视条例》与《家庭岗位歧视条例》均适用于招聘流程——包括使用AI工具的情况。

适用的法律原则是间接歧视：若AI筛选系统产生对受保护类别申请人不成比例的负面影响，即使系统设计中并未明确以受保护特征作为筛选条件，仍可能构成法律意义上的歧视。AI从历史招聘数据中学习的过程，可能导致系统内化历史决策中的偏见——若历史数据中某类职位主要由特定群体担任，模型可能对其他群体的申请人评分偏低。

香港立法会的研究指出，现有反歧视法律可能无法完整处理AI生成偏见的复杂性，相关法律回应尚在讨论中。

同一原则在保险核保中的应用，可参考香港保险业AI辅助核保：监管框架与实际部署现况。

已记录的偏见数据

现有研究对AI招聘工具的偏见问题提供了具体数据。华盛顿大学2024年研究发现，大型文本嵌入模型在简历筛选中，85.1%的情况下偏向白人相关姓名，对非裔男性申请人在高达100%的测试情况中处于不利地位。

香港大学与中国科学院2025年5月发布的研究测试了五种主要LLM，发现模型系统性地对女性候选人的评分存在差异，并对非裔男性候选人的评分低于白人男性候选人。这些研究直接针对招聘评分场景，结论对在港部署AI招聘工具的企业具有直接参考意义。

PDPO对候选人个人资料的要求

AI招聘流程涉及大量申请人个人资料的收集与处理。PDPO的资料收集通知要求适用——申请人须被告知其资料的收集目的。若个人资料被用于原收集目的以外的新用途（例如将旧申请数据用于AI模型训练），须取得资料当事人的明确同意。PCPD《人力资源管理实务守则》提供了招聘情境下的具体指引。

香港目前无强制披露要求

现行香港法律并无明确规定企业在使用AI进行招聘时须向申请人披露。PDPO的资料收集通知要求适用，但并非AI专属规定。这与部分欧洲司法管辖区（如欧盟AI法规要求对高风险AI系统进行透明度披露）有显著差距。在法规明确前，主动披露是合规风险管理的谨慎做法。

企业采用AI招聘工具的实际建议

模型部署前以本地实际申请数据进行偏见测试，而非单纯依赖工具供应商提供的通用准确率指标。保留人工复核环节，尤其在最终录用或拒绝决定的环节——AI筛选的功能是缩窄范围，而非替代判断。建立申请人申诉机制，使受AI筛选影响的申请人有途径要求人工审核。

求职者一方使用AI撰写申请材料的实际边界，可参考AI写求职信：结构优势与个性化盲点的实际边界。

小结

AI简历筛选在香港的法律框架尚未完整定义，但现有反歧视法律已提供基本约束。已记录的偏见问题是具体的，而非理论性的。采用AI招聘工具的企业，需在效率优势与偏见风险管理之间建立明确的制度设计，而非假设工具的“客观性”自动解决了人工筛选的偏见问题——实际数据显示两者的偏见模式不同，但均存在。