隨著科技進步，網際網路與雲端技術應用，企業界看中大數據資料可提供的價值，相繼提出以大數據資料為主的商業模式與策略規劃。根據招聘公司Career Builder 2017 年調查結果，55%的人力資源經理表示將會在未來五年中採用AI，並將其作為日常工作中的工具。有大量招聘需求的公司將AI應用到招聘環節中，在招聘的時候先利用聊天機器人面試，並為求職者匹配合適的崗位，之後再進入下一輪面試。聊天機器人分析求職者的語調、眼神和回答的表情來判斷求職者是否對工作富有熱情，從而來幫助人資部門篩選求職者。

人資部門大數據會特別受到關注的原因之一，是人資部門總是面臨壓力，被要求加強分析能力。大數據技術的應用可讓人資部門用更科學方法與數據來證明其貢獻與價值。例如將AI應用在校園招聘中，採AI分析簡歷、推薦崗位，將求職者與「最適合」的部門進行匹配。或是根據網站上發佈的崗位消息，利用演算法為雇主提供求職者的排名。

當大數據分析應用漸趨普及的同時，有關運用大數據資料的可能風險，也逐漸受到重視。大數據分析應用可能產生風險，討論焦點多半集中在確保隱私及個資，與其相關去識別化之議題。除此之外，大數據應用可能帶來潛在的歧視議題，成為亦近期關注的焦點。大部分公司並沒有將AI放到具體的招聘決策環節之中，只是作為一個輔助工具。

在大數據應用可以改善人類生活條件的前景中，也同時創造了新的歧視風險。因此，如何在規範上適當處理根據大數據分析結果而「預先採行」差別待遇措施與巨量資料相關應用的規範省思引發的歧視現象，有效禁止人資部門基於當事人「未來可能出現」特定身心缺陷而予以差別待遇，並且有效禁止雇主不得基於大數據分析所得的基因資訊，採行歧視措施，是必須正視的規範難題。

在大數據的時代裡，現行法令關於身心障礙的定義恐怕已經不足以處理歧視問題。因為，現行法令的規範對象並未及於對「未來」身心障礙的預測，也就無法阻止人資部門透過大數據分析結果認定某些人可能因為其健康習慣、壓力測試、曝露於環境汙染或其他公害下等原因，因此會在未來出現身心障礙，並且以此為基礎做出人事安排的決定。

在大數據應用下，歧視被包裹在「技術中立」的外衣中。在普遍認為大數據應用的軟體和演算法是客觀的前提下，做決定的主體以大數據分析所得到的「預測」作為其決定的依據，忽視其中潛藏的歧視與偏見，做出的決定可能只是更加強化原本的歧視，所帶來的後果將更加嚴重。

技術是有可能帶有偏見的，可能是挑選的基數太少、使用數據不完整，或是演算法本身就有問題。將數據轉為資訊的演算系統並非萬無一失，他們依賴在不完美的輸入、邏輯、可能性以及設計這系統的人。運用大數據分析進行「預測」，藉以判斷某些類型的人可能「傾向」某些特定行為，但為什麼他們會有這樣的「傾向」，則需要更進一步縝密的分析與探討。

大數據分析與一般以為傳統的統計學有所不同。傳統統計學使用的數據是以精密設計挑選、符合母體特徵的樣本，藉以「推論」母體可能的情況。然而，大數據特性之一為「量」大，就是因為此一特性，分析者無法判斷所獲得的數據資料是否真正符合母體特性，獲得的數據資料即使量大但很有可能有許多偏差。即便最終使用大數據分析得到良好的預測結果，仍然無法得知完整因果關係的推論過程。

人資數據資料經常隱藏著中立客觀下的歧視。人資部門若運用大數據分析來預測員工的績效表現，大數據分析的結果指出學歷與服務年資是影響員工績效差異的顯著影響因素，低學歷的員工將受到更多限制，這使得人資部門在一開始招聘新員工時傾向拒絕低學歷的應聘者。就結果看來，似乎會讓人以為低學歷員工的能力不足，但低學歷員工離職的真正原因多半是缺乏更多表現的機會，而非學歷低。人資部門運用大數據分析卻忽略其中的因果關係，最終造成對低學歷員工的歧視性結果。

人資數據資料的特性，會對分析造成一些獨特的限制。例如多國籍公司不能同時檢視在不同國家裡員工的數據資料。如果分析員工資料可能會揭露對受保護群體可能有的不利影響，例如，若某單位的女性員工薪酬普遍比男性低，就會引發公司管理階層必須回應。人資部門必須謹慎，不能把人資數據交給不了解這些限制的其他部門。

大數據可能帶來更多的監控，或因資料本身的錯誤造成分析結果的不正確 性，但卻對大數據的分析結果盲目相信。大數據本身並沒有資安問題，問題在人資部門應用資料的方式。大數據可能使得過去許多保護隱私的方式失效，造成個資外洩的隱憂。人資部門將個資保護由個人同意制轉換成資料使用者的使用責任制。在運用巨量資料進行預測時，人資部門要尊重每一個人的獨特性。對巨量資料進行有效且公正的管理。推動巨量資料時代必須循正軌前進。相信透過適當的資料管理措施，對於員工權益的保障有所幫助，更對人資部門的貢獻有明顯的提升。

(本文作者：龐寶璽_國立中央大學人力資源管理研究所博士)