人工智慧應不應該被用於招聘過程？

開場陳詞

正方開場陳詞

各位評審、對方辯友，大家好。

今天我們討論的，不只是「要不要用AI招人」，而是一個更深的問題：我們是否願意讓招聘，從一場充滿偏見與偶然的抽獎，走向一個更公平、更科學、更人性化的新時代？

我方主張：人工智慧「應該」被用於招聘過程。這不是擁抱科技的浪漫，而是對現行制度的一次理性救贖。

第一，AI能打破「玻璃履歷」的桎梏，實現人才的民主化。
你有沒有想過，一份履歷被看到的機會，往往取決於你的姓氏、學校、甚至照片？研究顯示，同樣履歷換個名字，回覆率差了40%。而AI，只要設計得當，可以忽略性別、年齡、種族，專注於技能與經驗。它不會因為你是「王小明」就懷疑能力，也不會因為你是「林雅婷」就預設她會結婚離職。這不是理想主義，這是用算法對抗無意識偏見的現實武器。

第二，AI讓招聘從「經驗玄學」走向「科學匹配」。
過去HR靠直覺說「這個人氣場很合」，但什麼是氣場？AI卻能分析上千筆成功員工的行為模式，找出真正預測績效的變量——可能是問題解決的邏輯結構，而非名校光環。就像醫療從望聞問切進化到基因檢測，人事管理也該從「我覺得」升級到「數據顯示」。我們不是要AI做最終決定，而是讓它成為HR的「超級輔助腦」，把重複性篩選交給機器，讓人類專注於深度面談與文化契合。

第三，AI能發掘那些「被系統遺忘的人才」。
你認識自學程式設計的單親媽媽嗎？你知道偏鄉考上台大的孩子履歷多單薄嗎？傳統招聘像一道窄門，只放行標準路徑的人。但AI可以從GitHub貢獻、線上課程完成度、專案成果中，看見非典型軌跡的光芒。它不問你畢業於哪所大學，只問你能不能解決問題。這才是真正的機會平等——不是人人一樣，而是人人都有被看見的機會。

當然，對方一定會說：「AI也有偏見啊！」我們同意——但重點是，人類的偏見藏在心裡，AI的偏見寫在程式裡。藏著的偏見難以修正，寫著的偏見卻能被審查、被調整、被優化。我們不怕AI有缺陷，只怕我們因恐懼而拒絕進步。

最後我想說，招聘不該是一場盲目的狩獵，而該是一次精準的相遇。AI不是要取代HR，而是幫助我們找回招聘的初衷：找到對的人，放在對的位置。這不是科技的勝利，而是人性的勝利——因為我們終於有勇氣，用更聰明的方式，實踐公平。

謝謝大家。

反方開場陳詞

各位好。

剛才正方描繪了一幅美好的圖景：AI像個公正的天使，掃除偏見，點亮人才。但我要問：當我們把招聘交給算法，我們是在追求公平，還是在製造一種更精緻的暴力？

我方堅定反對將人工智慧用於招聘過程。因為這不僅是技術問題，更是對人性尊嚴的深刻挑戰。

第一，AI的「客觀」只是神話，它其實是歷史偏見的複印機。
你以為AI不看性別？但它可能從「工程師多為男性」的歷史數據中，學會降低女性候選人的分數。你以為它不看學歷？但它可能發現「主管多來自某幾所大學」，於是自動提高這些學校的權重。這不是科幻，這是現實。亞馬遜曾開發AI招聘工具，結果它歧視女性，只好緊急下架。問題不在AI壞，而在我們給它的數據，本身就是一部壓迫史。我們怎能期待，用染色的水，洗出乾淨的衣服？

第二，招聘不是資料匹配，而是「理解生命故事」的藝術。
有個候選人履歷上有三年空窗，AI可能直接淘汰。但你知道嗎？那三年他照顧罹癌的母親。另一個人換工作頻繁，AI標註「穩定性低」，但其實他是為了追隨創業夢想，在新創間累積經驗。這些故事，這些重量，這些人性的曲折，AI聽不見，也讀不懂。招聘如果只剩下「關鍵字比對」，我們失去的，是同理心，是給人第二次機會的勇氣，是那個曾經跌倒但站起來的靈魂。

第三，AI將創造「數位種姓制度」，固化社會階層。
一旦AI開始評分，每個人就會有一個「求職信用分數」。你面試時的眼神閃爍，被解讀為「誠信度低」；你的語速緩慢，被判定「反應遲鈍」。這些標籤一旦形成，就會跟著你一輩子。更可怕的是，這些評分標準從未公開，你也無從申訴。這不是招聘，這是預先審判。我們正在建造一座看不見的監獄，而鑰匙，掌握在幾個工程師手中。

有人說：「可以用AI初篩，人再複審。」但心理學告訴我們，一旦有了「AI建議分數」，人類就會產生「自動化偏誤」——傾向相信機器的判斷。就像醫生看了AI診斷，就不再仔細看X光片。當HR看到AI標註「低潛力」，他還會花半小時聽你講故事嗎？

最後我想說，人之所以為人，正是因為我們不能被完全預測、不能被完全量化。招聘，本該是兩個靈魂的對話，而不是一場數據的審判。我們不需要更快的篩選，我們需要更多的耐心；不需要更準的預測，而是更多的信任。

把招聘還給人吧。因為唯有人才能理解人，也唯有人才有資格，說一句：「我相信你。」

謝謝大家。

駁斥開場陳詞

正方二辯駁斥

對方一辯剛才講得深情款款，說招聘是「兩個靈魂的對話」。聽起來很美，但我忍不住想問：如果這場對話從一開始就因為你的姓氏被HR跳過履歷而從未發生——那算不算，連靈魂都還沒開口，就被判了死刑？

我方完全同意，招聘不能只靠機器。但問題是，現在這個系統，真的有人性嗎？還是只是披著人情外衣的偏見工廠？

對方提出三個擔憂：AI會複製偏見、無法理解生命故事、造成數位種姓。讓我一一回應。

AI不是偏見的複印機，而是可審查的鏡子

對方提到亞馬遜AI歧視女性，所以AI不可信。但我想提醒各位：正因為AI把偏見「寫了出來」，我們才知道它存在！如果是人類主管默默把女性履歷放一邊，你怎麼查？怎麼申訴？怎麼改？

AI的優勢正在於它的「可審計性」。我們可以追蹤它的決策路徑、測試它的公平性、甚至加入「反向校正機制」——比如強制要求男女錄取比例不得偏差超過5%。這就像給招聘裝上「黑盒子」，飛機出事能查原因，人事決策也能溯源。

相比之下，人類的偏見藏在潛意識裡，今天覺得「這人眼神閃爍像心虛」，明天說「那個人氣場不合」，這些直覺判斷既無法驗證，也無法修正。我們不是要擁抱有缺陷的AI，而是要利用AI，照出人類自己都不願面對的陰影。

所謂「生命故事」，往往只是特權的修辭

對方說：「有人三年空窗是在照顧母親，AI卻只看到缺口。」
這確實令人心疼。但我要問：有多少人，其實根本沒機會講這個故事？

現實是，90%的履歷在前30秒就被淘汰。那個照顧母親的人，可能連面談門檻都沒達到。而AI，恰恰可以幫我們翻到那些被忽略的頁面——透過分析非傳統指標，比如她在照顧期間仍完成線上課程、參與遠端專案，甚至在社群分享照護經驗所展現的組織能力。

更重要的是，「聽故事」這件事，本身就是階級特權。名校畢業、口條清晰的人，擅長包裝逆境；但沉默的勞工、內向的工程師、非母語者呢？他們的故事，往往被當成「表達能力差」而忽略。AI若能先基於客觀成果評估，反而讓更多「不會說話但會做事」的人，走進面談室。

數位種姓？還是現行制度早已是血統論？

對方警告AI會創造「求職信用分數」，形成數位種姓。但請問：今天的社會不是 already 有種姓嗎？
你出生在台北大安區還是屏東鄉下？讀建中還是社區高中？這些早已決定你收到多少面試通知。AI的風險需要警惕，但我們不能因為害怕新工具的副作用，就否認它打破舊結構的潛力。

與其恐懼AI標籤，不如推動「演算法透明法」——要求企業公開篩選標準、提供申訴管道、禁止永久性評分。科技不是命運，制度才是關鍵。我們要的不是拒絕AI，而是用更好的規則，讓AI成為促進流動的槓桿。

總結來說，對方描繪的是一幅悲觀圖景：AI邪惡、人類純粹。但現實更複雜——人類制度充滿偏見，而AI雖有缺陷，卻提供了前所未有的修正可能。
與其浪漫地懷念那個從未真正公平的「人性時代」，不如務實地打造一個「可問責、可改善、可擴展」的新系統。

謝謝大家。

反方二辯駁斥

正方一辯說，AI能打破玻璃履歷，實現人才民主化。聽起來像科技烏托邦，但我要提醒大家：當我們把「民主」交給算法，很可能換來的不是平等，而是一套更精密的菁英主義操作系統。

讓我從三個層面回應正方的樂觀預設。

「去偏見」的幻覺：誰定義什麼是「正常」？

正方說AI可以忽略性別、年齡、種族。但忽略不代表不存在。AI依賴歷史數據訓練，而這些數據本身就記錄著數十年的歧視模式。更危險的是，AI會用「代理變量」偷偷恢復偏見——例如，它發現「住在某個區域的人離職率高」，而那個區域剛好是少數族群聚居地。於是，地理資訊成了種族的替身，歧視穿上了「客觀分析」的外衣。

這不是理論。美國醫療AI曾被發現，在評估病人照護需求時，系統性低估黑人患者的病情嚴重度——因為它用「過去的醫療支出」作為健康指標，而黑人因資源不足，花費較少。結果，明明更需要幫助的人，被AI判定為「風險較低」。

正方說我們可以「校正」AI。但問題是，校正的標準是誰訂的？是由企業、工程師、還是政府？當「公平」變成一個可調整的參數，它就不再是原則，而是一場利益協商。你調高女性錄取率，股東問：會不會影響績效？你降低名校權重，主管抗議：這樣找得到人嗎？最終，所謂「公平算法」，可能只是迎合資本需求的另一種包裝。

科學匹配？還是將人簡化為數據點？

正方說AI能從GitHub、線上課程看出真本事。但這背後有一個危險假設：所有人的價值，都能被數位足跡捕捉。

那沒有網路的偏鄉學生呢？
那因經濟壓力必須打工而沒時間做Side Project的青年呢？
那不擅長自我行銷、從不在LinkedIn發文的資深專家呢？

AI眼中的「非典型人才」，其實仍是某種「新典型」——懂英文、會用GitHub、有穩定網路、能產出數位痕跡的人。其他人，則被歸類為「資料不足」，直接邊緣化。

這就像用GPS找路，卻忘了有些人走路不開手機。你說系統很精準，但精準的前提是——你願意被追蹤。

更荒謬的是，有些公司開始用AI分析「微笑弧度」、「語尾上揚頻率」來評估候選人「積極性」。於是，抑鬱症患者、自閉傾向者、文化上較含蓄的人，全被貼上「低適配」標籤。這不是科學，這是情緒暴政。

當「輔助工具」變成「隱形上司」

正方說：「AI只是輔助，最終由人決定。」但心理學研究早已證明——一旦出現「機器建議」，人類就會自動降級為執行者。

這叫做「自動化偏誤」（Automation Bias）。醫生明知AI診斷錯誤，仍照開藥；駕駛看到導航說「前方無車」，即使肉眼看到行人仍踩油門。同樣地，當HR看到AI標註「此人潛力值72分」，他還會花40分鐘細讀那份充滿手寫筆記的履歷嗎？他會相信一個眼神躲閃但言之有物的候選人嗎？

更糟的是，這種影響是隱形的。HR不會承認「我因為AI打低分所以沒錄取他」，他會說：「我覺得氣氛不合。」於是，AI的偏見，透過人類之手，完成了完美的洗白。

最後，我想點出一個更深的危機：我們正在把「用人決策」從道德領域，轉移到技術領域。
過去，錄取一個人，是基於信任、直覺、甚至冒險精神——「我相信他能做到」。
現在，我們問：「他的數據夠不夠好？」
前者是人與人之間的承諾，後者是系統對個體的評分。

當招聘變成一場數據審判，我們失去的不只是同理心，更是作為人，給予他人第二次機會的勇氣與責任。

正方說他們要的是「更聰明的公平」。但真正的公平，有時恰恰來自於「不那麼聰明」的選擇——比如，給一個曾入獄但真心悔改的人一次機會；比如，錄取那個履歷普通但眼神堅定的年輕人。

這些決定，無法被算法量化，卻正是人性最珍貴的部分。

所以，與其問「AI能不能用」，不如問：「我們想成為什麼樣的社會？」
是一個追求效率最大化、人人被評分的控制社會？
還是一個願意等待、願意相信、願意犯錯的溫暖社會？

我們反對的不是科技，而是將人類命運交給黑箱的傲慢。
把招聘還給人吧——因為唯有人才能理解人，也唯有人才能說：「我賭你會成功。」

謝謝大家。

交叉質詢

正方三辯提問

正方三辯：
謝謝主持人。我有三個問題，想請教反方三位辯友。

第一個問題，請問反方一辯：
您剛才深情地說，招聘是「兩個靈魂的對話」。但我想問——如果這場對話從來沒有開始過，因為HR看到「王姓」就覺得能力普通、「林姓」就懷疑婚育計畫，那這到底是「靈魂的相遇」，還是「姓氏的審判」？既然人類的偏見早已讓這場對話不平等，為何您仍堅持要守住一個從未真正公平的「人性神話」？

反方一辯：
我承認現行制度有缺陷，但這不代表我們該用另一種更隱蔽的不公來取代它。AI的問題在於，它把偏見標準化、規模化，讓歧視變成一條寫死的程式。我們應該改革人性，而不是放棄人性。

正方三辯：
感謝回答。第二個問題，請問反方二辯：
您提到AI會用「代理變量」偷偷恢復偏見，比如用居住地推斷種族。但我想問——人類HR難道不會嗎？他看到住址，心裡難道不會浮現「那個區的人比較難管」？差別只在，AI的偏見可以被審計，而人類的偏見，只能靠良心自我檢討。請問，在缺乏透明機制的情況下，您憑什麼相信「人性自省」比「算法審查」更可靠？

反方二辯：
良心當然不完美，但正是因為不完美，才需要人與人之間的責任與對話。AI把決策變成技術問題，就逃避了道德責任。當錯誤發生，你不能去責備一行程式，但你可以要求一位HR解釋他的選擇。

正方三辯：
很精彩的回應。最後一個問題，請問反方四辯：
假設今天有一個自學程式、在夜市擺攤維生的青年，他沒有名校學歷，履歷單薄，但GitHub上有亮眼專案。傳統HR可能直接淘汰他，但AI能從代碼品質中看見他的潛力。請問，在這種情況下，拒絕使用AI，究竟是保護了他，還是剝奪了他唯一被看見的機會？

反方四辯：
我們關心的是系統性風險。即使AI能幫助少數人，但如果多數人因此被標籤化、被預測、被限制，那這種「拯救」是否只是犧牲多數換取少數的偽善？而且，誰來確保這位青年的資料不會被用來訓練出歧視夜市工作者的模型？

正方質詢總結：
感謝三位反方辯友的回應。我聽到了三個關鍵詞：「人性」、「良心」、「責任」。但我想提醒大家——當我們用這些美好的詞彙捍衛現行制度時，是否忽略了那些從未被人性眷顧的人？
反方一面批判AI的偏見，一面卻對人類偏見的普遍性輕描淡寫；一面擔心AI誤判，一面卻接受每年數百萬份履歷在30秒內被丟進垃圾桶的「合法忽視」。
他們想要一個完美的系統，卻否決了所有不完美的改進。
這不是謹慎，這是浪漫的懶惰。
如果「人性」意味著容忍無數看不見的不公，那我們寧願用AI這面鏡子，照出陰影，然後一起修正它。

反方三辯提問

反方三辯：
謝謝主持人。我也準備了三個問題。

第一個問題，請問正方一辯：
您說AI可以忽略性別、年齡、種族，專注於技能。但我想問——如果一位女性候選人因生育中断職涯三年，AI根據「職涯連續性」扣分，這算不算一種性別歧視？即使它沒標註「女性」，但它的評估標準，本質上就是對女性更不利。您還認為這叫「公平」嗎？

正方一辯：
這確實是風險，但這正是我們可以修正的地方。我們可以在模型中加入「育兒間隔豁免條款」，或加權計算照顧期間的非正式學習成果。重點是，AI的規則可以調整，而人類主管的「她以後會結婚吧」這種念頭，誰能調整？

反方三辯：
有趣。第二個問題，請問正方二辯：
您提到AI能分析GitHub、線上課程來發掘非典型人才。但請問——那些沒有穩定網路、無法上傳作品、或文化上不習慣自我展示的人呢？當AI只看得見「願意且能夠被數據化」的人，這是不是正在創造一種新的數位菁英階級？您所謂的「民主化」，是否其實只是把門檻從「學歷」換成「數位足跡」？

正方二辯：
這是一個重要提醒。但我們不能因為有人走不進圖書館，就燒掉所有書籍。與其否定AI，不如推動數位平權——提供公共設備、簡化上傳流程、納入非數位成果。AI不是終極解方，而是擴大機會的槓桿。

反方三辯：
最後一個問題，請問正方四辯：
您說AI只是「輔助工具」，最終由人決定。但心理學研究顯示，一旦出現AI建議，人類服從率高達85%。就像導航說「前方無車」，你就算看到行人也會踩油門。那麼，當HR看到AI標註「此人情緒穩定度偏低」，他還會給那位略顯緊張但真誠的候選人第二次機會嗎？還是直接說「氣氛不合」就打勾放棄？

正方四辯：
自動化偏誤確實存在，但這正是我們需要教育與制度設計的原因。例如，規定AI不得評估情緒，或要求HR在否決AI建議時必須書面說明理由。科技的風險，要用更好的治理來化解，而不是退回前現代。

反方質詢總結：
感謝正方三位辯友的回應。我聽到最多的一句話是：「問題不在AI，而在怎麼用。」
但我要提醒大家——當一把槍被設計成每天射出上千顆子彈，我們不能只說「問題在扣扳機的人」。
AI的本質是規模化、自動化、標準化，而招聘的本質是個別化、情境化、人性化。
正方不斷說「可以修正」、「可以調整」、「可以教育」，彷彿所有問題都能靠「未來的善意」解決。
但現實是，一旦企業發現AI能省下90%初篩成本，誰還願意花錢做「算法透明」？誰敢違抗「系統建議」錄取一個低分者？
他們描繪的是一幅「理想國」，但我們正走向的，可能是一場「數據暴政」的溫水煮青蛙。
與其相信技術烏托邦，不如守住那句簡單的話：
用人，就該由人來決定。

自由辯論

正方一辯：
對方一直說「把招聘還給人」，但我想問——如果這個人剛好是十年前拒錄你的那位主管呢？他說「氣場不合」，你連申訴都沒有紀錄。而AI起碼留下足跡，可以審計。你們要的不是「還給人」，是要還給那群從未公平過的人嗎？

反方一辯：
所以你就把希望寄託在一個會把「照顧母親」解讀成「職涯缺口」的系統上？你說有紀錄就能審計，但誰來看？勞工能請律師查AI怎麼算出他「穩定性低」嗎？這不是透明，是把門焊死後貼張密碼鎖！

正方二辯：
對方好像認為所有HR都是聖人，只會被AI腐化。但現實是，很多HR每天刷五百份履歷，三十秒淘汰一人。這不是人性，是人力崩潰！我們需要AI處理「量」，人才有餘力實踐「質」——否則，所謂深度面談，只是給名校生的特權禮遇罷了。

反方二辯：
哈！原來你是怕HR太累，所以找個機器代工？但招聘又不是外送餐點，可以「快速配送」。你用AI初篩，就像約會App先看照片滑掉九十九人——有些人值得認識，是因為他們不該被滑掉，而不是符合什麼演算法偏好！

正方三辯：
好，那我問你：一個自學程式、作品集豐富但沒學歷的青年，今天能被看見，是不是因為越來越多企業用AI分析GitHub貢獻？你口中的「不該被滑掉的人」，正是AI幫我們翻出來的！你們反對的不是AI，是害怕標準不再由你們定義吧？

反方三辯：
笑死，你們以為AI真的會看GitHub？多數企業買的是SaaS套裝軟體，輸入「畢業學校+工作年資+關鍵字」就打分數。那個自學者若沒寫「Python」兩個字，就算開發過十個專案也會被當廢物清除。你們歌頌的「非典型人才」，其實還是活在新版本的框框裡！

正方四辯：
那就改啊！正因為我們能看到問題，才能推動「演算法稽核」、「公開評分標準」、「禁止永久標籤」。但如果是人類主管私下歧視，你連改革的起點在哪都不知道。AI的缺陷是明瘡，人類的偏見是暗疾——你要先承認自己生病，才治得了病！

反方四辯：
說得真誠懇，但企業老闆聽了只想笑：「稽核？公開？那我的競爭優勢不就曝光了？」現實是，多數公司導入AI只為了降低成本，不是追求公平。你們想像的監管天堂，敵不過一句「法規還沒跟上」。與其相信技術烏托邦，不如守住那句簡單的話：用人，就該由人來決定。

正方一辯（接續）：
所以你的意思是——既然制度可能失靈，我們就放棄所有改革？那法律也別訂了，反正總有人違法？這種消極防禦，才是真正的科技恐懼症！

反方一辯：
我們不是恐懼科技，而是警惕「用效率正義包裝的控制慾」。當你說「交給AI才公平」，其實是在說：「我不信任人的判斷，只相信數據的神諭。」但人之所以能用人，正因為我們有能力超越數據，說一句：「我賭你會成功。」

正方二辯：
可惜啊，這個「賭」字，向來只押在特定面孔上。弱勢者等的不是貴人慧眼，而是一扇不會因姓氏就被關上的門。AI至少能確保——起跑線上的喇叭聲，是同時響起的。

反方二辯：
但終點線呢？如果AI定義的成功路徑只有單一模組，那根本是換條跑道繼續歧視！你打開了門，卻在屋內設滿雷射感應——只要走路姿勢不符合「標準人類」，警報就響。這叫包容嗎？這叫數位整形！

正方三辯：
所以你寧願維持現在這套——靠關係、拼口條、比家境的隱形門檻？至少AI讓遊戲規則攤在陽光下，大家可以一起修改規則。你們反對的，難道不是那種「只有我能定義誰夠格」的特權壟斷嗎？

反方三辯：
聰明，把我們說成既得利益者。但真正危險的，是你們把「公平」外包給一行行看不懂的程式碼。今天工程師調個參數，明天就有十萬求職者被打上「低適配」。這不是去中心化，是把權力集中到更少人手上——而且他們不用負任何道德責任！

正方四辯：
那就立法、監管、全民參與！民主制度也是這樣走過來的。不能因為有人濫用權力，就說「不要政府」。同樣地，不能因為AI可能失控，就否定它帶來的修正可能。真正的進步，是邊走邊修，而不是站在原地喊「回頭是岸」！

反方四辯：
但有些岸，回頭就再也看不到光了。當我們習慣聽從AI建議，慢慢就會忘記怎麼做判斷。最後，不是人在用工具，而是工具在訓練人。那一天，當HR看著候選人說「我相信你」，心裡想的卻是：「AI給你78分，我只能服從。」——那時，我們失去的，不只是招聘，而是作為決策者的尊嚴。

結辯

正方結辯

各位評審、對方辯友：

這場辯論，我們談了很多技術細節：偏見、數據、演算法透明……但我想回到最起初的一個問題：
誰，有資格被看見？

今天，有個住在屏東的單親媽媽，自學程式設計三年，在GitHub上有五十個貢獻專案。她的履歷沒有台大光環，照片也不夠「專業微笑」。在現行制度下，她可能連第一關都過不了——因為HR三秒鐘掃過，心想：「這背景，應該不行吧？」

而AI呢？它不會眨眼。它會讀她的程式碼，分析她的邏輯結構，比對成功開發者的特徵模式。它可能給她一個機會，讓她走進面談室，說出那句：「我做這些，是想給孩子更好的生活。」

這不是科技奇蹟，這是基本正義。

對方一直說：「AI有偏見！」我們同意——但請記住：人類的偏見藏在心裡，AI的偏見寫在程式裡。
藏著的，永遠改不掉；寫著的，我們可以審查、可以修正、可以集體監督。這才是真正的 accountability（責任制）。

對方又說：「AI不懂故事。」但現實是，大多數人的故事，根本沒機會被聽見。
當90%的履歷在30秒內被淘汰，所謂「深度對話」，只是給少數人的特權禮遇。而AI，恰恰能翻過那一頁，讓那些沉默的多數，不再因姓名、性別、出身而被跳過。

我們從來不主張「AI做最終決定」。我們主張的是：把機器放在前端，處理重複、客觀、可量化的篩選；把人放在後端，專注於文化契合、潛力判斷、同理聆聽。這不是取代，而是分工——讓人類更像人，而不是當人工的履歷碎紙機。

有人害怕AI創造「數位種姓」。但今天的社會，早已是血統論的牢籠。你爸媽的收入、你家的學區、你的畢業學校，早就決定了你的起跑線。與其維持這個看不見的階級，不如建立一個可挑戰、可申訴、可透明的系統——即使它不完美，至少我們看得見規則，也改得動規則。

最後，我想回應對方那句動人的话：「唯有人才能說我相信你。」
我完全同意——但前提是，那人得先有機會站在你面前。

如果招聘是一場相遇，我們要的不是更快的篩子，而是更寬的門。AI，就是那扇我們一起打造的門——它不會微笑，但它不會歧視；它不懂眼淚，但它會計算努力的重量。

所以，我們堅定地相信：人工智慧「應該」被用於招聘過程。
不是因為它完美，而是因為它可進步；
不是為了取代人性，而是為了實現更廣大的公平。

謝謝大家。

反方結辯

各位好。

正方說，AI能打開那扇門。但我忍不住想問：當門背後是一間由代碼審判的法庭，我們真的還能自由行走嗎？

這場辯論，我們聽到很多「效率」、「科學」、「數據驅動」。但招聘，本質上是一場「信任的冒險」。
錄取一個人，不只是評估他過去做了什麼，更是相信他未來能成為什麼。這種相信，無法被模型預測，不能被參數調整，更不該被一分一毫地打分。

正方說AI能看見那個單親媽媽的努力。但我想提醒：AI看見的，是她的GitHub紀錄——那如果她沒網路呢？如果她邊打工邊自學，根本沒時間上傳作品呢？
AI眼中的「非典型人才」，其實仍是某種「可追蹤」的人才。其他人，那些無法數位化的生命，將在無聲中被排除。

更重要的是，當我們開始依賴AI初篩，人類的責任感，正在悄悄退場。
心理學研究顯示，一旦出現「機器建議」，85%的人會跟從——即使明知有誤。這不是輔助，這是卸責。HR不再需要問：「為什麼這個人值得給機會？」他只需要說：「AI說他分數低。」

於是，歧視完成了最完美的轉身：從「我覺得他不行」，變成「數據顯示他不行」。
前者還能爭辯，後者已是鐵證如山。

對方說：「AI的偏見可以修正。」但誰來定義什麼叫「公平」？是企業老闆？工程師團隊？還是政府官僚？
當「公平」變成一個可調的滑桿，它就不再是道德原則，而是一場利益協商。你調高弱勢群體的權重，股東問：會不會影響KPI？你降低名校分數，主管抗議：這樣找得到人嗎？
最終，所謂「修正」，只是換一套標準繼續排除。

我們反對的，不是科技本身，而是將「用人決策」交給黑箱的傲慢。
招聘，不該是一場數據的審判，而該是一次生命的對話。
它應該容許錯誤——比如錄取了一個曾入獄但真心悔改的人；
它應該保留溫柔——比如給那個眼神躲閃卻言之有物的青年一次解釋的機會；
它應該擁抱不確定性——因為人，本就不該被完全預測。

正方描繪的，是一個更聰明的系統。
但我們想要的，是一個更溫暖的社會。

所以，與其問「AI能不能用」，不如問：「我們想成為什麼樣的人？」
是願意相信、願意等待、願意為他人擔風險的人？
還是只敢相信數據、只願跟隨分數、把責任推給程式的執行者？

把招聘還給人吧。
因為唯有人才能理解孤獨，也唯有人才能看著另一雙眼睛，說出那句最珍貴的話：
「我賭你會成功。」

謝謝大家。