【硅谷】AI反向招聘平台Refer完成750万美元种子轮融资：让求职者成为招聘服务的付费客户HRTech概述：美国AI招聘初创公司Refer近日完成750万美元种子轮融资。本轮融资由Canary领投，Goodwater Capital、Salt VC、Norte Ventures和Valutia参与。加上此前获得的250万美元融资，Refer累计融资额已达到1000万美元。公司计划利用新资金扩大平台上的科技人才和雇主网络，并继续完善其AI职业代理Lia。
与绝大多数由企业支付招聘佣金的平台不同，Refer采用了一种颇具争议的“反向招聘”模式：平台声称代表求职者而非雇主工作，企业可以免费接收人才推荐，而候选人只有在成功获得工作后，才需要支付第一个月工资20%的一次性成功服务费。
Refer完成750万美元种子轮融资，累计融资达到1000万美元
Refer本轮750万美元融资属于种子轮，由巴西早期风险投资机构Canary领投。Canary披露的投资信息显示，参与本轮融资的机构还包括Goodwater Capital、Salt VC、Norte Ventures和Valutia。
本轮融资完成后，Refer累计融资额达到1000万美元，其中包括此前完成的250万美元融资。新资金将主要用于扩大平台候选人规模、增加合作雇主数量，并进一步强化AI驱动的职位匹配和招聘引荐能力。
Refer创始人为Andre Hamra。根据公开报道，Hamra来自Brazil，青少年时期便开始帮助身边的人寻找工作。后来，他进入Stanford商学院学习，并在Palo Alto通过张贴带有二维码的传单测试最初的业务模式：帮助求职者寻找工作，只有在成功入职后才收取费用。
Refer于2024年年中正式启动，最初主要服务Stanford University等高校背景的软件工程师，随后逐步开放至更广泛的美国科技行业人才市场。
关于公司所在地，不同报道的表述略有区别。Business Insider将Refer称为San Francisco-based startup，而Staffing Industry Analysts此前将其描述为Palo Alto-based company。考虑到其创业测试最初发生在Palo Alto，而公开报道又将其归入San Francisco创业生态，更严谨的表述是：Refer是一家起步于Palo Alto、面向美国科技人才市场的加州AI招聘初创公司。
AI职业代理Lia代表候选人寻找工作机会
Refer的核心产品是一名名为Lia的AI职业代理。与主要帮助企业筛选简历、安排面试或评估候选人的传统AI招聘工具不同，Lia的产品定位是代表求职者寻找职位。
候选人在使用Refer时，需要向Lia提供个人工作经历、专业能力、兴趣方向、期望薪资、理想工作地点、签证需求、目标企业规模以及下一阶段职业目标等信息。
Lia随后根据候选人的背景和偏好，从Refer合作企业及开放职位中寻找匹配机会。只有当候选人和雇主双方都对匹配结果表示兴趣后，Lia才会通过电子邮件完成双方介绍。
这意味着Refer并不是一个帮助候选人批量提交申请的自动投递工具，而是一个以双向意向确认和定向引荐为核心的招聘匹配平台。
Refer官网将这一定位概括为“Built for candidates. Free for companies”，并强调Refer直接为候选人工作。官网目前使用“Meet Lia, your AI career agent”作为核心产品描述。
从招聘流程来看，Refer试图解决的是科技人才市场中日益突出的“申请黑洞”问题。在大量候选人借助AI批量生成简历和申请材料后，企业收到的申请数量显著增加，但候选人获得真实反馈和决策者关注的难度并未下降。
Refer希望通过已建立联系的雇主网络，将经过匹配的候选人直接介绍给招聘负责人、创始人或用人经理，使求职者不再完全依赖公开职位页面和传统在线申请流程。
候选人成功入职后支付首月工资的20%
Refer最受关注的并不是AI匹配技术，而是其收费模式。
在传统猎头和招聘代理模式中，企业通常是付费客户。招聘机构帮助企业寻找候选人，并在成功招聘后按照候选人第一年薪资的一定比例向企业收取佣金。
Refer则将这一关系倒置。平台允许企业免费使用服务，而候选人在通过Refer成功获得工作后，需支付第一个月工资20%的一次性成功费。候选人没有注册费、订阅费或前期费用，只有产生成功录用结果后才需要支付。
例如，一名候选人的年薪为12万美元，对应月薪约1万美元。按照Refer的收费规则，成功服务费约为2000美元，相当于候选人年薪的约1.67%。
需要特别说明的是，部分较早报道曾将收费方式描述为“20% of the first paycheck”，可能被理解为首张工资支票的20%。Business Insider的详细报道则明确写明，收费基数为“20% of the first month’s salary”，因此更准确的中文表述应为“第一个月工资的20%”。
Refer认为，这一收费模式能够改变招聘服务中的利益关系。
Andre Hamra表示，Refer向候选人收费，是因为候选人才是公司的客户，也是平台真正希望帮助的人。在传统招聘模式下，雇主支付费用，招聘人员的目标通常是尽快完成职位填补；而在Refer模式中，候选人支付成功费，平台理论上应优先考虑候选人的职业目标和长期匹配度。
这也是Refer将自己定义为“reverse recruiter”，即反向招聘服务的原因。
企业免费使用，但也可以购买优先招聘服务
Refer面向企业的基础服务是免费的。雇主可以在平台上提供开放职位，并接收Lia匹配和推荐的候选人。
不过，根据Staffing Industry Analysts的报道，Refer也向企业提供priority tier，即优先服务层级。如果企业通过该付费层级成功招聘员工，需要向Refer支付该员工第一年薪资的20%。
这一企业收费标准与传统科技猎头公司的成功佣金水平相近。
不过，目前公开报道并未明确说明：当一家企业选择付费priority tier后，通过该职位入职的候选人是否仍需支付首月工资20%的成功费。
如果企业和候选人在同一笔招聘中同时付费，Refer就需要进一步解释双方分别购买了什么服务，以及平台在出现利益冲突时究竟代表哪一方。相关双边收费机制、费用披露方式及适用条件，原文未说明。
已覆盖约2000家企业和7000个开放职位
截至2026年7月中旬，Refer已建立起一定规模的招聘市场网络。
Business Insider报道显示，Refer平台当时覆盖约2000家企业和约7000个开放职位，已经促成超过5000场面试。随后，Staffing Industry Analysts在2026年7月21日的报道中进一步称，Refer已安排接近6000场面试，涉及超过2000家公司。
两组数据的差异可能来自报道时间和统计口径。更稳妥的表述是：Refer截至2026年7月已促成超过5000场、接近6000场面试，连接约2000家企业，并拥有约7000个开放职位。
根据Business Insider披露的产品规则，候选人每天最多可以申请5次企业介绍。Lia完成引荐后，企业通常需要在3个工作日内进行回复。
Refer还表示，在获得Lia介绍的用户中，超过一半会在24小时内获得面试机会。这里的统计口径是“获得平台介绍后的用户”，而不是所有完成注册或建立个人资料的用户。
平台目前尚未公开披露实际成功录用人数、面试转化率、候选人平均年薪、成功费收入、客户留存率，以及通过Refer入职后的员工平均任职时间。
因此，现阶段近6000场面试可以说明Refer具备一定的匹配和引荐能力，但尚不足以完整判断其最终招聘成功率和商业模式效率。
真实案例显示，Refer主要解决“被看见”的问题
Business Insider报道中提到了多名Refer用户和企业客户。
University of Illinois计算机科学毕业生Hansheng Liu首次使用Refer时，因为简历和项目经验不足，并未获得理想结果。此后，他用一个冬季完善个人网站和后端服务器项目，再次回到Refer。
Liu随后向约6家公司请求引荐，获得了4场面试，并最终加入一家Bay Area公司。他认为支付Refer的成功费是值得的，因为平台确实帮助他获得了工作机会。
这一案例也说明，Refer并不能替代候选人的专业能力、项目经验和个人竞争力。Lia能够提高候选人被招聘决策者看到的机会，但并不能把不符合岗位要求的候选人自动转化为合格人才。
另一位用户、后来创办GreenLight的Arjun Bakhale，也曾通过Refer被直接介绍给一家初创公司的CEO，并获得实习机会。他认为，相比普通在线申请，这种定向介绍最大的价值在于，候选人至少可以确认自己的信息真正到达了企业负责人，而不是进入没有反馈的申请系统。
AI非营利组织软件公司Golden的创始人兼CEO Sam Fankuchen表示，公司已经通过Refer招聘了多名员工，并计划继续使用。他认为，主动选择Refer并愿意支付成功费的候选人，通常对自己的职业选择更为认真。
不过，这一观点来自单一雇主案例。目前没有公开数据可以证明，通过Refer招聘的员工在留任率、绩效或文化匹配方面一定优于其他招聘渠道。
候选人付费模式面临公平招聘与监管争议
Refer的商业模式也涉及招聘行业长期存在的监管与伦理问题。
国际劳工组织的《Private Employment Agencies Convention, 1997（No. 181）》原则上要求，私营职业介绍机构不得直接或间接向劳动者收取全部或部分服务费用，但主管机关可以在特定情况下，对特定类别劳动者或服务作出例外安排。
美国没有批准该公约，因此该公约并不直接等同于美国国内法律。但候选人收费是否合法，仍可能受到不同州的employment agency法规、消费者保护规则、合同条款和费用披露要求影响。
World Employment Confederation的行业行为准则也反对招聘机构向求职者和劳动者收取就业服务费用。
Andre Hamra则认为，Refer与传统受到限制的候选人收费模式不同。他表示，Refer没有前期费用和押金，也不是长期从候选人的收入中持续抽取比例，而是在成功入职后收取一次性费用。
他同时强调，Refer的收费并不是income-share agreement，因为费用虽然随工资水平变化，但只发生一次。
不过，从监管角度看，一项收费被定义为“一次性成功费”，并不必然使其脱离就业代理或职业介绍服务的监管范围。最终判断仍将取决于Refer在不同州提供的具体服务、合同结构、收费触发条件和当地法律定义。
HRTech观点：AI招聘开始从企业工具转向个人代理
过去几年，AI招聘创业公司的主要客户几乎都是企业。产品通常围绕职位描述生成、人才搜寻、简历筛选、面试安排、候选人评估和招聘流程自动化展开。
Refer代表了另一种正在形成的产品方向：AI不再只帮助企业筛选人，而是开始代表个人寻找职业机会。
这一变化与AI Agent的发展密切相关。传统求职平台主要提供职位信息和申请入口，候选人仍需亲自搜索、筛选和投递。AI职业代理则试图持续理解候选人的目标，主动寻找合适职位，并代表候选人与企业建立联系。
从这个角度看，Refer的真正创新并不是让AI推荐职位，而是试图建立一个“个人委托AI代理求职”的商业关系。
但是，这一模式能否成立，最终取决于三个问题。
第一，Refer能否持续提供普通求职网站和社交网络无法提供的高质量直接引荐。如果候选人通过LinkedIn、Indeed或个人关系同样能够接触这些职位，首月工资20%的费用将很难长期成立。
第二，平台能否证明其推荐真正改善了候选人的职业结果。面试数量只是中间指标，未来更关键的数据应包括录用率、薪资提升、职位匹配度、试用期通过率和长期留任率。
第三，Refer能否解决收费透明和合规问题。尤其是在平台同时向企业提供付费优先服务的情况下，它需要清楚说明自己究竟代表候选人、企业，还是同时服务双方。
对HR科技市场而言，Refer完成750万美元种子轮融资说明，投资者正在关注AI职业代理和候选人侧商业模式。但它也提出了一个更具争议的问题：当AI可以代表个人寻找工作时，求职者是否愿意像支付律师费、经纪费或职业顾问费一样，为招聘引荐和最终结果直接付费？
Refer目前已经证明，部分科技人才愿意接受这一交易。但它是否能够从一个服务高薪科技人才的垂直平台，扩展为一个可持续的大众招聘模式，仍需观察。
正在探索AI招聘、人才吸引和候选人体验创新的企业，可以关注HRTech目前正在进行的2026候选人体验大奖CandE® Awards和2026 HRTech创新奖INNO Awards。前者聚焦AI招聘时代企业吸引和对待候选人的关键能力，后者关注可落地、高价值、前瞻性的HR科技创新。
同时，9月17日在深圳举行的“What's Next”2026人力资源科技年度论坛，将重点关注AI、数字化、人才与组织创新。HR AI Forward目前也开放了面向HR职能的AI能力成熟度评测。相关活动、评选、报告与测评入口，可通过HRTech近期活动与资源页面统一查看。
——————————————————
公司名称：Refer
核心产品：Lia
创始人：Andre Hamra
融资轮次：Seed
本轮融资金额：750万美元
累计融资金额：1000万美元
领投机构：Canary
参投机构：Goodwater Capital、Salt VC、Norte Ventures、Valutia
候选人收费：成功入职后支付第一个月工资的20%
企业基础服务：免费
企业优先服务：成功招聘后支付员工第一年薪资的20%
平台数据：约2000家企业、约7000个开放职位、超过5000场并接近6000场面试
公司网站：https://tryrefer.com/
成立时间：2024年年中
总部或主要运营地区：San Francisco / Palo Alto
招聘合规
2026年07月23日
招聘合规
Apple 起诉 OpenAI 窃取商业秘密：一场由人才流动引发的硬件与组织治理危机Apple 指控多名前员工在加入 OpenAI 前后，非法获取并使用 Apple 的硬件研发、制造工艺与供应链机密。事件不仅是一场科技公司的知识产权诉讼，也暴露出 AI 人才争夺、员工离职管理和招聘合规中的系统性风险。
2026 年 7 月 10 日，Apple 向美国加州北区联邦地区法院提起诉讼，起诉前 Apple 员工 Chang Liu、Tang Yew Tan，以及 OpenAI Foundation、OpenAI Group PBC 和 io Products, LLC，指控其涉嫌盗用商业秘密和违反员工保密协议。
简单来说，Apple 的核心指控是：OpenAI 为了加快进入消费硬件市场，大量招募 Apple 的工程师和管理人员，而部分员工在离开 Apple 前后，涉嫌带走、下载或泄露 Apple 的内部文件、硬件设计资料、制造工艺和供应链信息，并将这些信息用于 OpenAI 的硬件研发和招聘活动。
目前，这些内容仍然是 Apple 在起诉状中提出的单方指控，尚未经过法院审理和认定。案件后续还需要经过被告答辩、证据开示、禁令听证和可能的庭审程序。
发生了什么：Apple 指控前员工离职后仍在获取内部资料
案件中最受关注的人物之一是 Chang Liu。Chang Liu 曾在 Apple 工作八年多，担任 Senior System Electrical Engineer，参与 iPhone 等敏感硬件项目。他于 2026 年 1 月 22 日离开 Apple，并加入 OpenAI。
Apple 称，Chang Liu 在离职过程中没有完成正常的设备归还和安全审查，也没有回应 Apple 关于离职面谈和保密义务的联系。Apple 进一步指控，他至少保留了一台 Apple 配发的工作电脑，并在离职后继续尝试访问 Apple 的内部系统。
2026 年 2 月 9 日前后，Chang Liu 据称发现自己仍然可以通过一个当时尚未被 Apple 发现的身份验证漏洞，访问 Apple 的云端网络存储系统。Apple 表示，他没有报告漏洞，而是在已经加入 OpenAI 的情况下，持续访问并下载 Apple 的内部资料。
Apple 称，被下载的资料包括未发布产品信息、技术演示文档、工程规格、项目数据，以及一套超过 1,000 页的技术文件。其中部分内容涉及主逻辑板，也就是 MLB 的制造流程、测试方式、设备选择和故障分析。
Apple 认为，这些信息并不是普通的员工工作经验，而是多年研发、制造和供应链投入所积累的商业秘密。
Apple 指控 OpenAI 将招聘面试变成信息获取渠道
案件中的另一名重要人物是 Tang Yew Tan，通常也被称为 Tang Tan。Tang Tan 曾在 Apple 工作约 24 年，最后担任 Vice President of Product Design for iPhone and Apple Watch。离开 Apple 后，他参与创办 io Products，后者于 2025 年被 OpenAI 以约 65 亿美元收购。Tang Tan 随后成为 OpenAI 的 Chief Hardware Officer。
Apple 指控，Tang Tan 和 OpenAI 的硬件团队在招聘 Apple 员工时，多次询问涉及 Apple 内部项目、产品代号和制造流程的问题。
起诉状称，OpenAI 要求部分候选人在面试中进行“Technical Deep Dive”，详细介绍其在 Apple 的工作，包括产品组件选择、CAD 工具、仿真软件、系统集成方法、供应商选择和制造协作流程。
更严重的指控是，OpenAI 面试人员曾要求 Apple 候选人携带实际零部件、样品、原型和设计资料参加面试，包括 Batteries、Systems-in-Package、main logic boards、shields、housings 和 back glass 等。
Apple 认为，这些面试要求已经超出了正常的人才评估范围，实质上是在利用招聘流程获取竞争对手的内部技术与产品信息。也有小道消息说是其与苹果9月新任CEO关系非常紧张。
前员工被指提前了解 Apple 的离职安全流程
Apple 还指控，Tang Tan 或 OpenAI 内部人员持有一份标注为“Need to Know”的 Apple 内部文件。
这份文件描述了 Apple 在员工离职时会采取哪些安全措施，包括设备检查、账户审查、取证流程和保密提醒。
根据 Apple 的说法，这份文件被提前分享给即将从 Apple 跳槽到 OpenAI 的员工，使其可以在正式提交离职申请前了解 Apple 的检查方式，从而规避安全审查。
Apple 还称，OpenAI 曾建议部分员工不要立即向 Apple 透露下一家公司是 OpenAI，并尽量争取正常的两周离职期，从而在离职前继续保留对 Apple 系统和资料的访问权限。
如果这些指控最终获得证据支持，这意味着问题可能并非个别员工的临时行为，而是已经涉及招聘、离职和人才引进流程中的组织性操作。
Apple 指控 OpenAI 利用其供应链和制造工艺
Apple 的诉讼并未停留在员工文件泄露层面。
Apple 还指控 OpenAI 和 io Products 利用前 Apple 高管掌握的供应商信息、内部术语和制造知识，接触 Apple 的长期合作伙伴。
其中一项指控涉及 Apple 的专有金属表面处理技术。Apple 称，OpenAI 或 io 要求一家 Apple 合作伙伴为其执行原本受严格保密协议约束的多步骤金属处理工艺，并让合作伙伴误以为这一行为已经获得 Apple 授权。
Apple 还表示，OpenAI 曾向参与电源、电池和制造设计的 Apple 供应商提出高度针对性的问题，而这些问题只有熟悉 Apple 内部技术和供应链体系的人才能提出。
从商业竞争角度看，这部分指控直接触及 Apple 最核心的竞争壁垒：不仅是产品设计本身，更包括如何制造、如何选择供应商、如何控制质量，以及如何实现全球规模化交付。
为什么这起案件对 HR 和企业管理具有重要意义
从 HRTech 的角度看，这起案件并不只是 Apple 与 OpenAI 之间的知识产权争议，而是一场典型的“人才流动风险事件”。
AI 行业正在以前所未有的速度争夺工程师、产品负责人、供应链专家和高级管理人员。当竞争从软件模型扩展到 AI 设备、芯片、机器人和消费硬件时，人才的价值已经不仅体现在个人能力，也体现在他们掌握的组织知识、技术路径和供应商网络。
企业面临的核心问题是：员工可以自由流动，但企业商业秘密不能跟着员工一起流动。
正常的职业经验、通用技能和行业知识属于员工个人能力的一部分。员工可以在新公司继续使用自己的专业判断、管理能力和工程经验。
但源代码、未发布产品信息、内部项目代号、具体设计图纸、测试数据、供应商合同、制造参数和专有流程，通常属于企业受保护的信息。两者之间的边界，正是许多公司在人才竞争中最容易忽视的地方。
HR 部门不能再把保密管理只交给法务和 IT
传统上，商业秘密保护常被视为法务或信息安全部门的职责。但从这起案件来看，风险实际上贯穿员工全生命周期。
风险从招聘开始。
当招聘团队要求候选人过度展示上一家公司的真实项目、代码、样品和内部文件时，企业本身就可能成为商业秘密侵权的参与者。
风险也存在于员工在职期间。
如果企业没有建立清晰的数据分级、访问权限和异常下载监测机制，即使员工已经提出离职，仍可能继续访问大量敏感资料。
风险更集中在离职阶段。
高风险岗位员工的权限关闭、设备归还、文件检查、个人邮箱转发记录和外部存储设备使用情况，都需要 HR、法务和 IT 共同管理。
风险还可能延续到新员工入职后。
新公司必须明确告诉员工，不得携带、上传或使用前雇主的机密资料，也不得在内部培训、产品设计或供应商会议中披露前雇主受保护的信息。
对企业 HR 的五项建议
第一，建立高风险岗位识别机制。
并不是所有员工离职都需要同样强度的审查。涉及核心研发、AI 模型、产品路线图、芯片、硬件设计、定价、客户数据、制造工艺和供应链关系的岗位，应被纳入高风险人员清单。
第二，把招聘合规写进面试流程。
企业应明确禁止面试官要求候选人提供前雇主的源代码、设计图、真实客户资料、内部文件、产品原型、供应商名单和未发布项目信息。
技术面试可以评估候选人的思考过程和专业能力，但不应要求候选人证明自己“掌握多少上一家公司的秘密”。
第三，强化离职前后的数据行为监测。
当员工提出离职或出现明显跳槽信号后，企业可依法加强对异常下载、批量复制、个人邮箱转发、外接设备使用和敏感文件访问行为的监测。
这一过程需要在适用法律、员工隐私政策和公司制度框架内进行，不能简单扩大为无差别监控。
第四，重新设计离职程序。
离职面谈不应只是薪资结算和设备归还。对于关键岗位，应加入商业秘密提醒、文件返还确认、系统访问终止、外部存储检查和持续保密义务确认。
第五，对新员工实施“干净入职”。
从竞争对手公司加入的新员工，尤其是高管和研发人员，应在入职时签署声明，确认不会携带、上传或使用前雇主的任何保密资料。
企业还应通过培训告诉管理者：不能因为新员工“知道很多”就鼓励其分享前公司的内部信息。
HRTech 可以如何帮助企业降低风险
这起案件也说明，员工离职管理正在从行政流程转变为数据治理和风险治理。
未来的人力资源系统不仅需要记录入职、转岗和离职日期，还需要与身份管理、设备管理、文档权限和安全监测系统连接。
例如，当关键员工提交离职申请后，系统可以自动触发一套风险工作流，包括权限复核、异常下载检查、设备归还任务、保密提醒和管理者确认。
招聘系统也可以加入面试合规提示，提醒面试官不得要求候选人披露前雇主机密，并对涉及“原型”“代码”“供应商名单”和“内部文档”等敏感内容的面试材料进行审核。
在 AI 时代，HRTech 的价值不只是提升招聘效率或员工体验，也包括帮助企业建立可审计、可追踪、可执行的人才风险管理体系。
结语
Apple 与 OpenAI 的诉讼最终如何发展，仍取决于后续证据和法院判断。
但这起案件已经给企业敲响警钟：当行业进入高强度人才争夺阶段，招聘速度、人才密度和技术能力固然重要，人才引进过程中的合规边界同样重要。
优秀人才可以带来经验、判断和创造力，但企业不能通过人才流动获取竞争对手的商业秘密。
对于 HR 而言，未来最重要的能力之一，不只是把人招进来，而是确保企业用正确的方式招人、用人和管理人员流动。
这既是法律风险问题，也是组织治理、雇主品牌和长期竞争力问题。
招聘合规
2026年07月12日
招聘合规
HR科技供应商责任被重新定义？Workday AI招聘歧视案释放重要信号HRTech概述：Workday 在加州 AI 招聘歧视诉讼中未能成功驳回核心主张。案件中指控其AI驱动的求职者筛选工具可能基于种族、年龄、残障、性别等受保护特征，对求职者产生不利筛选影响。法院允许 FEHA 相关主张及部分 ADA 残障歧视主张继续推进。Workday 否认指控，称其工具只评估岗位资格，不评估受保护特征。对 HR 来说，这起案件的重要意义在于：AI 招聘工具不再只是效率工具，也可能成为合规责任来源。未来企业采购 AI 招聘系统，必须重点关注偏见测试、数据留存、算法解释、供应商责任和候选人权利。更多请关注 HR Tech，为你带来全球最新 HR 科技资讯。
Workday AI招聘歧视案继续推进：HR科技进入“算法合规责任”新阶段
HRTech注意到，备受关注的 Mobley v. Workday Inc. 案件近期出现重要进展。美国加州北区联邦法院对 Workday 试图驳回 AI 招聘歧视诉讼的动议作出裁定，允许部分核心主张继续推进。需要明确的是，这并不意味着 Workday 已经被认定存在歧视，也不是案件的最终判决；但法院没有在早期阶段终结关键指控，说明围绕 AI 招聘工具的法律责任边界，正在进入更实质性的司法审查阶段。
案件核心：AI招聘工具是否只是“软件”，还是招聘决策链条的一部分
该案最初由 Derek Mobley 于 2023 年提起，原告主张 Workday 的算法化申请人筛选工具在招聘过程中可能对特定求职者群体产生不利影响，涉及年龄、种族、残障和性别等受保护特征。案件的关键不在于某一家雇主是否单独拒绝了某位候选人，而在于 Workday 作为 HR 科技供应商，其系统如果参与了候选人筛选、排序、推荐或拒绝流程，是否可能被视为招聘决策链条中的实际参与者。
这也是本案区别于传统就业歧视案件的核心所在。过去，HR系统通常被视为雇主使用的后台工具；但当系统开始通过算法对候选人进行匹配、评分、排序或筛选时，它的作用可能不再只是记录信息，而是影响候选人是否进入下一轮流程。法院此前也关注到，Workday 的工具如果代表雇主执行某些筛选功能，其责任问题不能简单因为“最终录用决定由客户作出”而被排除。
法院关注的重点：加州法律适用与“代理责任”
本次裁定中，一个重要问题是加州公平就业和住房法是否可以适用于相关主张。Workday 的抗辩方向之一是，部分求职者并非加州居民，也并非申请加州岗位，因此加州法律不应被扩展适用。但法院在前期意见中指出，如果原告能够主张 Workday 在加州设计、开发、运营相关工具，并通过这些工具代表客户执行涉嫌歧视性的筛选行为，那么相关行为与加州之间可能存在足够联系。
这一点对 HR 科技行业非常关键。它意味着法院关注的不是候选人或岗位是否一定在加州，而是涉嫌产生歧视影响的技术行为、系统运营和公司决策是否与加州存在实质关联。对于总部、研发、算法治理或产品决策位于某一司法辖区的 HR Tech 公司而言，法律风险可能不再局限于客户所在地或岗位所在地。
残障歧视与“代理变量”成为重要争议
本案中另一个值得 HR 特别关注的问题，是所谓“代理变量”。原告主张，一些表面上看起来中性的筛选因素，可能在实际效果上成为受保护特征的替代指标。例如，就业空档、职业路径中断、工作经历模式、测评结果等，可能与健康状况、残障经历、年龄或其他身份特征存在关联。如果 AI 系统将这些因素作为负面信号，就可能形成差别影响。
这对企业采购 AI 招聘工具有直接启发。合规风险并不只来自系统是否明确使用了“年龄”“种族”“残障”等字段，也可能来自模型是否通过其他变量间接识别或放大这些差异。换句话说，一个系统即使没有主动读取受保护特征，也不等于没有歧视风险。真正的审查重点，应当是模型输出结果是否对特定群体形成系统性不利影响。
发现程序显示：算法审计与数据控制将成为诉讼焦点
法院此前在一份证据开示裁定中也处理了 Workday 偏见测试数据、客户申请人数据、EEO-1 和 OFCCP 文件等争议。法院没有要求 Workday 交出部分受到律师—客户特权保护的偏见测试数据，也没有简单认定 Workday 控制客户申请人数据；但法院要求 Workday 生产 EEO-1 和 OFCCP 相关文件，因为这些文件可能与 Workday 对 AI工具潜在人口统计差异的认知有关。
这说明未来 AI 招聘诉讼的重点，很可能不仅是系统“有没有算法”，而是企业和供应商是否知道算法可能带来差别影响，是否做过偏见测试，测试结果如何保存，哪些数据受法律特权保护，客户数据由谁控制，以及供应商是否有足够的合规治理记录。
Workday 的立场与行业影响
Workday 否认相关指控，并表示其招聘 AI 工具不会作出录用决定，其技术只评估岗位资格，而不是种族、年龄或残障等受保护特征。这个立场也代表了很多 HR 科技供应商的常见抗辩逻辑：供应商提供工具，客户作出最终决定。但本案正在挑战的正是这一边界。如果工具在事实上影响了候选人能否进入面试、是否被推荐、是否被优先展示，那么“工具”和“决策”之间的距离会被重新审视。
对于 HR 和企业采购团队而言，这起案件的现实意义非常明确。AI 招聘工具不能只从效率、体验和成本角度评估，还必须纳入合规尽调。企业在采购和使用相关系统时，应重点关注供应商是否提供偏见测试机制、算法影响评估、审计记录、候选人解释机制、数据留存政策、人工复核流程，以及合同中关于歧视索赔、数据披露和责任分担的条款。
HRTech观点：AI招聘进入治理能力竞争阶段
Workday 案的长期影响，可能不在于某一项具体主张最终是否成立，而在于它正在推动市场重新定义 AI 招聘工具的责任边界。未来，HR 科技供应商的竞争力不会只体现在更快筛选候选人、更智能匹配岗位或更低招聘成本上，也会体现在能否证明系统公平、可审计、可解释、可治理。
AI 招聘不会因为诉讼风险而停止发展，但企业使用 AI 的标准会明显提高。对于 HR 来说，真正成熟的 AI 招聘采购，不是被产品演示中的“智能推荐”打动，而是能够问清楚算法如何影响候选人、如何监测差别影响、如何处理异常结果，以及一旦发生争议，企业和供应商分别承担什么责任。
Workday 案提醒整个行业：AI 招聘已经从技术创新阶段，进入算法合规和治理能力的检验阶段。
HRTech一直在倡导HR一定要在人力资源工作中实践负责任的人工智能，详情可以访问。
https://www.hrtechchina.com/raihr
招聘合规
招聘合规
招聘合规
招聘合规
招聘合规
扫一扫 加微信
hrtechchina
