AI 開除員工：加州新法要求人類覆核與書面告知

美國加州州長 Newsom 在 2026 年 9 月 30 日簽署了 SB 947，正式名稱是「No Robo Bosses Act」。法案的核心只有一句話：雇主不能把自動化決策系統當成懲處或解僱員工的唯一依據。這是全美第一條把 AI 擋在人事決定門外的州法，2027 年 7 月 1 日生效。

值得注意的是，幾乎一樣的法案在 2025 年 10 月才被同一位州長否決過。當時的版本是 SB 7，Newsom 的否決理由是限制範圍「過於廣泛」。一年後重新包裝、縮小適用情境的版本過關了，而且是在同一天與另外兩條職場 AI 法律一起簽署。這個轉折本身，大概比法條內容更能說明過去十二個月發生了什麼事。

Photo by Declan Sun on Unsplash

SB 947 到底要求什麼

法條裡的關鍵名詞是「自動化決策系統」（automated decision system，簡稱 ADS），定義寫得相當寬：任何源自機器學習、統計模型、資料分析或人工智慧的運算流程，只要它取代了人在勞動決定上的裁量，就算數。這個定義刻意不限定於生成式 AI——傳統的績效評分模型、出勤異常偵測、客服通話品質評分系統，同樣被涵蓋進來。

在這個定義下，法律要求三件事。

第一，人類覆核不能只是蓋章。當 ADS 是懲處或解僱決定的主要工具時，雇主必須在據以行動之前進行人為審查與「獨立佐證」。所謂獨立佐證，法條點名的是主管評核、同儕評價與人事檔案——也就是說，覆核者不能只看系統吐出來的分數再按一次確認，而要拿出系統之外的證據，證明這個決定本來就站得住腳。

第二，事後要給白話的書面通知。被影響的員工有權知道：決定過程中用了什麼系統、系統吃了哪些關於他的資料、可以找誰解釋，以及雇主不得因為他提出質疑而報復。員工每年還可以要求調閱一次自己被 ADS 蒐集與使用的資料。

第三，有些用途直接禁止。包括預測員工的行為、信念或情緒狀態；推論種族、宗教、性別等受法律保護的身分；對正在行使法定權利的員工採取不利處分；以及在未能證明成本差異或工作相關性的情況下，拿員工資料去決定薪酬。

適用對象涵蓋私部門與公部門雇主，也包含勞務承攬商，連自治市都被納入。執法管道則是三軌並行：州勞動專員、公設檢察官，以及員工的私人訴訟權。民事罰款是每次違規 500 美元，另外可能疊加懲罰性賠償與律師費。

為什麼現在才管

單看 500 美元的罰則，威懾力並不高。但這條法律真正改變的不是罰金，而是舉證責任的方向。

在 SB 947 之前，一個員工如果懷疑自己是被系統挑出來資遣的，他幾乎沒有辦法證明這件事——他看不到模型，不知道自己被打了幾分，也無從得知主管究竟看了什麼才做出決定。法律生效之後，書面通知義務把這段過程從黑箱裡挖出來；而「獨立佐證」的要求，實質上是在逼雇主為每一個 AI 參與的人事決定預先留下人工紀錄。沒有紀錄的那一方，在訴訟裡會是比較難受的那一方。

促成這件事的現實背景，是演算法管理早就不是前沿議題。報導引述 OECD 的調查指出，約九成的美國主管表示公司已在使用某種演算法管理工具；HR Dive 的調查則顯示，約四分之一的主管在挑選資遣名單時會「經常或總是」使用 AI。Pew 在 2026 年的民調中，有 71% 的美國人預期 AI 會消滅工作機會。換句話說，法案要處理的不是一個假想的未來，而是已經在很多公司裡默默運作了好幾年的流程。

法案提案人、州參議員 McNerney 的說法很直白：沒有任何一個勞工應該被機器解僱或懲處，不管那是不是 AI。Newsom 本人在簽署時則對科技業的自律承諾表達了相當不客氣的評價，並把加州的作法與聯邦層級的停滯對比。

Photo by blue sky on Unsplash

同一天的另外兩條法律

SB 947 不是單獨上路的。同日簽署的還有兩條：

SB 951 擴充了加州版的 WARN 法（大量解僱預告法）。未來雇主在發出大量解僱通知時，必須揭露這波人力縮減是否「有相當部分肇因於 AI 技術」，並具體指出哪些職務功能受到影響。這是美國第一次把「AI 造成的裁員」寫進法定通知欄位——過去這類資訊只存在於公司內部簡報與記者的推測裡。

AB 1883 的角度不同，它管的是蒐集端：禁止雇主使用推斷員工情緒狀態的 AI 工具，也禁止蒐集神經資料。這條在 2027 年 1 月 1 日生效，是三條裡最早上路的。

三條合起來看，邏輯其實很完整：AB 1883 限制你能蒐集什麼，SB 947 限制你能拿蒐集到的東西做什麼決定，SB 951 要求你在最終結果發生時說實話。這不是三個獨立的點子，是一套前中後段都補上的規範設計。

對台灣的企業有什麼關係

直接的法律效力當然沒有。但加州立法在科技領域一向有外溢效應，原因不是法律本身跨海，而是工具跨海。

人資系統、績效管理平台、出勤與工時分析工具，這些軟體的供應商如果有加州客戶，就必須為了合規去改產品：加上「本次評分有 AI 參與」的標示、加上可匯出的決策歷程、加上人工覆核的流程節點、加上員工調閱自身資料的介面。這些功能一旦做進產品，通常不會為了其他地區再拆掉。於是明年開始陸續更新的 HR SaaS，很可能會自己長出一批「為什麼多了這個欄位」的新設計——而使用這些工具的台灣企業，會在不知道加州發生什麼事的情況下，被動接收這套規範的形狀。

另一個比較少被討論的面向是內部自建系統。許多公司這兩年把 AI 接進既有的管理流程：用模型分析出勤異常、用語意分析掃過客服對話評分、用預測模型標記「離職風險高」的員工。這類功能在技術上不難，但在加州的新定義下，它們全都是 ADS。台灣目前沒有對應法規，不代表這些系統在實務上沒有風險——勞資爭議調解時，一份「系統評分 3.2 分所以資遣」的紀錄，本來就不會比一份有主管評語、有改善期紀錄的檔案更站得住腳。

Photo by Elliot Krueger on Unsplash

幾個還沒有答案的問題

法條寫得再細，落到執行面都會有縫。SB 947 至少留下三個明顯的。

第一，「主要工具」怎麼認定。如果主管宣稱自己只是「參考」了系統的建議，而最終判斷是他自己下的，這算不算主要工具？法條要求的獨立佐證可以降低爭議，但在個案裡，一個主管的回憶與一份系統日誌之間的落差，仍然需要靠訴訟去填。

第二，覆核的品質無法用法律規定。要求人類覆核，很容易退化成要求人類簽名。真正決定這條法律有沒有用的，是覆核者有沒有時間、有沒有權限推翻系統結論、以及推翻之後會不會被自己的 KPI 懲罰。這些都不在法條管得到的範圍裡。

第三，2027 年 7 月才生效，中間還有九個月。這段時間足夠產業團體遊說修正條文，也足夠雇主調整流程——包括把 AI 從正式流程中拿掉、改成非正式的「參考資料」。合規與規避之間，往往只差一個流程圖的畫法。

一點觀察

這一兩年關於 AI 監管的討論，多半集中在模型本身：訓練資料、能力門檻、生物與資安風險、前沿模型的評測。這些題目重要，但距離大多數上班族的日常很遠。

加州這次簽的三條法律，處理的是另一端——AI 已經悄悄接手的那些低調決定。它不問模型有多強，只問一件事：當一個人的工作因為某個運算結果而結束時，有沒有一個人類必須為這個決定負責，並且說得出理由。

從技術角度看，這幾乎沒有門檻可言，要求的只是記錄與流程。但它指向的方向值得留意：AI 治理的戰場，正在從實驗室移到人資部門。模型能力的規範還在國際場合裡拉鋸，而「誰為自動化的決定負責」這個問題，已經先在一個州的勞動法裡有了具體答案。接下來一年，值得觀察的不是加州會不會再修法，而是有多少州會抄這份作業。