尽管加利福尼亚州的参议院第7号法案（Senate Bill 7）未获通过，且众议院第1018号法案（Assembly Bill 1018）目前处于搁置状态，但这两项法案都预示了加利福尼亚州立法者针对雇主在雇佣决策中使用自动化工具所考虑的披露、文件记录及监督义务的类型。
许多雇主已经开始使用自动化工具来筛选应聘者、评估绩效，并辅助招聘和纪律处分决策。然而，在某些情况下，使用这些工具的人员对其并不十分了解。例如，雇主可能不清楚该工具依赖哪些输入数据、如何生成输出结果，以及该工具如何将这些输出结果应用于“决策”过程。 这种认知缺口在现行法律下会引发合规风险，因为雇主可能无法解释或证明某项具体雇佣决策是如何做出的。
自2025年10月1日起，加利福尼亚州的雇主在运营中须遵守该州民权委员会颁布的《自动化决策系统条例》。该条例明确了当雇主在雇佣决策中使用人工智能、算法及其他自动化工具时，现行反歧视法律的适用方式。这些条例重申，雇主仍需对这些工具的使用及其结果承担责任。
在此背景下，加州立法机构最近提出的两项与人工智能相关的提案，最好被理解为旨在解决一个相关问题：不仅要考察自动化系统是否产生了歧视性结果，还要考察雇主能否说明该系统如何使用、依据什么以及其使用受哪些控制措施的约束。
首先，现已未获通过的参议院第7号法案（有时被称为“禁止机器人老板法案”）原本将直接规范雇主在雇佣过程中使用自动化决策系统，具体措施包括要求向求职者和员工发出通知、规定记录保存义务，以及限制在作出某些雇佣决策时对自动化结果的依赖。
其次，现已失效的第1018号议会法案原本将采取更广泛的措施，对用于重大决策（包括雇佣决策）的自动化决策系统的开发商和用户均提出要求，例如影响评估、信息披露、治理控制以及人工复核的机会。
尽管参议院第7号法案未获通过，众议院第1018号法案也尚未颁布，但这两项法案都始终将重点放在信息披露、文件记录和监督上。
对雇主而言，这些提案的意义不在于提出了新的责任理论，而在于它们指出了关于合规预期的潜在共识。 关键问题在于实践层面：雇主能否说明正在使用哪些工具、这些工具的功能、其依据的数据，以及这些工具的输出结果如何被纳入雇佣决策？如果答案不明确，雇主可能会面临法律风险，因为无法证明“雇主”（通过人工智能工具）是如何做出与雇佣相关的决策的。
这些抽象的问题可能以具体形式出现。如果自动筛选工具排除了某类求职者，雇主应能解释导致该结果的标准是什么，以及这些标准为何与工作相关。如果生产力或监控工具用于评估员工行为，雇主应能证明该工具的输出结果是在具体情境下进行审查的，而非机械地应用。 如果招聘或纪律处分决定依赖于系统生成的分数、排名或推荐，雇主应能说明该结果是如何生成的，以及在采取行动前是否经过独立评估。这些记录和监督问题直接影响雇主根据现行反歧视法解释（并因此捍卫）其决定的能力。
从这一角度来看，这些最近提出的立法建议指向了一个以三项核心要求为中心的框架：
- 信息披露。雇主应做好准备，未来在因使用自动化工具而对招聘、纪律处分、晋升、薪酬或其他雇佣决策产生实质性影响时，将面临越来越大的披露压力。
- 文件记录。雇主应能够明确正在使用的系统有哪些、这些系统的设计用途、其依赖的数据以及输出结果的确定方式。这包括保留充分的记录，以说明某项工具如何影响了具体的雇佣决策。
- 监督。雇主应确保对自动化生成的结果进行实质性的人工审查，包括能够评估系统生成的结果，并在适当情况下予以覆写，而非将其作为最终决定依据。
实际上，许多组织的架构并未围绕这些要求进行设计。自动化工具通常部署在招聘、绩效管理、排班和运营等不同职能部门中，却缺乏集中化的可视化管理。供应商可能掌控着系统功能的关键方面，而雇主方关于工具运作方式及使用方法的文档却十分有限。管理者可能仅依赖工具生成的结果，却不了解这些结果的生成过程或系统的任何局限性。这种缺乏协调的情况可能会加剧合规风险。
应对这一风险无需等待新法规出台。雇主应针对用于雇佣决策的自动化工具进行内部盘点，明确这些工具在哪些环节影响具体决策，并确保其使用情况以可解释且有据可依的方式记录在案。雇主还应评估在采取不利措施前是否进行了实质性的人工审查，以及与供应商的关系是否提供了关于系统运作方式的充分信息，包括系统内置的任何限制或假设。 最后，雇主应评估自身是否能在必要时清晰阐述某项特定工具在某项具体雇佣决策中的具体应用方式。
尽管参议院第7号法案未获通过，且众议院第1018号法案目前处于搁置状态，但这并不影响它们的重要性。这些法案清楚地表明了加利福尼亚州当前的关注重点：不仅在于最终结果，更在于雇主能否证明其对所使用工具的控制权。那些在信息披露、文件记录和监督管理方面规范自身实践的雇主，将更有能力满足现行法律以及未来任何新框架下的相关要求。
