薪資管理巨頭 ADP 揭示其人工智慧治理與真人監督策略

隨著生成式人工智慧（generative AI）進入核心企業職能，企業薪資與人力資源服務商 ADP 展示了其如何管理人工智慧風險、法規遵循以及真人監督。

ADP 為美國每六名勞工中的一人支付薪資，該公司在內部 IT 部門將人工智慧用於程式碼編寫任務，以及自動化圖像與影片生成。在外部，該公司已透過 ADP Assist 將生成式人工智慧整合至面向客戶的軟體中；這是一套人工智慧代理（AI agents）工具，旨在處理人力資源與薪資工作流程中的各項任務，以減輕行政負擔。

建立於 2018 年的治理框架

根據 ADP 副總裁、管理顧問兼人工智慧法律長 Helena Almeida 的說法，該公司的人工智慧治理結構早於近期的生成式人工智慧熱潮。ADP 於 2018 年便建立了其人工智慧與數據倫理準則，並成立了人工智慧與數據倫理委員會。

該委員會匯集了法律、隱私、倫理、人力資源與產品工程等領域的內部專家及外部專家。Almeida 指出，雖然生成式人工智慧促使 ADP 更新了其內部流程與跨部門團隊，但基準優先事項——公平性、透明度、安全性與真人參與（human involvement）——始終保持一致。

針對不同州與國際法規框架，Almeida 強調了引導 ADP 產品設計的重複性要求：

• 面向使用者的透明度

• 模型的可解釋性

• 風險管理

• 隱私與數據安全

• 持續監控計畫

Almeida 表示，無論特定禁令是否已編入法律，ADP 都會避免不安全的人工智慧應用，而是專注於根據每個案例的利害關係來調整可解釋性與透明度。

避免真人監督流於「儀式化勾選」

ADP 策略的核心支柱是「真人參與」（human-in-the-loop）審查，但 Almeida 強調，監督必須是實質性的，而非表演性質。

「我們不能讓它變成一種儀式化的勾選；真人採取特定步驟只是為了說明我們有真人參與環節，」Almeida 解釋道，並強調審查人員必須了解操作背景，才能識別出異常或不準確的模型輸出。

為了防止工作流程瓶頸並保護敏感決策，ADP 對監督採取了分層、基於風險的方法：

• 高風險決策： 影響員工薪資、職位狀態或法律權利的功能，需要內建直接真人互動的接觸點。

• 低風險行政任務： 常規行政工作流程則採自動化處理，無需強制性的真人簽核。

該公司還積極監控「自動化偏誤」（automation bias）——即使用者不加批判地信任並接受演算法建議的傾向。ADP 在內部試行工具並追蹤客戶互動模式，以驗證使用者是否投入適當時間審查關鍵輸出，而非僅處理常規行政數據，並據此調整產品設計，確保真人的注意力被引導至風險最高的地方。