加州通过“No Robo Bosses Act”（SB 7），加州州长需在 10 月 12 日前决定是否签署。一旦生效，该法案将于 2026 年 1 月 1 日实施，全面规范 AI 在就业决策中的使用。
主要条款包括：雇主不得仅依赖 AI 作出纪律、解雇或停用决定；若主要依赖 AI，必须有人工复核；使用前至少提前 30 天通知员工，并在解雇时单独告知；员工每年有权申请一次相关数据。违规将面临 500 美元/次罚款。这项立法被视为全球首个系统性 AI 职场监管案例，为员工提供更高透明度与数据权利。

以下是正文，供参考：

加州立法机构已通过被称为“No Robo Bosses Act”的 SB 7，并送交州长审议。按照加州官方立法日程，州长需在 2025 年 10 月 12 日前签署或否决该法案；若签署，新法自 2026 年 1 月 1 日起生效。这部全美首创的就业 AI 专法，以“通知—限制—监督—救济”为主线，覆盖从招聘到解雇的几乎全部“就业相关决策”，并在“纪律、解雇或停用”等高风险场景强制引入实质性人工复核。

一、SB 7 到底规范了什么？

关键定义与适用范围

• 
  

  自动化决策系统（ADS）：凡是由机器学习、统计建模、数据分析或 AI 组成、输出“评分/分类/推荐”等简化结果、用来辅助或替代人的自由裁量、并对自然人产生实质性影响的计算过程，均被纳入。

  
  


• 
  

  就业相关决策：范围极广，几乎涵盖工资、福利、工作时长/班次、绩效、招聘、纪律、晋升、解雇、任务/技能要求、工作分配、培训与机会获取、生产率要求、健康与安全等。

  
  


• 
  

  工人（Worker）：不仅包括雇员，也包括向企业或政府实体提供服务的独立承包人。

  
  

“不能只靠机器”的红线

• 
  

  在纪律、解雇或“停用（deactivation）”决策中，雇主不得仅依赖 ADS。

  
  


• 
  

  若“主要依赖” ADS 输出作出上述决定，必须由人类复核者审阅 ADS 输出，并汇总与审查其他相关信息（如主管评估、人员档案、工作成果、同事评议、证人访谈/相关在线评价等）。

  
  


• 
  

  不得将客户评分作为唯一或主要输入数据用于就业决策。

  
  

二、四大通知义务

使用前通知（Pre-Use Notice）

• 
  

  部署前至少 30 天向将被直接影响的工人发出书面通知；若法律生效时已在用，最迟 2026 年 4 月 1 日完成补通知；新入职者在入职 30 天内告知。

  
  


• 
  

  招聘场景：对使用 ADS 的岗位，需在收到申请时或在岗位公告中告知。内容包括：受影响的决策类型、输入数据类别与来源及采集方式、已知会导致输出偏差的关键参数、ADS 创建方、工人数据访问/更正权利、配额说明（如适用）、反报复声明等。

  
  

使用后通知（Post-Use Notice）

• 
  

  若在纪律、解雇或停用中“主要依赖 ADS”，在告知该决定的同时，还须向员工发出独立书面通知：说明可联系的人与数据获取方式，表明使用了 ADS，员工有权请求其被使用的数据，并重申反报复。

  
  

三、数据权利与合规底线

• 
  

  员工每 12 个月可申请一次，获取过去 12 个月在“主要依赖 ADS”的纪律/解雇/停用决策中所使用的本人数据（提供时须匿名化他人信息）。

  
  


• 
  

  禁止性使用：不得用 ADS 违反劳动/民权/安健等法律；不得推断受保护身份；不得围绕未披露目的收集工人数据；不得针对行使权利者进行画像/预测/不利行动。

  
  

四、执行与责任

• 
  

  执法机关：加州劳动专员主责，可调查、发临时救济、开具传票与罚单并提起民事诉讼；地方检察官也可起诉。

  
  


• 
  

  罚则：每次违规 500 美元民事罚款（可累计）。法案同时禁止对行使权利的员工实施任何形式的报复。

  
  


• 
  

  生效与时点：2025 年 10 月 12 日为州长签署/否决截止日期；2026 年 1 月 1 日起生效（若签署）。

  
  

五、与其他法律的交互作用

• 
  

  与 CCPA/CPPA 的衔接：若企业受《加州消费者隐私法》及加州隐私保护局关于自动化决策技术的隐私规则约束，则仍须遵守相应隐私规。

  
  


• 
  

  工会豁免：若有效的集体谈判协议中明确豁免 SB 7，并对工资/工时/工况与算法管理保护有清晰规定，则在该覆盖范围内不适用。

  
  


• 
  

  地方更高标准：SB 7 不排斥提供等同或更高保护的地方法规。

  
  

六、难点与灰区

1. 
   

   “主要依赖”如何判定？ 法律未给百分比或权重阈值，复核是否实质有效而非走过场，将依赖执法与判例。

   
   


2. 
   

   通知与数据工作量 多系统、多岗位、多轮通知加数据留存，意味着 HR、法务与 IT 协作成本显著上升。

   
   


3. 
   

   客户评分的边界 “不得作为唯一或主要输入”的要求，将迫使零售、外卖、平台经济等行业调整绩效与纪律模型。

   
   

七、横向对比：其他地区的经验

• 
  

  纽约市 Local Law 144：要求使用自动就业决策工具（AEDT）的企业进行年度偏见审计，并将结果公开，同时在招聘/评估阶段告知候选人和员工。

  
  


• 
  

  科罗拉多州 SB 24-205：对“高风险 AI”规定开发者和部署者的合理注意义务，要求进行影响评估，并建立申诉与数据更正路径，将于 2026 年 2 月 1 日生效。

  
  


• 
  

  欧盟 AI 法案：采取风险分级监管模式，高风险系统必须建立合规体系，并开展基本权利影响评估（FRIA），监管覆盖就业、教育、金融等多个场景。

  
  

八、企业实操路线图

盘点与评估

• 
  

  列出所有 ADS 使用点（招聘、绩效、排班、监控、培训等）。

  
  


• 
  

  识别纪律/解雇/停用链路中是否存在“主要依赖”。

  
  


• 
  

  审查 AI 供应商合同，确保披露必要数据来源与偏置参数。

  
  

通知与数据管理

• 
  

  建立前置通知、后置通知模板，并完成 2026 年 4 月 1 日前的补通知。

  
  


• 
  

  建立数据台账，支持员工数据申请与匿名化处理。

  
  

培训与演练

• 
  

  培训人类复核者，明确复核标准和证据清单。

  
  


• 
  

  建立纪律/解雇/停用的双轨记录机制，确保合规。

  
  

九、场景演练：门店一线员工“低评分解雇”

错误做法：直接将顾客星级评价作为主要依据触发解雇。
合规做法：

1. 
   

   将客户评分作为辅证。

   
   


2. 
   

   由人类复核者调取主管评估、档案、工作样本、同事/证人意见等。

   
   


3. 
   

   在决定同时发出后置通知，说明联系人、ADS 介入情况与数据申请权利。

   
   

十、对 HR 科技与供应链的影响

• 
  

  产品设计将更重视：通知生成器、人类复核工作台、数据取证与匿名化导出、偏置敏感参数标注等功能。

  
  


• 
  

  商业条款倾向：在 SLA 中加入合规配合、日志可提取性、异常暂停条款，对高风险场景的责任分配更加谨慎。

  
  

十一、编辑部点评

SB 7 的真正创新点不在于偏见审计或宏观风险分级，而在于直接规定：高风险就业决策必须有人类复核。这一行为导向+流程内嵌的模式，预示着企业 HR 管理将进入“人机共治”的新阶段。难点在于如何界定“主要依赖”与如何确保“复核质量”。未来数年，这些模糊地带将决定 SB 7 在实践中的实际效果。

关键信息与来源

• 
  

  加州议会法案文本：SB 7 Employment: automated decision systems

  
  


• 
  

  加州立法日程：2025 年 10 月 12 日为州长签署/否决截止日期，2026 年 1 月 1 日生效（若签署）

  
  


• 
  

  相关法规：纽约市 Local Law 144、科罗拉多州 SB 24-205、欧盟 AI 法案