在地情境
許多台灣企業已導入 ATS 或 AI 輔助排序，但用人主管仍習慣口頭說「我再跟他聊一下就知道」。當稽核或申訴來臨，缺少書面 評分標準 與版本，很難說明為何錄取甲而非乙。校準的目的不是消滅直覺，而是把「不可說的偏好」轉成可討論的分項與邊界案例。
摘要
用一場結構化工作坊產出：分項定義、權重或門檻、正反例、版本號與生效日。之後 AI 與人工評分都引用同一 評分標準 ID，稽核時才能還原「當時規則長什麼樣」。
90 分鐘校準會議程（範本）
| 時間 | 活動 | 產出 |
|---|---|---|
| 0–15 分 | 對齊職務成功樣貌與淘汰紅線（禁止歧視表述） | 職缺條件書草稿段落 |
| 15–45 分 | 匿名案例獨立評分 → 公開落差 → 討論邊界 | 各分項操作型定義修訂 |
| 45–70 分 | 決定權重／門檻與覆核場景（誰可 override） | 評分標準 v1 表頭 |
| 70–90 分 | 指定維護 owner、生效日、下一場複覓時間 | 變更紀錄欄位 |
與標準化 AI 面試的銜接
題組與 評分標準 串接可參考 AI 面試標準化實戰；全流程介紹見 MIND Interview 全端招募。
候選人溝通與體驗
評分標準 愈清晰，愈能在邀請非同步面試時說明評什麼、如何覆核，詳見 非同步面試與候選人溝通。
產品入口
常見問題
以下為企業主與 HR 最常詢問的重點：
第一次校準會要邀誰？
至少：該職類 HRBP、直屬主管、一位跨部門 observer（避免單一主管霸權）。技術職可再加資深 individual contributor。
要校準幾份樣本？
實務上 8～12 份匿名化案例較能暴露尺度差異；含 2～3 個邊界案例（看似及格／不及格爭議）。
評分標準 改了舊候選人怎麼辦？
決策應綁定當時版本；新輪次再用新版本，並在日誌註記生效日。
AI 分數與主管分歧時誰說了算？
制度上應明定：AI 為輔助；主管覆核需記錄分歧理由或申請覆議流程。
多久重新校準一次？
職務內容或市場條件大改時必做；否則建議每季抽樣對照，避免尺度漂移。