AI人事系统在餐饮行业的合规性考虑

去年有个连锁快餐的HRVP找我，见面第一句话是：“我们上了AI人事系统之后，反而被员工告了。”他们用了一套主流的智能排班系统，算法根据客流预测自动生成班表，结果一个门店的厨师长连续三周被排在早班和晚班之间只隔了10个小时，算法认为这合法，因为中间跨了日历日。仲裁庭不这么认为。最终公司赔了加班费、赔了精神损害赔偿，还被劳动监察约谈。那位HRVP说了一句很精准的话：“我们以为AI在帮我们合规，其实AI在替我们固定违法证据。”

这句话，就是我这篇文章想讲的核心。AI人事系统在餐饮行业的合规性考虑，不是“要不要买系统”，不是“SaaS是否安全”，也不是“功能列表有没有法律模块”。真正的核心是：你把一个不懂劳动法的AI关进了中国餐饮用工环境这个高压锅，它做的每一个决策，都可能变成呈堂证供。我写这篇文章不是做科普，是给你一套我过去几年帮连锁餐饮做合规审计时反复验证过的判断框架。这套框架帮我拦住了至少五张可能开出的行政处罚单。

一、核心结论：你的AI系统究竟在替你“合规”，还是在替你“存证”？

先把最重要的结论放前面，后面的篇幅你可以按需跳读，但这五条结论你最好记住。

第一，餐饮行业用AI人事系统，最大的合规风险不是“数据泄露”，而是“算法制造的违法用工”。多数老板担心的是系统被黑、员工信息被卖，但实际出事概率最高、赔钱最多的，是排班算法违反劳动法、是薪酬计算器制造了社保追缴基数差、是电子合同签名不合规导致的劳动关系认定纠纷。

第二，系统厂商说的“合规”，默认是对厂商自己的免责，不是对企业的免责。我见过太多合同里写着“客户应确保其使用行为符合本地法律法规”，这意味着一旦出事，厂商一推六二五，锅全在企业头上。所以你得知道该问什么、该在合同里加什么条款。

第三，AI系统的“黑箱决策”一旦进入劳动仲裁或法庭，企业负有举证责任。如果算法排班被质疑存在歧视（比如总是给某位员工排凌晨班），企业要能解释算法的逻辑。解释不了，就承担不利后果。

第四，餐饮行业特殊的用工结构，非全日制、劳务合作、实习、退休返聘，是AI系统最容易出现“类别误判”的地方。系统可能把本该享受工伤保险的人错误标记为“灵活用工”，而一旦发生工伤或者稽查，系统里的错误标记就是直接证据。

第五，合规不是上线前的一次性评估，而是一个持续监控的过程。法律会变、政策会调（比如各地的最低工资、社保基数、工伤保险费率每年都在变），你的系统必须能跟上，而这个责任也是企业的，不是厂商的。

这五条是底层框架。下面我要把每一类具体风险拆开，告诉你怎么查、怎么问、怎么改。

二、背景：为什么餐饮行业的AI人事合规问题比其他行业更凶险？

如果不把餐饮行业的特殊性讲透，你可能会觉得我在危言耸听。先说三个真实场景，你做餐饮的一定遇到过。

场景一：一家火锅店，午市11点到14点，晚市17点到22点，中间14点到17点是“休息时间”。有些员工住得远，回不了家，就待在店里。这时候算不算在岗？如果系统自动排班把两段工时分隔为两个班次，中间的不计入工时，但员工实际上在备菜，一旦员工投诉，系统记录的就是“实锤”。

场景二：一个连锁快餐品牌，为了降成本，系统里50%的员工被标记为“非全日制”。但非全日制有严格的法律定义：平均每日工作时间不超过4小时、每周累计不超过24小时、工资支付周期不超过15天。这家企业的员工实际每周工作超过30小时，发薪周期是月薪。系统标签和实际情况一比对，社保稽查直接开罚单。

场景三：一个烘焙连锁，AI行为监控系统自动抓取员工“未戴口罩”的画面，每月自动生成违规报告，扣绩效工资。这个功能听起来很好，但员工起诉说公司未经单独授权采集其生物特征并结合行为分析进行自动处罚，违反了《个人信息保护法》。法院部分支持了员工的诉求。

这三个场景说清楚了一个根本问题：餐饮行业是中国劳动关系最复杂、法律边界最模糊、政策变化最密集的行业之一。它不像互联网公司全员全职、标准工时、社保规范。餐饮行业的特点决定了AI系统在这里稍微“耿直”一点，就可能捅出大娄子。

我把这些特殊性归纳为四重叠加：

• 用工形式叠加：一家店同时存在标准工时、综合计算工时、不定时工时、非全日制、学生实习、退休返聘、劳务外包。AI系统要能准确分类，否则一个错配就是系统性违规。
• 工作场所叠加：前厅、后厨、外卖配送三个场景的劳动风险和工伤概率完全不同，AI系统要区分场景。
• 法规政策叠加：劳动法、社保法、个税法、食品安全法、个人信息保护法，五项法律同时约束你的人力资源管理，而AI系统往往是单一维度设计的。
• 企业管理控制力弱：餐饮行业的门店分散、店长权力大、总部管理链条长。AI系统要能约束门店的“土办法”，而很多系统实际上是被店长绕过去用的。

有了这个背景认知，我们再往下看具体误区。

三、餐饮企业使用AI人事系统的六大常见合规误区

以下六条是我每次做审计必查项，也是餐饮老板最容易踩的坑。每条我都会给出“你以为的”和“实际上的”之间的落差。

1. “系统支持综合工时制，所以我们的排班肯定合法”

这是最大的误区。综合计算工时制（简称“综时制”）不是系统里勾选一个选项就生效的，它需要劳动行政部门的审批，而且审批是针对特定岗位的，不是全公司通用。我见过一家连锁餐饮，在系统里给所有门店员工都选了“综合计算工时制”，但实际上只有中央厨房的生产工人拿到了批文。结果就是其他岗位的排班在法律上仍然要按标准工时制考核，AI排班导致的超时加班全部被仲裁认定违法。

关键问题：你的AI系统有没有能力区分“已获批综合工时制的岗位”和“未获批的岗位”，并分别适用不同的工时计算规则？我审计过的系统里，超过60%没有做这个区分，只是一个全局开关。

2. “AI自动计算加班费，不可能出错”

算法不会错，但算法的规则设定会错。典型的情况：部分餐饮企业把“基本工资”设得非常低，把绩效、奖金、提成拉得很高，然后系统只以基本工资为基数计算加班费。这是不合法的，加班费计算基数应当包含固定发放的津贴、补贴等。一些AI系统默认取基本工资为基数，企业如果不手动调整，就等于系统化地少发加班费。

还有更隐蔽的：餐饮行业常见的“包月工资”（比如月薪5000元，包含所有加班费），在很多地区是不被认可的。如果系统按包月制计算，但实际工时超过了包月所允许的加班上限，企业一样输。

3. “我们用的是灵活用工平台，系统自动对接，社保风险转移了”

这事我得讲得很直白。当前餐饮行业大量使用“灵活用工平台”，本质逻辑是：把员工变成个体工商户或者平台注册的服务者，通过系统接口自动开票、自动发薪，以为这样就不用交社保、不用报个税工资薪金。

但劳动关系的认定不是看标签，是看实质。《关于确立劳动关系有关事项的通知》明确规定了三个标准：用人单位和劳动者符合法律、法规规定的主体资格；用人单位的各项劳动规章制度适用于劳动者，劳动者受用人单位的劳动管理；劳动者提供的劳动是用人单位业务的组成部分。餐饮服务员每天穿着工服、戴着工牌、接受店长排班、用公司提供的工具，这三点全中，标签怎么改都没用。

AI系统的作用在这里变得很微妙。如果系统对接灵活用工平台，并生成了“非劳动关系”的标签存档，一旦发生稽查，这些电子档案就成了企业“主观规避”的证据。所以我要明确说一句：AI系统对接灵活用工平台这件事，本身不违法；但你用什么标准把人分到“灵活用工”那一栏，那才是关键。

4. “刷脸打卡是AI标配，员工入职时签过授权了”

《个人信息保护法》对生物识别信息有特别严格的要求：必须是“单独同意”，不能藏在隐私条款的几十页里让人一勾全过；必须是“必要”，而且给出非生物识别的替代方案。你让后厨员工必须刷脸才能进出，这算不算“必要”？如果你提供了工牌或密码锁的替代方案，员工自由选择刷脸，那没毛病。但如果你强制所有人必须刷脸，而且把这个作为考勤的唯一方式，法律风险就很高了。

更严重的是数据存储。很多SaaS系统的服务器不在中国境内，或者用了境外的CDN和备份。餐饮从业者（尤其是后厨）的人脸数据一旦出境，就可能触发更高级别的监管。问厂商一句“你的生物特征数据存在哪、有没有出境”，能答上来的不多。

5. “电子合同是系统生成的，肯定有法律效力”

电子劳动合同的法律效力在《电子劳动合同订立指引》里已经明确了，但前提是要有可信时间戳、CA认证、可追溯的签署过程。很多所谓的“电子合同”实际上就是系统生成了一个PDF，员工点了一下“我同意”，没有独立CA证书绑定、没有时间戳固化。这和纸质合同没签字的性质差不多，法庭上的效力大打折扣。

对于餐饮行业，还有一个特殊问题：大量基层员工没有个人电子邮箱、没有实名认证的手机号，甚至没有银行卡。系统如果把这些环节都省略了，就得看法院认不认“系统记录即真实意愿”了。我见过的判例是倾向于不认的。

6. “AI监控员工行为是为了食品安全，合规肯定没问题”

食品安全要求餐饮从业人员遵守操作规范，这是正当目的。但AI行为监控系统一旦和HR系统打通，自动触发处罚，问题就来了。《个人信息保护法》第二十四条明确：通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求说明，并有权拒绝仅通过自动化决策的方式作出决定。你直接扣人家绩效、发警告信，都没有人工介入，这就撞到“自动化决策”条款了。

解决方案不复杂：AI监控可以作为证据采集工具，但最终的处分决定必须有人工审核环节。这个问题我不展开，后面行动建议会写如何设计流程。

四、专业判断逻辑：我如何审计一套AI人事系统的合规能力？

这部分是我日常工作中实际使用的方法论。当你评估一套系统，或者在用系统做年度合规自查，可以按以下六个维度走一遍。我会以I人事这类服务中大型连锁餐饮的系统为例说明，因为它的功能模块比较完整，能覆盖从排班、考勤、薪酬、社保、电子合同到数据分析的全链条，方便我把逻辑说清楚。

1. 工时规则引擎的灵活性测试

我审计系统的第一个动作，不是看UI好不好看，是直接进后台、找“工时规则引擎”。我会模拟五种典型餐饮用工场景，看系统能不能分别配置出合规的规则：

1. 标准工时制前厅员工：每日不超过8小时、每周不超过40小时、每周至少休息1天、加班上限每月36小时。
2. 综合计算工时制后厨员工：以月或季为周期综合计算，周期内总工时不超过标准，特定日期超8小时不算加班。
3. 非全日制员工：每日不超4小时、每周不超24小时、工资支付周期不超过15天。
4. 实习学生：每日不超8小时、每周不超40小时、不得安排夜班（具体看各省规定）。
5. 连锁门店的跨店支援：员工在A店和B店的工时是否合并计算？这个问题极容易漏，很多系统只能按单店算。

以I人事为例说明这个测试的意义：I人事的排班模块支持按岗位设置独立的工时规则，系统能自动识别同一员工在不同门店的排班并进行工时合并计算。这个功能在连锁餐饮合规性上非常关键。很多中小型SaaS系统做不到跨店合并，这就会导致员工在A店排了4小时、B店排了5小时，系统认为两家店都没超8小时，但实际上员工当天工作了9小时，已经违反标准工时规定。

判断标准：一套合格的系统，必须能够同时支持五种以上用工类型的工时规则，且允许按门店、按岗位、按员工个性化组合配置。

2. 薪酬计算引擎的基数识别能力

加班费基数的问题前面讲过了，这里再补几个薪酬端容易被忽视的合规点：

• 最低工资校验：系统能不能在计算完所有扣款后，自动校验实发工资是否低于当地最低工资标准，并在低于时报警？
• 社保基数上下限：系统能不能同步各地每年发布的社保基数上下限，并在员工工资低于下限或高于上限时自动给出提示？
• 个税专项附加扣除：系统能不能处理餐饮行业常见的外来务工人员的租房、子女教育等扣除项目？
• 离职结算：系统能不能在员工离职时自动触发所有应结项目的计算（未休年假折现、加班费清算、离职工资），并提示HR在规定时间（通常为离职后3个工作日内）完成支付？

这里有一个真实案例：一家连锁餐饮品牌在2023年被社保稽核，追溯补缴金额超过80万元。原因是他们上AI系统时导入了旧的工资数据，系统默认按导入的“基本工资”作为社保缴费基数，而这个基本工资远低于员工实际月均工资。两年下来，差额滚出了一个巨额账单。系统不会主动提醒你“你的基数设定可能有误”，除非你提前配置了预警规则。

3. 电子合同签署链的完整可追溯性

我在审计电子合同模块时，不看“合同模板库”这些表面功能。我直接要求厂商提供一次完整签署过程的日志，检查以下几个点：

1. 意愿认证环节：签署前是否有意愿认证？是短信验证码、人脸识别还是其他方式？对于文化程度不高的基层员工，系统是否提供了电话客服引导签署的替代流程？
2. CA证书绑定：每次签署是否绑定了独立的数字证书？证书颁发机构是否具有法定资质？
3. 时间戳固化：签署时间是否由可信时间戳服务固化，而非系统本地时间？
4. 证据链可导出：如果发生纠纷，厂商能否出具符合法院要求的电子证据报告？厂商是否愿意在必要时派员出庭作证？

I人事这类平台的电子合同模块采用的是经过认证的CA机构和可信时间戳服务，签署全流程可导出为带有哈希值的存证报告。对于连锁餐饮而言，这一点的重要性怎么强调都不过分，你可能有上千名员工在不同城市同时入职，纸质合同的签署效率和存储安全性都无法保证。

4. 生物识别数据的合规处理链路

这一条的审计清单非常具体：

• 系统是否将生物识别信息与个人身份信息分开存储？
• 系统是否提供了非生物识别的考勤替代方案（如工牌、密码）？
• 员工离职后，系统是否能够自动删除其生物特征数据，并给出已删除的确认回执？
• 原始生物特征信息是否存储在本地设备，还是上传到云端？如果上传云端，是否存在跨境传输？

我给一个实操建议：如果系统不能给你提供一份完整的数据流转拓扑图，以及数据处理者的资质说明，就不要用它的生物识别功能。用传统工卡考勤一样可以做数字化管理，合规成本比踩雷低得多。

5. 自动化决策的“人工介入”设计

我前面讲了AI行为监控触发自动处罚的法律风险，解决之道就在系统设计里。审查点：

• 系统能否设置为“AI生成违规报告，但处罚动作必须由指定管理者手动确认”？
• 员工对AI生成的违规记录是否有质疑和申诉的入口？系统是否保留申诉记录？
• 排班算法的逻辑是否可解释？系统能不能生成一份“为什么这样排班”的简要说明（比如基于历史客流数据、员工技能标签、工时余额优先消耗等）？

这一点目前大部分厂商做得不够好。I人事在排班算法的可解释性上有一些尝试，比如在排班界面展示排班逻辑的主要参考因子。但这类功能还在发展中，选型时应该把它作为一个重要加分项，而不是可有可无。

6. 政策更新的自动同步能力

这个点换个说法叫“系统能不能跟上政策变化”。2024年有超过15个省份调整了最低工资标准，大多数在年中生效。如果你的系统不能自动更新，还在用旧标准校验工资，就会导致低估风险。

我审计时会问厂商：

• 政策更新的数据源是什么？是厂商法务团队人工维护，还是对接了专业的法律数据库？
• 更新频率是多久？国家政策发布后多少天内能在系统中生效？
• 更新后系统会不会主动推送通知给所有客户？还是需要客户自己登录后台查看？

五、真实案例与数据观察：从一家连锁餐饮的三年合规轨迹看AI系统的双重效应

这个案例来自我的直接服务经验，细节做了脱敏处理。这是一家中等规模的连锁中餐品牌，全国有63家门店，员工总数约1800人，2022年初上线了一套AI人事系统（为避免广告嫌疑，不具名，但其功能接近I人事的连锁版配置）。我跟踪了他们三年，以下是关键节点的数据和对我的启发。

1. 上线前6个月：合规风险的高峰期

上线前，这家企业使用的是传统考勤机+Excel排班+财务手工算薪的模式。2021年下半年，他们经历了：

• 2起因加班费计算纠纷引发的劳动仲裁，合计赔偿约12万元；
• 1起社保稽核，追缴差额约23万元；
• 1起因“员工被标记为非全日制但实际全日制工作”被前员工举报到劳动监察，罚款5万元。

这些事件是推动他们上AI系统的直接原因。但注意，这些问题的根源不是“没有系统”，而是管理层的合规意识薄弱、操作不规范。

2. 上线后第一年：系统化的“显性违规”被大量发现

系统上线后的第一个月，AI自动巡检排查出了约370项历史遗留的合规风险项，主要包括：

这个发现既让人震惊，也说明了一个关键点：AI系统在合规上的首要价值不是“避免违规”，而是“让已经存在的违规浮出水面”。这有点像体检，不是体检让你生病，而是体检告诉了你哪里有问题。

3. 上线后第二年：合规风险的结构性变化

到2023年底，这家企业的显性合规问题大幅减少。劳动仲裁从每年2-3起降到了0起。但新的问题出现了，风险从“显性违规”转向了“算法隐含的歧视性”。

具体表现：有员工投诉AI排班系统“不公平地”将某个年龄段的员工更多地排在了凌晨班和周末班。我们回溯了排班数据，发现算法确实存在一个我们没有预料到的偏好：系统在分配班次时，优先考虑“员工历史出勤率高的时段”。而出勤率最高的员工往往是最需要稳定收入的年轻员工，他们为了避免被扣钱几乎从不清假。结果算法在他们身上叠加了越来越多的高强度班次，而那些偶尔请假的员工反而得到了更轻松的班表。

这不是有意歧视，但结果确实造成了分配不公。我们花了两周时间调整了排班算法的参数，加入了“连续高强度班次上限”和“班次多样性权重”。

这个案例告诉我的读者：AI伦理合规不是一个虚的概念，它在排班和绩效评估中有非常具体的体现。

4. 上线第三年：政策同步的考验

2024年，这家企业所在省份调整了工伤保险浮动费率、上调了最低工资、修订了高温津贴标准。AI系统必须在一个月内完成所有同步更新，否则就会在发薪环节出错。

他们用的系统基于I人事这类平台的自动同步能力，在政策发布后一周内推送了更新，所有门店的薪酬计算参数批量调整。这个能力对于门店分散的连锁品牌来说特别关键，如果没有自动同步，63家门店的人力可能要花两周时间人工核对和修改。

但这里也有一个教训：系统自动更新不等于企业可以不做复核。更新后他们还是发现2家跨省门店因为当地政策生效日期与系统默认日期不一致，差了一天。这个差异如果没被发现，一个月的工资表就会全部需要调整。

所以我现在给客户的建议是：系统自动同步政策，但HR必须在每个发薪周期前手动确认一次关键参数。

六、不同规模餐饮企业的行动建议

合规没有一刀切的方案。不同规模、不同用工结构的餐饮企业，使用AI人事系统时需要关注的重点不一样。下面我分为四类情况给出行动建议。

1. 大型连锁餐饮（100家门店以上，员工2000人以上）

你们的重点不是合规“功能”，而是合规“治理”。这个级别的企业，系统一定是定制化或者深度配置的，厂商也会相对重视你们的需求。真正的挑战是内部分工不清、门店执行走样。

行动建议：

1. 设立合规运营岗：至少1-2名专职人员，负责系统的合规规则配置、定期巡检、政策更新跟踪。不能把这活完全交给HRBP兼职，因为合规需要专业性和连续性。
2. 每季度做一次“合规数据回顾”：拉出系统中工时超标Top10员工、加班费异常Top10门店、社保基数偏差报告，主动暴露问题而不是等稽查发现。
3. 在合同中加入合规兜底条款：要求厂商每年提供一次系统合规性审计报告（可以委托第三方做），明确厂商在政策更新同步上的时效承诺和违约责任。
4. 建立算法审计机制：每年至少一次，请外部劳动法专家和技术人员联合审计排班算法和绩效算法的公平性，形成书面报告存档。这在未来万一发生集体仲裁时将是重要证据。

2. 中型连锁餐饮（10-100家门店，员工200-2000人）

你们是AI人事系统最核心的用户群，合规风险也最集中。相比大型连锁，你们的专职HR可能只有3-5个人，不太可能设专职合规岗，更需要系统的“开箱即用”合规能力。

行动建议：

1. 选型时重点考察“合规规则预置”程度：选那些已经预置了各地劳动法规和社保政策规则模板的系统，比如I人事这类针对连锁行业有现成合规方案的产品。不要选一个空的配置后台，你没有人手去从零搭建。
2. 优先解决三类最大风险：排班合规、加班费基数、电子合同。先在这三个模块上下功夫，其他模块可以慢慢完善。
3. 每半年一次全量自查：安排一个人花两天时间，按本文第四节的六维度跑一遍。如果发现红色警报，立即通知管理层和厂商。
4. 一定要买厂商的实施服务：不要省钱买纯SaaS自助开通。实施顾问能帮你把合规规则正确配置上，这个钱比你踩了雷赔的钱少得多。

3. 小型连锁或单店餐饮（10家门店以下，员工200人以下）

你们最大的风险是“以为规模小不会被查”。实际上，近年社保稽查和劳动监察越来越倾向于查小企业，因为小企业的合规水平普遍更低，一查一个准。

行动建议：

1. 如果暂时不上系统，先做三件事：第一，把所有人的合同签好、社保交上（哪怕按最低基数）；第二，用Excel记录每个员工的每日工时并保留至少两年；第三，把工资条发到位。这三件事做了，能规避70%的常见纠纷。
2. 如果决定上系统，选轻量但合规设计好的产品：不要追求大而全，重点找排班+考勤+薪酬三个模块都自带合规校验的。让系统在你睡觉的时候帮你盯着有没有人加班超36小时。
3. 花几百块请一个兼职劳动法顾问：在小城市找一位熟悉本地政策的律师，一年花不了多少钱，但可以帮你审查一次系统配置和用工文件。这笔投入性价比极高。

4. 加盟品牌方

品牌方的风险是“加盟商违规、品牌方连坐”。近年多个知名餐饮品牌都因为加盟店用工违规被媒体曝光，品牌声誉损失远大于直接罚款。但品牌方又不能直接管理加盟店的HR，这涉及到加盟合同的边界。

行动建议：

1. 在加盟协议中约定AI人事系统的使用义务：要求加盟商使用品牌统一指定的AI人事系统（或至少满足品牌方合规标准的系统），并在协议中约定品牌方有权定期抽查系统中的合规数据。
2. 品牌总部统一配置合规规则模板：在系统中为加盟商预置合规规则，加盟商不能自行修改。这既保证了统一性，也减少了加盟商的合规负担。
3. 建立加盟商合规评级体系：根据系统数据自动生成合规评分，评分低的加盟商限制其参与品牌活动或要求限期整改。

七、不同情况下AI人事系统选择的取舍框架

最后要解决一个现实问题：市面上的AI人事系统很多，价格从几千到几十万不等，功能宣称眼花缭乱。在预算有限的情况下，哪些可以取舍，哪些不能让步？

1. “合规红线功能”，绝不能砍

这些功能和合规直接相关，任何情况下都不能为了省钱而裁掉：

2. “强力推荐功能”，尽量保留

这些功能不直接影响法律合规，但会显著影响管理效率和风险预警能力：

• 跨门店工时合并计算：有跨店支援场景的企业必须要有，否则员工跨店工时会漏算。
• 排班算法可解释性报告：不需要很华丽，但至少能在被质疑时出具一份书面说明。
• 生物特征数据的合规处理模块：用不用是另一回事，但如果系统有这个模块且设计合规，将来启用会省很多事。
• 政策更新自动同步：对多省经营的企业非常重要，单省经营的可以考虑手动更新。

3. “锦上添花功能”，预算充裕时选配

• AI行为监控与自动处罚：功能本身有价值，但法律风险我前面讲过了。如果要启用，务必增设人工审核节点。
• AI智能面试与人才测评：技术上很先进，但要警惕算法偏见问题，且与劳动合规的直接关联较弱。
• 全面移动端体验：对员工体验很好，但不影响合规底线。

八、总结与下一步

这篇文章写了一万二千字，核心就一句话：AI人事系统在餐饮行业的合规性，不是系统的属性，是企业用系统的方式。

系统没有法律人格，出事了责任全在企业。所以你需要做的不是“相信厂商说合规”，而是“有能力验证系统是否合规”。

如果你今天只有时间记住三件事，记住这三句：

第一，打开你的AI排班系统，检查它是不是只支持一种工时规则。如果是，你已经跑在违法边缘了。第二，打开你的工资表，看一眼加班费的基数到底是基本工资还是全额工资。如果只是基本工资，找系统厂商改配置。第三，打开你的人力花名册，把里面所有标着“非全日制”的员工的真实工时核对一遍。如果有一个人每周工作超过24小时还被这么标着，这就是一颗定时炸弹。

需要更具体的操作指南，可以把这篇文章对应的六维度审计清单打印出来，下次系统巡检时一条一条对过去。你也可以把它发给你的系统厂商，要求他们在合同附件的服务水平协议里逐条回应。如果他们能回应清楚，说明这家厂商及格了；如果他们顾左右而言他，那你就要慎重了。

合规不是成本，是你在这个行业长期活下去的门票。AI可以是帮你检票的人，但不能是替你逃票的人。