一句话定义：自动化决策的告知义务，指机构用算法而不是人工对你做出有实质影响的决定时，法律要求它主动告诉你——这是机器做的、它大致依据什么、你有哪些救济途径。
为什么需要这条：人工审批时代，拒贷的信贷员至少坐在你对面，能说一句"你负债率太高"。换成模型之后，流程变成一台投币机：塞进申请表，吐出一个"否"。你不知道该改什么，申诉也无从下手。告知义务就是给这台机器强制贴一张说明书。
它通常分三层落地：
| 时机 | 义务 | 典型内容 |
|---|---|---|
| 收集信息时 | 事前告知 | 存在自动化决策、决策逻辑的"有意义说明"、可能后果 |
| 做出不利决定时 | 结果告知 | 决定由自动化作出、主要考量因素、异议渠道 |
| 你提出异议时 | 事后救济 | 人工复核、表达自己观点、挑战该决定的机会 |
最常被引用的条款：欧盟《通用数据保护条例》(GDPR) 第 22 条赋予个人"不受完全自动化决定支配"的权利——决定对你有法律或类似重大影响时，原则上不能只由机器拍板（合同必需、法律授权、明确同意等例外除外）；即使在例外情形下，也要提供人工干预、表达意见和质疑决定的保障，并告知决策逻辑的"有意义信息"。欧盟《人工智能法案》(AI Act) 把招聘筛选、信用评分等列为高风险场景，进一步强化了告知与解释要求。中国《个人信息保护法》第 24 条要求自动化决策保证透明度和结果公平公正，对个人权益有重大影响的决定，个人有权要求说明，也有权拒绝"仅通过自动化决策"作出。美国没有一条同等通用的条款，但信贷领域有《公平信用报告法》(FCRA) 的"不利行动通知"，纽约市还要求招聘用自动化工具事先告知候选人。
别和这几件事搞混：
- 与"可解释性"(explainability) 不同：可解释性是技术目标，告知义务是法律义务。技术上解释不清，不等于可以不说。
- 与"算法透明度"不同：透明度多是面向公众的披露（模型说明、审计报告），告知义务是面向你个人、针对这一次决定的。
- 与"反歧视"不同：反歧视问结果公不公，告知义务问过程可不可见——但可见是发现不公的前提。
对从业者的意义：做信贷、招聘、保险这类场景，产品设计阶段就要预留"解释素材"——本次决策的关键输入、模型与阈值版本、评分依据。事后再想翻出这些日志，往往已经来不及。解释能力不是法务的收尾工作，是工程需求。
对普通人的意义：收到"很遗憾"时，别只接受一个结论。可以书面追问三件事：这个决定是否由自动化系统作出？主要依据哪些信息？能否安排人工复核？光回一句"综合评分不足"，在不少监管口径下并不构成"有意义的信息"。把申请材料和时间点留好。
各国适用范围、豁免情形和申诉流程差别不小，具体以官方页面为准。