前段时间，由于美国“BLM”平权运动的持续发酵，IBM、谷歌等互联网巨头纷纷下架或停止了自家的 AI 人脸识别业务，因为这些业务被证实存在种族和性别偏见。但从大厂不断关闭的 AI 业务中，也有一些人找到了相反的创业方向，他们试图利用 AI 工具来解决职场招聘过程中的歧视与偏见问题。
![]()
人工智能招聘工具
根据调研机构的分析，在世界财富 500 强企业中，有 98% 以上的企业在招聘过程中会使用 AI 简历过滤软件，同时也有越来越多的中小型企业使用类似的招聘工具。但与 AI 人脸识别一样，这些 AI 工具也存在偏见问题。
据外媒报道，两年前，美国电商巨头亚马逊曾秘密下线了公司内部的一个 AI 招聘工具，原因是该系统在长期对求职者简历进行筛选的训练过程中“学会”了性别歧视，即该 AI 在筛选简历时会更偏爱男性求职者，同时会自动降低一些女性求职者简历的评级。这一事件在当时也引发了人们对于 AI 招聘工具公平性的质疑。
近日，一家名为 GapJumpers 的 AI 创业公司声称，通过精心设计和训练其 AI 模型，他们的 AI 招聘工具能够在招聘流程中专门解决各种系统性偏见。这不是一个简单的任务：首先 AI 算法本身就存在一些性别和种族方面的偏见。而这家公司采用的策略是清除招聘程序中的身份识别信息，仅依靠匿名面试和技能测试来评定求职者与职位的匹配度，同时加入职位调剂的机制以吸引尽可能多的应聘者。
GapJumpers 是一家位于旧金山的初创公司，他们推出的 AI 招聘项目为求职者提供了一个平台，该平台使用机器学习算法对求职者进行仅与工作相关技能的评估，同时屏蔽所有的个人身份信息，再对每个候选人进行评分和排名。该公司联合创始人兼首席执行官 Kedar Iyer 表示，这种方法有助于减少传统 AI 招聘工具对于简历内容的过分依赖，因为简历作为训练数据的来源“充满了偏见”，并避免类似亚马逊的 AI 招聘工具在长期的简历筛选中将这样的偏见不断放大。
评论认为，这种减少歧视的刻意做法可能会鼓励更多公司尝试使用 AI 辅助招聘。随着平权运动在西方国家获得越来越广泛的支持，越来越多的企业开始致力于构建企业结构多元化，像 GapJumpers 这样的 AI 招聘业务也得到了很多潜在客户的询问。Iyer 说：“我们看到各种规模的公司都对提高他们的多元化越来越感兴趣。”
需要人工监督的人工智能
亚马逊下线的 AI 招聘工具带来的另一个教训是，在开发类似的 AI 招聘工具时，仅仅关注算法的设计和训练是不够的，因为 AI 软件几乎总是需要不断的人工监督。对于开发人员和招聘人员来说，这意味着他们不能盲目地信任 AI 工具的筛选结果 —— 他们还需要了解其背后的流程，不同的训练数据如何影响其行为，并监控可能出现的偏见。
来自北卡罗来纳州立大学的信息技术教授 Fay Cobb Payton 表示，科技企业中的种族偏见由来已久，“ 因为该行业中的部分群体（例如非裔美国人、女性）相对较少，而该行业的平均薪酬又恰好高于其他行业，这就造成了人们常常议论的 ‘种族贫富差距’。而一直以来，这部分群体在招聘过程中就难以进入科技公司（特别是研发部门），从而形成了一个带有偏见的历史循环。”
Payton 和她的同事在去年发表的一篇论文中提到了包括 GapJumpers 在内的多家以 AI 招聘工具为业务的公司，认为它们是采用“故意设计正义”的方法来改变 IT 界的招聘机制。
根据 Payton 的观点，AI 招聘工具根据其在招聘过程中的参与度可分为三种类型。初级的招聘工具可能只是给 HR 提供关于招聘哪种候选人的一般性建议；中级的工具可能会向招聘人员推荐特定的应聘者；而一些高级工具可以对候选人进行主动的筛选，甚至直接做出选择的决策。但是，无论 AI 在招聘过程中扮演什么角色，最终都应该要人来对评估系统做出决策，并拥有随时推翻 AI 所做决策的权力。
Payton 说：“我认为，正确的 AI 工具不应该在算法建议的末尾才提到人为介入。人类应该从设计 AI 工具到使用该工具进行招聘的整个循环过程中全程参与，一直到系统内部形成完全没有偏见的模型为止。”
Payton 补充说，AI 系统决策点的每个阶段都应允许进行人工审核，以便预防每个阶段可能出现的偏见。当然，人员的分工是至关重要的，比如审核系统的人员与最初设计系统的人员应该是不同的人，这样也能大大降低系统出现偏见或歧视的概率。
AI 工具并不是快速解决方案
AI 招聘工具面临的另一个挑战是，有些客户希望使用这些工具能够快速解决复杂的问题，而事实上并非如此。总部位于伦敦的招聘软件初创公司 Headstart 的产品营销主管 James Doman-Pipe 表示，任何想要使用 AI 或其他技术避免职场歧视的企业，都需要组织领导层和其他部门在各个环节的大力支持。
Headstart 的软件使用机器学习来评估求职者，并生成相应的“匹配分数”，以显示应聘者满足该工作岗位对技能、学历和工作经验要求的程度。Doman-Pipe 说：“通过产生匹配分数来对应聘者进行排序，招聘人员更有可能抛开种族、性别、家庭环境等因素，对应聘者择优录取，从而减少主观潜在的偏见。” 该公司声称，在将基于 AI 的方法与传统招聘方法进行比较的测试中，使用其软件的客户看到了新员工在多样性方面的显着改善。
尽管如此，以人工智能为动力的招聘工具在获得广泛信任之前，所面临的最大障碍之一是缺乏公信力，即这些 AI 工具需要一些公开的数据来表明：不同的工具是如何帮助招聘过程变得更加公平的。
宾夕法尼亚州立大学教授 Yarger 表示：“我从与一些软件公司的访谈中知道，他们确实为了更好的多元化进行了改变，他们重新校准了他们的招聘系统。但是，提高 AI 招聘中的算法公平性是否真的带来了效果，这点尚不清楚。” 她解释说，由于围绕公平就业和职场歧视的问题会带来一些法律责任，因此许多公司仍然不愿公开分享此类信息。因为一旦公开的数据证明了他们使用的 AI 工具曾经或仍然存在歧视某些群体的现象，那么该公司很可能会面临法律后果。
Payton 教授认为，人工智能是否能帮助企业创建公平、公正的人才招聘机制，仍然有待观察。“人类社会长久以来形成的偏见，包括一些职场招聘歧视的现象，并不会一夜之间发生变化。所以我们还有很多工作要做。”
