当AI开始大规模介入简历筛选和面试评估，一个长期被回避的问题逐渐浮出水面：算法真的比人类更公平吗？近期，《MIT科技评论》报道的一项研究给出了颇为反直觉的答案——在招聘场景中，AI形成偏见的可能性甚至高于人类。这与“用算法消除人为偏见”的流行叙事形成了鲜明对比。

一场人机招聘实验：AI偏见的量化证据

这项由剑桥大学贾奇商学院等机构联合开展的研究，设计了一个精巧的对照实验：让人类招聘专家和多个主流大语言模型（包括GPT-4）分别对虚构的求职者进行评分。求职者的简历在能力描述上完全相同，唯一的变量是姓名、性别和种族暗示信息。结果出人意料：AI评分在不同群体之间出现了比人类评委更剧烈的波动。例如，在涉及种族与性别交叉评估时，某些群体的得分被系统性压低或抬高，其偏差幅度超过了人类评审的平均水平。

研究者指出，大语言模型并非从真空中习得判别标准，它们从海量互联网语料中“继承”了刻板印象与历史不公，并在概率生成的过程中无意识地放大了这些偏见。更棘手的是，这种偏见通常以流畅、自信的语言输出，极具迷惑性，用户很容易误以为AI的结论是客观中立的。

从技术乐观主义到清醒反思

这一发现冲击了企业界普遍的AI招聘乐观情绪。过去几年，越来越多的企业引入AI人才筛选工具，期望用数据驱动的决策替代主观直觉，从而提升招聘效率和公平性。但上述研究提醒我们，在训练数据、标注标准和模型价值观尚未被审慎设计的情况下，AI很可能成为隐性的歧视放大器。

对中国企业而言，这尤其值得警惕。国内招聘市场体量庞大，AI简历解析、人才画像、视频面试分析等应用快速普及。然而，相关技术监管与公平性审计体系仍处于构建初期。一旦带有偏见的模型被大规模部署，某些求职群体将在完全不知情的情况下被系统性地排除在机会之外，不仅损害个体权益，也会给企业带来合规和声誉风险。

负责任地应用AI：从算法透明到人类监督

研究并非全盘否定AI在招聘中的价值，而是强调必须为技术套上缰绳。专家建议，企业在落地AI招聘系统时，至少需要做到三点：其一，进行定期的偏见审计，使用差异影响比等指标检测不同子群体间的结果差异；其二，保持“人在回路”的审核机制，尤其在最终的录用决策环节保留人类否决权；其三，向候选人提供算法评估的适当解释，提升流程透明度。

对于采用远程办公和灵活用工的平台而言，这一议题尤为重要。这些平台往往高度依赖算法匹配技术连接企业与海量人才，任何隐含的偏见都可能侵蚀平台的信任基础。值得一提的是，像小蜜蜂云工作这样的灵活用工与远程招聘平台，其价值核心正在于打破地域与身份限制，为更广泛的劳动者创造公平机会。它的持续良性运转，离不开对技术偏见的清醒认知与主动治理。

本文由小蜜蜂云工作原创发布，话题参考自行业公开报道。