應聘新關卡：「鐵面無私」人機交鋒
又到一年畢業季，上面的「你」可能就是千千萬萬個畢業生的縮影。
人工智能革命已經開始，幾乎遍及人們職業和個人生活的方方面面，包括學業面試和工作招聘。
企業管理層越來越意識到，在供應鏈管理、客戶服務、產品開發和人力資源等各個環節，人工智能都有可能帶來更高的效率。
其中，能用於招聘的，就是傳說中的「AI面試官」。
它實際上是一個能夠實時交互的問答機器人，通過語義識別、表情識別和聲音識別等多種算法，根據既定問題，對面試者的回答進行分析、梳理，最終給出參考評分。
例如，在按照職位要求篩選簡歷時，AI比人類有更高的準確率和效率優勢，而在相對簡單、流程標準化的初試中，也能以最快的速度完成初篩。
此外，AI面試官確實是物理意義上的「鐵面無私」，能夠避免面試官因偏見、歧視、親緣等問題而造成的偏差，提高決策的公平性和一致性。
《2023年中國網絡招聘市場發展研究報告》顯示，AI視頻面試在應用場景中的佔比已經達到31.8％，而這個比例在未來只會有增無減。
不僅是中國，在全球範圍內用AI提升招聘效率也越來越常見。
快消巨頭聯合利華就曾發布過一組數據：AI能夠幫助節約10萬小時的面試時間，每年能省下100萬美元的招聘成本。
然而，雖然AI的引入能降本增效，但人工智能的本質以及背後的訓練數據，都帶著人的烙印，會不可避免地引入人類偏見，甚至還可能在原有偏見的基礎上「變本加厲」。
放大人類偏見
雖然在招聘中使用人工智能的原因之一是為了更加客觀，但多項研究發現，這種技術實際上很可能存在偏見。
之所以會出現這種情況，根本原因還是數據。如果數據有偏見和缺陷，人工智能也會複製這種缺陷。
The Decoder與22位人力資源專業人士進行的訪談後，發現了招聘中常見的兩種偏見——「刻板印象偏見」和 「同類相似偏見」。
「刻板印象偏見」顧名思義，來源於對某個群體的刻板印象。比如偏愛某個性別的應聘者，從而導致性別不平等。
「同類相似偏見」，則指的是招聘人員偏愛與自己有相似背景或興趣愛好的應聘者。
這些偏見會嚴重影響招聘過程的公平性，它們可能流入歷史招聘數據，然後被用來訓練人工智能系統，就導致了AI偏見。
例如，從2014年起，亞馬遜公司就開始開發用於簡歷篩選的人工智能，希望從海量的簡歷中，快速地篩選出最理想的候選人。
不過，這個技術僅僅過了一年，有人就發現，AI的篩選結果中包含強烈的性別傾向。
即使候選簡歷裡面並未明示性別，AI也會在文本的蛛絲馬跡裡尋找「線索」，例如「女子棋社隊長」，或者畢業於女子大學。
知情人士表示，這個人工智能的訓練材料，是公司過去10年的僱傭歷史，而在科技領域，長期的職業刻板印象以及「親男文化」，都導致了男性僱員數量大於女性，尤其是技術崗位。
2017年，亞馬遜棄用了這個篩簡歷的AI模型。
這種偏見的持續存在表明，無論是否使用AI，都有必要進行仔細規劃和監測，以確保招聘流程的公平性。
人類能消除偏見嗎？
除了人力資源專業人士，The Decoder還採訪了17位人工智能開發人員，希望研究如何開發人工智能招聘系統，以減少而不是加劇招聘偏見。
在訪談的基礎上，他們建立了一個模型，讓人力資源專業人員和AI工程師在研究數據集和開發算法的過程中，來回交換信息，質疑並去除先入為主的觀念。
然而，研究結果表明，實施這種模式的困難在於人力資源專業人員和AI開發人員之間存在的教育和專業差異。
這些差異阻礙了有效溝通、合作，甚至是相互理解的能力。
人力資源專業人員傳統上接受的是人員管理和組織行為方面的培訓，而AI開發人員則精通數據計算和技術，這些不同的背景會導致合作時的誤解和不協調。
如何優化AI＋HR
皮尤研究中心最近對11004名美國人進行了一項調查，發現66%的人不想向用AI招聘的僱主申請工作。
只有32%的人表示他們會申請，而其餘的人則不確定。而71%的人反對AI做出的招聘決定。
因此，如果企業和人力資源行業想要解決AI招聘中的偏見問題，就需要做出幾項改變。
首先，要對人力資源專業人員進行培訓，以信息系統開發和人工智能為重點的結構化培訓至關重要。
培訓內容應包括AI的基本原理、如何識別系統中的偏見以及減少這些偏見。
此外，促進人力資源專業人員與AI開發人員之間更好的合作也很重要。
公司應該建立包括人力資源和AI專家在內的團隊。這有助於彌合溝通鴻溝，更好地協調雙方的工作。
此外，建立具有文化多樣性的高質量數據集，確保AI的招聘流程中使用的數據能代表不同的人口群體。
最後，各國需要制定在招聘中使用AI的指導方針和道德標準，以幫助建立信任並確保公平。各組織應在AI的決策過程中實行問責制，提高透明度。
通過採取這些措施，我們可以創建一個更具包容性和公平性的招聘系統，既然AI擅長做客觀數據的分析與決策參考，那麼作為輔助工具使用，而不是攜帶著訓練不夠的「蠢」和複製偏見的「壞」貿然成為命運的判官。
參考資料：