斯坦福HAI研究：AI招聘工具存在显著种族偏见，算法单一化引发系统性排斥

斯坦福HAI（人本AI研究院）发布了一项迄今为止针对招聘算法最大规模的实地研究。研究人员追踪了340万求职者向1700个职位提交的400万份申请，这些申请均由同一家第三方供应商的AI工具进行筛选。研究揭示了令人担忧的发现：自动化招聘系统不仅未能消除偏见，反而在特定岗位对少数族裔造成了系统性的排斥。数据显示，26%的黑人申请者和15%的亚裔申请者遭遇了算法歧视。依据EEOC（平等就业机会委员会）的“五分之四法则”，如果AI系统以与最优势群体（通常为白人）相同的比例推荐这些候选人，本应有额外4万份申请能进入招聘下一阶段。研究进一步指出，单纯的宏观数据平均会掩盖微观层面的歧视真相，例如系统可能在推荐仓库职位时偏好黑人，而在金融职位中排斥他们，这种“平均效应”导致聚合数据看似公平，实则在具体岗位中存在严重偏见。此外，研究提出了“算法单一化”的概念，发现由于大多数企业依赖少数几家供应商的相同算法，导致求职者遭遇“全盘皆输”的概率远高于企业独立决策时的预期，这种市场集中度带来的同步决策风险正在重塑劳动力市场的结构。

事件分析

💡 核心观点：当招聘决策权集中于少数算法供应商，技术黑箱的叠加便不再是独立的随机错误，而演变成剥夺特定群体就业机会的系统性灾难。