AI招聘具有超出预期的包容性和透明度

在招聘过程中，人工智能已十分常见。求职者在见到真正的招聘人员之前，往往会经历基于算法的简历筛选、自动评测，甚至是AI主导的面试。

批评者认为，这使招聘过程变得更加冷漠和不透明。乐观主义者则认为，这保证了更高的效率和公平性。但更令人惊讶的是，最近的证据表明：经过深思熟虑的设计，AI实际上可以发掘隐藏的人才，使招聘过程更加以人为本，甚至使拒录变得更为公正。

雇主们正面临创纪录的申请人数、更紧张的劳动力市场以及越来越多的对招聘偏见的审视。随着近期AI的加速应用，问题已不再是AI是否会成为招聘过程的一部分，而是AI将用于减少不平等，还是在无意中加剧不平等。

在寻找合适的候选人时，结构化的、与岗位相关的评估方法（例如在面试中让所有候选人回答相同的问题）向来优于非结构化的评估方法（例如非正式面谈或临时的简历筛选）。

近期的统合分析显示，结构化面试、认知能力测试和工作样本练习仍然是各行各业预测工作表现的最强有力的指标。同时，新研究强调，求职者认为这些方法比简历筛选更公平和透明。

AI使这些经过验证的方法得以推广。AI主导的面试不通过学历或工作经历筛选候选人，而是评估可观可感的行为，如推理、沟通和动机等。

在一项随机对照试验中，有超过3.7万人申请某初级开发岗位。该试验显示，与简历筛选的候选人相比，AI辅助流程选出的候选人在真人盲面中更可能获得成功，成功概率高出20个百分点。对职业初期的求职者来说，这一差距尤其明显，表明AI面试能够凸显简历背后隐藏的潜力。

这些研究发现的背景是：一些雇主和政策制定者正致力于降低学位要求，并开辟更多替代性就业途径。那些有助于发现被忽视人才的系统提供了一种实用的方式，使招聘过程更少依赖资历，而更多关注能力。

效率一直是AI招聘的关键承诺，但其对劳动力市场的影响可能更为重要。在上述随机试验中，招聘人员的工作量几乎减少了一半。AI面试提高了后续通过率，因此，招聘人员在减少44%的真人面试后仍然能成功招聘到合适的人才。

效率也改变了求职者表达意图的方式。提交简历只需要几分钟，但结构化的AI面试通常需要30-40分钟。这一时间投入起到了承诺的作用，筛选出那些随意海投的人，并凸显出真正有动机的求职者。

这一转变尤为及时。大规模的在线招聘网站让求职者能够轻松提交申请，导致招聘人员不堪重负，且候选人质量下降。研究表明，透明的算法工具能够利用更精准的信息来应对庞大的数据量。通过集中精力展示与岗位相关的内容，AI可以提高雇主和求职者之间的匹配度。随着时间的推移，这将使招聘更注重质量而非数量。

关于自动化面试的疑虑通常集中在其缺少差异性。不过，技术设计起到决定性作用。针对30多万场AI面试的比较评估表明，与其他组合相比，语音转文字、语言模型和语音合成的特定组合的对话流程更流畅，评分也更可靠。

研究还表明，求职者在评判招聘方法时，不仅关注结果，还考虑公平性、透明度以及岗位相关度。调查显示，当AI面试给出明确的指示和一致的评分时，求职者对其的态度通常比非结构化的真人面试更积极。

AI招聘最令人意外的好处或许与拒录有关。传统上，由于时间限制或法律风险，雇主几乎不会向落选的候选人提供反馈。AI改变了这种局面。由于候选人是根据明确的细则评估的，用于招聘决策的数据也可以转化为个人反馈。

异步视频面试（AVI）指的是AI提问和评估的面试，根据候选人的个人背景量身定制问题。相关研究显示，结合AI分析后，招聘人员能够生成一致、可推广的反馈，同时减少偏见和行政负担。这与求职者重视透明度和建设性反馈的研究发现一致，即使在面试结果不理想的情况下也是如此。矛盾的是，一些被拒绝的候选人的满意度高于被录取的候选人，因为他们感到招聘过程更加公平、有尊严。

AI的潜力不应掩盖其风险。若不采取保护措施，算法可能加剧不平等现象。基于算法的招聘广告投放证据表明，即使是中立的系统，在招聘技术职位时也可能产生性别比例失衡的结果。当算法依赖于有偏见的历史数据时，类似的担忧也会出现。

因此，治理是关键。重要的是验证指标的有效性，这意味着严格确认在评测中所考核的技能（例如解决问题的能力、编码能力或沟通清晰度）是否直接影响目标岗位的胜任力。在使用AI招聘时，持续审查不同群体，并确保候选人能理解AI的判断依据也至关重要。

研究强调，求职者的信任不仅取决于结果的公平性，也取决于程序的公认合法性。建立信任要求在每个阶段都保证透明度和问责制。

AI招聘并不是代替人类做判断，而是放大人类的潜力。AI主导的面试可以为被忽视的候选人提供更多机会，减少招聘人员偏见，提高效率，并使拒录变得更加公平。这些好处依赖于谨慎的AI治理。

负责任的自动化设计可以使招聘过程更有人情味。挑战不在于技术可行性，而更多在于组织是否愿意公平地设计、审查和治理这些系统。如果雇主和政策制定者能够应对这一挑战，AI将推动招聘过程变得更加快速、透明、包容和公平。

本文作者：

Mark Esposito，哈佛大学肯尼迪政府学院国际发展中心研究员

Ava Fitoussy，micro1人类数据负责人

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。

翻译：狄陈静

编辑：王灿