全球弥合性别薪酬差距的进展慢得令人难以接受。这并非因为人们没有努力：许多企业和政府都将性别平等列为重点议程，并在采取切实措施加以解决，例如开展薪酬审查、推行相关政策。不过，成效并不理想。
例如，自2017年以来，英国要求员工人数超过250人的企业报告其薪酬差距。这本应对性别薪酬差异起到遏制作用。但随着第二个报告年度到来，我们已经发现，包括汇丰银行和维珍大西洋航空部分业务在内的几家企业，情况反而恶化了。
但如果真正倒退的是我们解决性别薪酬差距问题的方式呢？
Katica Roy是Pipeline的首席执行官。这家总部位于丹佛的初创公司开发软件，帮助企业追踪性别平等指标。她深入思考过如何解决职场性别差距问题。她说，薪酬只是问题的表象；问题早在制定年度薪资时就已经存在，而且要早得多。她说：“病根在于你在源头如何衡量人才的价值”，包括判断谁有潜力、谁能获得晋升，以及如何确定每位员工的价值。这些判断受到深层偏见的影响，而偏见可能根植于企业文化或整个社会之中，也并不总是容易识别。Roy说：“从薪酬入手，多少有点事后补救的意味。”
Roy开发的工具可与企业的人力资源平台集成，在后台检索员工信息数据库，寻找可能适合其他岗位或已具备晋升条件的员工。例如，如果要在内部招聘，系统会根据每位候选人的技能和经验、绩效评估文本，以及其将加入团队的构成，为其评分。
Pipeline运用人工智能工具帮助企业缩小平等差距。Roy表示，算法设有制衡机制，以防止“逆向选择”——也就是仅仅因为候选人的性别而优先选择他们。她说，这款工具旨在应对无意识偏见，同时避免自身引入偏见。
Roy绝不是第一个指出，让更多女性进入高层职位是一个人才输送管道问题的人。近年来，全球开始认识到，需要扶持男性主导行业中的女性员工：确保她们不会因照料子女而离开职场，让她们获得与男性同等的晋升机会，并鼓励她们在职业中断后重返岗位。在职业生涯开始之前，工程、数学等领域女性学生人数不足，也促使人们呼吁并开展项目，鼓励女孩学习能让她们更好胜任未来工作的学科。不过，Roy的观点很有意思，因为作为一位亲自投身于解决这一问题的创业者，她对哪些方法有效、哪些无效有第一手经验。
她说，和任何初创公司一样，Pipeline也尝试过不同做法，包括在早期客户那里先从薪酬问题入手，但没有奏效。她说：“你们当时在讨论如何量化价值，可实际上，那个价值判断早就已经做出了。”
那么，薪酬差距的解决之道是什么？
许多企业正在提出技术解决方案，其中不少运用了人工智能。Plum承诺结合问卷调查、组织心理学工具和人工智能，帮助企业招到合适的人选。另一家初创公司Pymetrics将基于神经科学的工具与机器学习结合起来，并表示会用包含50,000份过往候选人档案的数据集测试其算法，确保系统本身不存在偏见——这个问题曾阻碍了亚马逊等企业开发智能招聘工具的努力。
针对人类的无意识偏见培训是解决问题的重要一环，但Roy（当然，她有推动技术解决方案的利益关系）表示，这还远远不够。自然语言处理是人工智能工具之一，也是一个很好的例子。Roy的团队让计算机分析员工绩效评估文本（她不愿透露具体数字，但表示他们已处理了“超过一千份”评估），发现面对相同文本，男性员工获得的数值评分会高于女性员工。这种偏见极难察觉，即使是留心寻找不公平待遇的人也很难发现。
她说：“开展无意识偏见培训很好，制定相关项目也很好，但如果这些措施能解决问题，问题早就解决了。”她举例提到谷歌，该公司仅在2015年就花费了1.5亿美元用于偏见培训，但仍存在系统性问题，2018年11月发生的谷歌员工集体抗议就是明证。
对Roy来说，我们一路上做出的所有决定都至关重要。她说：“人才输送管道很早就开始漏人。问题不只出现在首席执行官和董事会层面，而是在那之前25年就已经出现了。”人工智能驱动的技术解决方案或许只是一个工具，但面对如此根深蒂固的问题，我们似乎越来越需要全套手段。
