人工智慧（AI）在招聘領域的應用越來越普遍。根據《華爾街日報》近日的一篇報導，AI能提升招聘效率，尤其是面對大量申請的情況，AI篩選工具可自動處理簡歷，從而為企業節省人力和時間。然而，AI技術的應用也帶來潛在的偏見風險，這些AI系統依賴於過往或有偏見的訓練資料，可能在無意中加劇了就業歧視問題。
AI提升效率但可能加劇歧視
AI能快速篩選大量應徵者的簡歷，甚至進行自動化的面試過程，例如使用機器人與求職者進行互動，或根據特定關鍵字過濾簡歷內容。對許多產業來說，包括零售和食品服務等低薪行業，AI篩選工具已經成為員工招聘過程不可或缺的一部分。美國民權聯盟（American Civil Liberty Union，簡稱ACLU）的一篇專文即指出，超過70%的公司和99%的《財星》500強公司已經使用AI和自動化工具來進行招聘，而這些領域的工作者中非裔和拉丁裔工人比例較高。
BBC特稿記者夏洛特·利頓（Charlotte Lytton）在今年稍早的報導中也提到，企業越來越依賴AI篩選工具，如一對一視訊面試、語言分析、遊戲化測試等。然而，這些AI篩選工具可能造成某些最適任的求職者慘遭淘汰，有的甚至連面試機會都沒有。利頓引述紐約大學新聞學教授希爾克·謝爾曼（Hilke Schellmann）的研究指出，AI技術不僅沒有減少偏見，反而可能過濾掉那些最合適的應徵者。儘管AI除了提昇效率外，也被視為解決招聘過程中人為偏見的客觀手段，但其實際效果有待商榷，甚至可能造成反效果。
換句話說，AI篩選工具並不如人們想像的「客觀」。AI決策依賴的是通常隱含偏見的歷史數據，並且導致AI系統做出偏差的決策。比方說，某些AI系統發現名叫傑瑞德（Jared）、有高中曲棍球比賽經歷的求職者表現優異，因此認定這些特徵是成功員工的篩選標準，從而自動淘汰那些背景不同但同樣合格的應徵者。此外，AI還會根據模糊的性格特徵進行篩選，但這些標準並不一定適合每個職位，也會將身心障礙或文化背景不同的應徵者排除在外。
臉部和語音分析的潛在風險
ACLU的專文指出，某些AI系統針對應徵者的臉部表情、聲音語調等來進行性格分析，但這對少數族裔和身心障礙的求職者相當不利。語音分析可能會因為文化和語言差異而影響應徵者的得分，而臉部表情分析也可能對自閉症或其他肢體語言障礙的應徵者造成不公平待遇。
正如瑞典烏普薩拉大學教授桑普特（David Sumpter）在《被算法操控的生活》一書中所指出的，AI篩選過程可能強化性別和種族歧視。比方說，在一項實驗研究中，研究人員發現男性求職者更有可能被推送高薪主管職位的招聘廣告，而女性則更多地接收到普通職位廣告。這意味著AI不僅未能解決招聘過程中存在已久的性別歧視問題，反而可能進一步鞏固且惡化這個現象。
利頓的那篇報導中也提到一個具體案例。2020年，英國化妝師安西婭·邁魯迪奧（Anthea Mairoudhiou）因為AI篩選工具對她的肢體語言評分不高，儘管她在技能測試中表現出色，最終失去了工作機會。這類案例引發人們憂慮AI技術在篩選過程中可能造成不公平問題。
此外，利頓的報導提及，因為AI篩選工具通常基於既有員工履歷資料來進行機器學習，導致某些背景或興趣不同的應徵者被排除。在某些案例中，履歷資料中提到「棒球」或「籃球」這類愛好的求職者更可能獲得面試機會，而提到「壘球」的應徵者則可能被AI自動排除。換句話說，因為訓練資料本身的偏見，AI篩選技術可能導致某些求職者得不到平等的就業機會。
加強透明度監管的需求
2023年8月，美國平等就業機會委員會（EEOC）曾對首宗涉及AI招聘歧視的申訴案做出裁定。在該案中，線上教育機構iTutorGroup的AI招聘系統自動拒絕55歲以上的女性及60歲以上的男性應徵者，最終導致超過200名申請者因年齡被排斥在外。最終，iTutorGroup與EEOC達成和解，同意支付超過36萬美元賠償金，並採取反歧視政策及教育訓練課程，以確保未來招聘過程的公平性。
此外，由於求職者對AI篩選過程缺乏了解，他們很難知悉自己是否因系統本身的偏見而被淘汰。ACLU呼籲，企業應加強對AI系統的透明度和審查，立法機構應制定明確標準，以防止這些AI工具加劇社會不平等，並保障所有應徵求職者獲得公平競爭機會。
ACLU呼籲，企業應停止使用那些可能導致基於身心障礙、種族、性別、年齡等特徵進行歧視的高風險AI工具，而必須確保所使用的AI工具經過第三方審查，確保其不會加劇職場歧視。
AI應用不能迴避公平問題
AI技術在招聘過程中的應用已經無法逆轉，正如它也會被頻繁地應用在更廣泛的各個領域當中。然而，它所帶來的挑戰同樣不可忽視。誠如謝爾曼教授所指出的，AI篩選工具往往在尚未開發完備的情況下即匆促投入應用，從而導致一些明顯的偏見問題。她強調，這類技術如果沒有適當的監管，可能會對未來的職場就業公平性構成嚴重威脅 。
許多企業出於降低成本的考量，已經用AI技術取代了原屬人力資源部門的許多工作機會。這種做法雖然提高了效率，但同時也降低了企業對技術偏見的警覺。當一個不完善的AI系統被大規模應用時，其潛在的危害可能波及成千上萬的求職者。正如謝爾曼教授所說，一個有偏見的人資部門招聘經理可能會影響數百人，但一個有偏見的AI系統可能會影響數十萬人。因此，如何在AI技術應用的效率與公平性之間求取平衡，將是企業在招聘過程中面臨的一大挑戰。
