一句话看懂：斯坦福大学大规模研究发现，第三方AI招聘工具在岗位筛选过程中，对黑人和亚裔候选人存在系统性种族偏见；同时，由于大量雇主依赖同一家供应商的算法，导致部分求职者在所有平台上均被拒绝，形成“系统性排斥”现象。
事件核心：发生了什么
斯坦福HAI研究院发布了一份针对AI招聘工具在实际使用中的大规模研究。该研究追踪了340万人提交的400万份申请，这些申请覆盖11个行业、150家雇主、1700个职位，并均经过同一家第三方AI招聘供应商的算法筛选。研究人员基于美国平等就业机会委员会（EEOC）的“五分之四规则”进行检验发现：26%的黑人申请者和15%的亚裔申请者所应聘的岗位中，AI系统对其所在种族存在歧视。如果AI系统能以对待最受推荐群体（通常为白人）相同的比率推荐黑人和亚裔候选人，则约有4万份申请将有机会进入下一轮面试。此外，研究发现，10%提交4次申请的人会被所有岗位拒绝。当大量雇主使用同一算法时，“数据单一化”会放大排斥效应，导致部分人才被系统性地关在门外。
为什么重要
这项研究首次在真实招聘场景中揭示了AI工具在种族公平性问题上的系统性缺陷。目前，美国90%的雇主使用AI筛选工具，而多数依靠同一批第三方供应商。这意味着，单个算法的偏差可能被复制到整个行业，产生“算法单一化”风险。研究指出了两个关键机制：一是AI在推荐时存在职位层面的歧视——例如黑人更可能被推荐到仓库岗位而非金融岗位；二是当不同雇主的决策都依赖同一算法时，被系统排除的候选人在所有企业同时被拒，这与传统独立决策的招聘模式有本质不同。这对AI治理和劳动法提出了新挑战：现行“五分之四规则”通常在统计时合并所有职位，但研究证明这种合并会掩盖岗位层面的系统性歧视。
对用户/开发者/创作者的影响
求职者：使用AI批量投递时，若目标岗位被同样算法筛选，简历“静默失败”的可能性远高于随机概率。研究建议求职者关注不同企业的招聘工具供应商是否集中，避免将所有申请集中于同一算法生态。对于黑人和亚裔求职者，特定岗位的推荐差距客观存在，需要有意识选择差异化投递策略。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
开发者/企业采购方：选择AI招聘工具时，不能只看供应商给出的总体统计数据，而应要求供应商提供按职位、种族分段的开箱测试结果。此外，企业需要自建独立的审查机制或引入第二供应商，以打破“算法单一化”导致的系统性排斥。目前公开信息显示，研究中的供应商虽对自身推荐结果实施了总量统计，但恰恰掩盖了职位级偏差。
政策制定者/合规人员：现有的EEOC“五分之四规则”评估框架可能不适用于AI招聘环境，需要针对算法推荐的“职位级”偏差建立新的检测方法。本研究也为《雇佣中的算法公平法案》等潜在立法提供了数据基础。
值得关注的后续
1. 该研究后，美国平等就业机会委员会（EEOC）或将对第三方AI招聘供应商启动针对性调查或合规指南更新；目前公开信息显示，EEOC已在2023年发布了关于AI招聘的指导意见，但尚未明确要求按职位分拆报告。2. 企业对招聘AI的采购策略可能发生变化：从单一供应商转向“多模型交叉验证”或自建轻量级公平性审计模块。3. 其他第三方AI招聘供应商（如HireVue、Pymetrics）是否也会在独立审查中暴露类似的职位级偏差，将成为行业关注焦点。
