AI招聘系统的应用与法律风险 - 微软、拜耳、PayPal等大厂使用的AI招聘系统Eightfold AI因算法歧视被两名求职者告上法庭 [2][3] - 诉讼除要求经济赔偿外 还呼吁法院监管黑箱算法 提高招聘筛选过程的透明度 [4] - 该案件凸显了AI招聘系统因算法不透明和潜在偏见引发的广泛争议 [26] AI通过人脸预测职业的研究方法与发现 - 研究由美国多所顶级高校完成 数据规模扎实 收集了近10万名MBA毕业生的数据 涵盖美国前110商学院 [7][8][9] - 核心方法是用1.2万多人的自拍和性格问卷训练AI 将人脸转换为数字信号以预测五大人格特质 [11] - 将AI预测的人格特征与MBA排名、起薪、薪资增长、管理岗位及职业稳定性等现实职场数据对照分析 [13][14] AI预测人格与职场结果的具体关联 - 薪资方面：男性尽责性和外向性越强 初始薪资越高 且责任心强的男性薪资增长更快 [17] - 薪资方面：女性中外向性加分 但责任心强可能抑制薪资增长 毕业五年后 男性尽责性、女性宜人性与薪资增长关联最突出 [17][18] - 职业稳定性：宜人性和责任心强的人工作更稳定 外向性、神经质高的人跳槽更频繁 神经质者跳槽行业范围窄 责任心强者可跨行业跳槽 [20] 研究涉及的样本数据统计 - 男性样本70,593人 平均起薪155,388.77美元 五年后平均薪资208,180.59美元 [20] - 女性样本26,316人 平均起薪137,507.71美元 五年后平均薪资178,117.62美元 [20] - 研究还统计了初始职级、五年后职级、读MBA时年龄、照片中年龄及吸引力评分等数据 [20] AI筛选系统的主要争议与风险 - 核心问题在于训练数据 若数据存在隐性偏见和不公平 模型会放大这些问题 [22][23] - 算法筛选的隐蔽性更可怕 即使无意歧视 有问题的训练数据也会将部分求职者拒之门外 且求职者无法知晓被拒原因 [24][25] - 类似争议已出现在高校AI招生中 如弗吉尼亚理工大学用AI审核申请材料省了约8000小时人工 但被质疑可能暗含不公平偏好 [27][29][32]