用AI招募複製人大軍？把關「公平」定義，才能打造多元團隊

AI工具真能讓聘雇更公平嗎？新研究指出，關鍵不在人類或機器誰比較公正，而在於AI會強化組織對「公平」的單一定義，排擠一線判斷與人類專業。領導人若未持續檢視系統，可能縮小人才庫，讓聘雇走向盲目自動化。

AI會提升還是降低公平性？隨著近9成企業正在聘雇流程中運用某種形式的AI，這成為許多領導人最關切的問題，也往往將他們分成兩派。一派認為演算法能減少決策中的人類「偏見」與「干擾」，讓聘雇變得更公平。另一派則警告，演算法可能大規模重現甚至放大目前已經存在的不平等。兩派都忽略了一項關鍵事實：光是採用AI，就已經重新定義了何謂公平。

這帶來的麻煩是，大多數公司採用AI聘雇工具時，並未在開發與運用過程中持續深入評估。公平性被視為這項工具一開始就能達成的目標，而非領導人必須在實作中監控與調整的參數。這項風險並非顯而易見，但不容忽視：AI會縮小你的人才庫，邊緣化人類專業知識，並將公平性綁死在單一定義。我們在一項新研究中，追查「公平」本身如何塑造聘雇結果——並為領導人提供更合適的提問方向，以便確保這些工具能為求職者、主管和公司改善聘雇成效。

我們的洞見源自一項為期3年的現場研究，對象是一家每年處理超過1萬份求職申請的全球消費性商品公司。人資為了提升公平性，捨棄履歷審查，轉而運用AI分析經過盲化、遊戲化設計的評估。用於訓練演算法的數據，則來自完成同樣遊戲的現任員工，並將他們的得分連結到績效成果。藉由了解哪些特質模式與成功相關，系統會預測新求職者的「適合程度」，同時在審視過程中排除姓名、就讀學校與其他人口統計標記。這項概念看似簡單：經由一致、數據導向的規則，讓聘雇更公平。