维度网讯，斯坦福大学（Stanford University）主导的一项研究揭示，一个人工智能招聘平台在处理数百万份求职申请时存在种族差异，这为新加坡雇主使用自动化工具筛选候选人带来了新问题。

这项题为《招聘中的算法单一文化》（Algorithmic Monocultures in Hiring）的论文，以招聘平台Pymetrics为研究对象。该平台利用在线游戏和机器学习模型评估求职者。研究考察了2018年12月至2022年12月期间156家雇主的约337万求职者提交的超过400万份申请。研究人员发现，根据美国就业歧视标准，某些职位对黑人和亚裔申请人产生了不利影响。研究还提出了一个更广泛的担忧：当许多雇主使用相似或共享的招聘算法时，相同申请人可能在人力资源人员审核其申请之前就被反复拒绝。

新加坡已定位为人工智能应用、数字服务和企业技术的区域中心。招聘是自动化应用的热点领域，雇主面临大量求职者池、技术岗位技能短缺以及降低招聘成本的压力。这使得斯坦福大学的研究与新加坡的人力资源领导者、合规团队和业务高管息息相关。研究并未指明新加坡雇主以相同方式使用相同系统，但突显了当人工智能工具被大规模用于排序、评分或拒绝候选人时可能出现的风险。新加坡劳动力队伍多元文化且高度国际化，一个招聘系统即使未直接使用受保护的明确特征，也可能产生有偏见的结果，带来商业、法律和声誉风险。问题不仅在于模型是否直接使用了种族、性别、年龄、国籍或其他敏感属性，还在于系统是否依赖导致不公平结果的间接信号。

斯坦福大学的研究人员重点关注了“算法单一文化”。在招聘中，这指许多雇主依赖相同的供应商、模型结构、评估流程或评分逻辑的情况。这可能造成隐藏的劳动力市场瓶颈。若一名候选人在一个筛选系统中表现不佳，他们可能在使用相同或相关工具的多个雇主处看到类似结果。研究显示，有42个Pymetrics模型在多个雇主之间共享。研究还发现，一些申请了10个职位的申请人，每个职位都被推荐拒绝。对于新加坡而言，这提出了实际的采购问题。如果不同行业的多个雇主（如金融、科技、专业服务或物流）使用类似的评估系统，其影响可能超出单一公司的招聘流程。一个工具在雇主层面看似高效，但可能在更广泛的就业市场上对某些候选人造成反复的不利影响。

新加坡雇主已被期望避免歧视性招聘做法。人力部（Ministry of Manpower）的“公平考量框架”（Fair Consideration Framework）要求雇主公平考虑新加坡劳动力，不应基于与工作无关的特征（如年龄、性别、国籍或种族）进行歧视。雇主还应遵守《公平就业实践三方指导原则》（Tripartite Guidelines on Fair Employment Practices）。人工智能招聘工具并不免除这些义务。若供应商系统不公平地筛选候选人，雇主可能仍需解释招聘标准如何选择、工具是否经过测试以及决策如何审查。这对使用人工智能筛选早期职业申请人、高量操作岗位或跨境候选人的公司尤为重要，在这些领域，申请人可能没有太多机会对自动决策提出质疑或向招聘人员提供背景信息。

新加坡开发了可供雇主整合到招聘系统中的人工智能治理资源。人工智能验证测试框架（AI Verify Testing Framework）帮助公司根据透明度、可解释性、公平性、数据治理、问责制和人工监督等原则评估人工智能系统。这些原则与斯坦福研究中提出的风险密切相关。在招聘中使用人工智能的雇主应能解释工具测量什么、使用哪些数据、如何测试以及是否在不同候选人群体之间产生不同结果。生成式人工智能模型人工智能治理框架（Model AI Governance Framework for Generative AI）也指出了问责制、数据质量、可信部署、事件报告和测试的重要性。尽管斯坦福大学研究侧重于基于游戏的筛选平台而非生成式人工智能聊天机器人，但相同的治理逻辑适用：影响就业机会的系统需要文档化的监督。

针对新加坡的本地研究也考察了人工智能招聘中的偏见。一篇2026年的论文《小变化，大影响》（"Small Changes, Big Impact"）测试了大型语言模型对新加坡背景下匿名简历的处理。研究人员发现，即使移除明确的个人标识符，语言、课外活动、志愿服务和爱好等与工作无关的标记仍可作为人口统计因素的代理。这一发现对认为仅匿名化就足够的雇主来说非常重要。删除姓名可能会降低一种风险，但人工智能模型仍然可以从其他信号中推断背景。对于人力资源团队而言，测试不应停留在工具是否忽略了明显的人口统计字段，雇主需要检查该系统在真实的新加坡候选人资料中表现如何。

在招聘中使用人工智能的公司应首先梳理自动化如何影响招聘漏斗。工具是否在招聘人员看到前筛选申请人？是否对简历排序？是否生成面试问题？是否自动拒绝候选人？雇主还应要求供应商提供偏见测试、模型文档、可解释性和人工审核流程的证据。内部团队应保留招聘标准记录，按职位审计结果，并避免将供应商评分视为中立事实。斯坦福大学的研究并不意味着应从招聘中移除人工智能，但表明当系统测试不充分或过度重复使用时，速度和规模可能会放大不公平性。对于新加坡雇主而言，核心问题不再是人工智能能否让招聘更快，而是组织能否在候选人被筛选掉之前证明其招聘系统是公平、可解释和负责任的。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com