招聘篩選演算法單一文化揭偏差風險
研究發現同一家演算法供應商的招聘篩選演算法造成普遍一致的拒絕模式。作者分析三百萬申請、四百萬份履歷的資料，利用同一供應商的可重複決策結果模擬若申請者投遞所有職缺會如何被篩選。結果顯示對亞裔與非裔申請者存在顯著族群差異，且個人結果高度同質化，申請廣撒才較可能獲真人審查。
招聘演算法單一化帶來的結論
研究以由同一家供應商建置的篩選演算法為對象，分析三百萬名申請者、四百萬份應徵資料，揭示系統性差異與高度同質化的個人結果。
量化發現明顯族群差距：亞裔與非裔申請者的應徵中，分別有 14.74% 與 25.87% 被送至對該族群不利的職缺；此外，當個人向十個職缺投遞時，約 4% 會被建議在所有職缺均遭拒絕，超過隨機機率的預期。
研究利用該供應商演算法的確定性重複模擬，估算申請者若向所有職缺提出申請會出現的結果。分析顯示，申請者必須廣泛投遞，才較可能被真人介入審查；反之，演算法的單一化設定會在結構上放大不公平。
結論提醒，當少數演算法供應商主導自動篩選流程時，治理、透明度與審查機制應被強化，以降低演算法單一文化帶來的系統性風險。
延伸閱讀
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
