The Cavalier Daily
Serving the University Community Since 1890

弗吉尼亚大学的Sloane实验室探索了人工智能在招聘过程中的应用情况

Sloane实验室推出的一个新数据库为人才获取与招聘过程中人工智能的使用提供了更高的透明度。

2025年5月8日拍摄的数据科学学院,展现出现代化、以技术为导向的建筑风格。
2025年5月8日拍摄的数据科学学院,展现出现代化、以技术为导向的建筑风格。

Editor's Note: 本文由Lidia Zur Muhlen于2025年11月22日发表,本文不表达译者的观点和立场。具体信息请参考原文

随着毕业求职和暑期实习的竞争日益激烈,数据科学与媒体研究助理教授Mona Sloane开发了一项新工具,用于探索人工智能在招聘过程中的应用。

她的实验室——Sloane Lab——推出了“人才获取与招聘人工智能指数”。这是一个旨在提高招聘流程中人工智能使用透明度的新数据库。该指数于11月6日发布,源自近五年的研究工作,其中包括对100个广泛使用的招聘类 AI 工具进行分析,以及对100位招聘人员的访谈所得的见解。

当今的求职者(包括大学生)正处于一个不断变化的招聘体系中,因为企业正在试用新工具,而立法者也在考虑新的监管措施。Sloane表示,团队开展这项研究,是为了帮助企业和招聘人员更好地理解人工智能在招聘流程中的应用方式。她指出,目前复杂的 AI 系统会让对其运行机制不了解的员工感到畏惧。

“大家普遍都需要更了解AI与招聘之间的关系,只有这样,招聘人员才能在选择技术时做出更明智的决定。”Sloane说。

她强调,这种知识上的鸿沟反映了各行业的普遍挑战——许多人认为AI系统过于复杂而无法理解,因为即使是开发者也不一定知道 AI 内部的决策过程究竟是什么样的。她解释,这种认知往往会让人产生无力感与放弃,而不是激发好奇心。

招聘人员可能会使用的一种工具是HireVue —— 一种数字化面试模式,求职者与电脑互动,而不是与真人面试官交流。HireVue曾使用 AI 视频面部分析工具,但现在已经停止使用。像伊利诺伊州的《AI 面试法案》等法律,已禁止在某些面试场景中使用 AI。目前,HireVue 只使用AI来分析口语内容,而不再以视频分析面部表情。

商学院的大四学生Mason Carter说,他在大二参加银行业招聘时,用过多次HireVue进行面试。他表示,当时并没有意识到AI在面试过程中是如何被使用的,但现在回想起来,他有许多疑问。他认为,如果知道审查视频的是AI而不是人力资源专业人士,整场面试的准备方式都会完全不同。

“我会怀疑 [AI] 能在多大程度上捕捉到我在面试中有意为之的表现。”Carter说,“据我了解,AI能识别你说的话,可能还能判断你的发音质量,但我不知道它是否能注意到,比如我是否在看着摄像头、是否在讲话时微笑等细节。”

Sloane在纽约大学任职期间就开始了这个项目,当时她注意到许多招聘人员对AI工具的运作方式了解有限。在Sloane来到弗大任职后,该项目通过数据科学与达顿商学院联合研究基金获得资助,并由她负责领导。

据Sloane介绍,这项研究的主要目标是为招聘人员开发一种途径,使他们能够了解市面上各种AI工具。她表示,团队还研究了这些工具中潜在的假设与偏见,以及工具所使用的数据类型和数据的处理方式。

在此过程中,她与多位教授和学生合作,包括阿拉斯加东南大学的传播学助理教授Ellen Simpson。

通过研究,团队发现公司往往会将自己宣传为“AI 驱动”,却不会解释其系统实际是如何运作的。Sloane表示,她感到意外的是,团队为了弄清楚一个工具的真正用途以及其背后默认的假设,需要投入大量分析与研究工作。

对于每一个与人力资源相关的平台,Sloane实验室都会标注该 HR 技术工具的用途,以及平台中使用的具体AI技术。例如,Workday 被标注为应聘者追踪系统,而Paycom则被标注为薪资管理工具。Sloane指出,由于对AI缺乏了解,AI工具有时会在招聘过程中被错误使用。

“招聘本质上是一种非常注重人与人互动的专业实践,因此 [招聘人员] 本来就对技术可能取代他们的工作保持警惕,所以他们有时会以并非工具原本设计方式的方式来使用工具。”Sloane说。

Simpson表示,她的研究揭示了科技开发者与HR专业人员之间有趣的张力。开发者通常致力于减少招聘中的偏见,但许多工具在训练时便从数据中继承了偏见。因此,这些工具往往更像是在简化工作流程,而非真正减少歧视。Simpson认为,AI无法真正解决职场偏见的问题。

“许多科技公司试图解决一个可能根本不存在的问题。”Simpson说,“而一线HR人员真正需要帮助的,其实是如何应对堆积如山的文书工作。”

Sloane 补充说,AI 永远无法完全解决流程中的偏见,因为偏见本身就嵌入在算法中。

“从统计学角度来说,任何模型都有偏差。它本身既不是好事也不是坏事,只是模型的一个特性,”Sloane说,“在批判性AI的讨论中,我们关注的是这种偏差造成的影响、AI数字系统的后果,以及它可能带来的一个核心危害:把一些人排除在机会之外。”

Sloane解释,他们的研究将招聘分成两个部分:低量招聘和高量招聘。低量招聘面向规模较小、技能高度专业的申请者群体;而高量招聘则用于需要一次性补充大量相同岗位的职位。

例如,低量招聘的岗位可能包括管理咨询顾问或专业工程师;而高量招聘则更常见于外送司机或呼叫中心人员等职位。Sloane指出,在这两类招聘中都能看到AI工具的身影:无论是通过LinkedIn Recruiter为候选人排名,还是在成百上千的申请中进行筛选。区分这两类招聘很重要,因为指数显示AI在不同招聘类型中的作用差异显著,也揭示出哪些平台比其他平台更依赖AI。

尽管如此,Sloane强调,人类判断仍然至关重要。尤其是在低量招聘中,了解每位申请者本身仍是一项需要亲自参与的过程。她说,尽管AI工具能替人完成一些繁琐琐碎的工作,招聘人员依然会想通过电话交流、仔细查看简历,并真正花心思去了解一个人。

Simpson鼓励弗大社区积极利用这个新数据库。面对如今招聘流程中的不确定性,她希望学生能够利用这些信息,让自己的申请材料更有针对性,避免被某些AI工具的后台处理“误读”。

“所以弗大的同学们应该从这个研究中得到一个重要提醒:帮你生成简历的那些AI,并没有宣传得那么聪明。”Simpson 说,“工具本身并不是问题,问题在于它们加剧了申请数量的爆炸式增长。”

Local Savings

Puzzles
Hoos Spelling

Latest Podcast

Brenda Gunn, the director of the Albert and Shirley Small Special Collections Library and the Harrison Institute for American History, Literature and Culture, explores how students can approach the collections with curiosity, and how this can deepen their understanding of history. From exhibitions to the broader museum world, she reflects on the vital work of archivists in ensuring that even the quietest and oppressed voices are heard.