AI 招聘工具被爆種族歧視！史丹福研究：黑人、亞裔存在系統性不平等

史丹福 HAI 首个大規模 AI 招聘演算法实地研究顯示，26 % 的黑人求職者与 15 % 的亞裔求職者，在申请職位时遭遇具有歧視性的 AI 篩选系统。
（前情提要：她寫了 14 頁論文被 Google 开除，五年后所有 AI 风险预言全部命中）
（背景補充：AI 裁員潮成社会火藥桶！矽谷獲利創新高卻裁近 15 万人，貧富差距直逼佔领华爾街）

本文目錄

切換

• 「五分之四法則」与消失的不平等
• 演算法單一文化：一个供应商，複製全市场的偏见
• 法規追趕速度远落后於部署速度

四个同时使用同一 AI 供应商的企业，其中有 10 % 的求職者向这四家全部投递，卻被全部拒絕。这个數字乍看只是运气问題，但对照組給出了不同答案：針对 108 家财星 500 大企业、83,000 份申请的同步研究中，这些企业均未採用 AI 篩选，系统性全拒现象幾乎不存在。

史丹福 HAI 本月发布的研究追蹤了 340 万名求職者、400 万份申请，涵蓋 1,700 个職位、150 家僱主、11 个产业，是目前規模最大的 AI 招聘演算法实地觀察。研究結論直指一个被长期忽略的結構性问題：AI 篩选工具的歧視效应，不是偶发错誤，而是系统设计的必然输出。

「五分之四法則」与消失的不平等

美国平等就业机会委員会（EEOC）有一項沿用已久的判斷標準，稱为「五分之四法則」，白話说就是，若某族群的推薦率低於最高推薦率族群的 80 %，即構成「不利影響」，也就是歧視的法律门檻。

研究发现，26 % 的黑人求職者、15 % 的亞裔求職者所申请的職位，AI 系统对其種族群體存在符合上述定義的歧視。最受青睞的群體，通常是白人求職者。若以公平比率推薦黑人与亞裔，理論上將有多 40,000 份申请晉級至人工審阅階段。

然而这裡有一个关鍵陷阱，也是此前歧視问題难以被发现的核心原因：若把所有職位的推薦率混合平均计算，歧視会在數字上消失。例如，某套 AI 系统偏好推薦黑人从事倉儲物流，卻不推薦黑人擔任金融職務，两者加總后平均值看似接近公平基準。

唯有逐職位、逐族群拆解分析，歧視才会现形。过去缺乏这類研究，部分原因正是资料取得困难，以及僱主对外部審查的抗拒。

演算法單一文化：一个供应商，複製全市场的偏见

美国目前约有 90 % 的僱主在招聘流程中使用某種形式的 AI 篩选工具，但大多數依賴的是同幾家第三方供应商。这種高度集中的市场結構，催生了研究者所稱的「演算法單一文化」，白話说就是，当同一套演算法的偏见同时部署在數百家企业，某些族群的求職者不只是在某一家公司失去机会，而是在整个就业市场中被系统性排除，且完全不知情。

Workday 的 AI 篩选工具已因此面臨集體訴訟，指控涵蓋種族、年齡与殘疾歧視。但訴訟是事后補救，研究者更关注的是制度性预防。

AI 篩选工具具備三項使其特別危险的特性：普遍採用（pervasively adopted）、高度后果性（highly consequential）、对公眾不透明（opaque）。求職者通常不知道自己是否被演算法篩除，僱主也未必清楚工具在各職位類別上的实际表现，監管机構更缺乏足夠的资料进行稽查。

法規追趕速度远落后於部署速度

2026 年 6 月，美国科羅拉多州 AI 法案正式生效，要求 AI 招聘工具的开发者採取「合理照護」措施防止歧視。这是目前美国少數針对 AI 招聘演算法有明確要求的州級立法，但「合理照護」的具體標準仍模糊，執行机制尚待建立。

时间点上，这份研究的发布並非偶然。2026 年应屆畢业生正面臨近年来最艱困的就业環境：企业收到的入门職缺申请量是 2022 年的 3 倍，AI 篩选工具的使用比例也同步攀升。在申请量爆炸、人工審阅资源有限的壓力下，僱主对自动化工具的依賴只会加深，而非減少。

研究團队明確指出，推动基於证據的 AI 政策，需要針对演算法招聘的獨立研究。但现实是，此類研究的前提是资料取得，而资料往往掌握在供应商与僱主手中。史丹福 HAI 这份研究能夠成立，部分依賴僱主的配合，这在常態下並非理所当然。

• 340 万名求職者、400 万份申请，涵蓋 150 家僱主
• 26 % 黑人求職者申请的職位存在 AI 歧視；15 % 亞裔求職者同樣
• 若消除歧視，多 40,000 份申请可晉級
• 同一 AI 供应商服務的 4 家企业，10 % 求職者被全拒
• 科羅拉多 AI 法案 2026 年 6 月生效，要求「合理照護」