AI 不會給你那份工作：自動化招募工具引發歧視與黑箱訴訟潮

過去四年，Erin Kistler 向 PayPal、Microsoft、Netflix 等公司投遞了數千份工作申請。這位擁有近二十年經驗的產品經理，自認符合每一個職缺的條件，卻連一次面試機會都沒有拿到。她的結論是：履歷消失在了演算法的黑洞裡——而現在，她決定在法庭上討個說法。

Kistler 是針對 Eightfold AI 集體訴訟的首席原告。這家矽谷公司打造的招募軟體獲數百家企業採用，訴訟於一月提交至加州法院。《衛報》八月十九日的深度報導指出，這是首批主張「自動化履歷篩選實質上構成未經揭露的消費者報告」的案件之一——系統為每位求職者建立排名檔案，預測其成功機率，卻從不讓當事人查看或申訴這份評分。

這並非孤立事件。另有勞工指控 Meta 的內部 AI 系統因為他們請了育嬰假或病假，就將他們標記為裁員目標；還有一件針對 IBM 的訴訟，指控其 AI 工具歧視年長員工。這幾場法律戰的結果，將決定企業在演算法介入人事決策時，究竟需要公開多少資訊——以及誰被錄取、誰被解僱的權力歸屬。

就業大門前的黑箱

目前美國聯邦層級沒有任何法律，要求企業在使用 AI 評估求職者時必須主動告知。「事實上，沒有任何法律要求通知或揭露這些 AI 招募系統的使用，」艾默里大學法學院教授、AI 與未來工作計畫創辦主任 Ifeoma Ajunwa 告訴《衛報》，「所以企業不見得會告訴勞工，他們正在被 AI 評估。」

這種做法的規模極為驚人。世界經濟論壇的報告顯示，去年有 90% 的雇主在招募流程中使用某種形式的自動化工具——從最基本的篩選（例如排除沒有大學學歷的應徵者），到 AI 技能測驗，乃至於完全由 AI 進行的初步電話面試。

Eightfold 正站在這個生態系的核心。該公司自稱擁有「全球最大、持續自我更新的人才資料庫」，不斷從超過十億名求職者的履歷、LinkedIn 頁面與社群媒體建立並更新個人檔案。其 AI 會為每個應徵者打出 0 到 5 的分數，預測他們在特定職位上的表現——而這個分數，可能直接決定誰能進入面試，誰則永遠不知道自己被評過分。

「問題很大一部分在於，求職者根本不知道……這些報告寫了什麼，」Kistler 的委任律師 Rachel Dempsey 說。她的主張很直接：如果美國人可以查看並爭議自己的信用報告，就應該同樣有權查看那些左右他們生計的演算法檔案。Eightfold 否認所有指控，聲明稱這些主張「毫無根據」，將積極抗辯。IBM 則表示該公司並未使用 AI 自動淘汰應徵者，且「絕不容忍任何形式的歧視」。Meta 未回應置評請求。

模型越新，偏見越深

供應商的賣點是「客觀」：拿掉人類面試官的個人偏見，讓數據說話。但研究這些系統的學者發現，現實恰恰相反。

「隨著我們對 AI 招募系統的研究越深入，我們發現它們往往複製了人類主管同樣的偏見，」Ajunwa 說。最經典的案例仍是 Amazon 的實驗性招募工具：因為公司歷史上的高績效員工多為男性，系統學會了壓低帶有女性特徵的履歷——直到偏見被發現後專案才遭廢棄。Ajunwa 在其著作《The Quantified Worker》中還記錄了另一種歧視：語音面試 AI 因為聽不懂南方口音，就給這類應徵者低分。

更令人不安的，是近期證據顯示問題正在惡化而非改善。芝加哥大學助理教授 Xuechunzi Bai 共同主持的一項研究，要求 AI 模型對虛構的應徵者做出錄取決策——這些人被分配到完全虛構的族群（Tufa、Aima、Reku、Weki），以排除真實世界刻板印象的干擾。僅僅幾輪模擬決策後，模型就開始憑空創造刻板印象：只要有一個 Tufa 曾是好醫生，Tufa 族群的應徵者就更可能被選為醫師，而 Weki 候選人則被推向清潔工職位。

研究發現，AI 決策的偏見程度高於可比較的人類決策；更讓研究團隊震驚的是——越新、越先進的模型，做出的錄取決策偏見越重。「AI 模型非常擅長解決有單一標準答案的問題，例如數學或程式設計，」Bai 解釋，「但它們在探索其他可能性的能力上正在退化。在招募的情境裡，探索非常重要，而這些模型並沒有被訓練去做這件事。」

演算法封殺

最深的結構性風險，或許是集中化。被人類面試官拒絕，你還能換一家公司、遇到另一個眼光不同的主管；但當同一套 AI 系統——或建立在相同基礎模型上的系統——同時為多家企業篩選人才時，拒絕就變成了一筆跟著你走的紀錄。

這個系統「會記住先前做出的決定，然後為了效率再次做出同樣的決定，」Ajunwa 說，「實質上，你已經被演算法封殺了。」針對招募系統「演算法單一文化」風險的研究共同作者 Katie Creel 說得更直白：「人們將會比以往更難拿到工作。」

現有法規及其侷限

地方層級的規範已開始零星出現。紐約市 2023 年生效的 Local Law 144 要求使用自動化招募系統的雇主每年進行獨立偏見稽核，並事先通知應徵者。但該法只涵蓋「實質協助」或取代人類決策的軟體——只要名義上有個人類在流程中，就留下了漏洞。伊利諾州與科羅拉多州則通過了更廣泛的禁止性規範，禁止雇主使用會導致違法歧視的 AI 工具；越來越多司法管轄區正把「通知」視為最低標準。

但 Outten & Golden 律師事務所合夥人 Jenny Yang（該所為 Eightfold 案原告方）認為，僅僅通知並不夠，求職者應該能看到演算法檔案裡究竟寫了什麼。「這種初步的透明化，有助於更好地找出問題所在，」她說，「勞工之間有越來越多的擔憂——他們可能因為沒有人搞得清楚的原因，被剝奪了機會。」

部分供應商主張，「人類居中」的模式才是務實解方。獲得超過 1,500 家醫療院所採用的 AI 招募平台 Incredible Health，也部署 AI 代理進行電話面試——但這個代理不會自動拒絕、評分、排名或決定誰晉級。「重點在於從候選人那裡收集資訊，讓人類能更有依據地做決定，」執行長 Iman Abuzeid 說。該公司對約 10% 的 AI 面試進行人工偏見稽核——而這種做法，正在越來越多的城市與州悄悄成為法律要求。

為什麼此事現在很重要

這批訴訟登場之際，AI 驅動的裁員正在科技業加速蔓延——重組決策越來越多地由同一類工具輔助完成。如果法院接受「AI 生成的應徵者評分實質上等同消費者報告」這個前提，供應商將面臨類似《公平信用報告法》（FCRA）的義務：揭露、查閱與爭議權。如果法院拒絕這個前提，雇主則等於在自己與代其行事的演算法之間，獲得了一層永久的法律絕緣體。

無論結果如何，Kistler 案的核心問題，正是每個求職者如今都默默面對的處境：當演算法讀了你的履歷，你有沒有權利看看它寫回了什麼？至少在目前的美國大部分地區，答案是沒有——而這幾起案件的判決，將決定這種狀態還能維持多久。