在关于招聘与人工智能的公共讨论中，“技术颠覆”与“生存威胁”常被同时提及。一些人才管理负责人表示，自己在实践中形成的看法更为细致，但舆论中的极端叙事仍在影响企业决策，使其难以构建更高效、更公平的招聘流程。
一位长期参与人工智能招聘工具研发并与人才团队合作的从业者表示，过去十年中，他看到的最大落差在于：外界对人工智能在招聘中的想象，与这些工具在被合理部署后实际表现之间存在明显差距。
在其看来，目前围绕招聘中人工智能应用，至少有四个根深蒂固的误区。
误区一：人工智能招聘工具天生比人类更有偏见
有关“算法歧视”的讨论在媒体和社交平台上频繁出现，相关诉讼案例（如“Mobley诉Workday案”）也时常成为焦点。这类事件强化了一个观点：人工智能在招聘中会放大偏见。
上述从业者指出，现有研究显示，招聘中偏见的最大来源仍然是人类决策本身。有研究结果表明，在对女性候选人的公平性方面，人工智能评估较人类评估者高出39%；在少数族裔候选人的公平性方面，高出45%。
研究还显示，近年来超过99.9%的就业歧视申诉与人类偏见有关，而非人工智能偏见。这些数据被用来说明，人工智能并非天然更不公平。
相关观点认为，人工智能并不是“无偏”的，人类也不是。更具建设性的问题不是“人工智能是否有偏见”，而是“如何让人工智能与人类协同，以技能为核心标准做出决策，而非依赖固有偏见”。
在一些传统流程中，候选人能否获得初步沟通机会，往往取决于简历是否在招聘人员极其有限的时间内恰好匹配到特定关键词。有观点认为，如果企业仍然依赖这种方式筛选候选人，实质上是在选择保留既有偏见，而不是尝试减少偏见。
误区二：人工智能面试必然带来冷漠、去人性化的体验
在不少讨论中，人工智能面试被描述为“冰冷”“机械”，被认为会削弱招聘中的人性化体验。然而，实际参与过人工智能面试的候选人反馈与这种印象并不完全一致。
据介绍，一些候选人在事前对人工智能面试持保留态度，但在面试开始几分钟后，普遍感到过程相对自然、舒适。相关系统中，候选人对整体体验的评分长期维持在5分制中的4星以上。
业内人士认为，认知差异的一个原因在于，人们往往将“没有现场面试官”与“缺乏公平和温度”直接划等号。但在设计良好的人工智能面试中，每位候选人都能获得一致、耐心、不被打断的机会来展示自身能力，而这在高度依赖人工筛选的流程中并不常见。
在传统模式下，谁能获得电话筛选，往往取决于简历是否在某个时间点被看到、是否包含特定关键词。人工智能面试则被视为一种扩大“真正获得展示机会”范围的工具。一些从业者认为，这并非招聘中“人性元素”的终结，而是为更多候选人提供相对公平入口的一种方式。
误区三：人工智能面试会根据外貌和声音打分
部分候选人担心，人工智能面试会因口音、外貌或摄像头环境等因素对其不利。一些系统开发方表示，其评分逻辑并不基于这些特征。
以某一具体系统为例，评分依据是候选人“说了什么”，包括回答内容的实质、推理质量以及所展示的技能，而非外貌或表现风格。系统设计方称，这样的设定本身就是为了减少传统人类面试中因外表、举止或表达风格而产生的主观偏见。
据介绍，用于分析对话的评分模型不会识别性别，也不会利用可从声音或视频中推断出的个人特征。相关方表示，其目标始终是：找出与岗位成功最相关的技能和能力，明确这些技能应如何在面试中体现，并据此进行一致化评分。
误区四：在招聘中采用人工智能主要是技术部门的决策
在不少企业内部，人工智能被视为高度技术化议题，部分人才管理负责人因此倾向于将相关决策交由IT或工程团队主导。
有观点认为，这一做法本身存在风险。原因在于，招聘问题首先是“人才问题”，而非“基础设施问题”。最接近招聘一线、最了解用人需求和候选人体验的人才团队，应在人工智能工具的选择和部署中发挥主导作用。
相关从业者指出，人才负责人并不需要成为工程师，但需要理解人工智能在招聘中的能力与局限，了解其如何辅助决策、如何支持招聘人员和候选人。这包括主动学习、与供应商直接沟通、提出针对性问题，并围绕核心标准评估解决方案：是否有助于吸引并选拔合适人才，同时提供良好的候选人体验。
如果将关键决策完全交给以“系统稳定性和基础设施优化”为主要目标的团队，最终可能得到的是一个技术上可行、但在人才招聘部门内部缺乏信任和使用意愿的系统。
风险所在
在上述观点中，企业当前面临的主要风险并不被认为是“开始使用人工智能”，而是继续依赖那些长期存在缺陷、但因“习惯”而被视为理所当然的流程。
相关人士表示，企业可以选择继续接受以人类主观判断为主导的传统招聘模式所带来的局限，也可以尝试利用新工具和新方法，在公平性、规模化处理能力以及预测准确性方面提高标准。
在其看来，相关工具已经存在，相关数据也相对明确，接下来取决于企业是否愿意真正将这些工具纳入招聘实践。
文末信息显示，提出上述观点者为CodeSignal首席执行官兼联合创始人提格兰·斯洛扬（Tigran Sloyan）。
