一项针对人力资源专业人士的研究显示，将包容性原则嵌入招聘决策支持的生成式人工智能（AI），有助于减少招聘中的残疾偏见，并在实际招聘情境中提升公平性。随着AI从简历筛选延伸至候选人初选等环节，相关工具常被视为降低人为偏见、提升客观性的手段，但研究指出，若将“人为因素”简单剔除，也可能导致不符合某种既定“类型”的候选人被忽视。

麦考瑞商学院的研究聚焦招聘中的残疾偏见问题。研究称，尽管多元化与包容性意识不断增强，残疾候选人在资质相当的情况下仍更不容易被录用。研究作者杨表示，残疾偏见并不总是源于有意识的排斥，更多时候是在高压环境下，决策者倾向于依赖“安全”的刻板印象而非客观信息。

研究指出，招聘决策越复杂，偏见越可能影响结果：当决策相对简单时，管理者更倾向于围绕具体技能与资质作出判断；而在复杂情境下，人们更容易依赖心理捷径或刻板印象，认知负担越重，偏见左右结果的概率越高。

在一项包含238名人力资源专业人士的实验中，复杂招聘情境下残疾候选人的录用率为34%，低于50%的中性基准；在较简单的决策情境中，这一差距明显缩小。

研究同时比较了不同类型AI工具的效果。结果显示，侧重效率或技术标准的“标准”AI工具并不必然缓解上述问题。相较之下，研究测试的“注重包容性”的生成式AI会在决策过程中主动提示评估者关注与岗位相关的能力与证据，并强调公平性考量，从而降低对刻板印象的依赖。

研究称，在复杂招聘决策中，注重包容性的生成式AI显著提高了残疾候选人的录用可能性，相比标准AI工具，在部分情境下提升幅度接近翻倍；即便在较简单的决策中，该方法也持续表现出降低偏见的效果。杨将其定位为“教练”而非单纯的筛选工具，认为其作用在于引导评估者将注意力回到能力与资质本身。

对于机制解释，研究借鉴建构水平理论，强调“心理距离”会影响决策方式：当决策更复杂或更抽象时，评估者更倾向于用宽泛、简化的方式思考，刻板印象更易占据主导。研究认为，注重包容性的生成式AI通过提示评估者关注具体细节（如特定技能、资质与证据），将注意力从抽象假设转向个体优势，从而缩短心理距离并改变思考路径。

不过，研究人员也提示潜在风险：在某些情境下，该类工具可能出现“过度纠正”，使残疾候选人的录用率高于中性基准，从而引发反向偏见的可能性。研究认为，这并不否定其益处，但意味着需要对工具进行谨慎校准。

研究建议，为提升招聘公平性，相关AI工具应在流程中提示评估者聚焦岗位相关能力，将多元化与包容性原则嵌入决策环节，并确保推理过程透明、可审计，同时支持而非取代人类判断。在研究设想的框架下，AI应成为更广泛“公平基础设施”的组成部分，与结构化面试、标准化评估标准及问责流程协同运作。

本文内容最初发表于麦考瑞大学Lighthouse。