AI筛选简历的真相：责任归属才是核心问题

当人们探讨「AI招聘是否公正」时，争论往往演变成阵营对立。一方看重效率、认为能去偏见；另一方则担忧黑箱操作、存在歧视。然而，这两种看法都显得过于单薄。核心争议其实不在于是否采用AI，而在于：一旦出问题，该由谁担责？

早在2018年，亚马逊便终止了一个内部AI招聘系统。该系统基于十年历史数据训练，却学会了系统性压低女性分数——因为历史简历中男性居多。系统并无恶意，只是在忠实地复刻过往。虽成为行业反面教材，但更值得深究的并非「AI会歧视」，而是系统运行了多久才被发觉？

效率提升是实，但成本转移也是实情

AI筛选简历确实能提速。面对几万份春招简历，HR团队仅凭人力难以招架。AI初筛非噱头，而是刚需。症结在于，效率红利归谁，风险成本又由谁承担。红利显而易见：企业节省人力，筛选提速数十倍。风险却不对称分布：应届生投递数十份简历被批量拒，却不知缘由，无申诉渠道，甚至分不清是机器还是人拒绝。这种信息差，才是AI招聘中真正的权利隐患。

“

效率从不中立，它总对某些人友善，对另一些人残酷。

”

「黑箱」一词虽被滥用，但揭示了真问题。问题不在于算法不透明（商业软件大多如此），而在于后果不可追溯。被拒者有权知晓原因吗？多数公司答「没有」。这虽在法律上或许合规，却损害了社会信任。欧盟AI法案将招聘列为高风险，要求可解释性和人工复核，正是为了避免信任崩塌。

4

欧盟AI法案对高风险系统的合规要求：界定边界、透明告知、人工复核、责任追溯

治理不应是挂在技术之外的标签。许多公司将AI伦理做成PDF文件，这逻辑有误。真正的治理体现在产品设计中：是否告知候选人AI介入？是否提供申诉？高置信与低置信拒绝是否区别对待？这些是设计问题，而非政策。制度若不进界面，便只是空文。

●一个简易测试：若朋友被拒，能否知因、能否异议、能否找到真人处理？若三答皆否，即便效率再高，系统也未准备好进入高风险场景。

被忽视的责任链。讨论AI公平常陷入技术陷阱（偏见、精度）。但最终问题是：出了事谁负责？现实中，责任常在链条中消失。企业推给第三方，第三方推给客户，候选人无处追责。这不是失误，而是对平台有利的结构。成熟的治理需在链条中插入明确节点：何类决策需人工介入，谁兜底错误，数据留档多久。若设计阶段无解，事后补救代价极高。

回归最初问题：AI筛选简历公平吗？我的看法是：问题问错了。公不公平取决于设计、监督与后果处理。同样的技术，可成公正工具，也可成转移风险的机器。区别在于是否有人对后果负责。

✦ 小结

AI招聘的矛盾非「人机之争」，而是效率收益与风险成本的不对称分配。判断系统是否可信，不看原则清单，看普通人遇事时有无真实保护与可追溯的责任链。治理不是踩刹车，而是装方向盘。