美国超过 90% 的雇主依赖招聘算法来筛选求职者。许多不同的雇主都使用来自少数几家供应商的算法。我们开展了迄今为止规模最大的算法招聘实证研究，数据涵盖 340 万名真实求职者，他们向横跨 11 个市场领域的 156 家雇主提交了 400 万份申请。每一份申请都由同一家供应商的算法进行评估：我们测试了这种算法单一文化是否对就业机会造成了瓶颈。我们是首个在大规模数据中证明，高风险的招聘决策存在种族差异和同质化结果的研究。

---

关键发现

1

对亚裔和黑人群体的广泛不利影响。

我们是首个在已部署的算法招聘中证明不利影响的研究，这也是在真实高风险 AI 决策中展示不公平结果的最大规模实证之一。

25.87% 的申请

由黑人求职者提交，

14.74%

由亚裔求职者提交的申请，被导向了根据相关

美国就业法（第七章）

标准对其产生不利影响的职位。

2

不利影响仅通过按职位逐一分解分析才得以揭示。

尽管由于数据获取限制，算法招聘的实证研究非常受限，但此前的研究

显示

在将供应商所有数据作为一个整体研究时，不利影响极小。通过按照第七章的标准分别研究每个职位，我们识别出了那些在整体数据中被掩盖的不利影响职位。

3

招聘中的算法单一文化导致系统性拒绝。

我们是首个在已部署的算法招聘中证明系统性拒绝的研究，正如此前

理论

所提出的那样。