人类偏见还是 AI 偏见：招聘中哪个更糟？| Deepali Jain

Deepali Jain 并不是招聘领域里 AI 的“鼓吹者”，而是一位拥有 15 年经验、对行业最核心问题仍保持坦诚怀疑的资深人才招聘专家：在人力资源流程中，人类偏见和 AI 偏见，到底哪个危害更大？她直面这个冲突，而这种坦率在行业中并不常见。

她的职业经历横跨三大洲、四家全球咨询公司，服务对象涵盖跨国企业到家族企业。现任 Harvard Business Review 咨询委员会成员，并为领导者提供科技与人性判断交汇处的指导。

在本期 Xobin Talks 第 25 期中，主持人 Aman Kumar Tiwari 抛出了 HR 领域最关心的几个问题：什么才是真正的“智能招聘”？如何应对无法完全掌控的 AI 偏见？未来五年人才招聘会发生哪些变化？

当今职场，什么才是真正的智能招聘？

Deepali 的回答直截了当，且并非从工具谈起。

Deepali：“我们的思维方式会彻底改变结果。技术和工具会不断进化，但我们也要随之成长。我们必须愿意用不同的视角看问题，改变工作和应对方式。”

AI 的价值在于释放时间，而非取代岗位

她对智能招聘的定义很明确：用 AI 节省时间，把节省下来的时间投入到需要人类参与的工作中。

Deepali：“减少在这些任务上的时间，把更多精力用在与候选人建立真实联系上。我更愿意花时间去建立关系、倾听客户和团队的需求、理解他们的难题并协助解决。AI 可以为我们赋能，但在真正的人际互动层面，AI 还有很长的路要走。”

2024 年，HR 专业人士中 AI 应用率为 58%，2025 年上升到 72%（SQ Magazine），93% 的招聘人员计划在 2026 年进一步加大 AI 使用。虽然普及速度很快，但 Deepali 强调，盲目应用只会提升效率而非质量。关键在于：我们该如何用 AI、它在哪些环节真正创造价值、又有哪些环节必须守护。

招聘中，AI 偏见比人类偏见更好还是更糟？

这是本期节目的核心问题，Deepali 的回答也是全系列中最坦诚的。

Deepali：“对我来说，这其实是个很个人的冲突，说实话我还在思考答案。我们总以为招聘决策很客观，但现实中几乎很难做到。偏见可能渗透到每个环节--从职位描述、人才搜索、简历筛选、面试到最终决策。”

人类偏见一直都在

最重要的前提是：招聘本身就带有偏见。职位描述反映了撰写者的偏好，筛选流程反映了设计者的思维，面试环节则受面试官个人框架影响。这些都不是新问题。

Deepali：“人类偏见本就难以消除，AI 有时甚至会加剧问题。企业越来越多地使用 AI 工具招聘，我们也要关注这些工具是如何开发和训练的。AI 背后的数据和指令会影响职位描述，甚至带入隐性偏见。无论是筛简历、找候选人还是面试，都可能出现同样的问题。”

超 75% 的 HR 领导者在采用新 AI 人才招聘工具时，将人口统计学偏见列为首要担忧（TechRT）。Greenhouse 2026 年对五国近 3,000 名求职者的调查显示，仅 26% 的候选人信任 AI 能公平评估他们（Greenhouse, 2026）。

透明度困境

Deepali 指出核心治理难题：大多数企业其实看不清 AI 招聘工具的运行机制，导致偏见难以管控。

Deepali：“我觉得这些工具并没有清晰展示它们的实际工作原理。我们并不真正了解它们如何训练、是否带有偏见。所以我倾向于认为 AI 也会有自己的偏见。这就变得很复杂了。人类偏见更糟还是 AI 偏见更糟？我真的没有答案。”

Amazon 的 AI 招聘工具曾因历史用人数据而出现性别偏见，许多算法的“黑箱”特性让候选人和 HR 难以理解或质疑决策。Deepali 的坦率反映了整个行业尚未解决的难题。

HR 团队如何公平地使用 AI 招聘工具？

既然 AI 偏见是一个连续体且透明度有限，Deepali 给出了两条具体建议。

向供应商提出关键问题

Deepali：“要向供应商索要明确答复：工具收集了哪些数据，如何使用这些数据，数据的去向是什么？工具训练用的数据是什么？它的实际工作机制如何？这些是最基本的筛选标准。当然，答案可能依然是‘不完全无偏’，但至少你能知道某个工具的偏见程度是 80% 还是 20%，这差别很大。”

目前约 67% 的企业已将公平性审计和偏见风险评分纳入 AI 开发流程，近四分之三的世界 500 强公司设有多方参与的 AI 治理委员会（TechRT）。虽然问责机制正在建立，但主动向供应商索要透明度，依然是许多 HR 团队容易忽略的关键一步。

人机结合，但不一刀切

Deepali：“我们还在探索，到底是人类还是 AI 的决策更公平。两者结合可以帮助做出更平衡的选择，但不能一刀切。某些岗位可以极少甚至不干预，有些则需要更多人类参与。你要根据岗位类型、业务影响和企业文化，灵活选择 AI 和人类的介入比例。”

她的框架强调岗位类型、业务影响和组织文化的差异。比如 VP of Engineering 和一批客服岗位，不能用同一套 AI 工具和流程。错误用人的后果、可用数据量和所需人类判断力都不同。

未来 HR 领导者需要哪些关键能力？

Deepali 认可 WEF 关于未来能力的研究（沟通、创造力、适应力），但她更关注 HR 的现实挑战。

Deepali：“HR 团队应该用 AI 简化日常事务，提高工作效率。与其担心 AI 抢饭碗，不如思考如何让团队更聪明地工作、产出更多。给员工赋能，让他们有信心用好 AI。只有真正会用，大家才会把 AI 当成帮手，而不是威胁。”

以身作则，带头变革

她对 HR 领导者的建议很直接：自己先做表率。

Deepali：“自己先做，言行一致，让团队成员积极拥抱 AI。用 AI 节省下来的时间，投入到 HR 最擅长的领域--建立关系、倾听利益相关方、理解问题背景、协作解决挑战。”

2025 年 Resume.org 调查显示，约三分之一美国企业认为到 2026 年 AI 可能主导整个招聘流程，计划扩展 AI 应用的企业中，这一比例高达 62%（Resume.org, 2025）。无论数字如何变化，有一点很明确：AI 已经接管了大量 HR 过去的日常和行政事务。剩下的，是关系、判断和战略性工作，这正是 Deepali 认为人类应当深耕的领域。

未来五年，人才招聘将如何演变？

Deepali 先描述了极端假设，再给出自己的观点。

Deepali：“AI 可以完成招聘流程中多达 80% 的任务。写 JD、筛简历、初筛候选人、面试都能自动化。理论上你可以实现‘零人工’，如果你真的想尝试。但零人工是答案吗？我个人并不这么认为。”

优势互补的结构设计

她的建议不是怀旧，而是结构性思考：明确 AI 和人类各自擅长什么，然后让流程充分发挥各自优势。

Deepali：“我们帮助人们发现自身优势，并找到能发挥这些优势的岗位。AI 也是一样。我们要识别 AI 擅长的环节，让它去做；而在人类更有价值的环节，则由人来主导。两者协作，流程才会更强大，而不是互相取代。”

实际操作上，就是流程设计问题：逐步梳理招聘漏斗各环节，明确 AI 能提供可靠信号的地方，以及人类判断不可替代的环节，随着 AI 能力和组织认知的提升，不断优化。

给刚开始智能招聘的企业一条建议？

Deepali：“不要犹豫，现在就开始用 AI。”

建议非常明确，且差距正在拉大。偏见和透明度的风险确实存在，但那些已经在招聘中尝试 AI 的企业，正积累宝贵的判断力，未来会用得更好。而还在观望的企业，只会被落下。

关于 Deepali Jain

Deepali Jain 现任 Harvard Business Review 咨询委员会成员、ICF ACC 认证教练、创业导师，拥有 15 年专注于人力资本管理咨询的经验。

她曾在 PwC、Deloitte、Accenture、IBM 工作，足迹遍及三大洲十余国，为大型企业、中小企业和家族企业提供 HR 科技、人才、领导力、文化与组织变革咨询。最近五年，她在 Deco Group 担任首席幕僚、P&L 负责人及转型办公室负责人等职位。

她对 HR 领域的 AI 既非盲目支持，也非一味质疑，而是以 15 年一线经验，见证了行业对“客观性”的假设如何被数据反复推翻。

欢迎通过 LinkedIn 与 Deepali 交流