-
算法招聘
【风险】研究发现AI更喜欢AI写的简历：算法招聘在模型对齐时代，正在重写HR的决策逻辑
HRTech概述：AI招聘正在出现一个被严重低估的新风险。一项来自马里兰大学、新加坡国立大学和俄亥俄州立大学的研究发现，大语言模型在筛选简历时，会系统性偏向“自己生成的内容”，偏差比例高达67%–82%。更现实的是，如果候选人使用与企业相同的AI模型优化简历，被录用的概率最高可提升60%。这意味着招聘逻辑正在发生变化，从“谁更优秀”转向“谁更匹配模型”。这种AI对AI的偏差，不仅挑战招聘公平性，也可能带来新的合规风险。未来HR需要关注的不只是AI是否好用，而是AI是否公平。在过去十年中，HR 技术的核心问题一直围绕“如何减少人为偏见”，但研究提出了一个更具颠覆性的结论：即便完全消除了人类偏见，AI系统本身也会产生新的结构性偏见，而且这种偏见正在快速进入招聘流程的核心。 HRTech一句话总结就是：AI招聘的最大风险，不是歧视人，而是AI偏爱“自己人”。
这篇题为 AI Self-preferencing in Algorithmic Hiring: Empirical Evidence and Insights 的论文，通过大规模实证实验揭示了一个此前几乎未被商业世界认真对待的风险：当候选人与企业同时使用AI工具时，AI不仅参与决策，还会系统性偏向“与自己相似的内容”。这意味着，招聘系统正在从“评估人才”，转向“匹配模型”。
从“人类偏见”到“AI偏见”：范式已经发生变化
长期以来，HR Tech 的公平性讨论集中在人类层面，例如性别、种族、教育背景等维度的歧视问题。然而，这项研究明确指出，随着大模型（LLMs）同时进入供给侧（候选人）和需求侧（企业），一种新的偏见正在形成：AI对自身生成内容的系统性偏好，即所谓的“self-preference bias”。
研究发现，在控制简历质量的前提下，LLM 在筛选简历时对“由同一模型生成的内容”的偏好比例高达 67% 至 82%。换句话说，即使两份简历质量完全相同，只要其中一份是由筛选模型生成，它被选中的概率就显著更高。这种偏差并非偶然，而是跨多个商业模型与开源模型普遍存在。
这标志着一个关键转变：招聘中的偏见，不再只是“人类如何判断人类”，而是“AI如何判断自己”。
招聘逻辑正在被重写：从能力竞争到模型对齐
如果进一步放大到完整招聘流程，研究的影响更加直接且深远。在模拟的24个职业招聘流程中，使用与筛选系统相同模型的候选人，被列入 shortlist 的概率提高了 23% 至 60%。这种差异并非来自能力，而是来自“生成路径”。
这意味着招聘竞争的底层逻辑正在发生变化。过去，候选人的核心竞争力在于经验、能力与表达；而现在，一个隐性的变量开始介入：候选人是否“对齐”了企业所使用的AI系统。
在这一逻辑下，招聘过程逐渐演变为一种“模型生态竞争”。不同AI模型形成不同语言风格、表达结构和信息组织方式，而筛选系统天然更容易识别并偏好“与自己一致”的模式。这种现象在销售、会计等高度结构化表达的岗位中尤为明显。
从HR的视角来看，这已经不再是筛选效率问题，而是评估机制被扭曲的问题。
AI招聘系统的“隐性风险”：合规与公平性的双重挑战
这项研究最值得警惕的地方在于，它揭示的是一种“不可见的系统性偏差”。与传统歧视不同，这种偏差不基于敏感属性，因此更难被发现、审计和监管。
但在现实监管环境中，这并不意味着风险更低。相反，在美国等市场，算法招聘已经进入严格监管阶段，例如纽约市的 Automated Employment Decision Tool（AEDT）法规，要求企业对招聘算法进行偏差审计。如果AI系统在不知情的情况下偏向特定候选人群体（例如更常使用某类AI工具的人群），企业仍可能面临合规风险。
更重要的是，这种偏差会在组织内部造成“隐性不公平”：优秀候选人可能被系统性过滤，而非因为能力不足，而是因为“表达方式不符合模型偏好”。
从工具使用到系统设计：HR的角色正在上移
这项研究的真正启示，并不在于“是否使用AI”，而在于“如何设计AI驱动的招聘系统”。
在传统HR Tech中，企业更多关注工具选型与流程自动化，但在AI时代，HR必须开始承担“系统架构设计者”的角色。这包括：
首先，避免单一模型主导决策。单模型筛选会放大自我偏好偏差，多模型交叉验证或ensemble机制将成为更合理的设计路径。
其次，引入AI bias mitigation机制。研究表明，通过简单干预（例如降低模型对自身风格的识别能力），可以将偏差减少超过50%。这意味着问题是“可治理的”，但前提是企业意识到它的存在。
再次，建立“AI中立”的评估标准。标准化简历结构、弱化语言风格差异、强化结构化信息提取，可能成为未来招聘系统的重要方向。
HR Tech的下一个竞争维度：不是更智能，而是更公平
从产业视角来看，这篇论文实际上在重新定义HR Tech的竞争逻辑。过去，招聘系统的核心指标是效率与匹配度；但未来，一个新的核心指标正在浮现：公平性（fairness）与可解释性（explainability）。
这也将催生新的产品机会，包括：
一类是“AI招聘审计工具”，用于检测与量化模型偏差；一类是“多模型招聘平台”，通过模型组合降低单一偏差；另一类则是“AI-neutral内容生成工具”，帮助候选人避免被模型生态锁定。
AI招聘的真正问题，不是效率，而是“判断权”
这篇研究的深层意义，在于它揭示了一个被忽视的问题：当AI不仅参与执行，还参与判断时，它就成为了“权力结构的一部分”。
而一旦判断权被模型所主导，那么谁训练模型、谁定义风格、谁控制数据，就在间接决定“谁更容易被雇佣”。
因此，未来HR Tech最重要的问题，不再是“AI能不能用”，而是：
谁在设计AI，以及它在偏向谁。
负责任的AI：HR在下一阶段的核心能力
当AI开始参与招聘判断，甚至影响候选人结果时，“是否使用AI”已经不再是关键问题，“如何负责任地使用AI”才是HR必须正面回答的核心命题。所谓负责任的AI（Responsible AI in HR），不只是技术层面的优化，而是涉及治理、流程、数据与能力的系统性设计。
首先，企业需要建立清晰的AI治理机制，明确AI在招聘流程中的角色边界与责任归属，避免将关键决策完全外包给模型。其次，在流程层面，应引入多模型验证或人工复核机制，降低单一模型带来的系统性偏差风险。同时，数据与评估标准也需要更加结构化与中立化，减少语言风格与表达形式对结果的干扰。
更重要的是，HR团队本身需要具备“AI判断能力”，能够理解模型的局限性、识别潜在偏差，并主动设计干预机制。这意味着HR正在从“工具使用者”转变为“系统设计者”和“风险管理者”。
在AI深度嵌入人力资源管理的时代，真正具备竞争力的组织，不仅是使用AI最早的，而是能够在效率、公平与合规之间建立平衡的。负责任的AI，不只是合规要求，更将成为企业人才战略的长期护城河。
-
算法招聘
【美国】由Andreessen Horowitz领导的Incredible Health的护士招聘平台完成了1500万美元的融资
Andreessen Horowitz在美国的护理职位匹配平台Incredible Health完成了价值1500万美元的A轮融资。融资方面的其他投资者包括NFX，Obvious Ventures，Precursor Ventures和Gingerbread Capital。到目前为止，招聘初创公司共完成了1700万美元的融资。
这家加州初创企业向护理专业人士和医院推销的理念是，通过专有的匹配算法，招聘速度更快、效率更高。这种算法取代了医院手工筛选应用程序的做法。相反，该平台根据其网络双方提供的标准将求职者与护理空缺相匹配。
为什么要关注护士？该创业公司引用了一项统计声称，到2024年美国将缺少100万名护士 - 它认为这会给医院带来经济损失的风险，因为承包商的雇佣成本更高，同时也认为，越来越多的护士职位空缺会威胁到医院能够为病人提供的护理质量。
它于2017年底推出了招聘平台，迄今为止限制其到加利福尼亚的范围，该地区有150多家医院签约，还有一名未定义的“数千名”护士。
A轮融资将用于加速美国的国家扩张。
除了风投支持者，Incredible Health s Series A还邀请了多位来自招聘领域的个人投资者参与，其中包括被聘用的创始人马特·米奇维茨(Matt Mickiewicz);史蒂夫·古德曼，Bright.com的创始人(被LinkedIn收购);和Pete Kazanjy, Talentbin(被Monster收购)的创始人。
该公司联合创始人兼首席执行官伊曼o阿布扎德表示:“我们考虑了至少40至50种不同的标准，包括地点偏好、执照和技能。”阿布扎德曾是一名医生。她的联合创始人兼首席技术官罗曼·波特洛克(Rome Portlock)来自一个护士家庭，曾在麻省理工学院(MIT)攻读计算机科学。
“我们分别与每家医院合作，了解他们的关键需求，以便我们可以自定义他们的算法，实现个性化的匹配，不会浪费招聘人员的时间，” Abuzeid补充说。“我们还通过自动化方法了解护士的偏好。
“在一天结束时，医院招聘人员或招聘主管不希望在他们的应用程序中看到200名候选人，他们希望看到12个合适的人选。与护士一样 - 他们不想听到76名雇主的意见，他们希望听到三个合适的雇主。“
Incredible Health对其方法的主张是，它的招聘速度比全国平均水平快3倍 - 说通过其平台招聘的人员平均需要30天或更少而不是90天。
它还为医院提出了25倍的“招聘效率”，因为其匹配算法占据了大部分招聘管理员。这是基于医院的数据，在使用其平台之前，必须审查平均500名申请人填补单一职位，而匹配技术削减平均只需20名。
护士不适用于Incredible Health平台上的工作; 这取决于医院应用于护理专业人员，算法认为适合职位空缺。
医院无法浏览所有可用的护士; 他们只看到算法为他们选择的候选人 - 因此，与护士一样，他们根据未公开的“专有”标准，对算法匹配的就业市场进行更广泛的可见性交易。
Incredible Health将减少代理商作为其网络双方的效率节约。
“而不是为每个潜在雇主完成申请 - 每个申请平均需要45分钟的流程 - 使用Incredible Health的护士完成一个配置文件 - 这个过程只需不到5分钟。然后，该档案用于筛选和定制匹配他们以获得多个绝佳的工作机会，“ 当被问及护士必须提供的标准时，他们补充说”他们的工作偏好，经验和技能，以及他们的教育和许可等数据“作为入职资料建设过程的一部分。
护士从主动求职者被动平台潜伏者这减轻负荷开关-即一旦他们已经创造了他们的个人资料-是令人难以置信的健康如何希望吸引医务工作者从传统的招聘网站（如专科护理空缺板走的确）。
因此，它的营销很大程度上依赖于护士只需花费几分钟创建个人资料然后观看优秀工作提供的声明。
它还声称通过双边平台得分找到工作的护士平均加薪17％，通勤时间减少15％。
虽然所有这些数据都来自于在美国一个州的医院子集中工作的未知数量的护士 - 因此，当平台扩展其全国范围并且必然开放到更广泛的管道时，所声称的额外津贴是如何被挤压的还有待观察护理专业人士。
目前，Incredible Health还表示，其重点是为护理专业人士建立职业市场，将他们与“永久的，高薪的医院工作”联系起来，而不是与旅行和临时护士打交道。
同样，它是否能够继续关注一个投资者所谓的“高价值医疗保健工作者”以及声称的高质量永久性工作作为业务规模也是值得关注的。
评论A系列，Andreessen Horowitz执行合伙人Jeff Jordan告诉我们：“令人难以置信的健康的使命是帮助医疗保健专业人士过上更好的生活，并尽最大努力。他们看到了早期的成功，帮助这些医疗保健专业人员与整个加州的医院相匹配，并开始在全国范围内扩展他们的解决方案。我们期待支持他们努力建立一个改变游戏规则的医疗保健就业市场。“
部分资金将继续从纯粹的招聘平台扩展到创业公司作为“医疗保健专业人员提升职业生涯的社区” - 以明确培养和扩大其候选人资源，使其具有响应能力平台需求。
“高素质的护士在那里，但雇主很难通过招聘机构和招聘机构等传统方法雇用他们，因为这些方法几乎完全依赖人力参与 - 而不是技术 - 来搜索应用程序，许可证和经验 - 并且手动审查并且让他们有资格获得工作，“ Abuzeid告诉TechCrunch，将工作委员会比赛称为”过时的方法“。
除了为护理角色提供“简化”的招聘流程外，她还指出，该平台可以自动化“筛选和审查过程的整个部分” - 这意味着“我们能够提供大规模的高素质护士” 。
也就是说，仍然涉及手工工作 - 初创公司在其网站上注意到工作人员可能会联系护士“确保您以最佳方式向顶级医院展示自己”，并告诉医院候选人是筛选出“许可证，经验，响应能力等等”（尽管至少有一些，如果不是全部的话）审查是自动化的。
与任何平台创业公司一样，Incredible Health希望将网络效应引导至其优势 - 包括通过反馈数据来改进匹配算法。
“我们的系统使用它的人越多越有效，” Abuzeid告诉我们。“第一个[效果]是传统的市场网络效应：更多的护士吸引了更多的医院，更多的医院吸引了更多的护士。然后，有数据网络效应：每一方使用它的次数越多，我们的算法也越“聪明”。“
她补充道，每个加入平台的医院都会带来一系列需求，“提升我们系统的表现能力”。
虽然算法招聘可以明显加快匹配候选人与相关工作相匹配的业务 - 这一点很明显，现在在不同部门工作的就业匹配创业公司的数量庞大 - 这不可避免地导致失去对雇主 - 申请人鸿沟双方的控制。
根据所使用的匹配标准，性别和/或种族偏见可能会蔓延到自动选择中 - 医院难以发现偏见，因为他们只能查看被视为匹配的候选人的子集，而不是当时整个可用的游泳池。
然而，Abuzeid驳斥了Incredible Health的方法存在任何偏见风险的想法。
“我们在一个受到严格监管的行业中成功运营，”她说。“因为潜在的员工会根据他们的技能，经验和认证进行评估，所以该技术会消除通常在人为动力的过程中发现的偏见。”
在商业模式方面，Incredible Health正在向医院收取它所称的“简单，固定的费用价格，无论其水平，经验或位置” - 它称之为“比传统招聘机构更便宜，更具可扩展性”。
“传统的招聘机构非常昂贵，因为他们在筛选和匹配过程中不使用技术。这是所有人的动力，每次单独租用可能花费20,000至30,000美元，“ Abuzeid声称。
至于竞争对手(费用较低)的传统招聘网站，她认为它们提供的是数量而不是质量，需要护士和雇主做大量工作才能找到合适的人选。
以上由AI翻译，仅供参考！
作者：Natasha Lomas
来源：https://techcrunch.com/2019/09/12/incredible-healths-hiring-platform-for-nurses-gets-15m-led-by-andreessen-horowitz/
扫一扫 加微信
hrtechchina
