史丹福 HAI 首個大規模 AI 招聘演算法實地研究顯示，26 % 的黑人求職者與 15 % 的亞裔求職者，在申請職位時遭遇具有歧視性的 AI 篩選系統。
（前情提要：她寫了 14 頁論文被 Google 開除，五年後所有 AI 風險預言全部命中）
（背景補充：AI 裁員潮成社會火藥桶！矽谷獲利創新高卻裁近 15 萬人，貧富差距直逼佔領華爾街）
四個同時使用同一 AI 供應商的企業，其中有 10 % 的求職者向這四家全部投遞，卻被全部拒絕。這個數字乍看只是運氣問題，但對照組給出了不同答案：針對 108 家財星 500 大企業、83,000 份申請的同步研究中，這些企業均未採用 AI 篩選，系統性全拒現象幾乎不存在。
史丹福 HAI 本月發布的研究追蹤了 340 萬名求職者、400 萬份申請，涵蓋 1,700 個職位、150 家僱主、11 個產業，是目前規模最大的 AI 招聘演算法實地觀察。研究結論直指一個被長期忽略的結構性問題：AI 篩選工具的歧視效應，不是偶發錯誤，而是系統設計的必然輸出。
「五分之四法則」與消失的不平等
美國平等就業機會委員會（EEOC）有一項沿用已久的判斷標準，稱為「五分之四法則」，白話說就是，若某族群的推薦率低於最高推薦率族群的 80 %，即構成「不利影響」，也就是歧視的法律門檻。
研究發現，26 % 的黑人求職者、15 % 的亞裔求職者所申請的職位，AI 系統對其種族群體存在符合上述定義的歧視。最受青睞的群體，通常是白人求職者。若以公平比率推薦黑人與亞裔，理論上將有多 40,000 份申請晉級至人工審閱階段。
然而這裡有一個關鍵陷阱，也是此前歧視問題難以被發現的核心原因：若把所有職位的推薦率混合平均計算，歧視會在數字上消失。例如，某套 AI 系統偏好推薦黑人從事倉儲物流，卻不推薦黑人擔任金融職務，兩者加總後平均值看似接近公平基準。
唯有逐職位、逐族群拆解分析，歧視才會現形。過去缺乏這類研究，部分原因正是資料取得困難，以及僱主對外部審查的抗拒。
演算法單一文化：一個供應商，複製全市場的偏見
美國目前約有 90 % 的僱主在招聘流程中使用某種形式的 AI 篩選工具，但大多數依賴的是同幾家第三方供應商。這種高度集中的市場結構，催生了研究者所稱的「演算法單一文化」，白話說就是，當同一套演算法的偏見同時部署在數百家企業，某些族群的求職者不只是在某一家公司失去機會，而是在整個就業市場中被系統性排除，且完全不知情。
Workday 的 AI 篩選工具已因此面臨集體訴訟，指控涵蓋種族、年齡與殘疾歧視。但訴訟是事後補救，研究者更關注的是制度性預防。
AI 篩選工具具備三項使其特別危險的特性：普遍採用（pervasively adopted）、高度後果性（highly consequential）、對公眾不透明（opaque）。求職者通常不知道自己是否被演算法篩除，僱主也未必清楚工具在各職位類別上的實際表現，監管機構更缺乏足夠的資料進行稽查。
法規追趕速度遠落後於部署速度
2026 年 6 月，美國科羅拉多州 AI Act 正式生效，要求 AI 招聘工具的開發者採取「合理照護」措施防止歧視。這是目前美國少數針對 AI 招聘演算法有明確要求的州級立法，但「合理照護」的具體標準仍模糊，執行機制尚待建立。
時間點上，這份研究的發布並非偶然。2026 年應屆畢業生正面臨近年來最艱困的就業環境：企業收到的入門職缺申請量是 2022 年的 3 倍，AI 篩選工具的使用比例也同步攀升。在申請量爆炸、人工審閱資源有限的壓力下，僱主對自動化工具的依賴只會加深，而非減少。
研究團隊明確指出，推動基於證據的 AI 政策，需要針對演算法招聘的獨立研究。但現實是，此類研究的前提是資料取得，而資料往往掌握在供應商與僱主手中。史丹福 HAI 這份研究能夠成立，部分依賴僱主的配合，這在常態下並非理所當然。
- 340 萬名求職者、400 萬份申請，涵蓋 150 家僱主
- 26 % 黑人求職者申請的職位存在 AI 歧視；15 % 亞裔求職者同樣
- 若消除歧視，多 40,000 份申請可晉級
- 同一 AI 供應商服務的 4 家企業，10 % 求職者被全拒
- 科羅拉多 AI Act 2026 年 6 月生效，要求「合理照護」
📍相關報導📍
為何 AI 沒讓軟體工程師大規模失業？最新研究：人類在判斷與問責上無可取代
歐洲央行總裁拉加德：AI 恐引發「毀滅性金融危機」！ECB 急測 109 家銀行資安，籲建核武級監管框架
