硅谷大厂常用的 AI 招聘系统，正在引发越来越大的反弹。
一款被微软、拜耳、PayPal 等公司使用的 AI 招聘平台 Eightfold AI，近日被两名求职者起诉。原本主打“用 AI 帮企业更高效选人”的系统，被指在实际筛选中造成歧视与不公。两名原告不仅要求经济赔偿，还呼吁法院介入监管所谓“黑箱算法”，推动招聘筛选流程更透明、可解释。
就在诉讼持续发酵的同时，另一项更具争议的研究也引爆讨论：AI 竟可能仅凭一张人脸照片，推测一个人的性格特征，进而“预测”其职业发展路径。听起来像“赛博相面”，但研究来自多所美国顶级高校团队，数据规模与方法也相对完整。
研究团队收集了近 10 万名 MBA 毕业生的数据，覆盖美国排名前 110 的商学院，包含教育背景、完整职业轨迹，以及领英头像与校友相册照片。他们先用 1.2 万多名样本（自拍 + 性格问卷）训练模型，让 AI 将面部特征映射为数值信号，并据此预测心理学常用的“五大人格”——外向性、尽责性、开放性、宜人性与神经质。随后，研究再把这些由 AI 推测的人格指标，与现实结果做对照：学校排名、毕业起薪、薪资增长、是否进入管理岗位、职业稳定性等。
结果显示，AI 推测出的“性格分”在统计层面与多项职场指标存在关联：
- 薪资方面，男性中尽责性、外向性越高，起薪往往越高，且尽责性与更快的薪资增长相关；女性中外向性同样“加分”，但尽责性较强反而可能与更慢的薪资增长相关。
- 流动性方面，宜人性和尽责性更高的人更稳定；外向性或神经质更高的人跳槽更频繁。神经质较高者跳槽范围更窄，而尽责性强的人即使跳槽也更可能跨行业发展。
但争议也由此而来：相关模型一旦被用作筛选工具，最危险的问题不是“算得准不准”，而是数据与规则里潜藏的偏见会被放大。算法的隐蔽性更强——即便没有明示歧视，只要训练数据带有结构性不公，模型就可能把一部分人系统性地挡在门外。更糟的是，求职者往往不知道自己何时被筛掉、因何被拒，更难对“系统决定”提出质疑。
这正是 Eightfold AI 被起诉引发共鸣的原因：争论的焦点不只在“好不好用”，更在透明度、可解释性与问责机制。
类似担忧也开始蔓延到教育领域。一些高校已尝试用 AI 审核入学申请材料，显著节省人工时间、加快发放录取结果，但质疑随之出现：当评估被模型主导时，申请者可能被迫迎合算法偏好；而模型偏差、训练数据偏见也可能悄然影响公平性。
AI 可以提升效率，但涉及人生机会的筛选与决策，显然不能轻易交给“看不见的机器”。
