如果應用得當，人工智能可能會通過協助職位發布，評估簡歷和標準化面試流程來幫助彌合IT領域的多樣性鴻溝。

科技公司是勞動力多樣性問題的發源地。盡管布魯金斯在聘用亞裔美國人時遠遠超過了全國平均水平，但他們發現非裔美國人和拉丁裔人受雇于科技行業的比例僅為其他所有職業的一半。婦女也遠遠落后于男性。關于這些差距為什么會持續存在的理論并不缺乏，但是迄今為止，沒有任何解決方案對行業的問題產生了重大影響。現在是時候來看一下人工智能以消除我們招聘過程中的偏見了嗎？

首先，我們必須處理房間里的大象。當亞馬遜試圖將人工智能用于此目的時，它曾廣為人知。他們的招聘工具發展出了習以為常的性別偏見，使男性申請者勝于女性。模型僅與其數據一樣好。如果您給它提供了數千份簡歷，其中70%是男性，那么您認為關于性別平等的結論是什么？

在研究人工智能如何幫助消除招聘過程中的偏見時，需要關注三個關鍵領域。他們正在創建職位發布，評估簡歷以及面試候選人。

您可能沒有意識到，但是您精心制作的招聘廣告在不知不覺中阻止了合格的候選人應聘。在ZipRecruiter的一項研究中，70%的職位中包含男性單詞。這一發現遍及所有行業。當措辭更改為對性別更加中立時（使用諸如支持和理解之類的詞而不是積極進取或領導者之類的詞），招聘經理的回應率增加了42%。那么AI如何發現這些失衡呢？通過允許該算法遍歷數百萬個招聘廣告及其相應的簡歷，它可以識別隱藏在數據中的模式。僅通過在帖子中使用包容性寫作，我們就不會拒絕合格的申請人，并且將最大限度地提高我們的選擇范圍。

我們可能有一個充滿多樣性的簡歷庫，但我們加劇了下一個問題-評估簡歷。一個職位發布可能會吸引100個簡歷。隨著最近遠程工作的爆炸式增長，響應速度甚至可以進一步提高。人類不可能公平地評估數百名候選人。我們在不知不覺中偏向于淘汰那些不適合我們預設模式的候選人。他們上了正確的大學嗎？他們上次在哪里工作？他們被雇員轉介了嗎？這些限定詞中的每一個都從我們的申請人池中剔除多樣性。人工智能可以提供幫助。在采用基于技能的方法時，您要公平對待競爭環境，因為AI會故意忽略所有人口統計細節，以使資歷為零。它在幾秒鐘內消化成千上萬份簡歷的同時做到了這一點。仍然，我們必須要小心。如果我們提供模型垃圾，它將產生垃圾。在公司的最佳績效上對我們的算法進行校準在紙面上似乎是理想的選擇，但是除非您已經擁有一支多樣化的員工隊伍，否則您只會使陳舊的聘用做法永存。