算法是否在不公平地筛掉移民求职申请？加拿大新近提出的人工智能战略“全民人工智能”描绘了一个颇具雄心的国家未来图景。联邦政府表示，人工智能能够提高生产率、增强竞争力，并在整个经济体系中创造机会。
但如果人工智能越来越多地决定谁能首先获得这些机会，又会发生什么？我们是多伦多都会大学“弥合分歧”项目的移民研究学者，正在研究人工智能如何重塑移民获得就业的机会。加拿大的移民议程与人工智能议程正在日益交汇，而这两者都关系到加拿大的经济未来。这两个议题很少被放在一起讨论。
随着人工智能越来越深地嵌入招聘流程，问题已不再只是加拿大接纳谁入境，而是移民抵达之后，机会如何被分配。如今塑造招聘流程的技术，未来可能在很大程度上决定加拿大吸纳的技术移民能否真正为经济作出充分贡献。
在经合组织国家中，移民在劳动力中的占比不断上升，正日益成为经济增长、人口可持续性和创新的重要支柱。在加拿大，2016年至2021年间，移民贡献了劳动力增长的五分之四。这凸显出加拿大仍持续依赖移民来维持劳动力规模。加拿大也在迅速拥抱人工智能。人工智能在工作场所的应用正快速扩展，涵盖招聘、录用和劳动力管理等领域。加拿大统计局近期的证据显示，过去一年，加拿大企业采用人工智能的比例已经翻了一番。
这些变化往往被分开讨论，但其实不应如此。两者未来的成功，可能越来越取决于彼此。移民就业不足问题突出加拿大的移民制度被普遍视为全球最成熟的技术移民筛选体系之一。劳动力市场融入仍是移民面临的最顽固挑战之一。
尽管许多移民拥有较高学历和丰富职业经验，他们的就业不足和资历过剩比例仍高于加拿大本土出生劳动者。加拿大统计局报告称，拥有高等教育背景的新近移民中，近三分之一从事的工作与其资历不匹配；而在加拿大本土出生劳动者中，这一比例不到五分之一。许多资历很高的移民最终只能从事其他服务类工作。
不少人仍持续遭遇多重障碍，包括海外学历和资历认证困难、职业网络有限，以及所谓“加拿大工作经验”的要求。长期以来，研究不断指出，在其他国家获得的技能和经验，在加拿大劳动力市场中往往被低估。这些挑战并不新鲜。新变化在于，它们越来越多地通过一套新的基础设施发挥作用。
过去，就业机会主要由人类机构和人的判断来把关，包括资历认证机构、招聘经理、招聘人员以及职业网络。正是这些主体决定了谁的技能会被认可，谁会被忽视。如今，许多决定更早发生在数字系统之中：在招聘人员真正查看申请之前，系统就已经对求职者进行评估、排序和筛选。
在加拿大以及其他经合组织国家，招聘流程正被求职者跟踪系统、自动筛选工具、预测分析和人工智能招聘平台所改变。越来越多研究对这些系统提出担忧，认为它们可能通过所依赖的数据和假设，复制既有不平等。康奈尔大学的一项研究发现，关于算法招聘“公平性”的许多说法仍难以验证，因为招聘系统往往会继承历史招聘数据中已经存在的模式。
加州大学洛杉矶分校性别研究和非裔美国人研究教授萨菲娅·诺布尔也在其著作《压迫的算法：搜索引擎如何强化种族主义》中指出，看似中立的数字系统，实际上可能复制更广泛的社会不平等。经合组织在2023年发布的《就业展望》也曾警告，用于就业领域的人工智能系统，可能在透明度、可解释性、问责和歧视等方面引发重大担忧，尤其是对那些本就处于劳动力市场不利地位的群体而言。
人工智能正在超越单纯提供建议的角色，越来越多地在影响人们生活和生计的决策中行使实际权力。招聘就是其中之一。近期“弥合分歧”项目开展的一项研究，基于对加拿大各地移民、雇主和招聘专业人士的访谈，初步发现，许多移民将数字化招聘系统视为一个“黑箱”：它影响结果，却对受影响者基本不可见。
一名受访者谈到，自己反复申请与资历相符的职位：“光看职位描述，你会觉得自己就是合适的人选，但不知为什么，简历就是没有被选中，他们会说你的简历不符合标准之类的原因。”问题不只是被拒绝，更在于不确定性。求职者往往不知道，自己被淘汰究竟是因为资历不足、竞争激烈、雇主偏好，还是自动筛选系统所致。
另一名受访者说：“我申请了7份工作，都没有得到回应。那时我就去问ChatGPT，查自己为什么收不到回复。”许多受访者都提到，他们开始学习如何调整申请材料，但不是为了招聘人员，而是为了算法。实际上，求职者如今越来越不仅要证明自己有能力，还要让机器“看得懂”自己。
加拿大人工智能未来中的公平问题，这并不意味着人工智能天然具有歧视性，也不意味着雇主应放弃使用数字化招聘技术。只要使用得当，这些工具可以提高效率，也能帮助雇主识别合格候选人。但加拿大数十年来一直在不断完善技术移民筛选机制，相比之下，对于那些越来越多地决定移民到达后其技能能否被认可的技术，关注却明显不足。
随着人工智能嵌入招聘流程，我们需要思考的是：当移民进入劳动力市场后，机会究竟由什么机制来分配。如果说移民政策负责筛选技术移民，那么人工智能正越来越多地影响他们是否会被视为“技术工人”。加拿大的未来同时取决于移民和人工智能。如何确保这两项目标相互强化，而不是彼此削弱，可能会成为人工智能时代最具决定性的政策挑战之一。
热门跟贴