生成式AI辅助招聘流程中的性别偏见

近年来，生成式人工智能（GenAI）系统在甄选流程、人员招聘和候选人画像分析中承担着日益关键的角色。然而，使用大语言模型（LLM）有可能复现、在某些情况下甚至放大劳动力市场中已然存在的性别刻板印象与偏见。本文旨在评估并测量这一现象，分析一个最先进的生成式模型（GPT-5）如何基于性别和工作经验背景推荐职业，聚焦35岁以下的意大利毕业生。模型被提示为24个模拟候选人档案推荐工作，这些档案在性别、年龄、经验和职业领域上保持均衡。尽管在职位名称和行业上没有出现显著差异，但在用于描述女性与男性候选人的形容词上出现了性别化的语言模式，表明模型倾向于将女性与情感和共情特质相关联，而将男性与战略和分析特质相关联。该研究就这类模型在敏感流程中的使用提出了伦理问题，凸显了未来数字化劳动力市场对透明与公平的需求。