第109章 年龄、学历、地域都成标签（1/2）

请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。

招聘系统的问题，比林凡58分更深。

评估继续进行后，项目组发现系统很爱给人贴标签。学历不只是学历，是“学习能力代理指标”；年龄不只是年龄，是“适应速度风险”；地域不只是地域，是“流动稳定性”；职业空窗不只是空窗，是“抗压与连续性存疑”。

每个词都很体面。

体面到让人很难一眼看出它在歧视。

张磊看着报告，说：“它把偏见穿上了西装。”

林凡说：“还打了领带。”

小吴的样本被系统标记为“非重点院校，基础能力需验证”。小吴看到后，表情很难看：“它怎么知道我基础能力不行？”

马骏安慰：“它不知道，它猜的。”

小吴说：“那更难受。被了解后否定，至少说明它看过我；被猜着否定，像我连解释机会都没有。”

阿宁转岗样本被标记为“职业路径不连续”。她说：“我从设计转视觉风控，明明是因为岗位变化，怎么到它这里变成我不稳定？”

何苗说：“系统喜欢直线。现实里很多人是被时代拐弯的。”

最刺眼的是地域标签。某些地区候选人在“稳定性”和“信用风险”上平均分偏低。供应商解释，这是根据历史离职率、薪资水平和履约数据形成的统计关联。

苏晓问：“统计关联能不能用于个人判断？”

供应商说：“只是参考。”

“如果参考导致排序靠后，靠后导致看不见，看不见导致没有面试机会，那它就不是参考，是筛选。”苏晓语气很平，“你们不能把群体统计压力压到个人身上。”

会议室里没人说话。

林凡想起金融风控。贷款系统里，地域、职业、年龄也常常是变量。招聘和金融看似不同，本质都在问一个问题：系统根据过去的数据，推测你未来值不值得信任。

可人不是一组平均值。

一个来自低分地区的人，可能很可靠；一个年龄偏大的候选人，可能学习很快；一个学历普通的人，可能靠真实项目练出判断；一个职业空窗的人，可能只是照顾家人、养病、被裁员，或者像张磊一样正在从坑里爬出来。

张磊看到“职业波动风险”那项，忍不住说：“我申请把我的人生从训练数据里移除，避免污染模型。”

周舟说：“你的波动很有教育意义。”

“这是夸吗？”

“看你怎么理解。”

林凡和苏晓一起整理了一份偏见评估清单。清单要求：敏感标签不得直接用于淘汰；半敏感标签需要做影响测试；模型报告必须区分事实和推断；候选人有权补充解释；招聘方必须定期检查不同群体的通过率；对被低分但岗位核心能力匹配的人进行人工复核。

项目经理看完，头疼：“这套下来，客户会觉得麻烦。”

林凡说：“歧视本来就是因为图省事。”

苏晓补：“精准不等于公平。很多不公平也很精准。”

这句话让林凡愣了一下。

他把它记下来。

客户最终接受了一部分修改，因为监管风向已经不允许他们完全无视。系统界面新增了“推断标签”提示，明确标注哪些是事实，哪些是模型推断；年龄和地域不再显示给一线面试官，只保留必要合规字段；低分候选人抽检比例提高。

不完美。

但比原来好。

小吴问林凡：“这些修改真的有用吗？”

林凡说：“有一点。”

本章未完，点击下一页继续阅读。