AI 工具正逐步取代人类在某些场景的判断，例如简历筛选算法已在招聘中被广泛使用，以提升效率和决策一致性。学者担心如果整个行业都使用同一算法，可能形成“算法单一化”，导致系统性排除——被一家公司的算法拒绝的求职者很可能在所有公司都被拒。但 MIT 的研究者系统评估了这些担忧，发现许多论点并不决定性。通过一系列模型，他们证明算法单一化会产生信息回声室，抑制探索，使得最佳候选人被遗漏。然而，将多个招聘算法组合成“集成算法”可以缓解这一问题，甚至在某些情况下表现优于多样化的多算法体系。研究指出，单一算法的准确性若显著高于各公司使用的多算法，单一化可能更优。除此之外，单一化可能提升求职者的议价能力，因为所有公司争夺同一批候选人，工资可能上升。对代理性的担忧也被检视：如果求职者只能一次性提交简历而无法调整，则不利，但若允许重新投递，则该担忧不成立。单一化同样可能被求职者利用，通过统一的简历格式提升通过率，但这并不比针对少数算法进行针对性优化更具优势。研究者还引用“群体智慧”理论，指出多样化的独立决策者往往比单一决策者更能发现高质量候选人。信息同质化会限制发现新人才的机会，这在科学、艺术等需要创新的领域尤为值得关注。引入随机性或构建集成算法是提升探索性的潜在手段。作者强调，算法单一化的利弊高度依赖具体情境和算法本身的性能，仍需大量实证研究。
点评