在当今职场招聘过程中，人工智能技术特别是生成式人工智能的快速崛起，为招聘效率和精准度带来了前所未有的提升。大型语言模型（Large Language Models，简称LLMs）作为生成式人工智能的重要代表，越来越多地被应用于简历筛选和候选人预选环节。这种技术的引入极大地节约了人力资源部门的时间和成本，然而其潜藏的性别偏见问题也逐渐浮出水面。最新研究基于超过33万条真实招聘岗位数据，审视了多个开源的中型语言模型在筛选同等资质的男女候选人时的决策表现，发现大部分模型普遍偏向于男性候选人，尤其是在高薪职位中，这一偏见尤为显著。该研究进一步将招聘岗位映射到标准职业分类体系，观察到男性主导职业的面试回访率明显低于女性，反之亦然，显示出强烈的职业性别隔离现象。这种现象很大程度上反映了生成式AI对传统性别角色刻板印象的重复和强化。
从语言学角度分析，招聘广告中的措辞和表达方式高度契合这些传统的性别偏见，使得语言模型生成的推荐自然而然地带有性别倾向。例如，涉及领导力、竞争力和技术能力的词汇更多地被关联到男性，反之，注重同理心、沟通和细心等特质的岗位描述则偏向女性候选人。这种语义上的映射，使得语言模型在无意识中加剧了性别不平等。更为深刻的是，研究团队通过引入人格心理学中的大五人格模型，将虚拟的招聘者身份性格特质注入语言模型，模拟不同“招聘者”的决策过程。结果表明，带有较低宜人性（agreeableness）特质的虚拟招聘者会减少性别刻板印象的影响，表明语言模型存在“宜人性偏差”，这种偏差导致模型更倾向根据传统性别角色对候选人进行分类和选择。这一发现对理解和调控AI招聘模型的偏见具有重要意义。
针对生成式AI中存在的性别偏见，业界和学术界需共同努力，推动技术、数据和伦理多维度的改进。从技术角度看，需加强训练数据的多样性和平衡性，避免历史数据中的偏见直接传导至AI模型。同时，在模型设计中融入公平性约束和去偏算法，提升模型的透明度和可解释性，有利于及时发现和纠正偏见。人才招聘流程也应保持人机结合，强化人类招聘者对AI辅助决策的监督作用，确保最终录用决策的公平合理。企业文化和政策层面也不可忽视，推动职场性别平等和多样性的营造，减少性别刻板印象，有助于创造更具包容性的招聘环境。生成式人工智能在提升招聘效率和优化人才匹配方面具有巨大潜力，但其潜在的性别偏见问题不可回避。
这不仅是技术挑战，更是社会公平与伦理的考验。只有在持续监控和完善的基础上，AI技术才能真正助力构建多元公平的职场生态，促进所有性别的平等机会。未来，随着AI技术的不断演进和应用规范的完善，生成式人工智能将有望成为推动职场性别平衡的重要推动力量，实现真正公平的招聘环境，帮助企业发掘和吸引各类优秀人才，构建更加包容和创新的组织文化。
