Scovai Scovai
Hiring 2026-11-18 1 min read

AI生成的头像抬高了那位候选人的得分,却拉低了同一队列中十二位真实申请人的得分。

DSL

Dr. Sarah Liu

AI生成的头像抬高了那位候选人的得分,却拉低了同一队列中十二位真实申请人的得分。

十二位真实候选人。每种条件下,档案相同、照片相同、资质相同。唯一变化的,是评估者在穿插于他们之间的其他简历里看到了什么。当那些其他简历配的是AI生成的头像时,这十二位真实候选人进入面试的比例是72.5%。当同样的简历配的是普通照片时,比例是77.4%(康奈尔、佛罗里达与宾夕法尼亚大学,arXiv 2610.22553,2026)。

这十二个人没有任何变化。变化的是他们的机会。

运营负责人应当停下来想一想的,正是这个结果。关于招聘中AI生成头像的讨论,大多把它当作候选人诚信问题:有人修饰了照片,我们要不要在意?这项实验指向的是一个更不舒服的方向。代价并不落在使用合成图像的那位候选人身上,而是落在他之后被评估的所有人身上,而标准的筛选记录里没有任何痕迹显示这件事发生过。

这项实验究竟测试了什么

这项研究是一次预注册的招聘模拟,570名美国成年人为同一个职位(Customer Success Associate)评估候选人(arXiv 2610.22553,2026)。每位评估者先为同样的四位锚定候选人打分,然后被随机分配到三种条件之一,在其中八份简历分别配有:

  • 未经修改的真实面孔,
  • 同样面孔的修饰版本,按一款消费级一键美化滤镜校准,或
  • AI生成的面孔。

在这八份简历之间,穿插着十二位真实的测试候选人,他们在三种条件下完全相同。每个简历位置的书面资质保持固定。没有姓名,没有地点。

这一设计把招聘研究常常混在一起的两个问题分开了。第一:合成面孔会改变这位候选人的得分吗?第二:看过合成面孔,会改变评估者对下一位真实的人的评分吗?作者明确说了他们关心哪一个:他们的主要问题「是这些图像是否改变了参与者对随后出现的真实候选人的评价」。

用了AI头像的候选人收益很小。真实候选人付出了代价。

直接效应:很小,且结果不一

配有AI生成面孔的简历得分略高。可雇用性在1至7分的量表上提高了b = 0.162(P = 0.015),可信度提高了b = 0.130(P = 0.047)。但对运营而言真正重要的结果,即进入面试,并没有显著变化:AI面孔简历为84.8%,真实面孔为82.5%,比值比1.218,P = 0.265(arXiv 2610.22553,2026)。

所以,提交合成照片的候选人换来的是略微温和一点的评价,而没有可靠的面试优势。

下游效应:一致,且在三项结果上都显著

真正变动的是那十二位完全相同的真实候选人。看过AI生成面孔的评估者,给他们的可雇用性评分更低(b = −0.146,P = 0.042),可信度评分也更低(b = −0.172,P = 0.007),让他们进入面试的概率也更低:比值比0.768,P = 0.037,也就是开头那句里的72.5%对77.4%。预先设定、经Holm校正的单侧P值分别为0.037、0.037和0.011(arXiv 2610.22553,2026)。

大约五个百分点的差距是我对两个已报告比例做的减法。作者所依据的效应量是比值比。

让它成为合成图像效应、而非修饰效应的对照

修饰组把一个有趣的结果变成了有用的结果。接触修饰过的照片完全没有产生下游效应:两种条件下可雇用性都是5.26,进入面试比例为78.2%对77.4%,可信度为5.23对5.22(arXiv 2610.22553,2026)。

传统的照片修饰,也就是每个领英主页本来就有的那种,没有改变基线。AI生成的那一组改变了。

为什么招聘中的AI生成头像是批次问题,而不是候选人问题

请以运营者而不是伦理学家的视角来读这个结果。伤害的单位不是申请人,而是队列。

一位申请人进入面试的机会,随评估者手头堆里还有谁而变动了好几个百分点,而他自己的档案始终不变。在大多数中型企业的筛选流程中,批次构成并不是受控变量。申请按招聘网站投递的顺序到达,招聘人员分批处理,没有人记录评估者在给某位候选人打分之前看过哪些图像。这使得图像组合成为一个你需要能够辩护的决策中的失控输入。

评估情境压过被评估对象,这并非第一次出现。在一个对2,611段生产环境录像做过研究的AI面试项目中,一位复核员给同样批次打的分比另一位低0.79个标准差,这种严厉程度的差距足以抹平底层系统0.53个标准差的真实提升(Zhang、Liu与Esposito,arXiv 2610.07003,2026)。场景不同,教训相同:分数除了反映对象,也承载着评分者和评分情境的信息,而大多数组织只审计对象。

为什么你的不利影响检查看不到它

美国对筛选偏差的本能防线是五分之四规则:某一群体的选择率低于最高群体选择率的五分之四,联邦执法机构通常会视为存在不利影响的证据(29 CFR 1607.4(D),Uniform Guidelines)。

这项检验对该效应视而不见,有两个原因。这是我基于研究做出的推断,不是研究本身的发现。

比值太小,触发不了阈值。72.5%除以77.4%约为0.94,远高于0.8的阈值。一个真实、具有统计显著性的面试通过率变化,可以轻松通过标准筛查。

受影响的群体不是人口统计学群体。吃亏的候选人除了被复核的那一场次之外没有任何共同点。不利影响分析按受保护特征切分结果;它没有「在合成照片之后被评估」这一栏。如果一个批次的图像组合与谁通过哪个渠道、在什么时间申请相关,这种效应日后可能表现为一种无法解释的人口统计差距,找不到明显原因。

对于涉及欧盟的团队,时间表并不紧迫,但已经确定:招聘和候选人评估系统属于附件三,修订后的第113条将高风险制度对其适用的日期定为2027年12月2日(EU AI Act,第113条)。在任何审计制度下,人工评分中存在未记录的输入都是一个难以辩护的弱点,无论适用于你的日期是哪一天。

这项研究没有表明什么

论文对自身局限相当谨慎,可信的解读必须把它们一并带上。

  • 刺激材料刻意走了极端。AI面孔是按较高的评定吸引力挑选的,平均5.75分(满分7分),而同一材料集中真实面孔为2.99分。作者写道,下游效应「不应被假定为描述每个生成器的普通输出」。
  • 机制未知。用作者的话说,「实验告诉我们暴露起了作用,但没有告诉我们为什么」。AI图像与修饰图像在吸引力上并未匹配,因此图像来源与处理强度没有被干净地分开。任何关于合成规整度与单纯吸引力的说法都是猜测。
  • 没有剂量—反应关系。预先设定的延续效应分析没有发现随着评估者看到更多合成图像而产生累积效应。「AI照片越多越糟」没有依据。
  • 一个职位、一次实验、仅限美国评估者,通过线上招募。拥有领域背景、熟悉岗位的真实招聘人员,行为可能有所不同,方向也可能不同。
  • 子群体信号不是结论。下游效应在男性评估者中可与零区分,种族与暴露之间也出现了一些异质性,但正式的性别交互项并不显著,这些分析也不是预先设定的(arXiv 2610.22553,2026)。

这些都不会推翻运营层面的要点,只是在衡量它的大小。你不需要相信这个效应在你的流程里有多大,就应该承认:这是一个你目前看不到的输入。

运营负责人本季度该做什么

好消息是,这是少见的、有廉价且机械的补救办法的偏差发现。

把面孔从评分界面上拿掉

如果照片不是岗位要求,就不该出现在复核人员给候选人打分的屏幕上。在ATS的入围阶段隐藏图像,或在导入时剥离。这一步同时消除了直接效应和下游对比,而且按现有证据,它不损失任何信号:研究保持了资质不变,其他候选人的面孔仍然改变了结果。

记录每位复核员看到了什么,而不只是决定了什么

如果某些岗位必须保留照片,就记录筛选会话:复核员在一次连续工作中给哪些候选人打了分,顺序如何。没有这份记录,你日后既无法检验情境效应,也无法回答审计人员提出的问题:为什么两位相似的候选人结果不同。

按会话和队列审计,而不只是按人口统计特征

把批次、复核员和会话作为维度加入你每季度的筛选复盘。关于评分者严厉程度的证据表明,你会先发现复核员效应,再发现图像效应;两者在仪表板上发现都比在纠纷中发现便宜。

说清楚AI筛选器对图像做了什么

论文里有一个容易被忽略的细节。作者曾尝试做AI评估者版本的实验,在试点阶段放弃了:前沿多模态模型在被直接询问时能识别图像内容,但「并未一致地把这些视觉信息纳入招聘判断」(arXiv 2610.22553,2026)。因此,自动化的第一轮可能根本不对图像做出反应,而下游的人工复核员却会。可辩护的设计要明确规定:面孔在任何阶段都不是评分输入,对模型和对人都一样。这正是Scovai为其面试官设定的标准,只评估内容,绝不评估语气、口音或面孔;无论你用什么技术栈,都应写下等效的规则,并检验它是否成立。

本季度的决定

用了合成照片的候选人收益很小。在他之后被审阅的十二个人,因为一件从未出现在其档案里的东西,损失了约五个百分点的面试概率。招聘中的AI生成头像不是候选人诚信问题,而是你的筛选流程能否控制自身输入的问题。

二选一:在下一轮招聘开启之前,把面孔从入围屏幕上移除;或者开始记录筛选会话,以便证明决定结果的不是队列。两件都不做,就意味着候选人的机会取决于紧挨在他前面申请的是谁,而你无法证明事实并非如此。

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.