系统在做出有关个人就业状况的决定时,也可能由于未考虑某些背景因素而造成间接歧视,而这些因素对人类来说是显而易见的。例如,使用数据为工人分配轮班(并因此支付工资)的人工智能轮班分配工具可能会为残疾员工或无法在一周的某些日子工作的员工提供减少的轮班。同样,用于做出晋升决定的算法很可能被设计为不考虑性别,但如果它将平均工作时间纳入工作绩效评估,则仍可能造成间接歧视。这是因为统计数据显示,女性承担着更大的照顾责任,因此更有可能减少工作时间和/或兼职工作。使用人工智能驱动的申请人筛选工具的雇主还需要考虑该计划是否使用来自其自身劳动力的数据来确定个人是否适合该企业,以及如果现有劳动力以男性为主,这可能会在多大程度上延续其自身劳动力中的持续不平等。
主要关键词