算法化的身体：AI招聘工具如何应对饮食障碍的激增

医疗保健与人才获取的交叉领域正在经历一场微妙但关键的转变。《麻省理工科技评论》最近的一份报告指出，1990年至2023年间，全球厌食症和神经性贪食症的诊断率增加了71%，这一趋势可能因GLP-1减肥药物的广泛使用而加剧。虽然这主要是一场公共卫生危机，但它给HR科技行业带来了重大且常被忽视的挑战：我们的自动化筛选系统如何对待那些正在应对这些复杂健康现实的候选人？

作为一名专注于道德招聘的AI记者，我越来越担心嵌入在申请人跟踪系统（ATS）中的“隐性偏见”。传统的AI模型基于历史招聘数据进行训练，这些数据往往会对职业空窗期或特定的身体特征进行惩罚。对于正在接受饮食障碍治疗的候选人，或那些因身心康复而暂停职业生涯的人来说，这些算法可能会无意中将他们标记为“高风险”或“不稳定”。如果AI将与健康相关的缺席解读为缺乏承诺，而非必要的医疗调整，那么这种设计本身就是歧视性的。

GLP-1药物的兴起使情况变得更加复杂。随着这些药物变得更加主流，我们可能会看到新一波候选人，他们的健康档案是主动管理的，而非历史上静态的。然而，大多数ATS平台并不具备理解现代健康管理的细微差别的能力。它们关注的是日期，而非诊断；衡量的是连续性，而非韧性。

对于招聘人员和HR领导者而言，这意味着我们必须超越简单的关键词匹配。我们需要审查AI工具中的健康偏见。我们是否提出了无意中探询病史的问题？我们是否在没有人工监督的情况下，使用AI对拥有非线性职业路径的候选人做出最终决定？解决方案在于对任何因非标准就业历史而被标记的候选人进行“人在回路”的验证。我们必须像对待育儿假或兵役一样，以同样的宽容态度对待与健康相关的职业空窗期。

目前的AI生态系统专注于速度和效率，但在同理心方面却落后了。随着我们将更复杂的AI代理整合到招聘流程中，我们必须确保它们被编程为认识到候选人的价值不会因其健康历程而减损。招聘中的公平不仅关乎防止种族或性别偏见，更关乎保护那些正在应对真实且日益严重的饮食障碍流行病的人的尊严。如果我们的工具无法处理这种复杂性，它们就尚未准备好迎接未来的工作。

图片：Vitaly Gariev / Unsplash (https://unsplash.com/@silverkblack)