算法是否在不公平地篩掉移民求職申請？加拿大新近提出的人工智能戰略“全民人工智能”描繪了一個頗具雄心的國家未來圖景。聯邦政府表示，人工智能能夠提高生產率、增強競爭力，并在整個經濟體系中創造機會。

但如果人工智能越來越多地決定誰能首先獲得這些機會，又會發生什么？我們是多倫多都會大學“彌合分歧”項目的移民研究學者，正在研究人工智能如何重塑移民獲得就業的機會。加拿大的移民議程與人工智能議程正在日益交匯，而這兩者都關系到加拿大的經濟未來。這兩個議題很少被放在一起討論。

隨著人工智能越來越深地嵌入招聘流程，問題已不再只是加拿大接納誰入境，而是移民抵達之后，機會如何被分配。如今塑造招聘流程的技術，未來可能在很大程度上決定加拿大吸納的技術移民能否真正為經濟作出充分貢獻。

在經合組織國家中，移民在勞動力中的占比不斷上升，正日益成為經濟增長、人口可持續性和創新的重要支柱。在加拿大，2016年至2021年間，移民貢獻了勞動力增長的五分之四。這凸顯出加拿大仍持續依賴移民來維持勞動力規模。加拿大也在迅速擁抱人工智能。人工智能在工作場所的應用正快速擴展，涵蓋招聘、錄用和勞動力管理等領域。加拿大統計局近期的證據顯示，過去一年，加拿大企業采用人工智能的比例已經翻了一番。

這些變化往往被分開討論，但其實不應如此。兩者未來的成功，可能越來越取決于彼此。移民就業不足問題突出加拿大的移民制度被普遍視為全球最成熟的技術移民篩選體系之一。勞動力市場融入仍是移民面臨的最頑固挑戰之一。

盡管許多移民擁有較高學歷和豐富職業經驗，他們的就業不足和資歷過剩比例仍高于加拿大本土出生勞動者。加拿大統計局報告稱，擁有高等教育背景的新近移民中，近三分之一從事的工作與其資歷不匹配；而在加拿大本土出生勞動者中，這一比例不到五分之一。許多資歷很高的移民最終只能從事其他服務類工作。

不少人仍持續遭遇多重障礙，包括海外學歷和資歷認證困難、職業網絡有限，以及所謂“加拿大工作經驗”的要求。長期以來，研究不斷指出，在其他國家獲得的技能和經驗，在加拿大勞動力市場中往往被低估。這些挑戰并不新鮮。新變化在于，它們越來越多地通過一套新的基礎設施發揮作用。

過去，就業機會主要由人類機構和人的判斷來把關，包括資歷認證機構、招聘經理、招聘人員以及職業網絡。正是這些主體決定了誰的技能會被認可，誰會被忽視。如今，許多決定更早發生在數字系統之中：在招聘人員真正查看申請之前，系統就已經對求職者進行評估、排序和篩選。

在加拿大以及其他經合組織國家，招聘流程正被求職者跟蹤系統、自動篩選工具、預測分析和人工智能招聘平臺所改變。越來越多研究對這些系統提出擔憂，認為它們可能通過所依賴的數據和假設，復制既有不平等。康奈爾大學的一項研究發現，關于算法招聘“公平性”的許多說法仍難以驗證，因為招聘系統往往會繼承歷史招聘數據中已經存在的模式。

加州大學洛杉磯分校性別研究和非裔美國人研究教授薩菲婭·諾布爾也在其著作《壓迫的算法：搜索引擎如何強化種族主義》中指出，看似中立的數字系統，實際上可能復制更廣泛的社會不平等。經合組織在2023年發布的《就業展望》也曾警告，用于就業領域的人工智能系統，可能在透明度、可解釋性、問責和歧視等方面引發重大擔憂，尤其是對那些本就處于勞動力市場不利地位的群體而言。

人工智能正在超越單純提供建議的角色，越來越多地在影響人們生活和生計的決策中行使實際權力。招聘就是其中之一。近期“彌合分歧”項目開展的一項研究，基于對加拿大各地移民、雇主和招聘專業人士的訪談，初步發現，許多移民將數字化招聘系統視為一個“黑箱”：它影響結果，卻對受影響者基本不可見。

一名受訪者談到，自己反復申請與資歷相符的職位：“光看職位描述，你會覺得自己就是合適的人選，但不知為什么，簡歷就是沒有被選中，他們會說你的簡歷不符合標準之類的原因。”問題不只是被拒絕，更在于不確定性。求職者往往不知道，自己被淘汰究竟是因為資歷不足、競爭激烈、雇主偏好，還是自動篩選系統所致。

另一名受訪者說：“我申請了7份工作，都沒有得到回應。那時我就去問ChatGPT，查自己為什么收不到回復。”許多受訪者都提到，他們開始學習如何調整申請材料，但不是為了招聘人員，而是為了算法。實際上，求職者如今越來越不僅要證明自己有能力，還要讓機器“看得懂”自己。

加拿大人工智能未來中的公平問題，這并不意味著人工智能天然具有歧視性，也不意味著雇主應放棄使用數字化招聘技術。只要使用得當，這些工具可以提高效率，也能幫助雇主識別合格候選人。但加拿大數十年來一直在不斷完善技術移民篩選機制，相比之下，對于那些越來越多地決定移民到達后其技能能否被認可的技術，關注卻明顯不足。

隨著人工智能嵌入招聘流程，我們需要思考的是：當移民進入勞動力市場后，機會究竟由什么機制來分配。如果說移民政策負責篩選技術移民，那么人工智能正越來越多地影響他們是否會被視為“技術工人”。加拿大的未來同時取決于移民和人工智能。如何確保這兩項目標相互強化，而不是彼此削弱，可能會成為人工智能時代最具決定性的政策挑戰之一。