三十秒内被拒：当你的简历无人阅读

五十份申请并不罕见。六个月也不算罕见。阿曼达·鲍勒的故事值得一提的是第三个数字，也就是零的：面对面面试。不是零。没有人坐在她对面形成观点。

这位48岁的心理学毕业生，她的经历被《悉尼晨锋报》于2026年8月29日报道，背负着约44,000澳元的HECS债务，这一数字被澳大利亚心理学家注册需要多年研究生学习叠加在本科学位之外而被抬高。

她支付了资格证书费用。她写了申请表。根据现有证据，资格认证通过软件评估，申请书却无人阅读。

最后一句话才是真正令人震撼的，而它不令人震惊的原因是我们在不到三年的时间里已经习惯了它。她申请的澳大利亚劳动力市场确实非常紧张。

SEEK 2026年7月的就业报告于8月12日发布，显示每则招聘广告的申请数达到历史最高水平，连续七个月增长，而招聘广告量则低于此水平，7月环比下降0.4%，比一年前下降6.0%。

越来越多的人追求更少的职位。这是一个老生常谈且周期性的故事。

这条新故事正是他们之间的障碍。澳大利亚负责任人工智能指数（Australian Responsible AI指数）是第五象限与国家人工智能中心联合制作的全国基准，发现大多数澳大利亚组织已经在某种程度上使用人工智能，而《先驱报》的报道显示，大约80%的澳大利亚中等或更高使用率的公司使用了人工智能。

在同一交易的另一端，求职者现在部署生成式系统和自主代理，这些智能体一夜之间清理招聘板，重写每个职位的简历，生成求职信，并在申请者醒来前提交。

同一报道中引用的一位高级人力资源主管描述了这种行为的结局，比大多数白皮书更为精准。机器人互相使用机器人。小机器人互相喊叫。

拒绝了这两个简单的故事

关于这个话题有两篇现成的文章，都毫无价值。

第一种是技术恐惧症，机器亵渎了神圣的人类仪式，解决办法是恢复握手。这纯属感伤的胡说八道。人类招聘从来不是精英主义。它缓慢、不稳定，受学校、口音和姓氏影响，且以一种没有审计能捕捉到的流利度歧视，因为没人审计。

任何怀念招聘经理桌上简历堆积的人都应该反思一下，周五下午简历底下的遭遇。

第二种是效率故事，即工作量已无法管理，自动化是唯一理性的回应，而候选人也在自动化，整个过程是对称的，因此公平。这更复杂、更危险，因为对称性是假的。

候选人的代理人优化一个人在整个市场中的胜算。雇主的代理人根据预算优化队列。只有其中一个会产生具有法律和实质后果的输出。候选人的机器发出请求。

雇主的机器发布裁决。称之为平等者之间的军备竞赛，就像把审判称为被告与法官之间的争论。

更难听、更具体的论点是这样。伤害不在于判断被自动化了。判断一直被委托、压缩和仓促。伤害在于循环已经闭合：现在任何有时间和权威的人都没有义务阅读。

一旦没有人阅读，判决就失去了作者。没有作者的判决无法解释、无法上诉、无法纠正、也无法从中学习。鲍勒五十次遇到的不是严厉。

而是没有人可以严厉。

过滤器的迷思以及悄悄取代它的存在

在进一步之前，有必要先拆解民间传说，因为民间传说确实对论点造成了实质性的伤害。

十多年来，职业建议一直围绕着这样一个说法建立：申请者追踪系统在人工看到简历前会自动丢弃75%。这一统计没有任何研究支持。正如Leda Salazar de Leon和Mehnaz Rafi在2026年7月发表的分析中所述，它源自2012年Preptel的一次推销，Preptel是一家简历优化供应商，该公司于次年关闭，且从未发布任何方法论。

销售解药的公司发明了这种疾病。招聘人员调查发现，绝大多数招聘人员并未配置其追踪系统自动拒绝格式或关键词，而大多数发达经济体中雇佣大部分劳动力的小型企业往往根本不使用此类系统。

申请者追踪系统在其大部分历史上，是带有搜索框的文件柜。

因此，整整一代求职者花了十年时间害怕一个几乎不存在的过滤器，购买模板和关键词工具来击败它。这在这里很重要，有两个原因。首先，它应该让任何人对供应商引发的恐慌持怀疑态度，包括这种恐慌，这也与本文的论点相符。

其次，更令人不安的是，过滤器实际上已经出现了，而且正好出现在神话所说的位置，这意味着警告在它成真的那一刻被过度使用而变得过时。

大型语言模型确实会有排名。它们产生排序，而排序并非中性。华盛顿大学的Kyra Wilson和Aylin Caliskan通过大规模文本嵌入模型进行了简历审计，使用了500多份真实简历和500份工作描述，涵盖九个职业，生成超过三百万种职位、种族和性别组合。

85.1%的案例偏好白人相关名字，8.6%偏好黑人相关名称。11.1%偏好女性相关名称。对于某些交叉点，尤其是黑人男性，模型在接近100%的比较中更倾向于其他候选人。

这不是一个偶尔失误的系统。它是一个系统，重现语料库的统计规律性，完全按照其设计的目的，在神话教导所有人预期它、却没人去核实的那个过程的确切节点。

两个自动机在墙上竞速

在雇主方面，筛选层已不再是软件，而是成为参与者。Alex，前身为Apriora，是一家由Aaron Wang和John Rytel创立的Y Combinator公司，负责现场语音和视频筛选面试，评分候选人并返回排名候选名单。

2025年9月，该公司在Peak XV Partners领导下筹集了1700万美元的A轮融资，使总资金达到2000万美元，并报告其最大客户已完成超过一百万次AI主导筛选面试，单日达5000次。

每天5000次首轮面试并非招聘人员过去的更快版本。这是一种同名但不同的活动。

在候选人方面，工具更简洁、更便宜且更开放。公共仓库托管经纪人，利用浏览器自动化和网页抓取来阅读招聘信息，并为每个代理自动申请，并为每个职位量身定制简历和求职信。

商业版则广告中，数千个职位只需点击即可申请。谷歌YouTube的产品经理Abhijay Arora Vuyyuru，撰写广泛阅读的应用人工智能通讯，发布了一份逐步构建个人求职代理的指南，该代理运行在小型云服务器上，每天早晨拉取新职位，逐项与简历评分，并发送前五名信息。

他在接受《先驱报》采访时预测，五年内每位求职者都会拥有个人AI代理，且很可能与公司的AI招聘代理对话。他并非在旁观预测。他是直接发布的。

这些影响是可衡量的，Greenhouse已经进行了衡量。其2025年11月19日发布的《AI招聘报告》涵盖了美国、英国、爱尔兰和德国的4,136名受访者，涵盖2,900名求职者和1,236名招聘人员及招聘经理，发现49%的候选人比去年提交的申请数量超过前一年，54%的人已经通过机器面试过。

六个月后，公司再次提出询问。其2026年候选人报告于5月1日发布，调查了美国、英国、德国、澳大利亚和爱尔兰的2,950名活跃求职者，显示这一比例为63%，半年内增长了13个百分点。

无论这是什么情况，都没有平静下来。早期报告还发现了定义整个系统的信任鸿沟：70%的招聘经理信任AI能做出更快更好的招聘决策，而只有8%的求职者认为AI使招聘变得公平。

公司首席执行官兼联合创始人丹尼尔·查特称这是一个人工智能末日循环，且不仅没有改善，还在恶化。

8%。这不是怀疑。那是一群认为该过程不合法的民众，仍然参与，因为别无选择。

当信号不再有任何意义时

这背后有一段干净利落的经济学论述，写于1973年。

迈克尔·斯宾塞的就业市场信号模型解释了为什么资历是有效的。信号只有在产生成本差异化时才会传递信息：教育信号显示能力，因为这对能力有限的人来说，付出更多努力和时间。

去掉成本差异，信号停止传输。它不会变成更弱的信号。它变成了穿着信号外衣的噪音。

生成式人工智能使得开发一个称职、量身定制、关键词对齐的应用成本几乎降到零，同时对所有人来说都是如此。经过深思熟虑的求职信曾经是高昂的兴趣信号。

现在它是免费的。这意味着它现在什么都不说，所有相关人员都知道它什么都不说，双方的回应方式是升级升级，而不是承认工具有问题。

这一升级过程有可测量的形状，而该领域最具启示性的数字出现在两项研究之间的空白期。Greenhouse发现，41%的求职者表示他们使用过快速注入，将指示隐藏在文档中以引导AI筛选器，其余52%表示正在考虑。

随后，张莫汉、贾玉琪、谭振、江史蒂文、龚振强、陈天龙和宋晓光也进行了研究。他们的研究于2026年在USENIX安全研讨会上发表，是首次在真实部署系统中大规模实证测量快速注入：大约20万份真实的CV被收集，其中约1%包含隐藏注射。

流行率正在上升。超过90%的注入避免了显式指令语法，也就是说，它们足够微妙，难以被捕捉。

41%的人说他们会这样做。只有1%的人会这样做。这个差距不是测量误差，也不是真正的作弊问题。这是一种信念的陈述。现在，五分之二的求职者认为破坏雇主的筛选系统是公开谈论自己是正常且有理据的说法。

招聘过程的道德地位崩溃的速度远快于技术的出现。

雇主在失去可用信号的情况下，正在寻找新的昂贵信号，结果证明申请人是真实的。Gartner于2025年7月31日发布的研究，基于约三千名候选人的调查，预测到2028年全球四分之一的候选人资料将是虚假的，发现6%的受访者承认存在某种形式的面试欺诈，39%的人在申请过程中使用过人工智能，只有26%信任AI能够公平评估他们。

供应商的回应是将身份验证产品附加到申请者追踪系统上，基于自拍的检查，以及无缘无故地回归现场面试的有据可查的做法。

再读一遍那段序列，因为它近乎荒诞。业界移除了人工阅读器以节省阅读成本。现在他们恢复了昂贵的人工验证，以确认对方是真人。成本从未被消除。

它被下游移动，超过了阿曼达·鲍勒已被拒绝五十次的地点。

研究人员在“环路”中发现了什么

三项最新研究比任何厂商评论都更接近机制，它们共同反映了行业尚未吸收的事实。

第一篇由Aditya Bhattacharya和Katrien Verbert于2025年5月发布，构建了一个多代理系统，由大型语言模型驱动，引导求职者完成招聘流程并向他们解释招聘决策。

经过20名参与者的评估，发现该系统比传统流程更具可操作性、可信度和公平性。注意候选人的反应。不是更好的武器。一个解释。目前自动申请工具满足的巨大需求，根本上是对可读性的需求，而这需求由唯一愿意向被筛选人员销售任何产品的供应商来满足。

第二份由Md Nazmus Sakib、Naga Manogna Rayasan和Sanorita Dey于2026年1月提交并于3月修订，通过分析子版块讨论和17名参与者的访谈，分析异步AI面试官，随后测试了180名参与者的界面变更。

其核心发现是，申请者存在被组织言论放大的不匹配期望，且对大型语言模型的熟悉影响了候选人对流程的认知，有时产生了变通和欺骗性做法。

这种因果方向极为重要。欺骗并非随机分布在申请者群体中的性格缺陷。它是对自我误导过程的可预测行为反应，且最可靠地来自最了解技术的候选人。

第三条应当彻底终结某个论点。Sajel Surati、Rosanna Bellini和Emily Black采访了22位招聘专业人士，讨论生成式人工智能在日常工作流程中的应用。

招聘人员认为他们保留最终决策权。研究人员发现，人工智能已成为他们所说的“隐形架构师”，塑造了用于评估信息的基础构建模块。采用决策大多不受招聘人员控制，主要由组织压力和竞争焦虑驱动，而非专业判断。

而边际效率提升也付出了相当大的代价，包括招聘人员专业能力下降和监督能力受损。

这打破了“人在环”的防御，而这正是雇主在被质疑时最常给出的答案。人类处于循环之中。她正在阅读模型写的总结，列出模型排名的候选人，这些候选人从模型已经缩小的候选人池中抽选，随着时间压力，模型的吞吐量产生了时间压力，逐渐失去了能让她察觉错误的专业知识。

她的存在满足了组织图，别无他物。无法行使的监督不是监督，橡皮图章也不是读者。

四十八岁的特殊暴露

上面的话落点不均匀，尤其是那些长得像阿曼达·鲍勒的人。

澳大利亚人力资源研究所和澳大利亚人权委员会定期开展全国性雇主在职场年龄调查。他们2025年的报告发现，24%的人力资源专业人员将51至55岁的员工归类为较大年龄，而2023年的10%有所上升，且只有约一半的雇主在很大程度上愿意招聘50岁以上的人。

这就是自动化安装时所处的人类基线，值得直言不讳地指出：在单一模型实施之前，雇主的年龄偏见已经存在且正在增长。

模型增加了规模、速度和可否认性。但自动匹配存在一个更微妙且结构性的问题，这与遗传偏见无关。基于已有职位人员档案训练的排名系统会了解现任者的样貌。

职业转型者，按定义，看起来不像现任者。一位48岁的心理学毕业生拥有一份简历，其形状是任何成功申请入门级心理学职位者都未曾拥有的，因为这些职位的成功申请者通常是25岁。

模型会将她评分为不匹配。它将运作得非常完美。匹配不够接近不是故障，而是产品规格，它编码了一个组织中从未有人写下、批准或在被问及时辩护的适任性定义。

对这一命题最具影响性的法律考验是通过加利福尼亚北区法院的艰难审理。Mobley诉Workday案由40岁以上患有抑郁症和焦虑症的非裔美国人Derek Mobley于2023年2月21日提起，他声称自己在Workday软件筛选的百余个职位中被拒绝，这些职位多次发生在工作时间之外，甚至在申请后一小时内。

2024年7月，法官Rita Lin保留了差别影响的诉讼请求，认为供应商有可能作为雇主代理人行事。2025年5月16日，法院根据《就业年龄歧视法》批准了对一个集体的初步认证。

2025年7月，该集体扩展至涵盖使用Workday的HiredScore功能筛选的申请者。通知计划于2025年12月2日获批，集体通知于2026年2月17日正式授权，截止日期为3月7日，3月6日林法官驳回了Workday关于年龄歧视法规根本不适用于求职者的论点。

随后于2026年3月27日提交了第三份修订诉状，6月22日法院部分批准、部分驳回Workday的驳回动议，使得跨种族、性别、年龄和残疾的歧视诉讼依然存在。

该案报道中的两个数字值得并列。在相关选择加入期间，约有十亿份申请通过该软件被拒绝。大约有14,000人选择加入。这个窗口现在关闭了，这意味着14,000人不再是持续统计，而是最终数字，而它与十亿形成的比例，就是用数字呈现的问责差距。

几乎没有人被自动系统拒绝，能学会足够的知识去举手，因为该系统的定义特征是它不会告诉你发生了什么。

法律人员到来，然后退后一步

你会以为监管会逐渐收紧。在鲍勒五十份申请前几周，情况倒退了。

根据欧盟《人工智能法》，用于雇佣和劳动管理的人工智能被列为附件III中的高风险，实质性义务原定于2026年8月2日生效，即本文撰写前四周。

但未生效。《数字人工智能综合集》于2026年5月6日临时达成，成员国代表于5月13日确认，已通过为欧盟条例2026/1744，于2026年7月24日在官方公报上发布，并自7月27日起生效，即本文撰写前五周、被删除截止日期前几天。

这不是一个可以被抵制的提议。它是既定的法律。独立附件III系统的义务自2027年12月2日起生效，嵌入附件I系统则延至2028年8月2日。

原始时间表中保留的是第50条，即披露个人正在与人工智能系统互动的透明度义务，以及第5条的禁止条款。第86条赋予受影响者获得关于人工智能系统在不利其决策中所扮演角色的清晰且有意义解释的权利，但这也悬挂了高风险制度，随之滑落。

最终的和解几乎带有讽刺意味。今天被拒绝的欧洲候选人有法律权利被告知有机器参与，并且有权等待十五个月才能被告知机器的具体行为。

美国的现状预示了执法到来时的样貌。纽约市第144号地方法要求每年对自动就业决策工具进行独立偏见审计，公开发布摘要，并提前通知候选人。

由卢卡斯·赖特领导的研究团队，与罗克萨娜·米卡·明斯特、布里安娜·维基奥内、曲天尧、蔡皮卡、艾伦·史密斯、雅各布·梅特卡夫和J·内森·马蒂亚斯协调了155名受过培训的学生调查员，在2023年底调查了391家雇主，表现得像有动力的求职者一样。

18家雇主，占5%，发布了偏见审计报告。13家，即3%，发布了透明度通知。11家两者均发布了。研究人员为该状况创造了“无效合规”一词，即无法确定不合规，因为受监管方控制是否有人知道该法律适用于该法律。

纽约州审计长于2025年12月2日发布的审计报告（涵盖2023年7月至2025年6月）发现该市对该法律的执行无效。

伊利诺伊州在纸面上更进一步。众议院法案3773号作为公共法案103-0804颁布，自2026年1月1日起生效，修订了州《人权法》，将在招聘、招聘和晋升中歧视性使用人工智能定为民权侵犯，禁止使用邮编作为受保护特征的代理，并要求雇主在人工智能被用于雇佣决策时通知相关人员。

该法案与较早的《人工智能视频面试法》并列存在。是否生效则关乎执法能力，而纽约的经验并不乐观。伊利诺伊州的经验也不容乐观。

人权部于2026年5月15日发布了拟议法规，标题为“J子部分：人工智能在就业中的应用”，随后于6月2日推迟了规则制定，以便与其他机构协调。

尚未公布修订的时间表。法定义务始终可执行，这导致雇主自元旦起必须通知候选人人工智能被用于相关决定，且没有最终规则说明充分通知内容，且候选人持有的权利尚未被监管机构明确说明。

现行且未解释的法律并非未执行法律的对立面。它是其变体。

而鲍勒申请的澳大利亚则选择了减少而非增加。2024年9月，工业、科学与资源部发布了一份提案文件，列出了高风险环境中人工智能的十项强制性防护措施，涵盖测试、透明度以及开发者和部署者的问责制。

2025年12月，国家人工智能计划搁置了这些措施，转而依赖现有的技术中立法律、将自愿指导纳入六项基本实践，以及成立新的人工智能安全研究所。

因此，阿曼达·鲍勒可行的实际解决方案是《2004年年龄歧视法》和各州反歧视法规，她必须在完全没有任何关于申请结果的信息的情况下援引这些法规。

一项真正可执行的澳大利亚义务即将到来。自2026年12月10日起，根据《隐私及其他立法修正法案2024》的修订，受澳大利亚隐私原则约束、在自动决策中使用个人信息、可能重大影响个人权利或利益的实体，必须在其隐私政策中披露所使用的信息类型和决策类型，澳大利亚信息专员办公室有权执行。

这是真实存在的，值得拥有。这也是一份无人阅读的文件中的一段，由该组织发布，且不包含任何个人决策的信息。它告诉鲍勒，某类事情发生在某类人身上。

但没有告诉她发生了什么。

这种谨慎态度比大多数人更应该感到警惕，是有原因的。2015年至2019年间，联邦政府对福利受益人实施了一项自动化债务追收计划，采用粗收入平均法。

机器人债务是非法的，错误率极高，2023年皇家委员会对此提出了57条建议。财务清算仍在继续：2025年9月4日，政府同意再支付4.75亿美元，解决联邦法院于2026年6月23日批准的Knox诉联邦上诉案，此前已超过24亿美元，使总赔偿金额超过24亿美元。

澳大利亚已经开展了自动化国家范围内高风险生命判定的实验，并从残骸中发现错误率。在支付了这笔账单后，无论是金钱还是生命，它对自动化招聘的回应是一系列自愿的做法。

人类决定权实际上必须包含多少

“人权决定权”这一说法目前只是修辞工作，没有实际操作作用。值得明确说明，因为模糊地表示只需橡皮图章即可满足，而SCHUFA的推理已经告诉我们，橡皮图章不算数。

在该案中，欧盟法院于2023年12月裁定，信用机构产生的评分本身被视为法律判决，因为依赖该评分的德国银行仅仅是跟随产出。名义上的决策者不加任何东西，机器的产出即为决策。

有六个因素使它成为现实，而所有这些原则的第一个原则是，由没有实际能力推翻结果的人进行的审查根本不是审查。

披露必须在申请时进行，而非在隐私政策中。提交前，申请人应清楚看到申请将由机器评分，以及系统评估的内容。这不会产生任何成本，且能立即改变行为，因为了解情况的候选人可以决定该职位是否值得他们花费两小时的时间。

这也是一项背后有最明确、可衡量需求且与现行做法差距最大的改革。在Greenhouse于2026年调查的求职者中，有70%的求职者被人工智能面试过，其中70%从未被明确告知会有机器评估他们，21%的人直到面试开始后才意识到这一事实。

57%的人认为披露应成为法律义务。这不是需要向被保护对象解释的保护。

没有人工参与的拒绝必须是可逆的。原则上不可上诉，实际上可由有权推翻的指定人员在固定时间内撤销。求职者称之为摧毁灵魂的三十秒拒绝，痛苦并非因为它快。

痛苦在于其速度是一种披露：告诉申请者什么都没被考虑。撤销路径将机器输出从裁决转化为分诊建议，这本应是应有的。这里的意愿是被记录而非假设：46%的求职者希望通过真人面试作为替代方案，38%希望有人在做出决定前查看结果。

雇主应被要求进行抽样。机器随机选出的最低最低比例被机器拒绝的申请，由人工阅读，并通过率公布。这是最有价值的干预措施，因为它能持续审计模型中的假阴性，且费用由雇主承担，并首次让这些假阴性显现。

在一个吸引500份申请的职位中，5%的样本相当于25份简历。那只是一个上午。任何声称自己负担不起上午的组织，都是在告诉你这个职位不值得填补。

必须给出理由，分数不是理由。简短说明被评为未满足的要求就足够了，这决定与事件之间的区别。

自动拒绝率应按年龄段及其他受保护特征（有数据）发布。雇主已经收集这些信息以实现平等机会报告。之所以没有按自动化阶段细分发布，是因为没有人提出过相关要求。

验证应当是可携带的。如果劳动力市场现在要求申请者是真实且具备所声称资质的真实人质证明，那么这种证明应当一次性建立，由候选人持有并按需出示，而不是每个雇主和供应商反复要求，且费用由候选人承担。

必须坦率地说，这一切都不是慈善。38%的求职者已经因为涉及AI面试而退出招聘流程，另有12%表示会退出。这意味着一半候选人要么离开了，要么站在门口，手搭在门框上，而这也是雇主承担的成本，表现为他们从未见到的应聘者。

只有21%的人认为大多数雇主在负责任地部署这些系统。然而，只有19%的人希望整体招聘中减少人工智能，而这两个发现并列起来，是整个调查中最有用的发现。

候选人并不是在反对机器。他们反对的是机器不负责任，而且他们完全有能力分辨出区别。一个披露信息、提供人工替代方案并在请求时撤回的雇主，并不是为了迎合情感而妥协。

它正在追回业内其他部门目前正在流失的三分之一申请者，而在第一个问题问之前。

这些都不激进，也不需要禁止任何东西。这需要接受一个原则，而发达经济体中所有其他有影响力的决策系统都已经接受：影响某人生计的决策必须有一个可以被识别和询问的作者。

判决的作者

那么，回到这些问题的开头。

当一个工作生活中最关键的过程发生在两个人工智能系统之间，互相介绍某人的资历，而没有人工阅读申请表时，这意味着什么？这意味着决定没有作者。

请考虑这个对比。如果一家银行拒绝给鲍勒贷款，有决策者、理由和投诉程序。如果政府机构拒绝给她付款，则有代表、理由陈述和仲裁庭。

如果大学拒绝给她录取，则有招生官和上诉。就业决定了她的收入、住房、健康、地位以及大部分清醒时间，悄然成为现代经济中关于人类的最大重要决策类别，而现代经济中根本没有这样的人。

不是错误决定的人。根本没有人。

当雇主和雇员的第一印象被一个能在三十秒内结束职业生涯的算法留下时，会发生什么？雇佣关系是一种相互义务的结构，始于评估行为，而这一第一行为的性质决定了后续一切的条件。

当开场动作由一个双方都无法控制、雇主无法解释、候选人看不到的系统进行时，双方的关系就以恶意开始，数据显示双方都已经知道这一点。

70%的招聘经理信任这台机器。8%的候选人认为这很公平。41%的人愿意公开表示他们会破坏它。这不是劳动力市场的清算。这是两个群体，彼此都正确地相信对方并不真正存在，通过双方都未选择的代理人进行交易。

关于这对被困人群的影响的文献并不模糊。Tom Sterud、Lars-Kristian Lunde、Rigmor Berg、Karin Proper和Fiona Aanesen于2025年发表在《职业与环境医学》期刊上的系统综述，汇集了38项前瞻性纵向研究，发现失业者与在职者相比，心理健康问题的相对风险为1.95，再就业后相对风险为0.66。

失业会伤害人，工作则可靠地修复他们，双向且可靠。每一个不必要月份因排名模型将其历史评分为异常而非必要地在外工作，都是一个可衡量的伤害月，由无人签署的程序施加。

阿曼达·鲍勒并不应该得到一份工作。五十份申请并不意味着任何人有资格获得五十次面试，心理学毕业生的数量比心理学职位还多。她应得的，以及这里描述的整个机制设计来避免提供的，远比一份工作更为小巧且更根本。

她应该得到一个读者。

资料与参考文献

1. Bhattacharya， A. 和 Verbert， K.（2025）。《让我们帮你找到录用：求职者对多代理招聘系统解释招聘决策的视角》。arXiv：2505.20312。https://arxiv.org/abs/2505.20312
2. Sakib， M. N.， Rayasam， N. M. 和 Dey， S.（2026）。“期望过高，获得过少：探索异步人工智能访谈员的挑战与设计机遇。”arXiv：2601.02775。https://arxiv.org/abs/2601.02775
3. Surati， S.， Bellini， R. 和 Black， E.（2026）。《简历控制：招聘工作流程中关于生成式人工智能使用中的（误）能动性认知。“arXiv：2604.26851。https://arxiv.org/abs/2604.26851
4. 张（Zhang， M.）， 嘉（Jia， Y.）， 谭（Tan， Z.）， 江（Jiang， S.）， 龚（N. Z.）、陈（Chen， T.）和宋（Song， D.）（2026）。“测量基于大型语言模型（LLM）简历筛选中的真实世界提示注入攻击。”2026年美国（USENIX）安全研讨会。arXiv：2605.28999。https://arxiv.org/abs/2605.28999
5. Wilson， K. 和 Caliskan， A.（2024）。《通过语言模型检索简历筛选中的性别、种族与交叉性偏见》。AAAI/ACM人工智能、伦理与社会会议论文集。https://arxiv.org/abs/2407.20371
6. Wright， L.， Muenster， R. M.， Vecchione， B.， Qu， T.， Cai， P.， Smith， A.， Metcalf， J. 和 Matias， J. N.（2024）。“无效合规：纽约市地方法律144号与算法问责的挑战。”2024年ACM公平、问责与透明会议论文集。https://arxiv.org/abs/2406.01399
7. 斯宾塞，M.（1973）。“就业市场信号传递。”《经济学季刊》，87（3），第355-374页。https://www.jstor.org/stable/1882010
8. Sterud， T.， Lunde， L.-K.， Berg， R.， Proper， K. I. 和 Aanesen， F.（2025）。“失业与再就业对心理健康的影响：纵向研究的系统综述与荟萃分析。”《职业与环境医学》。https://pmc.ncbi.nlm.nih.gov/articles/PMC12505101/
9. 格林豪斯（2025）。《人工智能信任危机：70%的招聘经理信任人工智能能做出更快更好的招聘决策，只有8%的求职者认为它公平》，11月19日（https://www.greenhouse.com/newsroom/an-ai-trust-crisis-70-of-hiring-managers-trust-ai-to-make-faster-and-better-hiring-decisions-only-8-of-job-seekers-call-it-fair);以及“Greenhouse 2026候选人AI面试报告”，2026年5月1日（https://www.greenhouse.com/blog/2026-candidate-ai-interview-report)
10. Gartner（2025）。“Gartner调查显示，只有26%的求职者信任AI会公正评估他们，”7月31日。https://www.gartner.com/en/newsroom/press-releases/2025-07-31-gartner-survey-shows-just-26-percent-of-job-applicants-trust-ai-will-fairly-evaluate-them
11. SEEK（2026年）。“SEEK就业报告，2026年7月”，8月12日。https://au.seek.com/about/news/article/seek-employment-report-july26
12. 澳大利亚人力资源研究所和澳大利亚人权委员会（2025年）。《雇主对老一辈和年轻一代的偏见阻碍了澳大利亚劳动力生产力》。https://humanrights.gov.au/about-us/media-centre/search-listing-media-releases/employer-biases-against-older-and-younger-generations-hindering
13. 第五象限及国家人工智能中心（2025年）。“澳大利亚负责任人工智能指数2025。”https://www.fifthquadrant.com.au/content/uploads/Australian-Responsible-AI-Index-2025_Full-report.pdf
14. 萨拉查·德莱昂，L. 和拉菲，M.（2026）。《现代求职的人们误解了什么，以及什么才真正有效》，《对话》，7月5日。https://theconversation.com/what-everyone-gets-wrong-about-the-modern-job-search-and-what-actually-works-285582
15. 民权诉讼信息中心（2026年）。“莫布利诉沃克戴公司案，3：23-cv-00770（加利福尼亚北区联邦地区法院）。”https://clearinghouse.net/case/44074/
16. 卡拉汉姆，S.（2026）。“一位联邦法官、1967年法律与十亿份被拒的求职申请”，《福布斯》，5月29日。https://www.forbes.com/sites/sheilacallaham/2026/05/29/a-federal-judge-a-1967-law-and-a-billion-rejected-job-applications/
17. 纽约州审计长办公室（2025年）。《地方法律144的执行：自动化就业决策工具》，12月2日。https://www.osc.ny.gov/state-agencies/audits/2025/12/02/enforcement-local-law-144-automated-employment-decision-tools
18. 奥格尔特里·迪金斯（2026）。《伊利诺伊州加强人工智能在就业中的监管：雇主的重要启示》。https://ogletree.com/insights-resources/blog-posts/illinois-steps-up-ai-regulation-in-employment-key-takeaways-for-employers/
19. 欧盟（2026年）。“欧盟条例2024/1689（人工智能法案），经欧盟条例2026/1744修订的合并文本（人工智能数字汇总），自2026年7月27日起生效。”EUR-Lex。https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:02024R1689-20260727
20. 欧洲联盟法院（2023年）。“案件C-634/21，SCHUFA持有（评分），OQ诉Land Hessen案，2023年12月7日判决。”EUR-Lex。https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62021CJ0634
21. 澳大利亚信息专员办公室（2026年）。《自动化决策透明度指导咨询》。https://www.oaic.gov.au/engage-with-us/consultations/consultation-on-guidance-for-transparency-in-automated-decision-making
22. 蒙特利尔人工智能伦理研究所（2026年）。“人工智能政策角落：从拟议的强制性护栏到国家人工智能计划，澳大利亚的人工智能治理。”https://montrealethics.ai/ai-policy-corner-from-proposed-mandatory-guardrails-to-the-national-ai-plan-ai-governance-in-australia/
23. 澳大利亚政府总检察长办公室（2025年）。“机器人债务集体诉讼上诉和解”，9月4日。https://ministers.ag.gov.au/media-centre/robodebt-class-action-appeal-settlement-04-09-2025
24. Alex（2025）。“我们筹集了2000万美元，帮助人工智能雇佣更多人。”https://www.alex.com/blog/we-raised-20m-to-help-ai-hire-more-humans
25. 《悉尼晨锋报》（2026年）。关于澳大利亚招聘中人工智能应用的报告，包括求职者阿曼达·鲍勒的叙述、一位高级人力资源主管关于自动筛查的发言，以及阿比贾伊·阿罗拉·武尤鲁的预测，8月29日。https://www.smh.com.au/

蒂姆·格林 英国系统理论家及独立技术作家

蒂姆探讨了人工智能、去中心化认知与后人类伦理的交汇点。他的研究发表于smarterarticles.co.uk挑战了主流技术进步叙事，同时提出了集体智慧和数字管理的跨学科框架。

他的文章曾在Ground News上发表，并被学术和技术界的独立研究人员分享。

奥尔西德： 0009-0002-0156-9795 电子邮件：tim@smarterarticles.co.uk

收听免费的每周节目SmarterArticles播客

讨论一下......