AI在人际技能评估中的认知偏差：管理者与应聘者对人工智能选拔技术的误解及其影响

本研究揭示了人工智能(AI)在人才选拔中评估人际技能时存在的认知偏差问题。研究人员通过现场研究、调查和实验发现，尽管AI实际评估效果优于人类，但管理者普遍低估AI评估人际技能的能力，导致对AI选拔员工的偏见性任务分配；同时应聘者在AI面试中会减少人际技能展示。研究证实通过科普AI技术可有效改善这种负面认知，为AI在人力资源领域的合理应用提供了重要依据。

　　

在数字化转型浪潮中，人工智能技术正深刻重塑人才选拔的格局。韩国科学技术院商学院与沃顿商学院的研究团队发现一个耐人寻味的现象：当AI开始涉足传统由人力资源专家主导的面试评估时，尽管实际数据分析表明AI在预测护士人际技能方面甚至优于人类面试官，但管理者们却固执地认为"冷冰冰的机器不可能真正理解人情世故"。这种认知偏差不仅影响了管理决策，更意外地改变了应聘者的面试策略——就像舞者面对不同观众会调整舞步一样，求职者面对AI面试官时竟会不自觉地收起笑容、减少肢体语言，转而强调数据分析等"机器友好型"技能。

为系统探究这一现象，研究人员开展了一系列严谨的实证研究。他们首先分析了韩国两家大型医院的真实招聘数据（n=282和n=107），发现AI面试评分对护士入职后人际工作表现的预测效度（β=0.10，P=0.02）显著优于人类面试官。这一发现与大众认知形成鲜明对比：六项精心设计的实验表明，无论是普通公众还是专业HR管理者，都普遍低估AI评估人际技能的能力，但对AI评估分析技能的能力则持肯定态度。这种"选择性怀疑"导致管理者更不愿意将需要团队合作的任务分配给AI选拔的员工，而应聘者在AI面试中也会策略性地弱化人际技能展示。值得欣慰的是，当向参与者科普现代AI如何通过微表情、语音韵律等多元特征评估人际特质后，这种负面认知能得到显著改善。

研究采用了多方法验证体系：1）医院现场研究分析AI与人类面试的预测效度差异；2）隐式联想测试（IAT）揭示"AI=冷漠"的潜意识关联；3）混合实验设计测量不同选拔方式下管理者的任务分配偏好；4）回溯性调查分析应聘者在AI与人类面试中的行为差异；5）信息干预实验测试认知修正效果。所有研究均通过预注册和功效分析确保统计效力。

【Lay beliefs about AI assessing interpersonal skills】三项研究一致发现，人们普遍认为AI在评估人际技能方面不如人类。在激励相容设计中，AI条件下选择查看人际技能分数的参与者比例（42.7%）显著低于人类条件（75.3%），比值比达4.09倍。混合ANOVA分析显示评估主体与技能类型存在显著交互作用（F=93.86，P<0.001），AI在人际技能评估上的感知能力（M=3.28）显著低于人类（M=5.24），而分析技能评估则无此差异。

【Consequences of lay beliefs】后续研究揭示了这些认知偏差的实际影响：管理者更不愿意将需要人际技能的任务分配给AI选拔的员工（M=2.55 vs. 中点4，P<0.001）；应聘者在AI面试中会减少人际技能展示（M=3.31，P<0.001），却更强调分析技能（M=4.42，P=0.01）。这种策略性调整可能适得其反，因为现代AI技术正是通过语音语调、微表情等特征评估人际特质。

【Alleviating negative lay beliefs】干预实验带来希望：向参与者介绍AI如何分析表情、情绪等社交信号后，其对AI评估人际能力的负面认知显著改善（M_干预=3.28 vs. M_对照=2.63，P=0.03），而分析技能评估认知不受影响。

这项研究突破了传统算法厌恶研究的局限，首次揭示人们对AI能力的认知存在技能特异性——在人际领域持怀疑态度，在分析领域则持开放态度。这种"冷暖认知"恰好对应社会认知的两个基本维度：热情与能力。实践层面，研究提示企业在推广AI招聘系统时，应着重强调其在人际特质评估上的技术突破，而非仅突出效率优势。同时，HR部门需要意识到，未经培训的管理者可能对AI选拔员工产生系统性偏见，而应聘者的"应试策略"可能导致AI面试中的信号失真。随着AI在医疗、教育等高度依赖人际技能的领域广泛应用，这项发表在《Scientific Reports》的研究为促进人机协作提供了重要洞见——技术再先进，也需破除人们心中的"机器冷漠"刻板印象，才能真正释放其潜力。