🧠 认知测评
AI裁员决策——算法偏见如何影响员工命运
📋 第一层：记忆（记住核心概念）
记忆
1. 算法偏见的本质是什么？
AI系统的技术故障导致偶尔出错
AI在做决策时系统性地对某些群体产生不公平的结果
程序员故意在代码中写入歧视规则
AI无法处理大数据量时产生的随机偏差
记忆
2. AI产生偏见的三个原因中，"代理变量"指的是什么？
AI用来替代人类决策的临时变量
用看似中性的指标间接替代敏感标签，拼在一起效果等同歧视
AI算法中的备用参数，用于系统崩溃时恢复数据
员工绩效评估中的参考变量
记忆
3. 文章提出的正确AI裁员边界中，AI应负责什么？
最终决策和情感沟通
数据分析、成本测算、风险预警、方案模拟
通知员工裁员结果
制定公司裁员政策和标准
🧩 第二层：理解（理解概念在场景中的含义）
理解
4. 某AI系统用"代码提交频率"评估员工价值，结果一位被调去带新人的架构师被评为"可优化"。这说明了什么？
这位架构师确实绩效不佳，应该被优化
AI系统优化目标的定义出了问题，单一指标无法反映真实贡献
代码提交频率是最可靠的绩效指标
带新人的工作毫无价值
理解
5. 为什么说"算法偏见不是AI的发明，是人类偏见的镜子"？
因为AI会主动模仿人类的偏见行为
因为AI学习的训练数据本身就包含了人类历史决策中的偏见，它只是放大和自动化了这些偏见
因为所有算法都是人类编写的，所以偏见一定来自代码
因为AI没有自主意识，所以不可能产生偏见
理解
6. 文章中提到AI裁员的争议"本质上不是技术问题，是边界问题"，这里的"边界"指什么？
AI技术能实现的功能边界
数据分析能力和人类判断能力之间的分界线
公司部门之间的权限划分
法律允许AI参与决策的范围
🛠️ 第三层：应用（能不能用到实际中）
应用
7. 你的公司要用AI筛选裁员名单，发现AI对"有gap year经历的候选人"通过率低了40%。你首先应该做什么？
直接信任AI结果，gap year确实影响工作能力
停用AI系统，回到纯人工评估
审查AI的训练数据和特征变量，找出gap year是否作为代理变量间接歧视了特定群体
手动修改AI评分结果即可
应用
8. 你是HR负责人，CEO要求全面用AI决定裁员名单。你如何设计这个流程？
让AI出名单，直接通知员工
AI出建议名单+偏见审计，管理者逐一审核+例外判断+亲自沟通
完全靠管理者主观判断，不用AI
让员工投票决定谁走谁留
应用
9. 你的AI系统用"加班频次"作为高绩效指标，结果发现女性员工普遍评分低。你该如何调整优化目标？
降低女性员工的评分标准
重新定义绩效指标，用产出质量而非工时衡量，消除加班频次等带有性别偏见的代理变量
保持现有指标不变，为女性员工单独设一套标准
取消AI评估系统