AI 需要人類的「神隊友」，才能發揮所長並確保不失控

AI 在新藥研發領域躍上 C 位

過去，創新臨床藥物的開發通常需要 5 到 20 年甚至更久的時間，這段過程需要大量的前期研究，才能找出新突破點。如今，製藥研究人員正運用 AI 技術，大幅縮短這個耗時的程序。

宏觀視角：生成式 AI 正在為新藥開發注入超能力

麻省理工學院 (MIT) 的研究團隊運用生成式 AI 演算法，設計出兩種全新的抗生素，用於對抗兩種具有抗藥性的感染，其中包含惡名昭彰且難以治療的 MRSA（耐甲氧西林金黃色葡萄球菌）感染。

研究人員讓 AI 生成了高達 3,600 萬種潛在的化學化合物，然後預測哪些最有可能是有效、安全，且與市面現有藥物截然不同的。在抗生素抗藥性對全球數百萬人的生命構成嚴重威脅的時代，這項突破對全球醫療健康可能帶來巨大的影響。

我們的啟示：AI 賦能下，無限的可能性正在擴展

AI 最令人振奮的潛力在於，它能透過處理重複性任務來「解放人類」，讓人們能專注於創新。這種應用不僅限於日常辦公，更擴展到研發實驗室，為未來的救命科技鋪路。製藥開發中對 AI 的運用就是最好的例子，它強有力地證明了這項顛覆性技術的巨大潛力。

AI 招募工具的新發現

眾所周知，年齡、種族、性別等與工作表現無關的因素，可能會在無意間影響企業的招募和薪酬決策。越來越多的研究顯示，類似的偏見也可能在 AI 招募工具中重現，這表明 AI 輔助招募流程需要謹慎的人工審核與監督。

宏觀視角：AI 工具映照出人類的盲點

一項針對包含 ChatGPT 在內五種主流大型語言模型 (LLM) 的新研究發現，AI 工具在為同等資歷的候選人提供薪資建議時，給女性的薪資普遍低於男性。舉例來說，當 AI 收到針對一位男性和一位女性候選人的相同提問，並被要求為他們建議薪資時，它為女性候選人建議了 $28 萬美元，而男性則是 $40 萬美元。這項研究也發現，AI 建議給白人與外籍人士的薪資，高於非白人與難民。

這並非第一份指出 AI 工具可能延續招募偏見的研究。去年，華盛頓大學的研究人員發現，AI 工具會根據求職者姓名的性別和種族聯想來進行排名。在對超過 550 份真實履歷進行測試後，研究人員發現 LLM 偏愛與白人相關的姓名高達 85% 的時間，對女性相關的姓名偏好度為 11%，且從未將與黑人男性相關的姓名排在與白人男性相關的姓名之前。

除了這些最新發現，針對 HR 與金融平台 Workday 的一項集體訴訟正在進行中，指控該公司的 AI 招募工具非法歧視超過 40 歲的求職者。這項判決可能影響數百萬甚至上億的求職者。

我們的啟示：保持主動、擁抱透明

雖然曾有研究人員認為 AI 可以消除招募流程中的偏見，但現在越來越清楚的是，AI 招募工具可能會強化現有在候選人篩選與薪酬上的差距。這不代表我們應該廢棄這些工具，而是意味著企業必須確保在每個招募流程中都保有人工審核的環節。

同時，企業也應主動監測 AI 招募工具的效能，不僅是整體表現，更要特別關注其在公平決策上的表現。

部分司法管轄區甚至已經開始制定法律，為 AI 招募歧視提供保障。自 2023 年 7 月起，紐約市的《自動化就業決策工具法》便禁止雇主在未經第三方稽核與求職者告知的情況下，使用 AI 工具進行招募或升遷決策。伊利諾州和科羅拉多州也已通過類似的法案，將分別於明年 1 月 1 日和 2 月 1 日生效。

企業可以參考這些先行者的做法，將類似的措施納入公司政策。如此一來，這些公司將能更好地發揮 AI 工具帶來的優勢，同時避免不樂見的負面影響。