面對新西蘭19大流行，新西蘭總理Jacinda Ardern和舊金山市長London Breed等女性領導人因其迅速采取的行動而受到認可。

但是，人們被選為全世界人數更多的政府領導人。

這種差距不僅限于政治領導。在2019年，《福布斯》選出100名美國“最具影響力的領導人”，其中99名是男性。

缺乏多樣性不僅限于性別。一個非營利部門的調查首席執行官發現，調查中87%的被調查者的自我認定為白色。

作為領導中心的執行和學術主任，我研究就業歧視和包容性。我已經看到，許多組織都希望有一個過程，可以消除識別領導者的偏見。投資者希望投資于擁有不同勞動力的企業，而員工則希望在多元化的組織中工作。

我的研究表明，依靠數據分析來消除人選領導者的偏見將無濟于事。

人工智能并非萬無一失

雇主越來越依賴算法來確定誰通過應用程序門戶升格到面試。

正如勞工權利學者Ifeoma Ajunwa寫道：“算法決策是21世紀的民權問題。” 2020年2月，美國眾議院教育和勞工委員會召開了一場名為“ 工作的未來：保護數字時代的工人公民權利 ” 的聽證會。

聘用算法會創建一個選擇過程，該選擇過程不會提供透明度并且不會受到監控。從申請流程中刪除的申請人-或正如Ajunwa所說的那樣，“在算法上受到了威脅”-幾乎沒有法律保護。

例如，據報道，2014年，亞馬遜開始開發基于計算機的程序，以識別提交工作的最佳簡歷。這個想法是使流程自動化并提高效率，就像在其業務的其他方面所做的一樣。

但是，通過使用計算機模型觀察提交的簡歷的前10年中的模式以選擇最好的簡歷，計算機自言自語地從男人的簡歷中取而代之，而不是像在婦女俱樂部或組織中那樣包含“婦女”一詞的簡歷。 。據報道，亞馬遜隨后放棄了該項目。

盡管歷史上的偏見常常無意間被嵌入到算法中并反映出人類的偏見，但 Philip M. Nichols 最近的研究發現，存在潛在地故意操縱底層算法以使第三方受益的另一種威脅。

無意或有意地檢測算法偏差的能力非常困難，因為它可能出現在AI開發的任何階段，從數據收集到建模。

因此，盡管組織可以使用基于對領導力特征的研究和分析而獲得的領導力分析工具，但白人男性領導者的刻板印象卻根深蒂固，甚至有時被自身多樣性的人們所延續。這不能簡單地通過開發選擇領導者的算法來消除。

面試后

建立這些算法的數據成倍增加。

一項視頻面試服務 HireVue能夠在一次30分鐘的面試中檢測成千上萬的數據點，從句子結構到面部動作，以確定與其他申請人的就業能力。

那么，想象一下，當前雇主不斷收集數據以確定領導潛力和員工晉升的機會。例如，工作場所中的攝像頭可以整天工作時收集面部表情，尤其是在進出工作場所時。

越來越多的數據不僅在工作日或工作期間收集，而且也在下班期間收集。在最近的一篇文章中，Inara Scott教授確定了工作場所計劃，這些工作計劃從Facebook帖子和Fitbit使用情況收集了大量員工的下班行為數據，例如，這些數據的未來使用情況不透明。然后，雇主使用這些數據來進行相關性預測工作場所的成功。

正如Scott所指出的那樣，大多數工人“可能會對他們的啤酒品味，對獨立搖滾的熱愛以及對《華盛頓郵報》的偏愛以及成千上萬的其他變數這樣的觀念感到惱火，這些觀念可用于確定職業發展機會，領導潛力和未來職業成功。”

但是，這種潛力在當今的工作場所中仍然存在，法律并沒有趕上那些希望知道雇主支持其員工晉升和領導力投資的雇主收集和使用的大量數據。

在許多情況下，員工都同意收集元數據，而無需全面了解該數據可以揭示哪些內容以及如何將其用于幫助或阻礙職業發展。