但更重要的一点是，现在的工作机会也影响一个未来的工作机会。早期在Yelp上获得好评价的餐馆，往往会由于被认为更有价值而得到更多的认同，使他们（如果他们的确很好）获得一个更牢固的好名声。如同哈佛商学院的教授迈克尔·卢卡曾表示，人们倾向于受到他们已经看到的评级的影响从而产生偏见，对评价高的餐馆进行高评价仅仅是因为它一开始就有了一个较高的分数。而且，正如沃顿商学院的卡提克·霍桑纳格（Kartik Hosanaga）和丹尼尔·弗莱德（Daniel Fleder）展示的，自动推荐系统可以放大这种偏见，促使潜在的消费者选择此前已经有了较高分数的产品，在小范围内使其更加受欢迎。
这是基于用户反馈数据的评级系统的进化论的一面。强者愈强，适者生存。即使这些适用性评估可能太繁杂了。
当我们开始将这些产品和商业评级系统应用到寻找工作谋生的个人身上时，情况又是怎样呢？2015年，TaskRabbit开始为每个潜在客户推荐特定的任务人，而不是让客户和任务人简单地基于请求和标的而相互寻找。很可能“推荐参考”会偏向于那些已经建立了良好声誉的任务人。随着时间的推移，对我们获得工作机会影响更大的将是在线反馈系统的“公平性”，而不是现实世界的审查机构提供的资格认定或LinkedIn上的档案列表。