生成系AI支援採用プロセスにおける性別バイアス

要旨: 近年、生成系人工知能（GenAI）システムは、選抜プロセス、人材採用、候補者のプロフィール分析において、ますます重要な役割を担っています。しかし、大規模言語モデル（LLMs）の活用は、雇用市場にすでに存在する性別のステレオタイプやバイアスを再生産し、場合によっては増幅するリスクがあります。本論文の目的は、この現象を評価・測定することであり、最先端の生成モデル（GPT-5）が性別と職務経験の背景に基づいて職業を提案する方法を分析し、35歳未満のイタリア人卒業生に焦点を当てます。モデルは、性別・年齢・経験・専門分野の観点でバランスの取れた24の模擬候補者プロファイルに職を提案するよう促されています。職務名や産業には有意な差は認められませんでしたが、女性と男性の候補者に対して割り当てられた形容詞には性別に基づく言語的パターンが現れ、女性を感情的で思いやりのある特性と結びつけ、男性を戦略的・分析的な特性と結びつける傾向が示されました。本研究は、機微なプロセスにおけるこれらのモデルの使用に関して倫理的な疑問を提起し、今後のデジタル労働市場における透明性と公正性の必要性を強調します。