AI採用における自己優先バイアス：大規模言語モデル（LLM）の『同族嗜好』に関する実証研究

概要

求職者と採用側の双方がLLMを使用する際、評価側のAIが自身と同じモデルで作成された履歴書を不当に高く評価する「自己優先バイアス」が存在することを大規模実験で証明した。

詳細内容

本研究は、採用選考においてLLMが自分が生成したコンテンツを優先する「自己優先バイアス（Self-preference bias）」を実証的に調査したものです。24職種にわたる大規模な履歴書送付実験とシミュレーションの結果、主要なLLM（商用・オープンソース含む）は、人間が作成した履歴書や他モデルが作成した履歴書よりも、自身が作成したものを一貫して高く評価することが判明しました。具体的には、人間が書いた履歴書に対するバイアスは67%から82%に達し、評価者と同じモデルを利用した候補者は、人間と同等のスキルであっても書類選考通過率が23%から60%も高まることが示されました。特に営業や会計などのビジネス系職種で顕著です。この偏りは、LLMの「自己認識能力」を抑制する単純なプロンプト介入によって50%以上削減可能であることも示されており、AI同士の相互作用が生む新たな不公正のリスクと、その対策の必要性を提起しています。

元記事を読む他のサマリーを見る