AI採用スクリーニングツールが公平に候補者を評価していると考える企業が多い中、Stanford大学の新研究がそうした想定に直面する結果をもたらしました。

研究の規模と方法

Stanford研究チームは2018～2022年の400万件以上の応募データを分析し、採用AIの人種バイアスを検証しました。特に「ゲーム型評価」を使用するPymetricsプラットフォームを対象とした詳細な調査です。

ゲーム型評価とは、リスク許容度や反応速度などの「適性」を測定するインタラクティブなゲームのこと。直感的で中立的に見えますが、研究結果はそうではないことを示しています。

衝撃的な数字

**黒人応募者の26%が、バイアスの影響を受けた職務に応募していました。アジア系応募者も15%**が同様の状況下にありました。

さらに具体的には：

  • 推奨される可能性は、最高グループ（おそらく白人）の80%未満
  • 約40,000件のアジア系・黒人応募者の推奨が見落とされた可能性
  • 10職務に応募した応募者の4%が全職務で不合格に（システマティックな排除）

「アルゴリズムの単一文化化」問題

研究チームが指摘した最も深刻な問題が、複数企業が同一ベンダーのツールを採用することで生じる「アルゴリズムの単一文化化」です。

これは次を意味します：特定の属性を持つ応募者が、一つの企業から拒否されるだけでなく、複数企業からシステマティック（体系的）に拒否されるという現象が起きているのです。

実務上の影響

米国労働統計局によると、約90%の企業がAIを採用プロセスに何らかの形で使用しています。従来なら職人の判断で「この人は向いている」と救済されていた候補者が、アルゴリズムによって一気に除外される危険性があります。

特に経歴が短い・非伝統的なキャリアパス・多言語背景など、AIツールが「型」と判断しにくい属性を持つ応募者ほど影響を受けやすい傾向が見られています。

今後の課題

研究は、採用AI導入企業が自らのツールを監査し、人種別・性別ごとの推奨率を定期的に測定することの重要性を強調しています。ただし多くの企業はこうした監査を実施していないのが現状です。