公平性

記事数: 6 件

2026年6月30日

Stanford研究が衝撃：採用AI「ゲーム型評価」に人種バイアス——黒人応募者26%が不合格に

Stanford大学の新研究が、Pymetricsなど採用AI審査ツールの人種バイアスを実証。黒人応募者26%、アジア系応募者15%が特定職務でバイアスを受け、約40,000件の推奨が見落とされた可能性。アルゴリズムの「単一文化化」問題も浮上。

2026年4月25日

Anthropicが実施した実験で、より強力なClaudeモデルを使うAIエージェントは平均して$3.64多く獲得。使用者は不公正に気付きませんでした。

2026年2月24日

警察向けAIの新センターが稼働しました。大量データで捜査力は上がる一方、偏りを抑え透明性と監査を確保する仕組み作りが鍵です。

2025年12月4日

ChatGPTが報じられた10億人規模はAIの影響力を示しますが、地域差や利用目的で恩恵に差が出る現実も浮かび上がっており、透明性と評価指標の整備、教育や企業での配慮が不可欠です

2025年11月13日

ヨハネス・グーテンベルク大学らの共同研究は、GPT-5やLlamaがドイツ語方言話者を系統的に低く評価する傾向を報告し、学習データの偏りや評価基準の見直し、追試と透明性の確保が急務だと結論づけています。

2025年11月11日

出典を明かすとLLMの評価が左右される報告が出ました。文脈変化や学習データの偏り、アノテーション由来のバイアスが疑われ、教育や採用で公平性が損なわれる恐れがあるため、ブラインド評価や外部監査、判断に人間を残すハイブリッド運用が重要であり、早急な対応が求められます。