📑 目次

1. 20職種・4グループで検証したAIの採用バイアス
2. 人間0.84、AI平均1.35——バイアス度に見る格差
3. OpenAIのo3はスコア1.83で最もバイアスが強かった
4. 日本企業のAI採用導入が抱えるリスク
5. 「多様性ボーナス」設計という処方箋
6. 記憶機能を持つAIとバイアスの蓄積——今後の展望
7. まとめ
8. 参考・出典

プリンストン大学とシカゴ大学の研究チームが、ChatGPT、Claude、Gemini、OpenAIの推論モデルo3、DeepSeek R1といった主要な大規模言語モデル（LLM）を対象に、採用判断に潜むバイアスを検証する実験を行った。応募者全員が同等の適性を持つよう設計した採用シミュレーションゲームでAIに人事判断を委ねたところ、LLMのバイアス度スコアは人間の参加者より平均で約65%高いという結果が出た。中でもOpenAIの推論モデルo3はスコア1.83と最も強いバイアスを示し、人間の平均0.84を大きく上回った。研究成果は2026年7月20日付でMIT Technology Reviewに掲載された。

20職種・4グループで検証したAIの採用バイアス

実験を主導したのは、プリンストン大学博士課程学生のRyan Liu氏である。研究チームは心理学研究の手法を応用し、AIモデルに架空都市の採用コンサルタント役を演じさせるシミュレーションゲームを設計した。モデルは4グループに分けられた候補者の中から、医師、弁護士、保育士、清掃員など20の職種に人材を割り当てる役割を担う。ここで重要なのは、応募者は実際にはすべて同等の適性を持つよう意図的に設計されている点だ。つまり、どの職種でどのグループを選んでも本来は結果に差が出ないはずの状況を作り、その上でAIの選択に偏りが生じるかどうかを観察する構造になっている。もし特定のグループが特定の職種に繰り返し選ばれる、あるいは逆に特定の職種から排除される傾向が見られれば、それは能力とは無関係な系統的バイアスの表れだと判断できる。

人間0.84、AI平均1.35——バイアス度に見る格差

実験の結果、人間の参加者のバイアス度スコアは平均0.84だったのに対し、複数のLLMの平均スコアは約1.35に達した。人間より約65%高い数値である。バイアス度スコアは、候補者の能力が同等であるにもかかわらず特定のグループを優遇・冷遇する傾向がどれだけ強いかを示す指標であり、数値が高いほど職種とグループの組み合わせに偏りが生じやすいことを意味する。研究対象にはChatGPT、Claude、Gemini、DeepSeek R1など、実務で広く使われているモデルが含まれており、特定の1社だけの問題ではなく、業界横断的な傾向として観測された点が今回の調査の重みを増している。

OpenAIのo3はスコア1.83で最もバイアスが強かった

とりわけ注目されるのは、OpenAIの推論モデルo3が1.83という、調査対象の中で最も高いバイアス度スコアを記録したことだ。これは人間平均0.84の2倍を超える水準である。研究チームは、推論能力が高いとされるモデルほど強いステレオタイプ的判断を示す傾向があったと報告している。Liu氏は「LLMは限定的なデータから汎化する傾向が強い」と説明する。推論モデルは与えられた情報から一般化したパターンを導き出す能力に優れる一方で、その一般化のプロセス自体が、学習データに含まれる社会的な偏りを強く反映し、増幅させてしまう可能性があるということだ。推論能力の高さが必ずしも判断の公平さにつながらないという今回の結果は、AIモデルの性能向上を「賢さ」の一元的な指標だけで評価することの限界を示している。

日本企業のAI採用導入が抱えるリスク

この結果は、採用業務にAIを導入する企業にとって見過ごせない意味を持つ。日本国内でも書類選考や一次面接の効率化を目的に、生成AIを人事プロセスに組み込む動きが広がりつつある。人手不足が続く中小企業ほど、コンサルタント役や一次スクリーニング役としてAIに実質的な判断を委ねる誘因は強い。しかし今回の研究が示すのは、AIに「公平に判断せよ」と単純に指示するだけでは不十分だという点である。研究者らは、公平性を求める指示そのものではなく、採用という目的の設計自体を見直す必要があると指摘している。人間の採用担当者であれば、個々の判断に偏りがあっても組織全体でばらつきが平準化される余地があるが、AIが標準化されたツールとして多数の企業で同一のロジックを使い回す場合、同じ偏りが業界全体に一斉に広がるリスクがある。AIを「同僚」扱いにするとエラー見落とし18%増という別の研究も、人間がAIの出力を過信しやすい構造を指摘しており、採用現場でも「AIが出した答えだから」という理由だけで結果を鵜呑みにする危うさは共通する課題だといえる。日本の労働市場では今後、人手不足を背景にAIによる採用支援の導入がさらに進むと見られるだけに、導入前の検証体制や、判断根拠を後から検証できる記録の整備が求められる。

「多様性ボーナス」設計という処方箋

研究チームは、バイアスを軽減する具体的な手がかりも示している。ひとつは、採用の目標設定そのものに「多様性ボーナス」を組み込む設計である。単に「偏らないように」と指示するのではなく、多様な人材を採用すること自体を評価関数の一部として明示的に組み込むことで、AIの選択パターンが変化することが確認されている。もうひとつは、候補者の年齢や教育歴といった個人情報を追加で与えると、バイアスが低減する傾向が見られたという発見である。情報が乏しい状態でAIに判断を委ねると、限られた手がかりからステレオタイプ的な推測に頼りやすくなるが、判断材料を増やすことでその依存度を下げられる可能性を示唆している。これは人事担当者やHRテック製品の開発者にとって実務的な意味を持つ。プロンプトに「公平に」という一文を加えるだけの対策では不十分であり、評価指標の設計、候補者情報の提示方法、意思決定プロセスの各段階でバイアス低減の仕組みを組み込む必要があるということだ。AI採用ツールを導入・選定する企業側にも、ベンダーに対してこうした設計上の工夫がなされているかを確認する視点が求められる。

記憶機能を持つAIとバイアスの蓄積——今後の展望

研究者らはさらに、記憶機能を搭載したAIモデルではこうしたバイアスが積み重なっていく懸念があると指摘している。一度きりの判断であれば個別の偏りにとどまるが、過去のやり取りを記憶し続けるAIが繰り返し採用判断に関わる場合、初期の偏った判断がその後の判断に影響を及ぼし、時間とともにバイアスが強化されていく可能性がある。エージェント型のAIツールが人事業務に本格的に組み込まれつつある現在、この蓄積リスクは看過できない論点となる。推論モデルの「考え中」の中身を扱った別の解説記事でも触れられているように、推論プロセスの内部で何が起きているかは外部から検証しづらく、今回のような行動実験を通じて間接的に確認していくアプローチの重要性は今後さらに増していくとみられる。

まとめ

プリンストン大学とシカゴ大学の実験は、推論能力の高いAIモデルほど採用判断で強いステレオタイプ的バイアスを示しうることを明らかにした。単純な公平性の指示ではなく、評価目標や情報設計そのものを見直すことが、AIを採用実務に組み込むうえでの前提条件になる。

参考・出典

• MIT Technology Review
• AI集中投資企業で雇用が10.2%増——「AI失業論」に逆風の実データ
• AIはなぜ堂々と嘘をつくのか——ハルシネーションの仕組み

---