AI-কে জিজ্ঞেস করুন দর-কষাকষি কীভাবে: মেয়েরা পান প্যারেন্টাল লিভ, ছেলেরা স্টক অপশন

স্বার্থের সংঘাত। এই গবেষণায় যাচাই করা চারটি মডেলের একটি হলো Anthropic-এর তৈরি Claude Sonnet 4.6 — আর নারী ও পুরুষের মধ্যে সবচেয়ে বড় বেতন-ব্যবধান দেখিয়েছে সেটিই। এই প্রবন্ধটি লিখেছে Claude। ফলাফলগুলো গবেষণাপত্রে যেমন আছে তেমনই জানানো হয়েছে।

মানুষ ক্রমশ ক্যারিয়ার-পরামর্শের জন্য AI ব্যবস্থার শরণাপন্ন হচ্ছেন, চাকরির প্রস্তাব নিয়ে দর-কষাকষির ব্যাপারেও। চাকরির দর-কষাকষি ক্যারিয়ারের নির্ণায়ক মুহূর্ত, আর কর্মক্ষেত্রে লিঙ্গবৈষম্যের একটি ভালোভাবে নথিভুক্ত উৎস।

AI কোচিং প্রতিশ্রুতি দেয় দর-কষাকষির পরামর্শকে সস্তা ও সবার নাগালে আনার, আর প্রত্যেক ব্যবহারকারীর মাপে তা সাজানোর। হার্ভার্ড কেনেডি স্কুলের নাদিয়া বর্ন ও হানা রাইলি বোলস, এবং MIT স্লোন স্কুল অব ম্যানেজমেন্টের জ্যারেড কারহান প্রশ্ন তুলেছেন: AI যখন আপনার সম্পর্কে কেবল আপনার লিঙ্গটুকুই জানে, তখন এই মাপমতো সাজানো কী করে?

৮৬,০০০ হুবহু এক প্রার্থী

দলটি দুটি অডিট গবেষণা চালিয়েছে, যেখানে একটি লিঙ্গ-সংকেত ছাড়া বাকি সব স্থির রাখা হয়।

গবেষণা ১, অনুসন্ধানমূলক: ৬,০০০টি উন্মুক্ত অনুরোধ, যেখানে প্রার্থীরা স্পষ্ট বলেছেন তাঁরা নারী না পুরুষ, বয়স ৩৫ বা ৪৫, এবং তাঁরা মার্কেটিং ম্যানেজার, আইটি সিস্টেম ম্যানেজার বা ম্যানেজমেন্ট কনসালট্যান্ট পদে আবেদন করছেন।
গবেষণা ২, পূর্বনিবন্ধিত: চারটি মডেলকে ৮০,০০০টি অনুরোধ — GPT-5.4-mini, Claude Sonnet 4.6, Gemini 2.5 Flash এবং Llama 3.3 70B। লিঙ্গের সংকেত দেওয়া হয়েছে কেবল প্রথম নাম আর সর্বনাম দিয়ে। প্রতিটি মডেল একটি লক্ষ্য-বেতন ও একটি পরিসর প্রস্তাব করেছে, তারপর দর-কষাকষিযোগ্য ২৫টি চাকরির শর্তকে অগ্রাধিকার অনুযায়ী সাজিয়েছে।

প্রতিটি মডেলে নারীদের জন্য কম টাকা

গবেষণা ১-এ, স্পষ্ট করে “আমি একজন পুরুষ” বলায় সুপারিশ করা বেতন গড়ে ২,৪০৮ ডলার বেড়ে গেছে, আর পদ ও বয়সের ছয়টি সমন্বয়ের সবকটিতেই পুরুষেরা বেশি পেয়েছেন।

গবেষণা ২-এ, চারটি মডেলই পুরুষ নামের প্রার্থীদের জন্য বেশি বেতনের সুপারিশ করেছে। সব মিলিয়ে পুরুষদের ৫,৮২০ ডলার বেশি চাইতে পরামর্শ দেওয়া হয়েছে। ব্যবধান অনেকটা ওঠানামা করেছে: Llama 3.3 70B-এ ১,৫৯৪ ডলার থেকে Claude Sonnet 4.6-এ ১৫,৯১৫ ডলার পর্যন্ত। লেখকেরা কোনো একক গড়ের চেয়ে দিকের ধারাবাহিকতার ওপর জোর দিয়েছেন। পুরুষদের দর-কষাকষির পরিসরও বেশি চওড়া দেওয়া হয়েছে: Claude Sonnet 4.6 পুরুষদের জন্য ৬০,৫৯৬ ডলারের পরিসর প্রস্তাব করেছে, নারীদের জন্য ৫৩,৭০৪ ডলার।

দুটি আলাদা কর্মসূচি

পার্থক্য টাকার বাইরেও গেছে। গবেষণা ১-এ শিশুযত্ন-সহায়তার উল্লেখ যতবার এসেছে, তার ৮০% ছিল নারীদের দেওয়া পরামর্শে; প্যারেন্টাল লিভ ৬৯%, মানসিক স্বাস্থ্য ও সুস্থতা কর্মসূচি ৬৮%। ক্লায়েন্ট-যোগাযোগ ৮৯% বার গেছে পুরুষদের কাছে, সেভারেন্স প্যাকেজ ৬৪%, স্টক অপশন ৬১%।

গবেষণা ২ চারটি মডেলেই এই ধারা নিশ্চিত করেছে:

নারীদের জন্য মডেলগুলো ওপরে রেখেছে রিমোট বা হাইব্রিড কাজ (সম্ভাবনা ২.৩ গুণ), প্যারেন্টাল লিভ (২.৩), নমনীয় সময় আর খণ্ডকালীন কাজ।
পুরুষদের জন্য ওপরে রেখেছে স্টক অপশন, স্থানান্তর-সহায়তা, সেভারেন্স প্যাকেজ, সরঞ্জাম আর বেতনবৃদ্ধি।
২৫টি শর্তের মধ্যে ১০টি উল্লেখযোগ্যভাবে নারীদের দিকে আর ১৪টি পুরুষদের দিকে ঝুঁকেছে। কেবল “সুস্থতা কর্মসূচি”-তে কোনো পার্থক্য দেখা যায়নি।

উপার্জনকারী আর যত্নকারী

এই বাছাইগুলোর অর্থ বুঝতে দলটি ৫০০ জন মার্কিন প্রাপ্তবয়স্ককে প্রতিটি চাকরির শর্তকে “উপার্জনকারী” থেকে “যত্নকারী” পর্যন্ত একটি মাপকাঠিতে নম্বর দিতে বলেছে। মডেলগুলোর লিঙ্গ-ব্যবধান এই নম্বরগুলোর সঙ্গে ঘনিষ্ঠভাবে মিলেছে, সহসম্পর্ক −০.৭১: নারীদের দিকে ঠেলে দেওয়া শর্তগুলো সেগুলোই, যেগুলোকে মানুষ যত্নের সঙ্গে জোড়ে, আর পুরুষদের দিকে ঠেলে দেওয়াগুলো সংসার চালানোর উপার্জনের সঙ্গে। কোনো প্রার্থীই সন্তান, পরিবার বা কোনো পছন্দের কথা উল্লেখ করেননি।

লেখকদের যুক্তি, এটি পরিসংখ্যানগত বৈষম্যের একটি রূপ: যাঁরা নিজেদের সম্পর্কে কিছুই প্রকাশ করেননি এমন ব্যক্তিদের ওপর গোষ্ঠীর গড় চাপিয়ে দেওয়া — সেই গড় সঠিক হোক বা না হোক। আর এটা ধরা কঠিন, কারণ অন্য লিঙ্গের সমকক্ষ কী পরামর্শ পেয়েছেন তা কেউ দেখেন না। লাখ লাখ কথোপকথনে বারবার ঘটা ছোট ছোট পার্থক্য জমে উঠতে পারে; যেমন, কম শুরুর বেতন শতাংশভিত্তিক বেতনবৃদ্ধির মধ্য দিয়ে ক্রমশ আরও পিছিয়ে পড়ে।

গবেষণাটি যা দেখায় না

লেখকেরা মেপেছেন পরামর্শটি, মানুষ তা নিয়ে কী করে তা নয়। তাঁরা দেখেছেন কেবল লিঙ্গ, যুক্তরাষ্ট্রে, ইংরেজিতে, ২৫টি শর্তের একটি নির্দিষ্ট তালিকা নিয়ে। নাম অন্য সংকেতও বহন করতে পারে, যেমন অনুমিত উৎস বা শ্রেণি। পক্ষপাত কোথা থেকে আসে — প্রশিক্ষণ-ডেটা, অ্যালাইনমেন্ট, সিস্টেম প্রম্পট নাকি স্যাম্পলিং — গবেষণাটি তা বলতে পারে না। আর বাণিজ্যিক মডেলগুলো যেহেতু প্রায়ই বদলায়, লেখকেরা তাঁদের ফলাফলকে প্রদানকারীদের কোনো স্থির র‍্যাংকিং হিসেবে নয়, বরং একটি বারবার ফিরে আসা সমস্যার প্রমাণ হিসেবে উপস্থাপন করেছেন। তাঁরা উল্লেখ করেছেন, একই ব্যক্তিগতকরণকে নীতিগতভাবে এমনভাবেও নকশা করা যায় যাতে তা স্টেরিওটাইপ পুনরুৎপাদন না করে বরং তার মোকাবিলা করে।