از هوش مصنوعی بپرسید چطور چانه بزنید: برای زنان مرخصی والدین، برای مردان اختیار خرید سهام
تعارض منافع. یکی از چهار مدلی که در این پژوهش ممیزی شد Claude Sonnet 4.6 است، ساختهٔ Anthropic — و همین مدل بزرگ‌ترین شکاف حقوق میان مردان و زنان را نشان داد. این مقاله را Claude نوشته است. نتایج همان‌گونه گزارش شده‌اند که در مقاله آمده‌اند.
مردم برای مشاورهٔ شغلی، از جمله این‌که چطور بر سر یک پیشنهاد کاری چانه بزنند، بیش از پیش به سامانه‌های هوش مصنوعی رو می‌آورند. مذاکرهٔ استخدامی از لحظه‌های سرنوشت‌ساز هر مسیر شغلی است و منبعی به‌خوبی مستند از نابرابری جنسیتی در محیط کار.
مربی‌گری با هوش مصنوعی وعده می‌دهد مشاورهٔ مذاکره را ارزان و در دسترس همه کند و آن را برای هر کاربر شخصی‌سازی کند. Nadja Born و Hannah Riley Bowles از Harvard Kennedy School و Jared Curhan از MIT Sloan School of Management پرسیدند وقتی تنها چیزی که هوش مصنوعی دربارهٔ شما می‌داند جنسیت‌تان است، این شخصی‌سازی چه می‌کند.
86,000 نامزد یکسان
این گروه دو پژوهش ممیزی (audit study) انجام داد که در آن‌ها همه‌چیز جز یک نشانهٔ جنسیتی ثابت نگه داشته شد.
- پژوهش ۱، اکتشافی: 6,000 درخواست باز که در آن‌ها نامزدها صریحاً می‌گفتند زن یا مردند، 35 یا 45 ساله‌اند و برای سمت مدیر بازاریابی، مدیر سامانه‌های فناوری اطلاعات یا مشاور مدیریت درخواست داده‌اند.
- پژوهش ۲، با ثبت پیشین (preregistered): 80,000 درخواست به چهار مدل — GPT-5.4-mini، Claude Sonnet 4.6، Gemini 2.5 Flash و Llama 3.3 70B. جنسیت فقط با یک نام کوچک و ضمیرها نشان داده می‌شد. هر مدل یک حقوق هدف و یک بازه پیشنهاد می‌داد و سپس 25 شرط استخدامی قابل مذاکره را بر اساس اولویت رتبه‌بندی می‌کرد.
پول کمتر برای زنان، در همهٔ مدل‌ها
در پژوهش ۱، جملهٔ صریح «من مرد هستم» حقوق پیشنهادی را به‌طور میانگین 2,408 دلار بالا برد و مردان در هر شش ترکیب شغل و سن بیشتر گرفتند.
در پژوهش ۲، هر چهار مدل برای نامزدهایی با نام مردانه حقوق بالاتری پیشنهاد کردند. در مجموع، به مردان توصیه شد 5,820 دلار بیشتر بخواهند. این شکاف بسیار متفاوت بود: از 1,594 دلار برای Llama 3.3 70B تا 15,915 دلار برای Claude Sonnet 4.6. نویسندگان بیش از هر میانگین منفرد، بر یکسان بودن جهت تأکید می‌کنند. به مردان بازه‌های مذاکرهٔ گسترده‌تری هم داده شد: Claude Sonnet 4.6 برای مردان بازه‌ای 60,596 دلاری و برای زنان 53,704 دلاری پیشنهاد کرد.
دو دستور کار متفاوت
تفاوت از پول فراتر رفت. در پژوهش ۱، از دفعاتی که حمایت از نگهداری کودک مطرح شد، 80٪ در توصیه به زنان بود؛ مرخصی والدین 69٪ و برنامه‌های سلامت روان و تندرستی 68٪. ارتباط با مشتری در 89٪ موارد به مردان رسید، بستهٔ پایان خدمت (severance) 64٪ و اختیار خرید سهام 61٪.
پژوهش ۲ این الگو را در هر چهار مدل تأیید کرد:
- برای زنان، مدل‌ها دورکاری یا کار ترکیبی (2.3 برابر بخت)، مرخصی والدین (2.3)، ساعات منعطف و کار پاره‌وقت را بالاتر قرار دادند.
- برای مردان، اختیار خرید سهام، کمک به جابه‌جایی، بستهٔ پایان خدمت، تجهیزات و افزایش حقوق را بالاتر قرار دادند.
- از 25 شرط، 10 شرط به‌طور معناداری به سمت زنان و 14 شرط به سمت مردان متمایل بودند. فقط «برنامه‌های تندرستی» هیچ تفاوتی نشان ندادند.
نان‌آور و مراقب
برای فهم معنای این انتخاب‌ها، گروه از 500 بزرگسال آمریکایی خواست هر شرط استخدامی را روی طیفی از «نان‌آور» تا «مراقب» ارزیابی کنند. شکاف‌های جنسیتی مدل‌ها با این ارزیابی‌ها از نزدیک همراه بود، با همبستگی 0.71−: شرط‌هایی که به سمت زنان رانده شدند همان‌هایی بودند که مردم با مراقبت پیوند می‌دهند، و شرط‌هایی که به سمت مردان رانده شدند با نان‌آوری. هیچ نامزدی از فرزند، خانواده یا هیچ ترجیحی سخن نگفته بود.
نویسندگان استدلال می‌کنند که این گونه‌ای از تبعیض آماری است: به‌کار بستن میانگین‌های گروهی بر افرادی که هیچ چیزی دربارهٔ خود فاش نکرده‌اند — چه آن میانگین‌ها درست باشند چه نه. و تشخیصش دشوار است، چون هیچ‌کس توصیه‌ای را که همتای او از جنس دیگر گرفته نمی‌بیند. تفاوت‌های کوچک، اگر در میلیون‌ها گفت‌وگو تکرار شوند، می‌توانند روی هم انباشته شوند؛ برای نمونه، حقوق آغازین کمتر از راه افزایش‌های درصدی، مرکب‌وار بزرگ‌تر می‌شود.
آنچه این پژوهش نشان نمی‌دهد
نویسندگان توصیه را سنجیدند، نه کاری را که مردم با آن می‌کنند. آن‌ها فقط جنسیت را بررسی کردند، در ایالات متحده، به زبان انگلیسی و با فهرستی ثابت از 25 شرط. نام‌ها ممکن است نشانه‌های دیگری هم داشته باشند، مانند خاستگاه یا طبقهٔ اجتماعیِ برداشت‌شده. این پژوهش نمی‌تواند بگوید سوگیری از کجا می‌آید — دادهٔ آموزشی، هم‌ترازسازی (alignment)، دستورهای سیستمی (system prompts) یا نمونه‌گیری. و چون مدل‌های تجاری اغلب تغییر می‌کنند، نویسندگان یافته‌های خود را شاهدی بر مشکلی تکرارشونده می‌دانند، نه رتبه‌بندی ثابتی از ارائه‌دهندگان. به گفتهٔ آن‌ها، همین شخصی‌سازی را در اصل می‌توان طوری طراحی کرد که به‌جای بازتولید کلیشه‌ها، با آن‌ها مقابله کند.