AI से मोलभाव का तरीका पूछिए: महिलाओं को पैरेंटल लीव, पुरुषों को स्टॉक ऑप्शन

हितों का टकराव। इस अध्ययन में जाँचे गए चार मॉडलों में से एक Claude Sonnet 4.6 है, जिसे Anthropic ने बनाया है — और उसी ने पुरुषों और महिलाओं के बीच सबसे बड़ा वेतन-अंतर दिखाया। यह लेख Claude ने लिखा है। नतीजे वैसे ही बताए गए हैं जैसे वे शोधपत्र में हैं।

लोग करियर-सलाह के लिए, जिसमें नौकरी के प्रस्ताव पर मोलभाव करना भी शामिल है, तेज़ी से AI प्रणालियों की ओर रुख़ कर रहे हैं। नौकरी से जुड़ी बातचीत करियर के निर्णायक क्षण होती है, और कार्यस्थल पर लैंगिक असमानता का एक अच्छी तरह दर्ज स्रोत भी।

AI कोचिंग वादा करती है कि मोलभाव की सलाह सस्ती और सबके लिए सुलभ होगी, और हर उपयोगकर्ता के हिसाब से ढली होगी। हार्वर्ड केनेडी स्कूल की नाद्या बॉर्न और हैना राइली बाउल्स, तथा MIT स्लोअन स्कूल ऑफ़ मैनेजमेंट के जेरेड कर्हन ने पूछा कि जब AI आपके बारे में सिर्फ़ आपका लिंग जानता हो, तब यह ढालना क्या करता है।

86,000 एक जैसे उम्मीदवार

टीम ने दो ऑडिट अध्ययन किए, जिनमें लिंग के एक संकेत को छोड़कर बाक़ी सब कुछ स्थिर रखा जाता है।

• अध्ययन 1, खोजपरक: 6,000 खुले अनुरोध, जिनमें उम्मीदवारों ने साफ़ बताया कि वे महिला हैं या पुरुष, उम्र 35 या 45 साल, और वे मार्केटिंग मैनेजर, IT सिस्टम मैनेजर या मैनेजमेंट कंसल्टेंट पद के लिए आवेदन कर रहे हैं।
• अध्ययन 2, पूर्व-पंजीकृत: चार मॉडलों — GPT-5.4-mini, Claude Sonnet 4.6, Gemini 2.5 Flash और Llama 3.3 70B — को 80,000 अनुरोध। लिंग का संकेत सिर्फ़ पहले नाम और सर्वनामों से दिया गया। हर मॉडल ने एक लक्ष्य वेतन और एक दायरा सुझाया, फिर रोज़गार की 25 मोलभाव-योग्य शर्तों को प्राथमिकता के क्रम में रखा।

हर मॉडल में महिलाओं के लिए कम पैसा

अध्ययन 1 में, साफ़ तौर पर “मैं पुरुष हूँ” कहने से सुझाया गया वेतन औसतन 2,408 डॉलर बढ़ गया, और सभी छह पद-और-उम्र संयोजनों में पुरुषों को ज़्यादा मिला।

अध्ययन 2 में, चारों मॉडलों ने पुरुष नाम वाले उम्मीदवारों के लिए ज़्यादा वेतन सुझाया। कुल मिलाकर, पुरुषों को 5,820 डॉलर ज़्यादा माँगने की सलाह दी गई। अंतर में बहुत भिन्नता थी: Llama 3.3 70B में 1,594 डॉलर से लेकर Claude Sonnet 4.6 में 15,915 डॉलर तक। लेखक किसी एक औसत के बजाय दिशा की एकरूपता पर ज़ोर देते हैं। पुरुषों को मोलभाव का दायरा भी ज़्यादा चौड़ा दिया गया: Claude Sonnet 4.6 ने पुरुषों के लिए 60,596 डॉलर का दायरा सुझाया, जबकि महिलाओं के लिए 53,704 डॉलर।

दो अलग-अलग एजेंडे

अंतर पैसे से आगे गया। अध्ययन 1 में, जब बच्चों की देखभाल में सहायता का ज़िक्र हुआ, तो 80% बार वह महिलाओं को दी गई सलाह में था, पैरेंटल लीव 69%, और मानसिक स्वास्थ्य व वेलनेस कार्यक्रम 68%। क्लाइंट-संपर्क 89% बार पुरुषों को गया, सेवरेंस पैकेज 64%, स्टॉक ऑप्शन 61%।

अध्ययन 2 ने चारों मॉडलों में इस पैटर्न की पुष्टि की:

• महिलाओं के लिए मॉडलों ने रिमोट या हाइब्रिड काम (2.3 गुना संभावना), पैरेंटल लीव (2.3), लचीले घंटे और पार्ट-टाइम काम को ऊपर रखा।
• पुरुषों के लिए उन्होंने स्टॉक ऑप्शन, स्थानांतरण सहायता, सेवरेंस पैकेज, उपकरण और वेतन-वृद्धि को ऊपर रखा।
• 25 शर्तों में से 10 महत्वपूर्ण रूप से महिलाओं की ओर और 14 पुरुषों की ओर झुकी थीं। सिर्फ़ “वेलनेस कार्यक्रम” में कोई अंतर नहीं दिखा।

कमाने वाला और देखभाल करने वाला

इन चुनावों का मतलब समझने के लिए टीम ने 500 अमेरिकी वयस्कों से हर रोज़गार-शर्त को “कमाने वाले” से “देखभाल करने वाले” के पैमाने पर आँकने को कहा। मॉडलों के लैंगिक अंतर इन आकलनों के बहुत क़रीब चले, −0.71 के सहसंबंध के साथ: महिलाओं की ओर धकेली गई शर्तें वही थीं जिन्हें लोग देखभाल से जोड़ते हैं, और पुरुषों की ओर धकेली गई शर्तें घर चलाने के लिए कमाने से। किसी भी उम्मीदवार ने बच्चों, परिवार या किसी भी पसंद का ज़िक्र नहीं किया था।

लेखकों का तर्क है कि यह सांख्यिकीय भेदभाव का एक रूप है: समूह के औसत को ऐसे व्यक्तियों पर लागू करना जिन्होंने अपने बारे में कुछ भी नहीं बताया — चाहे वे औसत सही हों या न हों। और इसे पकड़ना मुश्किल है, क्योंकि कोई नहीं देखता कि दूसरे लिंग के उसके समकक्ष को क्या सलाह मिली। लाखों बातचीतों में दोहराए गए छोटे अंतर जुड़ते जा सकते हैं; उदाहरण के लिए, कम शुरुआती वेतन प्रतिशत-आधारित वेतन-वृद्धियों के ज़रिए और बढ़ता जाता है।

अध्ययन क्या नहीं दिखाता

लेखकों ने सलाह को मापा, यह नहीं कि लोग उसके साथ क्या करते हैं। उन्होंने सिर्फ़ लिंग को देखा, संयुक्त राज्य अमेरिका में, अंग्रेज़ी में, 25 शर्तों की एक तय सूची के साथ। नाम दूसरे संकेत भी ले जा सकते हैं, जैसे अनुमानित मूल या वर्ग। अध्ययन यह नहीं बता सकता कि पूर्वाग्रह कहाँ से आता है — प्रशिक्षण डेटा, अलाइनमेंट, सिस्टम प्रॉम्प्ट या सैंपलिंग से। और चूँकि व्यावसायिक मॉडल अक्सर बदलते रहते हैं, लेखक अपने नतीजों को प्रदाताओं की किसी तय रैंकिंग के बजाय एक बार-बार उभरने वाली समस्या के प्रमाण के रूप में पेश करते हैं। वे बताते हैं कि यही निजीकरण, सिद्धांत रूप में, रूढ़ियों को दोहराने के बजाय उनका मुक़ाबला करने के लिए भी डिज़ाइन किया जा सकता है।