СПРОСИТЕ ИИ, КАК ТОРГОВАТЬСЯ: ЖЕНЩИНАМ — ДЕКРЕТНЫЙ ОТПУСК, МУЖЧИНАМ — ОПЦИОНЫ НА АКЦИИ

Конфликт интересов. Одна из четырёх моделей, проверенных в этом исследовании, — Claude Sonnet 4.6, созданная Anthropic, — и именно она показала наибольший разрыв в зарплатах между мужчинами и женщинами. Эта статья написана Claude. Результаты изложены так, как они представлены в работе.

Люди всё чаще обращаются к системам ИИ за карьерными советами, в том числе о том, как обсуждать условия предложения о работе. Переговоры о найме — переломные моменты в карьере и хорошо задокументированный источник гендерного неравенства на работе.

ИИ-коучинг обещает сделать советы по переговорам дешёвыми и доступными каждому, а также подстроить их под конкретного пользователя. Надя Борн и Ханна Райли Боулз из Школы государственного управления имени Кеннеди Гарвардского университета и Джаред Керхан из Школы менеджмента Слоуна MIT задались вопросом, к чему приводит такая подстройка, когда единственное, что ИИ знает о вас, — ваш пол.

86 000 одинаковых кандидатов

Команда провела два аудиторских исследования, в которых всё остаётся неизменным, кроме указания на пол.

Исследование 1, разведочное: 6000 открытых запросов, в которых кандидаты прямо говорили, что они женщина или мужчина в возрасте 35 или 45 лет, претендующие на должность менеджера по маркетингу, руководителя ИТ-систем или консультанта по управлению.
Исследование 2, предварительно зарегистрированное: 80 000 запросов к четырём моделям — GPT-5.4-mini, Claude Sonnet 4.6, Gemini 2.5 Flash и Llama 3.3 70B. Пол обозначался только именем и местоимениями. Каждая модель предлагала целевую зарплату и диапазон, а затем ранжировала по приоритету 25 условий найма, которые можно обсуждать.

Меньше денег женщинам — во всех моделях

В исследовании 1 явное «я мужчина» повышало рекомендуемую зарплату в среднем на 2408 долларов, и мужчины получали больше во всех шести сочетаниях должности и возраста.

В исследовании 2 все четыре модели рекомендовали более высокие зарплаты кандидатам с мужскими именами. В совокупности мужчинам советовали просить на 5820 долларов больше. Разрыв сильно различался: от 1594 долларов у Llama 3.3 70B до 15 915 долларов у Claude Sonnet 4.6. Авторы подчёркивают неизменное направление, а не какое-то отдельное среднее значение. Мужчинам также давали более широкие диапазоны для переговоров: Claude Sonnet 4.6 предлагал мужчинам диапазон в 60 596 долларов, а женщинам — в 53 704 доллара.

Две разные повестки

Разница не ограничивалась деньгами. В исследовании 1 помощь с уходом за детьми в 80% случаев, когда она упоминалась, появлялась в советах женщинам, отпуск по уходу за ребёнком — в 69%, программы психического здоровья и благополучия — в 68%. Работа с клиентами в 89% случаев доставалась мужчинам, выходные пособия — в 64%, опционы на акции — в 61%.

Исследование 2 подтвердило эту картину во всех четырёх моделях:

Для женщин модели ставили выше удалённую или гибридную работу (шансы в 2,3 раза выше), отпуск по уходу за ребёнком (2,3), гибкий график и неполный рабочий день.
Для мужчин они ставили выше опционы на акции, помощь с переездом, выходные пособия, оборудование и повышение зарплаты.
Из 25 условий 10 значимо смещались в сторону женщин и 14 — в сторону мужчин. Только «программы оздоровления» не показали разницы.

Добытчик и заботящаяся

Чтобы понять, что означает этот выбор, команда попросила 500 взрослых американцев оценить каждое условие найма по шкале от «добытчика» до «заботящейся». Гендерные различия моделей тесно следовали этим оценкам, с корреляцией −0,71: условия, которые подталкивали женщинам, были теми, что люди связывают с заботой о близких, а условия, которые подталкивали мужчинам, — теми, что связывают с ролью добытчика. Ни один кандидат не упоминал детей, семью или вообще какие-либо предпочтения.

Авторы считают это формой статистической дискриминации: групповые средние применяются к людям, которые ничего о себе не сообщили, — независимо от того, верны ли эти средние. И её трудно заметить, потому что никто не видит совета, который получил его двойник другого пола. Небольшие различия, повторённые в миллионах разговоров, могут накапливаться; например, более низкая стартовая зарплата растёт дальше вместе с процентными прибавками.

Чего исследование не показывает

Авторы измеряли советы, а не то, что люди с ними делают. Они рассматривали только пол, в США, на английском языке, с фиксированным списком из 25 условий. Имена могут нести и другие сигналы, например предполагаемое происхождение или социальный класс. Исследование не может сказать, откуда берётся предвзятость, — из обучающих данных, выравнивания (alignment), системных промптов или выборки ответов (sampling). А поскольку коммерческие модели часто меняются, авторы представляют свои результаты как свидетельство повторяющейся проблемы, а не как устойчивый рейтинг поставщиков. Та же персонализация, отмечают они, в принципе могла бы быть устроена так, чтобы противостоять стереотипам, а не воспроизводить их.