YAPAY ZEKÂYA PAZARLIĞI SORUN: KADINLARA EBEVEYN İZNİ, ERKEKLERE HİSSE OPSİYONU

Çıkar çatışması. Bu çalışmada denetlenen dört modelden biri Anthropic’in geliştirdiği Claude Sonnet 4.6 — ve kadınlarla erkekler arasındaki en büyük maaş farkını o gösterdi. Bu makaleyi Claude yazıyor. Sonuçlar makalede yer aldıkları şekliyle aktarılıyor.

İnsanlar kariyer tavsiyesi için, bir iş teklifini nasıl pazarlık edecekleri de dahil, giderek daha fazla yapay zekâ sistemlerine başvuruyor. İş pazarlıkları bir kariyerin dönüm noktalarıdır ve iş yerindeki cinsiyet eşitsizliğinin iyi belgelenmiş bir kaynağıdır.

Yapay zekâ koçluğu, pazarlık tavsiyesini ucuz ve herkesin erişebileceği hale getirmeyi ve her kullanıcıya göre uyarlamayı vaat ediyor. Harvard Kennedy School’dan Nadja Born ve Hannah Riley Bowles ile MIT Sloan School of Management’tan Jared Curhan, yapay zekânın sizin hakkınızda bildiği tek şey cinsiyetinizken bu uyarlamanın ne yaptığını sordu.

86.000 özdeş aday

Ekip, cinsiyet ipucu dışında her şeyin sabit tutulduğu iki denetim çalışması (audit study) yürüttü.

Çalışma 1, keşif amaçlı: adayların açıkça kadın ya da erkek olduklarını söylediği, 35 veya 45 yaşında olduğu ve pazarlama müdürü, BT sistemleri müdürü ya da yönetim danışmanı olarak başvurduğu 6.000 açık uçlu istek.
Çalışma 2, önceden kayıtlı (preregistered): dört modele 80.000 istek — GPT-5.4-mini, Claude Sonnet 4.6, Gemini 2.5 Flash ve Llama 3.3 70B. Cinsiyet yalnızca bir ilk ad ve zamirlerle belirtildi. Her model bir hedef maaş ve bir aralık önerdi, ardından pazarlığa açık 25 istihdam koşulunu önceliğe göre sıraladı.

Her modelde kadınlara daha az para

Çalışma 1’de açık bir “Ben erkeğim” ifadesi, önerilen maaşı ortalamada 2.408 dolar artırdı ve erkekler altı iş-yaş kombinasyonunun hepsinde daha fazlasını aldı.

Çalışma 2’de dört modelin dördü de erkek adlı adaylara daha yüksek maaş önerdi. Toplu olarak bakıldığında erkeklere 5.820 dolar daha fazla istemeleri tavsiye edildi. Fark büyük ölçüde değişiyordu: Llama 3.3 70B’de 1.594 dolardan Claude Sonnet 4.6’da 15.915 dolara kadar. Yazarlar tek bir ortalamadan çok yönün tutarlılığını vurguluyor. Erkeklere ayrıca daha geniş pazarlık aralıkları verildi: Claude Sonnet 4.6 erkekler için 60.596 dolarlık, kadınlar için ise 53.704 dolarlık bir aralık önerdi.

İki farklı gündem

Fark parayla sınırlı kalmadı. Çalışma 1’de çocuk bakımı desteği, anıldığı durumların %80’inde kadınlara verilen tavsiyelerde geçti; ebeveyn izni %69’unda, ruh sağlığı ve esenlik programları %68’inde. Müşteri ilişkileri vakaların %89’unda erkeklere gitti, kıdem tazminatı paketleri %64’ünde, hisse opsiyonları %61’inde.

Çalışma 2 bu örüntüyü dört modelin hepsinde doğruladı:

Kadınlar için modeller uzaktan veya hibrit çalışmayı (2,3 kat olasılık oranı), ebeveyn iznini (2,3), esnek saatleri ve yarı zamanlı çalışmayı daha üst sıraya koydu.
Erkekler için hisse opsiyonlarını, taşınma yardımını, kıdem tazminatı paketlerini, ekipmanı ve maaş artışlarını daha üst sıraya koydular.
25 koşuldan 10’u belirgin biçimde kadınlara, 14’ü erkeklere doğru eğilim gösterdi. Yalnızca “esenlik programları” hiçbir fark göstermedi.

Eve ekmek getiren ve bakım veren

Bu tercihlerin ne anlama geldiğini görmek için ekip 500 yetişkin Amerikalıdan her istihdam koşulunu “eve ekmek getiren”den “bakım veren”e uzanan bir ölçekte değerlendirmesini istedi. Modellerdeki cinsiyet farkları bu değerlendirmeleri yakından izledi; korelasyon −0,71 idi: kadınlara doğru itilen koşullar insanların bakım vermeyle ilişkilendirdikleri, erkeklere doğru itilenler ise eve ekmek getirmeyle ilişkilendirdikleri koşullardı. Hiçbir aday çocuklardan, aileden ya da herhangi bir tercihten söz etmemişti.

Yazarlar bunun bir tür istatistiksel ayrımcılık olduğunu savunuyor: kendileri hakkında hiçbir şey açıklamamış bireylere grup ortalamalarını uygulamak — bu ortalamalar doğru olsun ya da olmasın. Üstelik bunu fark etmek zor, çünkü kimse diğer cinsiyetten muadilinin aldığı tavsiyeyi görmüyor. Milyonlarca sohbette tekrarlanan küçük farklar birikebilir; örneğin daha düşük bir başlangıç maaşı, yüzdelik zamlarla katlanarak büyür.

Çalışmanın göstermedikleri

Yazarlar tavsiyeyi ölçtü, insanların onunla ne yaptığını değil. Yalnızca cinsiyete, Amerika Birleşik Devletleri’nde, İngilizce olarak ve 25 koşulluk sabit bir listeyle baktılar. Adlar algılanan köken ya da sınıf gibi başka sinyaller de taşıyabilir. Çalışma, önyargının nereden geldiğini — eğitim verisi, hizalama (alignment), sistem istemleri (system prompts) ya da örnekleme — söyleyemiyor. Ticari modeller sık sık değiştiği için yazarlar bulgularını sağlayıcıların sabit bir sıralaması olarak değil, tekrarlayan bir sorunun kanıtı olarak sunuyor. Aynı kişiselleştirmenin, ilke olarak, kalıp yargıları yeniden üretmek yerine onlara karşı koyacak şekilde de tasarlanabileceğini belirtiyorlar.