Нейросети могут дважды снижать шансы женщин при поиске работы: сначала составлять для них менее выгодные резюме, а затем хуже оценивать при отборе кандидатов. Исследователи обнаружили гендерные стереотипы в работе шести крупных языковых моделей. В профессиях, где женщины составляют менее 10% сотрудников, вероятность пройти первоначальный отбор в эксперименте оказалась на 4,8 процентного пункта ниже, чем у мужчин.
Учёные проверили работу GPT 5.4, Claude Opus 4.6, DeepSeek 3.2, Mistral Large 3, Grok 4.1 и Llama 3.3 70B. Для эксперимента выбрали 98 профессий на американском рынке труда и подготовили с помощью нейросетей 35 280 резюме. При составлении документов меняли пол соискателя, сохраняя остальные условия, а затем просили искусственный интеллект оценить кандидатов и предложить подходящую зарплату.
Проблемы начались ещё при написании резюме. Для женщин нейросети чаще подчёркивали дружелюбие, готовность помогать коллегам и брать на себя дополнительные обязанности, которые редко помогают получить повышение. В мужских резюме подобные качества встречались реже. Вместо одинаково нейтрального описания профессиональных возможностей алгоритмы воспроизводили привычные представления о том, какими должны быть мужчины и женщины на работе.
Причём гендерные стереотипы сохранялись даже после удаления имён, местоимений и других прямых указаний на пол. Исследователи обучили отдельную программу определять, для кого нейросеть написала резюме, и получили 81% правильных ответов. Программа ориентировалась исключительно на используемые слова и описания качеств соискателя.
Следующий этап показал, что различия в формулировках могут влиять на карьерные перспективы. Когда нейросети оценивали пригодность кандидатов к работе, женщины получали примерно на 2,7% меньше баллов в профессиях, где их доля не превышает 10%. В специальностях, где женщины занимают более 80% рабочих мест, ситуация менялась: кандидатки получали преимущество примерно такого же размера. Если объединить результаты по всем профессиям, различия практически исчезают, хотя в отдельных профессиональных группах остаются заметными.
Чтобы выяснить причину, учёные отдельно проверили содержание резюме и отношение алгоритмов к полу кандидата. Выяснилось, что нейросети способны по-разному оценивать один и тот же документ, если заменить указание женского пола на мужской. Одновременно на результат влияли формулировки, которые искусственный интеллект самостоятельно выбирал при составлении резюме. Получалось двойное неравенство: женщина могла проиграть ещё при подготовке документа, а затем получить более низкую оценку за тот же профессиональный опыт.
В симуляции найма исследователи проверили, как различия в оценках повлияют на прохождение первоначального отбора. В профессиях с долей женщин менее 10% кандидатки попадали в число отобранных на 4,8 процентного пункта реже мужчин. Для работодателей, которые используют автоматический отбор резюме, даже небольшая разница в баллах потенциально может определить, увидит ли специалист по найму подходящего кандидата.
Предвзятость проявилась и в зарплатных рекомендациях. Когда нейросетям прямо указывали пол соискателя, женщинам в среднем предлагали на 1,6% меньше, чем мужчинам с сопоставимыми данными. Например, при рекомендуемом месячном заработке в 5000 долларов разница составляла около 79 долларов. В профессиях с особенно большим разрывом между зарплатами мужчин и женщин расхождение могло достигать примерно 186 долларов.
Авторы обратили внимание на неприятную особенность: соискатель может принять предложенную нейросетью сумму за объективную оценку своей работы. Если искусственный интеллект изначально занижает зарплатные ожидания женщины, кандидатка рискует попросить меньше денег на собеседовании, даже не подозревая, что мужчине алгоритм посоветовал бы другую сумму.
Исследователи попытались уменьшить влияние стереотипов. Когда нейросети получали подробные сведения об образовании и опыте кандидата, различия в содержании резюме становились менее выраженными. Однако предвзятость при оценке документов сохранялась. Простая просьба соблюдать гендерную нейтральность тоже почти ничего не меняла, а указание отдавать предпочтение женщинам приводило к чрезмерному завышению их оценок независимо от профессии.
Авторы также проверили, что произойдёт, если обозначать пол не прямым указанием, а мужским или женским именем. В пяти из шести моделей женщины по-прежнему получали менее выгодные зарплатные рекомендации в профессиях с большим разрывом в оплате труда. GPT 5.4 показала противоположную тенденцию, поэтому поведение нейросетей нельзя считать полностью одинаковым.
Учёные предупреждают, что общая статистика способна скрывать дискриминацию в отдельных профессиях. Поэтому проверять нейросети для найма предлагают на каждом этапе, от составления резюме до окончательной оценки кандидатов, причём отдельно для разных специальностей.
При этом исследование не доказывает, что реальные работодатели уже отказывают женщинам с такой же частотой. Все результаты получены в контролируемых экспериментах на английском языке с опорой на американский рынок труда. Но работа показывает, как искусственный интеллект может незаметно переносить существующие стереотипы в решения, от которых зависят приглашения на собеседования и будущие зарплаты.