採用 AI のアルゴリズム単一化が特定人種の組織的排除を助長──400 万件の応募データで判明
同一ベンダーの採用ツール利用による人種バイアスの網羅的分析と、評価粒度による差別隠蔽のメカニズム解明。（原題: Algorithmic Monocultures in Hiring）
リリース: 2026-05-26 · 読了 5 分何が起きた
340万人の応募者による400万件の応募データを150社・11業種にわたり調査
Black応募者の26%、Asian応募者の15%が人種差別的なAI評価を受けた
公平な評価であれば4万件以上の応募が次ステージへ進んでいたと推計
職種ごとに評価せず全データを合算すると差別が統計的に隠蔽されることを確認
なぜ重要
「AI採用ツールを使えば公平」という前提が崩れ、同一ベンダーへの依存が特定の属性を持つ候補者を市場全体から排除するリスクを可視化した
差別検知の評価指標（four-fifths rule）を全体平均で適用すると、職種間のバイアスが相殺され、実態を見誤る危険性がある
👁️ 開発者
採用・人事系 AI システムを開発・導入するエンジニアは、全体統計の可視化だけでなく、職種単位でのバイアス評価を必須プロセスとして組み込むべきである。
🇯🇵 日本
国内固有の追加文脈は限定的（汎用的に有用）。