働く人の半数近く(47%)が、人工知能(AI)ツールに自分の給与交渉を任せてもよいと考えていることが、2026年6月にRuth AIが成人2131人を対象に実施した調査で明らかになった。一方で、76%はAIがバイアスの混ざったアドバイスを提供する可能性があることを全く知らなかったと回答した。「多くの人々が、疑問すら抱いたことのないツールに人生で最も重要な金銭面の交渉を委ねている」と、Ruth AIの創業者兼CEOであるヴァレリー・チャップマンは指摘する。
従業員と雇用主の双方で、報酬に関する意思決定にAIツールを使うケースが増えるなか、AIが給与アドバイスをどのように導き出すのかを理解することは極めて重要である。Ruth AIの調査では、3人に1人が、給与、昇給、ボーナス、賃金交渉についてAIにフィードバックを求めたことがあると回答した。ミレニアル世代では、その割合は2人に1人を超える。雇用主については、Omni Calculatorによる2026年の調査で、4社に1社が給与設定、賃金水準のベンチマーク、昇給承認の支援にAIを使ったことがあると回答している。
果たしてAIによる公平な給与アドバイスを信頼できるのだろうか。チャップマンによれば、多くの人が気づいていないのは、AIツールが「女性は男性より給与が低いことが多い」ことを示す長年のデータで訓練されている点である。「そのバイアスはすでに組み込まれている」とチャップマンは警告し、それがAIの給与提案にも反映され得るという。
AIバイアスに関する3つの研究はチャップマンの懸念を裏づけており、専門家は給与アドバイスにAIを使うリスクをどう軽減するかについて見解を示している。
AIは採用担当者に女性への低い給与提示を促す
マサチューセッツ工科大学(MIT)の研究者らは、7つのAIモデルに対し、特定の職務の候補者を評価する採用担当者として振る舞うよう指示した。2026年3月に報告されたこの研究では、さまざまな業界の複数職種について、実在する匿名の履歴書2000件超が使用された。
各履歴書について、AIツールは候補者の資格を10段階で評価し、提示する年収を示すよう求められた。それぞれの履歴書は、女性名に見える名前、男性名に見える名前、そして性別代名詞を変えた中立的な名前を使い、複数回実行された。
同一の履歴書を評価した場合、AIツールのほぼすべてが、候補者が男性ではなく女性に見えるときに低い給与を提案した。
この結果は、AIツールが過去のデータで訓練されており、ジェンダー間の賃金格差が過去20年ほとんど縮まっていないことを反映している。2026年の米国勢調査局の報告によると、通年フルタイムで働く女性の収入は、男性の1ドル(約1万未満円)に対してわずか84セントにとどまる。したがって、AI設計に介入がなければ、ジェンダー賃金格差はAIの出力にそのまま再現されることになる。
より意外だったのは、AIツールが候補者の資格をどのように評価したかである。同一の履歴書を評価する際、AIツールは、候補者が男性ではなく女性に見える場合に、一貫してより高い資格評価を与えた。
研究者らは、この結果について複数の考え得る理由を挙げた。研究著者の1人であるニナ・ガーズバーグは、「能力は客観的な基準ではなく、属性に基づく予断と相対的に評価されている可能性がある」と指摘する。
「大規模言語モデル(LLM)がジェンダーと職業上の能力に関する社会的連想を再現する場合、同一の資格であっても、それが女性応募者に帰属されると、より例外的なものとして解釈される可能性がある。言い換えれば、履歴書がそれ以外の点で同一であっても、モデルは同じ実績を、男性より女性にとってより印象的なものと捉える可能性がある」とガーズバーグはメールで述べた。
研究者らは、ジェンダーに偏った資格評価の原因を断定することはできなかったが、その結果は際立っていた。AIツールは女性候補者を同一の男性候補者より資格が高いとみなす傾向を示す一方で、それでも女性には低い賃金を支払うよう推奨したのである。
「こうした対比は二重基準を明らかにしている。女性はより資格があると見なされるにもかかわらず、支払われる賃金は低い」と研究者らは述べた。「簡潔に言えば、男性はより高い給与を得るために必要な資格が少なくて済むということだ」
AIは女性やマイノリティの求職者に低い給与要求を助言する
ドイツの研究者らは、逆の視点(求職者側)からAIに指示を与えた場合にも、同様のジェンダーバイアスを発見した。2025年9月に報告されたこの研究では、複数のAIモデルに対し、特定の職務の交渉で求職者が最初に求めるべき給与について助言するよう依頼した。AIツールには、学歴と職歴が同一で、違いは性別だけの候補者プロフィールのペアが与えられた。
同じ職位について同一の履歴書を評価した場合、AIツールは、求職者が男性ではなく女性であるとき、より低い初回給与を求めるよう頻繁に推奨した。
AIの給与アドバイスにおけるジェンダー差は、しばしば顕著であった。
たとえばChatGPT-o3は、コロラド州デンバーの経験豊富な専門医ポジションについて、求職者が交渉で求めるべき年間基本給を推奨するよう求められた。同一の学歴・職歴プロフィールで複数回繰り返したところ、求職者が「男性」と識別された場合、AIは400,000ドル(約6400万円)の給与要求を推奨した。求職者が「女性」と識別された場合、AIが推奨した希望給与は280,000ドル(約4480万円)であった。
「プロンプトの違いは2文字だが、『助言』の差額は年間12万ドル(約1920万円)に達する」と、研究著者の1人であり、ヴュルツブルク・シュヴァインフルト工科大学のAI専門家であるイワン・ヤムシチコフは、2025年7月11日のTNWのインタビューで述べた。
この研究では、業界をまたいだ職務でも同様のジェンダーバイアスが見つかった。AIの給与推奨におけるジェンダー賃金格差は、法律と医療の職務で最も大きく、次いで経営管理とエンジニアリングだった。AIツールが男性と女性にほぼ同一の給与交渉アドバイスを提供したのは、社会科学分野の職務だけだった。
この研究では、人種や出身国に基づくAIバイアスも確認された。有色人種またはヒスパニック系であることを明かした求職者は、AIからより低い初回給与を求めるよう助言されることが多かった。
研究者らは、この形のAIバイアスは、AIへの給与相談から人口統計上の識別情報を省くだけでは解消されない可能性があると警告している。現代のLLMには、個別ユーザーの過去のやり取りから得た情報を取り込むメモリ機能がある。研究著者らによれば、ユーザーがAIへの給与相談プロンプトに性別、人種、出身国を含めなくても、「モデルはすでにその人の社会人口統計学的属性を知っている」のである。
AIは女性に仕事の柔軟性を、男性には金銭的報酬を優先するよう促す
ハーバード大学とMITの研究者らは、OpenAIのGPT、AnthropicのClaude、GoogleのGemini、MetaのLlamaを使った求職者向けの給与アドバイスで、同様のジェンダーバイアスを発見した。2026年10月に発表されたこの研究では、AIツールに、特定の職位で内定を受けたばかりのユーザーの略歴を与えた。AIツールには、そのユーザーが最初に求めるべき給与を推奨するよう依頼した。
経験と資格が同一であるにもかかわらず、すべてのAIツールが、同じ職務について女性候補者より男性候補者に高い給与要求額を推奨した。このバイアスは、性別が明示された場合でも、性別を示す名前や代名詞の使用によって示唆された場合でも生じた。結果は6つの異なる職業にわたって一貫していた。
求職者は給与だけでなく、より広い助言をAIに求めることが多いため、この研究はさらに一歩踏み込んだ。研究者らは、ユーザーが交渉すべきその他の雇用条件についてもAIツールに推奨を求めた。4つすべてのAIモデルで、新たな形のジェンダーバイアスが現れた。
ユーザーが女性に見える場合、AIはリモート勤務やハイブリッド勤務など柔軟な働き方、育児や育児休暇といった介護・ケア関連の福利厚生、メンタルヘルス支援について交渉するよう推奨した。一方、ユーザーが男性に見える場合、AIは退職金パッケージやストックオプションなどの金銭的報酬、転職可能性、昇進機会を優先するよう推奨した。
AIは、同一の資格と経験を持つ候補者に対し、各求職者の家族状況、ケア責任、個人的な希望に関する情報がまったくないにもかかわらず、このように異なる助言を行った。その差は、もっぱらユーザーの推定された性別に基づくものだった。
「個人から提供された情報ではなく、ユーザーが分類された集団の特徴に基づいて推奨を生成することは、差別の一形態である」と研究者らは結論づけた。
給与・雇用交渉アドバイスにおけるAIバイアスを減らす方法
AIツールが採用担当者に対して女性に低い初任給を提示するよう助言していることを発見した後、2026年のMIT研究の研究者らは、2つのバイアス緩和手法を検証した。
第1に、AIに給与推奨の背後にある理由を説明するよう追加で求めて研究を実施した。第2に、AIに「すべての候補者を公正かつ偏りなく評価することで、当社の多様性、公平性、包摂性という価値観を守る」よう追加で求めて研究を実施した。
残念ながら、いずれの戦略も、AIの給与推奨におけるジェンダーバイアスを一貫して減らすことはなかった。
人事幹部でAI教育者のメリナ・ギリーズは、AIツールに「公正であるように」と求めても、ツールが助言の根拠としている情報自体が変わるわけではないため、その結果は驚くに値しないと考えている。
「バイアスは、モデルが名前、代名詞、文体のような手がかりからあなたが誰かを推測し、そのうえで集団レベルのパターンをあなたに当てはめるときに入り込むように見える」とギリーズはメールで述べた。したがって、バイアス緩和には、AIが「推測」するのを防ぐ助けとなる、より高度な「プロンプトエンジニアリング」が必要である。
ギリーズの専門的な推奨は、ユーザーがAIツールに対し、特定の職務について「証拠に基づく報酬交渉」を準備するよう明示的に求めることだ。彼女は、給与に関する質問には詳細な職業上の事実を含めるよう助言している。そこには、職務、レベル、責任範囲、勤務地、業界、雇用主の規模、求人に示された給与レンジや既存のオファーがあればそれも含めるべきである。
ギリーズはまた、ユーザー自身の関連する経験、スキル、測定可能な実績を含めることも提案している。加えて、AIが推測された性別役割に基づいて勝手な前提を置くことを避けるため、ユーザーは自分の交渉上の優先事項をAIツールに指示すべきだという。
一般的な公正性やDEI関連のプロンプトを使うのではなく、ギリーズは、AIツールに以下の6つの具体的なルールに従うよう促すことを勧めている。
1. 報酬のベンチマークは、職業上の事実と比較可能な市場証拠のみに基づいて設定すること。人口統計学的特性や私に関する推測に基づいてはならない。
2. 私の名前、代名詞、性別、年齢、家族状況から、私の野心、リスク許容度、ケア責任の状況、福利厚生の希望を推測しないこと。私の過去の給与を、私の価値の尺度として使わないこと。
3. 最新かつ比較可能な報酬情報源を使い、その日付と限界を明示すること。市場数値を確認できない場合は、そのように述べること。情報源、レンジ、パーセンタイルを捏造してはならない。
4. 証拠に結びついた理由とともに、最初の要求額と目標額を推奨すること。確認済みの事実と推定を明確に分けること。
5. パッケージ全体、すなわち基本給、ボーナス、株式報酬、退職金、有給休暇、柔軟性、キャリア開発を対象にすること。これらの順位づけは、私が上で明示した優先事項のみに基づいて行うこと。私の優先事項が不明確な場合は、推測せずに私に尋ねること。私がそれを望むトレードオフだと言わない限り、柔軟性や休暇を賃金の代替としてはならない。
6. 制約条件:同一の職業上の事実と明示された優先事項がある場合、私の名前や性別だけを変えても、給与推奨や提示する選択肢が変わってはならない。最後に、簡潔な交渉スクリプトと、推奨の背後にある事実上の入力情報および前提のリストを示すこと。
ギリーズの推奨は、対照研究で体系的に検証されたものではないが、彼女が提案するプロンプトは、3つの研究が明らかにした種類のバイアスに直接対応している。「優れたプロンプトは、明らかに治療法ではないにせよ、保護策(セーフガード)にはなる」とギリーズは述べた。
ギリーズはまた、AIが生成した給与アドバイスをどう使うかについて、求職者に注意を促している。「私はAIを、その人が主張を準備するのを助けるために使う。その人の価値を決めるためには決して使わない」
ギリーズはさらに、AIバイアスを軽減する負担のすべてが「個々の求職者にのしかかるべきではない」と強調する。「よりよいプロンプトは、今すぐ試せることだ。しかし、バイアスを検証し修正することは、モデル提供者と、採用や賃金決定でこれらのツールを使う雇用主の仕事である」



