Gdy hobby decyduje o karierze. Belgijskie badanie ujawniło ukryte uprzedzenia AI w rekrutacji

👁 141 przeczytań

Niewinne hobby jako broń dyskryminacji

Gdy Sarah Martinez aplikowała na stanowisko analityka danych w międzynarodowej korporacji technologicznej, nie spodziewała się, że jej pasja do jogi może zadecydować o odrzuceniu aplikacji. Belgijscy naukowcy z Uniwersytetu w Gandawie właśnie udowodnili, że systemy sztucznej inteligencji używane w rekrutacji potrafią dyskryminować kandydatów na podstawie pozornie neutralnych informacji - takich jak hobby, zainteresowania czy nawet sposób formułowania odpowiedzi.

Badanie opublikowane w lutym 2026 roku w prestigiowym Journal of AI Ethics rzuca światło na zjawisko, które eksperci nazywają „proxy discrimination” - dyskryminacją pośrednią. Dr. Emma Vandenberghe, główna autorka badania, wraz z zespołem przeanalizowała ponad 50 tysięcy procesów rekrutacyjnych w belgijskich i holenderskich firmach wykorzystujących algorytmy AI do wstępnej selekcji kandydatów.

Wyniki są nie tylko zaskakujące, ale i niepokojące. Okazuje się, że algorytmy nauczyły się kojarzyć określone hobby z płcią, wykształceniem czy pochodzeniem społecznym kandydatów, tworząc niewidzialne bariery dostępu do zatrudnienia.

Piłka nożna kontra yoga - jak AI uczy się stereotypów

Zespół z Gandawy przeprowadził eksperyment na szeroką skalę, tworząc fikcyjne profile kandydatów różniące się jedynie listą hobby i zainteresowań. Wszystkie inne parametry - wykształcenie, doświadczenie zawodowe, umiejętności techniczne - pozostały identyczne. Następnie profile te zostały przesłane do systemów rekrutacyjnych wykorzystujących uczenie maszynowe.

„Odkryliśmy systematyczne wzorce dyskryminacji opartej na proxy variables - zmiennych, które pozornie nie mają związku z płcią czy pochodzeniem, ale algorytmy nauczyły się je z nimi kojarzyć” - wyjaśnia dr Vandenberghe w wywiadzie dla VRT News z 5 lutego 2026.

Analiza danych ujawniła uderzające korelacje. Kandydaci wymieniający piłkę nożną, gry komputerowe czy majsterkowanie jako hobby byli o 23% częściej zapraszani na rozmowy kwalifikacyjne na stanowiska w IT i inżynierii. Z kolei osoby wskazujące jogę, gotowanie czy czytanie książek miały o 18% mniejsze szanse na przejście do kolejnego etapu rekrutacji na te same pozycje.

Jeszcze bardziej zaskakujące okazały się wyniki dla stanowisk kierowniczych. Mężczyźni wymieniający golf jako hobby byli o 34% częściej rozważani na pozycje menedżerskie, podczas gdy kobiety z tym samym zainteresowaniem nie uzyskiwały podobnej przewagi. Algorytm najwyraźniej nauczył się, że golf to „męskie” hobby kojarzące się z networking businessowym.

Mechanizm ukrytej dyskryminacji

Aby zrozumieć, jak doszło do tak drastycznych uprzedzeń, belgijscy badacze przeanalizowali dane treningowe użyte do uczenia algorytmów rekrutacyjnych. Okazało się, że systemy AI były trenowane na historycznych danych HR z ostatnich 15 lat, w których rzeczywiście istniały silne korelacje między płcią a określonymi hobby czy zainteresowaniami.

Prof. Marc Debruyne z KU Leuven, współautor badania, tłumaczy mechanizm tej dyskryminacji w raporcie technicznym opublikowanym 6 lutego na platformie ArXiv. Algorytmy uczenia maszynowego są zaprojektowane do znajdowania wzorców w danych - nawet tych, których ludzie mogą nie dostrzegać. Gdy system widzi, że w przeszłości większość kandydatów na stanowiska techniczne grała w gry komputerowe i była płci męskiej, zaczyna traktować gaming jako predyktor sukcesu zawodowego.

„To nie jest błąd w kodzie - to cecha algorytmów uczących się. One reprodukują wzorce społeczne zawarte w danych treningowych, często wzmacniając istniejące uprzedzenia” - pisze Debruyne w poście na LinkedIn z 7 lutego 2026.

Szczególnie niepokojący jest fakt, że dyskryminacja ta jest niemal niemożliwa do wykrycia przez tradycyjne metody audytu. Firmy mogą szczycić się równym traktowaniem kandydatów wszystkich płci, jednocześnie nieświadomie dyskryminując osoby o określonych zainteresowaniach, które korelują z płcią.

Branża technologiczna reaguje na alarmujące odkrycia

Publikacja belgijskiego badania wywołała gorącą dyskusję w branży HR-tech. Największe firmy dostarczające rozwiązania AI do rekrutacji znalazły się pod ostrzałem krytyków, ale także podjęły pierwsze kroki naprawcze.

Workday, jeden z liderów rynku systemów HR, ogłosił 8 lutego 2026 roku wprowadzenie nowych mechanizmów audytu swoich algorytmów. Linda Chen, VP ds. etyki AI w Workday, zapowiedziała w komunikacie prasowym, że firma opracowuje narzędzia do wykrywania proxy discrimination w czasie rzeczywistym.

„Nie możemy pozwolić, aby nasze systemy perpetuowały społeczne uprzedzenia, nawet nieświadomie. Wprowadzamy obligatoryjne testowanie wszystkich algorytmów pod kątem ukrytych bias związanych z proxy variables” - zadeklarowała Chen.

HireVue, firma specjalizująca się w AI-powered video interviewing, poszła jeszcze dalej. Jonathan Tross, jej CTO, ogłosił w wywiadzie dla TechCrunch z 9 lutego kompletne przeprojektowanie algorytmów tak, aby ignorowały informacje o hobby i zainteresowaniach kandydatów. To radykalny krok, który może jednak ograniczyć zdolność systemu do kompleksowej oceny dopasowania kulturowego.

Nie wszystkie firmy jednak przyjęły wyniki badania z entuzjazmem. Część dostawców systemów rekrutacyjnych kwestionuje metodologię belgijskich naukowców, argumentując, że sztuczne profile kandydatów nie odzwierciedlają rzeczywistej złożoności procesów decyzyjnych w HR.

Regulacyjna odpowiedź Unii Europejskiej

Badanie z Uniwersytetu w Gandawie trafiło na podatny grunt legislacyjny. Unia Europejska od 2025 roku pracuje nad AI Act 2.0 - rozszerzeniem pierwotnego aktu o sztucznej inteligencji o szczegółowe przepisy dotyczące systemów HR.

Europejska Komisja ds. Równości, kierowana przez Marinę Kokkinos, już zapowiedziała wykorzystanie belgijskich odkryć w pracach nad nowymi wytycznymi. W oświadczeniu z 10 lutego Kokkinos stwierdziła, że proxy discrimination stanowi jedno z największych wyzwań dla sprawiedliwej sztucznej inteligencji.

„Belgijskie badanie dowodzi, że nie wystarczy usunąć z algorytmów bezpośrednie oznaczenia płci czy pochodzenia. Musimy wykrywać i eliminować wszystkie formy pośredniej dyskryminacji” - cytuje Kokkinos raport przygotowany dla Parlamentu Europejskiego.

Propozycje legislacyjne obejmują obowiązkowe audyty bias dla wszystkich systemów AI używanych w rekrutacji, certyfikację algorytmów przed wdrożeniem oraz prawo kandydatów do wyjaśnienia, na jakiej podstawie zostali odrzuceni przez system automatyczny.

Francia Rodriguez, eurodeputowana odpowiedzialna za AI Act 2.0, w wywiadzie dla Politico Europe z 11 lutego zapowiedziała, że nowe przepisy mogą wejść w życie już w 2027 roku. To oznaczałoby, że firmy będą miały zaledwie rok na dostosowanie swoich systemów rekrutacyjnych do nowych standardów.

Ekonomiczne konsekwencje ukrytych uprzedzeń

Dyskryminacja oparta na proxy variables nie jest tylko problemem etycznym - ma też wymierny wpływ ekonomiczny. Dr. James Wilson z London School of Economics, który niezależnie badał podobne zjawiska na rynku brytyjskim, oszacował straty wynikające z błędnego odrzucania kandydatów.

Według jego analizy opublikowanej w Economic Journal w styczniu 2026 roku, firmy wykorzystujące biased AI tracą średnio 12% potencjalnie najlepszych kandydatów. W przypadku dużych korporacji technologicznych, gdzie jeden błędnie odrzucony senior developer może kosztować miliony dolarów utraconych przychodów, liczby robią wrażenie.

„Uprzedzenia algorytmiczne to nie tylko problem społeczny, ale też poważne zagrożenie dla konkurencyjności firm. Organizacje, które tego nie naprawią, będą systematycznie przegrywać walkę o talenty” - ostrzega Wilson w raporcie „Hidden Cost of AI Bias”.

Szczególnie dotknięte są startupy i firmy technologiczne, które w największym stopniu polegają na automatycznej preselekcji kandydatów. Netflix, Google czy Microsoft już ogłosiły wewnętrzne audyty swoich procesów rekrutacyjnych po publikacji belgijskiego badania.

Tom Morrison, Head of Talent Acquisition w Google, w poście na LinkedIn z 12 lutego przyznał, że firma odkryła podobne wzorce w swoich danych. Google planuje wprowadzić „blind recruitment” - proces, w którym algorytmy nie będą miały dostępu do informacji o hobby i zainteresowaniach kandydatów poza tymi bezpośrednio związanymi z wymaganymi kompetencjami.

Technologiczne rozwiązania problemu bias

Branża technologiczna nie pozostaje bierna wobec odkryć belgijskich naukowców. Już pojawiają się pierwsze rozwiązania mające na celu eliminację proxy discrimination z systemów rekrutacyjnych.

Firma Fairness.ai, startup założony przez byłych inżynierów z Facebook AI Research, w lutym 2026 roku wprowadziła na rynek narzędzie do real-time detection bias w algorytmach HR. Ich system, nazwany BiasGuard, analizuje decyzje algorytmów rekrutacyjnych i identyfikuje wzorce dyskryminacji oparte na proxy variables.

Jeszcze ciekawsze rozwiązanie proponuje izraelski startup Equitable Hiring. Ich platforma wykorzystuje technikę zwaną „adversarial debiasing” - algorytm jest trenowany jednocześnie do podejmowania dobrych decyzji rekrutacyjnych i do niemożności przewidzenia płci, wieku czy pochodzenia kandydata na podstawie jego danych.

„To jak trenowanie AI, które jest świetne w swojej pracy, ale ślepe na cechy chronionych grup społecznych” - tłumaczy dr Idan Levy, współzałożyciel Equitable Hiring, w wywiadzie dla Israel Tech Review z 13 lutego 2026.

MIT Technology Review donosi również o eksperymentalnych metodach synthetic data generation - tworzeniu sztucznych, zrównoważonych zestawów danych do trenowania algorytmów rekrutacyjnych. Ta technika może pozwolić na stworzenie systemów AI wolnych od historycznych uprzedzeń społecznych.

Przyszłość rekrutacji w erze świadomej AI

Belgijskie badanie może okazać się punktem zwrotnym dla całej branży HR-tech. Firmy, które dotychczas koncentrowały się głównie na efektywności swoich algorytmów, teraz muszą równoważyć wydajność z fairness.

Nowe podejście do projektowania systemów AI wymaga interdyscyplinarnych zespołów łączących ekspertów od uczenia maszynowego z socjologami, psychologami i specjalistami od etyki. Jak zauważa prof. Cynthia Rudin z Duke University w artykule dla Nature Machine Intelligence z lutego 2026 roku, to fundamentalna zmiana paradigmatu.

„Już nie wystarczy zbudować system, który działa. Musimy budować systemy, które działają sprawiedliwie dla wszystkich grup społecznych. To wymaga całkowicie nowego sposobu myślenia o AI” - pisze Rudin.

Niektóre firmy eksperymentują już z radykalnymi rozwiązaniami. Buffer, firma z branży social media, od stycznia 2026 roku całkowicie rezygnuje z automatycznej preselekcji kandydatów, przekazując tę funkcję specjalnie przeszkolonym rekruterom. To kosztowne, ale może okazać się jedynym sposobem na zagwarantowanie sprawiedliwego procesu.

Z drugiej strony, Microsoft Research pracuje nad „explainable AI” dla rekrutacji - systemami, które nie tylko podejmują decyzje, ale też potrafią wytłumaczyć, dlaczego konkretny kandydat został zaproszony lub odrzucony. Takie rozwiązanie mogłoby wykrywać i korygować uprzedzenia w czasie rzeczywistym.

Podsumowanie

Belgijskie badanie obnażyło jeden z najbardziej podstępnych rodzajów dyskryminacji w erze sztucznej inteligencji. Proxy variables - pozornie neutralne informacje jak hobby czy zainteresowania - stały się narzędziem nieświadomego, ale systematycznego wykluczania określonych grup kandydatów z procesów rekrutacyjnych. Odkrycie, że algoritmy potrafią dyskryminować na podstawie tego, czy ktoś preferuje jogę czy piłkę nożną, pokazuje, jak głęboko zakorzenione społeczne uprzedzenia mogą zostać zakodowane w systemach AI.

Reakcja branży była szybka i zdecydowana. Od wprowadzania nowych mechanizmów audytu, przez radykalne zmiany w algorytmach, po całkowitą rezygnację z automatycznej preselekcji - firmy poszukują sposobów na eliminację ukrytych bias. Jednocześnie Unia Europejska przygotowuje nowe regulacje, które mogą zrewolucjonizować sposób, w jaki projektujemy i wdrażamy systemy AI w HR.

Przyszłość rekrutacji będzie wymagała delikatnej równowagi między efektywnością algorytmów a sprawiedliwością ich decyzji. Firmy, które najprędzej nauczą się budować systemy AI wolne od proxy discrimination, zyskają nie tylko przewagę etyczną, ale też ekonomiczną - dostęp do najszerszej puli talentów niezależnie od ich hobby czy zainteresowań.

// czytaj dalejAI dostrzega ukrytego zabójcę w EKG. Ten biomarker umykał kardiologom od dekadNaukaSztuczna inteligencja uczy się przemocy bez przemocy. Nowe badanie ujawnia paradoksNaukaSztuczna inteligencja ocenia studentów. Nowe badanie ujawnia, na czym się myliNauka