＜学会発表＞ AIES 2026で採用領域におけるAIと求人票表現に関する研究成果を発表しました
2026.11.06
私たちは、ユーザーの皆さまに安心してサービスを使っていただくために、「パーソナルデータ指針」や「リクルートAI活用指針」に基づき、ガバナンスの強化に取り組んでいます。
このたび、その取り組みの一環として、弊社社員 北原 康佑（株式会社リクルート データ&AIガバナンス室 レスポンシブルAIグループ）が筆頭著者として執筆し、同グループマネジャーの山口 伸弘が共著者として参画した論文「Linguistic Triggers of Gender and Racial Bias in Open-Weight LLMs Applied to Recruitment」が、AAAI/ACM Conference on AI, Ethics, and Society 2026（AIES 2026）に採択され、2026年10月12日から14日にかけてスウェーデン・マルメで開催された同カンファレンスにおいて研究成果を発表しました。
今後も、テクノロジー活用の推進に貢献できるよう、こうした機会を通じて、個人情報保護やプライバシー・AIガバナンスに関する実務上の知見や学びを継続して発信してまいります。
●研究概要
本研究では、大規模言語モデル（LLM）を対象に、求人票に用いられる表現が、LLMによる仕事の推薦や応募意向の評価にどのような影響を与えるかを検証しました。6種類の公開型LLMに対し、候補者の能力等を同等にした上で、求人票の表現や候補者に関する性別・人種・民族の属性情報を変えた複数の条件を設定し、採用担当者の立場からの推薦と、求職者の立場からの応募意向の双方について模擬実験を行いました。
●主な研究結果
Agenticな表現（競争や主導性を強調する表現）を含む求人票では、女性候補者に対する推薦スコアが低くなる傾向が確認されました。一方、Communalな表現（協力や支援を重視する表現）では、その差が小さくなる傾向が見られました。
特定の企業文化への適合を強く求める表現を含む求人票では、一部の人種・民族グループの候補者に対する推薦スコアが低くなる傾向が確認されました。また、求職者の立場を模した評価でも、応募意向が低くなる傾向が見られました。
●研究から得られる示唆
本研究は、採用領域でAIを活用する際、モデルやアルゴリズムだけでなく、LLMに入力する求人票の表現や候補者に関する情報も含めて検証することの重要性を示し、求人票に含まれる表現の確認、属性のみを変えた条件間での出力比較、グループごとの結果の点検、入力・出力や修正履歴の記録、人による最終確認を組み合わせた事前検証の方法を提案しています。
●論文情報
論文名：Linguistic Triggers of Gender and Racial Bias in Open-Weight LLMs Applied to Recruitment
著者：北原 康佑（筆頭著者）、山口 伸弘
論文URL：https://ojs.aaai.org/index.php/AIES/article/view/43247
なお、本研究は基礎研究であり、リクルートのサービスデータや採用プロセスを対象に検証したものではなく、公開型LLMと実験用データを用いた基礎研究です。こうした研究を通じて得られた知見については、今後のAIガバナンスや事業検討の参考としながら、引き続き検証を進めてまいります。
活動レポート一覧はこちら