AIが設定する労働者の賃金は公正か
Adrienne Bresnahan/Getty Images
サマリー：生成AIが労働市場の価格決定に影響を及ぼす中、大規模言語モデル（LLM）による賃金提案の公平性が問われている。筆者による主要LLMを用いた大規模実験の結果、AIは人間に比べて賃金の提示額を高めに設定する傾向があり、ジェンダーバイアスは見られないものの、居住地や年齢による著しい格差が生じることが判明した。本稿では、プロンプト設計によるバイアス是正の可能性と限界、そして雇用者やプラットフォームが取るべき対策について詳述する。

LMMによる賃金設定の公正性に関する実験

　生成AIの仕事は、メールの下書きから労働市場の形成へと進化しつつある。ファイバー、フリーランサー・ドットコム、アップワークなどのクラウドソーシング・プラットフォームでは、何百万人ものフリーランサーが時給ベースで仕事を求めて競い合っている。そして、AIが価格設定の提案にますます影響を与えるようになる中で、ビジネスリーダーは重大な疑問に直面している。大規模言語モデル（LLM）による価格設定は、はたして公正なのか。それとも、長年、人間の労働市場を蝕んできたバイアスや不公平を引き継いでいるのか。

　筆者らが最近の研究で行った大規模実験では、フリーランサー6万人のプロフィールを、広く利用されている8種類のLLMに提供し、それぞれに時給を推奨させた。次に、プロンプトのアプローチの違いが潜在的バイアスに与える影響を検証するために、ジェンダー、居住地、年齢などのスキル以外の属性を考慮に入れる、または無視するようにLLMに指示した。すべてのバリエーションを合わせると、APIクエリを通じてAIは約400万件の賃金を提案した。

研究の概要

対象範囲

 　筆者らは、大手マーケットプレイスのプロフィール6万件を使用した。これらは、6つの領域にまたがっている。すなわち、経理および簿記、フルスタック開発、全般的なバーチャルアシスタント業務、データ分析、グラフィックデザイン、ソーシャルメディアマーケティングといった領域である。各プロフィールには、対象サービス、スキル、経験、居住地が記載されている。

モデル

　8種類のLLM（GPT-4.0、GPT-4.0ミニ、ジェミニ1.5フラッシュ、ジェミニ2.5フラッシュ、クロード3.7ソネット、GPT-5ミニ、ディープシーク-R1、ラマ3.1 405B）にプロンプトを与えた。ベースラインのプロンプトでは、プロフィールの内容に基づいて時給（米ドル）を推奨するよう求めた。

設計

　比較対照のため、スキル以外の属性（ジェンダー、地理的条件、年齢）が一つだけ異なり、それ以外はすべて同一という複製を作成した。次に、異なるパターンのプロンプトを用意した。LLMに対し、a）その属性を考慮に入れるよう求める、b）その属性を無視するよう求める、c）あるスタンスを強く明示的に取らせる、という3種である。

実験結果

AIは価格を押し上げる

　全般的に、AIはフリーランサーの価格を、人間よりも高く設定した。人間が設定した時給は平均23.60ドルだったが、AIが推奨する時給はそれに比べてはるかに高く、LLMによって違いはあるものの30ドルから46ドル近くの額を示した。

　この価格上昇は戦略的にはパラドックスになる。一見、賃金上昇はフリーランサーにとってメリットがあるように思えるが、それが必ずしもよりよい結果につながるとは限らない。クライアントが時給の高さに二の足を踏めば、労働者の就業機会が減るかもしれない。雇用者にとっては、AIベースの賃金ツールを導入すると、期せずして、雇用コストが跳ね上がる、または市場予測がゆがめられる可能性がある。

ジェンダーバイアスの問題はなかった

　筆者らの主な疑問の一つは、AIが女性の労働者を男性よりも低く評価するかどうかだった。意外なことに、答えはノーだった。それどころか、何万回ものテストの結果、ジェンダーに基づく顕著な賃金格差は確認されなかった。ジェンダーを考慮するという明示的なプロンプトをLLMに与えても、やはりジェンダーによる賃金格差は認められなかった。強いバイアスのかかった指示を与えた場合のみ、ジェンダーに基づく格差が表れたが、その後、男性よりも高い賃金を女性に与えることで、必要以上に埋め合わせをする傾向があった。

　これは数少ない明るい面だ。少なくともジェンダーの点では、すでに現行のLLMはジェンダーに基づく差別を回避するようにチューニングされているのかもしれない。

地理的要因は、やはり大きな格差を引き起こす

　だが居住地となると、話は変わる。まったく同じプロフィール2件のうち、一方の居住地は米国、もう一方はフィリピンだとしよう。米国のフリーランサーの場合、AIが推奨する平均時給は71ドルだった。フィリピン拠点のフリーランサーはどうかというと、たったの33ドルだった。50％以上低いのである。

　さらに衝撃的なことに、そのフィリピンのフリーランサーの居住地を「米国」に変えると、推奨時給は2倍以上になった。このパターンは複数の国で繰り返された。富裕地域の労働者のAI推奨賃金は、低所得地域の同じ資質の労働者よりも一貫して高かった。

　興味深いことに、プロンプトに戦略的に介入すると、この結果を変えることができた。地理的要因を考慮に入れないように、LLMに明示的に指示すると、この格差は大幅に縮小した。一部のケースでは、米国拠点のフリーランサーとフィリピン拠点のフリーランサーの賃金格差は半分以上縮小した。

年齢バイアスは年長の労働者に有利に働く

　年齢もバイアスを生む要因であることが明らかになった。60歳のフリーランサーの時給は22歳のフリーランサーの時給よりもおよそ46％高く、同じプロフィールの37歳よりも8.1％高かった。そして地理的要因とは異なり、プロンプトの介入による効果はほとんどなかった。「年齢を無視してください」とLLMに命令しても、ほとんど格差は縮まらなかった。

　これは、年齢関連の想定がトレーニングデータに深く埋め込まれており、プロンプトの設計だけでは除去するのが難しいことを示唆している。

プロンプトができること、できないこと

　LLMへの指示をさまざまな形で試すことによって、非常に希望の持てる知見の一つが得られた。居住地を無視するように命令すると、格差は著しく縮小し、一部のケースでは、米国とフィリピンの間にある100％を超える賃金格差がわずか25％にまで縮小した。

　だが年齢となると、プロンプトでどれほど強調しても結果は変わらないように見えた。これはリーダーにとって極めて重要な点である。プロンプトはAIの挙動に影響を与えることができるが、それには限界があり、状況によっては効かないこともある。緩和しやすいバイアスもあれば、そうでないものもある。雇用者やプラットフォームにとって、プロンプトの設計はただの技術的な作業ではない。不平等を強化することも低減することもできるガバナンスの手段なのだ。

フリーランサー以外の場合

　フォローアップ研究では、このパターンがフリーランスの時給だけでなく、フルタイム職の年俸にも当てはまるかどうかを探求した。その結果、ジェンダーと地理的要因については、ほぼ同じ傾向であることがわかった。ジェンダーによる体系的なバイアスはなかった一方で、居住地による格差はやはり存在した。

　ところが年齢となると、パターンは反転した。フリーランサーでは、60歳の人のほうが30代後半や20代前半の人よりも時給が高く設定されていたが、興味深いことに、フルタイム労働者となると、LLMは30代後半の人を他の2つの年齢グループよりも厚遇した。

　なぜだろうか。一つには、AIは雇用関係（フリーランスかフルタイムか）によって賃金の扱いを変えていると説明できる。フリーランサーでは、給料は長期的関係への投資ではなく、一回限りの費用と見なされるため、経験豊富な人のほうが特別な価値を認められることがある。フルタイム従業員の場合、賃金は投資に似ている。ミドルエイジの労働者（37歳の労働者）は経験と長い在職期間の両方を見込めるので、雇用者にとってより魅力的に映る。

　この微妙な区別は、LLMが年齢と仕事の経験を切り分けられることを明確に示している。そして、LLMが単に人間のヒューリスティックス（経験則）を真似ているだけでなく、コンテクストに依存した推論を実行でき、その仕組みは綿密に精査する必要があることの表れでもある。

フリーランサー、雇用者、プラットフォームにとっては何を意味するか

　フリーランサーは、AIが推奨価格を押し上げる可能性があることを知っておくべきだ。それは有利な交渉材料にもなるが、クライアントの手の届かない価格設定になるリスクもある。グローバル市場では、先進国以外の地域の人は居住地データをどの程度開示するかを慎重に考えたほうがよいだろう。

　雇用者は、AIによる賃金の推奨を絶対的なものとして捉えず、助言として見るべきだ。そうでなければ、構造的に、一部の労働者に過分な賃金を払い、一部の労働者をスキル以外の属性に基づいて過小評価するリスクがある。

　価格設定エンジンにAIを組み込んでいるプラットフォームは、設計について厳しい選択を迫られている。AI推奨の時給が差別的に見える場合、プロンプトの監査、透明性の確保、そしておそらくは労働者の不服申し立て手続きなど、ガバナンスの仕組みが必要になるだろう。

　政策立案者は、次のことに留意すべきである。LLMによる価格設定は中立的なものではない。地理的要因や年齢に基づく格差が存在するため、規制当局は注意を払う必要があることを示唆している。プロンプトの開示義務、保護される属性の明確化、労働者に対する透明性確保などはすべて検討課題となるだろう。

＊　＊　＊

　生成AIはもはやテキストを自動生成するだけのツールではない。賃金、生計、そして機会へのアクセスにまで影響を与えている。もし放置すれば、こうしたシステムは世界の不平等を強化し、拡大するおそれさえある。この状況で、重要なポイントはいたってシンプルだが、緊急性は高い。AIによる賃金設定は公正性を高める可能性があるが、そのためにはAIを適切に設計・管理する必要があるということだ。


"What Happens When AI Sets Wages," HBR.org, October 01, 2025.