Jakarta – Riset terbaru mengungkapkan bahwa kecerdasan buatan berbasis Large Language Model (LLM) cenderung membentuk stereotip terhadap pelamar kerja lebih kuat dibandingkan manusia dalam simulasi rekrutmen.
Studi kolaborasi ilmuwan Princeton University dan University of Chicago ini menguji performa model AI populer, seperti ChatGPT, Claude, dan Gemini.
Dalam eksperimen tersebut, AI bertindak sebagai konsultan yang menyeleksi kandidat dari empat kelompok etnis fiktif untuk 20 posisi pekerjaan berbeda.
Walaupun seluruh kandidat memiliki peluang sukses yang setara, AI justru mulai membangun segregasi pekerjaan berdasarkan etnis setelah menerima umpan balik performa.
Sebagai contoh, kegagalan kandidat dari etnis tertentu pada posisi dokter memicu AI untuk menghindari kelompok tersebut dan mengalihkan mereka ke bidang pekerjaan lain.
Secara statistik, model AI mencatat skor segregasi 65 persen lebih tinggi dibandingkan manusia yang berada di angka 0,84.
Bahkan, model penalaran tingkat lanjut seperti OpenAI o3 mencapai skor 1,83, angka yang mendekati batas maksimal segregasi.
Penulis penelitian dari Princeton University, Ryan Liu, menyebutkan bahwa LLM cenderung berani melakukan generalisasi meski hanya berdasarkan data yang terbatas.
Menurut Liu, kecenderungan tersebut merupakan bagian dari upaya optimalisasi model AI dalam menuntaskan persoalan kompleks.
Temuan ini membuktikan bahwa model dengan kemampuan penalaran lebih tinggi justru menunjukkan bias yang lebih kuat.
Hasil riset ini menjadi catatan krusial bagi perusahaan yang mulai mengandalkan AI untuk menyaring kurikulum vitae maupun proses wawancara.
Peneliti menemukan bahwa instruksi eksplisit untuk bersikap adil tidak cukup efektif dalam mengubah hasil rekrutmen AI.
Namun, tingkat bias terbukti berkurang ketika model diberikan insentif tambahan untuk melakukan perekrutan yang lebih beragam.
Pemberian informasi relevan mengenai kandidat, seperti usia dan latar belakang pendidikan, juga membantu menekan segregasi berbasis etnis.
Para peneliti mengingatkan, meski eksperimen ini dilakukan dalam lingkungan simulasi, umpan balik kinerja di dunia nyata tetap berpotensi mendistorsi keputusan AI di masa depan.
