Bias v náborových procesech: Srovnání lidského úsudku a umělé inteligence

Abstract

This thesis addresses the issue of bias in recruitment processes, in the context of the increasing use of artificial intelligence (AI) and large language models (LLM). The aim of our pilot research was to test whether differences in the perceived suitability of fictitious job candidates in the Czech environment occur depending on gender, ethnicity, attractiveness and age, and between human and algorithmic assessments. The empirical part is based on an audit experimental method and compares the scores assigned by human raters and several AI models. Although the hypotheses were not statistically confirmed, moderate to strong effect sizes were observed, suggesting the practical relevance of the differences. The results show that most AI tools tended to rate candidates more favorably than humans, and that there were differences between AI systems as well. In contrast, the bias rate was low in the sample of human raters, which may be related to the specifics of the sample. The study offers a methodological framework for future research on bias in the Czech context and highlights the importance of ethical and responsible implementation of AI in recruitment. Key words: bias in recruitment, artificial intelligence, algorithmic decision making

Tato diplomová práce se zabývá problematikou biasu v náborových procesech, a to v kontextu rostoucího využívání umělé inteligence (AI) a velkých jazykových modelů (LLM). Cílem našeho pilotního výzkumu bylo ověřit, zda se v českém prostředí vyskytují rozdíly ve vnímání vhodnosti fiktivních kandidátů na pracovní pozici v závislosti na genderu, etnicitě, atraktivitě a věku mezi lidským a algoritmickým hodnocením. Empirická část vychází z auditní experimentální metody a srovnává skóre přidělená lidskými hodnotiteli a několika AI modely. Přestože hypotézy nebyly statisticky potvrzeny, byly zaznamenány střední až silné velikosti efektů, které naznačují praktickou relevanci rozdílů. Výsledky ukazují, že většina AI nástrojů měla tendenci hodnotit kandidáty příznivěji než lidé a že se objevovaly rozdíly i mezi jednotlivými AI systémy. Naopak ve vzorku lidských hodnotitelů byla míra biasu nízká, což může souviset se specifiky výběrového souboru. Studie nabízí metodologický rámec pro budoucí výzkum biasů v českém kontextu a poukazuje na důležitost etické a zodpovědné implementace AI v náboru pracovních sil. Klíčová slova: bias v náboru, umělá inteligence, algoritmické rozhodování