Un estudio de Princeton y Chicago revela que los modelos de lenguaje pueden desarrollar sesgos por experiencia, superando a los humanos en la segregación de candidatos. En un juego de contratación simulado, las IA como ChatGPT, Claude y Gemini clasificaron a grupos étnicos ficticios en diferentes empleos basándose en observaciones tempranas, sin que existiera diferencia real en su rendimiento.
Los modelos con mayor capacidad de razonamiento, como o3 de OpenAI, mostraron los sesgos más fuertes, puntuando un 1,83 en la escala de segregación frente al 0,84 de los humanos. La tendencia a generalizar a partir de datos limitados, útil para resolver problemas lógicos, se vuelve perjudicial en contextos sociales.
Los investigadores hallaron que ofrecer un bonus por contratación diversa redujo los sesgos, mientras que añadir información personal relevante sobre los candidatos también mejoró la equidad. El estudio advierte que, a medida que la IA se usa para seleccionar personal, podría generar prejuicios novedosos que nadie le enseñó, un desafío crítico para la industria.
