MIT、採用AI単一化の探索不足を分析

マサチューセッツ工科大学（MIT）は2026年9月29日、企業が同じAIを採用選考に使う「アルゴリズム単一化」の影響を、数理モデルとシミュレーションで検証した研究を公表しました。単一化は情報の反響室を生み、有望な候補者の探索を妨げる一方、複数モデルを束ねるアンサンブルなら弱点を補い、各社が異なるモデルを使う場合と同等以上になり得るとしています。

従来の代表的な懸念は、一社のAIに落とされた候補者が、同じAIを使う他社でも一律に排除されることでした。しかし研究チームのモデルでは、企業が同じアルゴリズムを使っても採用総数は変わらず、各社が同じ候補者を奪い合うため、候補者の交渉力や賃金が上がる場合もあると示しました。

ただし、単一化の核心的な弱点は探索の減少です。似た特徴や経歴の候補者ばかりが選ばれ、より優れた人材を発見しにくくなる可能性があり、この問題は科学・芸術・文章作成などでも重要になり得ます。

影響は運用条件でも変わります。履歴書を修正して再提出できれば本人の主体性を奪うとの批判は弱まり、プラットフォームに無作為性を組み込めば探索を増やせる可能性があります。また、単一モデルの精度が各社の個別モデルより高ければ、単一化の方が良い結果を出す場合もあります。

改善策として研究チームは、複数企業の選考モデルが付ける評価の平均を使うアンサンブルを検討しました。採用状況を変えたシミュレーションでは、複数のモデルを別々に使う方式を上回る場合もありましたが、実務で実現できるかは未検証です。研究チームは、単一化の是非を抽象論で決めず、用途、精度、再応募の仕組み、探索余地を文脈ごとに実証する必要があるとしています。