21 artykułów
Systemy AI w rekrutacji i ocenie kredytowej powtarzają i wzmacniają istniejące nierówności. Badania z 2025 roku pokazują, że algorytmy faworyzują określone grupy, mimo rzekomej obiektywności.
Modele językowe stosowane w selekcji CV wykazują systematyczne preferencje — wobec własnych generacji, wobec określonych grup etnicznych i płci. W 2026 federalny sąd w Kalifornii rozpatruje pierwszą zbiorową sprawę przeciwko systemowi rekrutacyjnemu opartemu na AI.
Algorytmy sztucznej inteligencji oceniają zdolność kredytową w sekundy. Szybko, tanio i bez emocji. Ale czy sprawiedliwie? Dane historyczne noszą ślady dyskryminacji — i AI się ich uczy.
Algorytmy AI nie są neutralne — często reprodukują lub wręcz potęgują dyskryminację. Instancje od kredytów po rekrutację ujawniają, jak systematyczne błędy AI uderzają w najsłabsze grupy.
Systemy AI uczą się na danych historycznych, które odzwierciedlają dawne uprzedzenia. Algorytmy nie tylko je reprodukują, ale mogą potęgować, blokując naprawę niesprawiedliwości.
Algorytmiczne decyzje o zatrudnieniu, kredycie i ubezpieczeniu zaczynają trafiać przed sądy. Jak prawo reaguje na dyskryminację ukrytą w danych.
Systemy rekrutacyjne oparte na AI obiecują obiektywność, a scalają historyczne uprzedzenia. Setki badań z lat 2025–2026 pokazują, gdzie i jak algorytmy dyskryminują kandydatów.
Nowe badanie UW pokazuje, że ludzie kopiują uprzedzenia algorytmów w rekrutacji — gdy algorytmy dyskrymują, ludzie to odtwarzają w swoich decyzjach, utrwalając nierówności w procesie rekrutacji.
Systemy AI stosowane w rekrutacji często powielają historyczne uprzedzenia rasowe i płciowe. Przegląd mechanizmów, przypadków prawnych i zaleceń.
Według ACLU co najmniej czternaście osób zostało niesłusznie aresztowanych w USA po błędnym dopasowaniu przez algorytm rozpoznawania twarzy. W większości przypadków ofiarami są osoby czarnoskóre. Mechanizm jest powtarzalny: brak weryfikacji, brak szkolenia, brak odpowiedzialności.
Maszynowe tłumaczenia AI powielają dominację języków wielkich i pomijają niuanse kulturowe mniejszości. W rezultacie, świat widziany przez AI staje się bardziej monocentryczny.
Narzędzia screeningu CV uczą się z historycznych decyzji i reprodukują ukryte wzorce. Badania Stanford i VoxDev z 2025 pokazują systematyczne faworyzowanie i odrzucanie grup chronionych. Regulacje w Kaliforniach, Nowym Jorku i Kolorado wchodzą w życie między 2025 a 2026.
Badania nad transkrypcją mowy pokazują, że systemy częściej błądzą przy niektórych akcentach i dialektach. Konsekwencje sięgają sądów, lekarzy i pracy.
Ponad 60 proc. organizacji wdrażających AI w rekrutacji, kredytowaniu i ochronie zdrowia nigdy nie przeprowadziło formalnego audytu algorytmicznego. W międzyczasie incydenty dyskryminacji wzrosły o 45 proc. między 2023 a 2025 rokiem.
W marcu 2026 roku w USA udokumentowano co najmniej 9 przypadków niesłusznych aresztowań opartych na rozpoznawaniu twarzy. Większość dotyczy osób czarnoskórych. Algorytmy FRT mają wyższy wskaźnik fałszywych dopasowań w społecznościach nie-białych, a regulatorzy zaczynają ograniczać ich użycie.
Badacze ze Stanforda przeanalizowali 4 miliony podanych o pracę ocenianych przez jedno narzędzie AI. Wynik: system zawyżał ryzyko dyskryminacji rasowej, a monokultura algorytmiczna sprawia, że odrzucenie w jednej firmie powiela się we wszystkich kolejnych.
Popularny algorytm przydzielający opiekę używał kosztów leczenia jako miary potrzeb — i systematycznie pomijał czarnych pacjentów. Analiza słynnego badania.
Symulacja Brookings na trzech LLM i dziewięciu zawodach pokazała, że algorytmy screeningu CV faworyzowały kandydatów z męskimi imionami ponad pięciokrotnie częściej niż z kobiecymi. Bias rasowy był jeszcze bardziej wyraźny, szczególnie dla czarnoskórych mężczyzn.
Raport Stanford AI Index 2025 odnotował wzrost incydentów związanych z AI o 56,4 procent w ciągu jednego roku. Systemy nadzoru oparte na sztucznej inteligencji wprowadzają dyskryminację strukturalną: błędna identyfikacja twarzy, przewidywania algorytmiczne w policji i brak przejrzystości w decyzjach zautomatyzowanych.
Algorytmy AI wyceniają składki zdrowotne i na życie w sekundy. Ale codziennie podejmują decyzje ukryte z cyfrowym redliningiem — odmawiając wypłat starszym czarnym właścicielom domów w Alabamie, podnosząc składki o 30% w dzielnicach mniejszości i analizując, ile telewizji oglądasz, by oszacować koszty twojego leczenia.
Sztuczna inteligencja nie jest neutralna. Błędy systematyczne w danych treningowych prowadzą do dyskryminacji rasowej, płciowej i etnicznej w obszarach od rekrutacji po sprawiedliwość karną.