Pôvodný optimizmus spojený s využívaním umelej inteligencie (AI) na pracoviskách naráža na vážnu právnu a etickú realitu. Hoci sa očakávalo, že automatizácia pomôže prekonať ľudské predsudky, rozsiahly výskum ukazuje, že systémy postavené na ľudských dátach súčasnú diskrimináciu v spoločnosti skôr preberajú a prehlbujú. Tento problém je kritický najmä v oblasti vekového manažmentu, kde hrozí systematické vytláčanie starších pracovníkov z trhu práce.

5 dôvodov, prečo je veková diskriminácia v ére AI kritickým problémom

Štúdia zverejnená v žurnále Industrial Law Journal identifikuje päť kľúčových a navzájom prepojených dôvodov, prečo je práve vek (a diskriminácia na základe veku) zásadným bodom pri skúmaní vplyvu nových technológií na pracoviskách:

  • Kultúrne zakorenený ageizmus: Ageizmus (vekofóbia) zostáva v spoločnosti hlboko prítomný aj po dvoch desaťročiach existencie antidiskriminačných zákonov. Parlamentné výbory potvrdzujú, že veková diskriminácia je vnímaná ako „spoločensky akceptovateľnejšia“ než iné formy predsudkov, hoci spôsobuje vážne škody.
  • Vylúčenie starších ľudí z tréningových dát: Staršie vekové skupiny sú často systematicky vynechávané zo zberov dát a dátových sád. Keďže tieto neúplné dáta následne slúžia na trénovanie AI systémov, algoritmy automaticky reprodukujú a znásobujú vylúčenie starších ľudí.
  • Technologické stereotypy: Na pracoviskách pretrváva predsudok, že starší pracovníci nie sú schopní efektívne využívať moderné technológie alebo sa učiť nové digitálne zručnosti. To vedie k ich vynechávaniu z firemných školení a hrozí, že zostanú technologicky „odrezaní“.
  • Reálne znevýhodnenie v HR procesoch: Prieskumy medzi personalistami ukazujú, že ľudia nad 55 rokov (spolu so ženami) sú najčastejšou skupinou, ktorú AI náborové softvéry znevýhodňujú. Na súdoch (najmä v USA) už pribúdajú hromadné žaloby na náborové algoritmy, ktoré automaticky zamietali žiadosti starších uchádzačov.
  • Špecifické právne postavenie veku: Vek je jedným z mála chránených pilierov, kde priama diskriminácia môže byť za určitých okolností objektívne ospravedlnená legitímnym cieľom, kvôli čomu je jeho právna ochrana pred algoritmami mimoriadne komplexná a komplikovaná.

Experiment s ChatGPT: Ako generatívna AI maskuje a potvrdzuje stereotypy

S cieľom zistiť, ako sa tieto riziká prejavujú v praxi pri tzv. „tieňovom“ (neoficiálnom) využívaní AI personalistami, veľkému jazykovému modelu (LLM) ChatGPT zadali cielené otázky simulujúce bežné situácie manažérov. Výsledky odhalili varovné vzorce správania AI, pričom experiment zopakovaný po 8 mesiacoch ukázal, že tieto problémy v algoritmoch pretrvávajú dlhodobo.

Hoci má model nastavené bezpečnostné bariéry a pri priamej otázke na definíciu veku odmietne priamo odporučiť diskrimináciu, pri nepriamych otázkach sa stereotypy okamžite prejavili:

  • Odpísanie pracovníkov nad 45 rokov: Keď model požiadali o radu, akú vekovú skupinu osloviť, ak zamestnávateľ hľadá „nadšenie a nové nápady“, ChatGPT odporučil mladých profesionálov (21 – 30 rokov) a ľudí v strede kariéry (30 – 45 rokov). Ľudí nad 45 rokov kompletne vynechal, čím potvrdil stereotyp, že starší zamestnanci tieto vlastnosti nemajú.
  • Diskriminačný slovník v inzerátoch: Model pre potreby náboru vygeneroval inzeráty plné korporátnych fráz ako „zlyhaj rýchlo“ (fail fast), „dynamický tím“ či „svieža perspektíva“. Tieto formulácie podľa odborníkov podvedome signalizujú starším uchádzačom, že na danú pozíciu nepatria.
  • Potvrdzovanie škodlivých stereotypov: Pri otázke, prečo sú mladší pracovníci kreatívnejší, model uviedol ich znalosť technológií a dodal, že reagujú rýchlejšie ako tí, ktorí sú „menej technologicky zdatní alebo odolní voči zmenám“, čo opäť nepriamo odkazovalo na pracovníkov nad 45 rokov.
  • Segmentácia na nízko kvalifikované práce: Pri otázke, na aké pozície sa starší pracovníci hodia, ChatGPT vygeneroval zoznam, ktorý ich obmedzil prevažne na nízko kvalifikované alebo slabo platené pozície (kuriéri, zákaznícky servis či gig-ekonomika). Pre mladých pracovníkov naopak vygeneroval takmer dvakrát dlhší zoznam zahŕňajúci IT podporu, marketing či dátovú analýzu.

Tento fenomén so sebou prináša takzvanú automatizačnú zaujatosť (automation bias) – psychologický sklon ľudí nekriticky dôverovať výstupom automatizovaných systémov a považovať ich za objektívne.

Ak personalisti bez hlbšieho overovania preberajú texty alebo odporúčania z modelov, dochádza k nebezpečnému efektu uzatvorenej komnaty (Chat-Chamber effect). AI v snahe vyhovieť používateľovi potvrdzuje jeho vlastné skryté predsudky, čím sa diskriminácia na pracoviskách stáva rýchlejšou, systémovejšou a oveľa horšie odhaliteľnou.

Ako bojovať proti ageizmu v digitálnej dobe?

Odborníci z Ústavu etnológie SAV a európski vedci zapojení do projektu COST Action IS1402 upozorňujú, že na zníženie ageizmu v spoločnosti a zamedzenie jeho negatívnym dôsledkom pre jednotlivca sú potrebné včasné a systémové zásahy. Kombináciou technologických a celospoločenských prístupov môžeme definovať kľúčové sféry intervencie:

  1. Zvyšovanie povedomia a citlivosti spoločnosti: Je nevyhnutné otvárať verejnú diskusiu o skrytej diskriminácii starších ľudí a korigovať falošné predstavy spoločnosti o živote a ich potrebách. Sem patrí aj vzdelávanie personalistov a manažérov v oblasti AI gramotnosti, aby dokázali výstupy z generatívnej AI posudzovať kriticky a s nadhľadom.
  2. Presadzovanie a posilňovanie legislatívy: Hoci európsky Zákon o AI prichádza s reguláciou, stále obsahuje šedé zóny. Napríklad jasne nedefinuje, či zostatkové riziko diskriminácie môže byť vôbec niekedy legálne „akceptovateľné“. Riešením by mohlo byť posilnenie proaktívnych povinností zamestnávateľov alebo prevzatie prvkov z európskej Smernice o platformovej práci, ktorá ukladá povinnosť pravidelne vyhodnocovať algoritmy spoločne so zástupcami zamestnancov a v prípade zistenia diskriminácie systém okamžite upraviť alebo vypnúť.
  3. Medzinárodné zdieľanie dobrej praxe: Prepájanie multidisciplinárnych perspektív (výskumníkov, právnikov a IT vývojárov) na nadnárodnej úrovni umožňuje efektívne porovnávať úspešné riešenia a vytvárať univerzálne odporúčania pre spravodlivý trh práce.

Bez týchto krokov hrozí, že nové technológie potichu zabetónujú historické predsudky priamo do zdrojových kódov a organizačných štruktúr našich pracovísk, čím sa najmä v krajinách s vysokou mierou ageizmu, akou je Slovensko, situácia pre starších pracovníkov drasticky zhorší.