Суть открытия: от страха к математике
В статье, опубликованной в журнале Philosophical Perspectives 29 сентября 2026 года, исследователи из MIT — профессор Брайан Хедден (Brian Hedden) и Манис Раджаван (Manish Raghavan) — развенчали миф о «алгоритмической монокультуре». Ранее считалось, что если все компании используют один и тот же ИИ для скрининга резюме, это приведет к системному отсеву кандидатов: если алгоритм отклонил вас в одной фирме, он отклонит и везде.
Авторы исследования математически доказали, что при использовании единого алгоритма общее количество нанятых сотрудников не снижается. Более того, возникает парадоксальный эффект: поскольку все компании борются за один и тот же пул «прошедших» кандидатов, это усиливает переговорную позицию соискателей и может привести к росту зарплат.
Проблема «эхо-камер» и решение через ансамбли
Главный риск монокультуры — снижение разнообразия мнений и информации (эффект эхо-камеры). Разные алгоритмы часто видят разные сильные стороны кандидата. Единый ИИ может упустить таланты, которые не подходят под его специфические метрики. Однако исследователи нашли решение: использование ансамблевых моделей (ensemble methods). Когда один «базовый» алгоритм дополняется вариациями или случайными элементами для исследования (exploration), производительность монокультуры сравнима или даже превосходит поликультуру (разные ИИ у разных фирм).
Сравнение эффектов: Монокультура vs Поликультура
| Критерий | Алгоритмическая монокультура (единый ИИ) | Поликультура (разные ИИ) |
|---|---|---|
| Системное исключение | Отсутствует (общее число наймов не меняется) | Риск фрагментации и непредсказуемости |
| Влияние на зарплаты | Рост (конкуренция за один пул кандидатов) | Стандартное рыночное влияние |
| Разнообразие найма | Ниже (риск гомогенизации), но исправляется ансамблями | Выше (разные алгоритмы видят разные навыки) |
| Возможность «геймификации» | Выше (кандидаты оптимизируют резюме под один стандарт) | Ниже (нужно адаптироваться под разные системы) |
Почему это важно для рынка труда
Исследование показывает, что переход к единым стандартам ИИ (как это уже произошло с кредитными скоринговыми системами FICO) не так катастрофичен, как feared. Ключевой вывод: проблема не в самом факте использования одного алгоритма, а в его точности и архитектуре. Если разработчики внедряют механизмы случайности и ансамблевости, монокультура становится эффективнее и честнее для соискателей, чем хаотичное использование десятков разных «черных ящиков».
Источник: MIT News AI ↗