เมื่อ AI คัดผู้สมัครอย่างลำเอียง การที่ให้ "คน" ตัดสินใจในขั้นตอนสุดท้ายจะช่วยแก้ได้จริงหรือ?

เวลาถูกถามว่า AI คัดใบสมัครลำเอียงได้ไหม คำตอบที่ได้ยินบ่อยที่สุดคำตอบหนึ่งคือ “ไม่เป็นไร สุดท้ายก็ยังมีคนเป็นคนตัดสินใจอยู่ดี”

‍

ฟังดูสมเหตุสมผล เพราะต่อให้ AI ลำเอียง อย่างน้อยก็น่าจะยังมีคนคอยตรวจสอบอีกชั้นหนึ่ง

‍

แต่ทีมนักวิจัยจาก University of Washington ลองนำสมมติฐานนี้ไปทดสอบจริง และพบว่า การมีคนอยู่ในกระบวนการอาจไม่ได้ช่วยป้องกันอคติอย่างที่คิด

...

‍

ในปี 2024 Kyra Wilson, Aylin Caliskan และทีมวิจัย นำโมเดลภาษาขนาดใหญ่จาก Mistral AI, Salesforce และ Contextual AI มาทดลองจัดอันดับผู้สมัครงาน

‍

การทดลองใช้เรซูเม่จริงมากกว่า 550 ฉบับ ชื่อที่สื่อถึงเชื้อชาติและเพศจำนวน 120 ชื่อ และประกาศงานจริงกว่า 500 ตำแหน่งใน 9 สายอาชีพ รวมแล้วเกิดการเปรียบเทียบระหว่างเรซูเม่กับงานมากกว่า 3 ล้านครั้ง

‍

ผลที่ได้ชัดเจนจนน่ากังวล

ทั้งที่คุณสมบัติในเรซูเม่เหมือนกัน แต่เมื่อเปลี่ยนชื่อซึ่งสื่อถึงเชื้อชาติหรือเพศ อันดับที่ AI ให้กลับเปลี่ยนตามไปด้วย

โมเดลเลือกชื่อที่ถูกมองว่าเป็นคนผิวขาว 85% ของครั้ง เทียบกับชื่อที่ถูกมองว่าเป็นคนผิวดำเพียง 9%

ส่วนในมิติเพศ โมเดลเลือกชื่อที่ถูกมองว่าเป็นผู้ชาย 52% เทียบกับชื่อที่ถูกมองว่าเป็นผู้หญิงเพียง 11%

‍

แต่คำถามสำคัญก็คือ

ถ้าเราให้ “คน” เป็นผู้ตัดสินใจขั้นสุดท้าย อคติของ AI จะยังส่งผลอยู่ไหม?

‍

ในปี 2025 ทีมวิจัยเดิมจึงทำการทดลองต่อ คราวนี้ใส่คนกลับเข้าไปในกระบวนการ

‍

ผู้เข้าร่วม 528 คนในสหรัฐฯ ได้รับมอบหมายให้คัดเลือกผู้สมัครสำหรับงาน 16 ประเภท โดยมีคำแนะนำจาก AI ประกอบ

‍

ผู้สมัครที่นำมาเปรียบเทียบมีคุณสมบัติเท่าเทียมกัน แต่ AI ถูกจำลองให้แสดงอคติทางเชื้อชาติในระดับต่าง ๆ

‍

ผลที่เกิดขึ้นน่าสนใจมาก

เมื่อไม่มีคำแนะนำจาก AI หรือเมื่อคำแนะนำของ AI เป็นกลาง ผู้เข้าร่วมเลือกผู้สมัครผิวขาวและผู้สมัครกลุ่มอื่นในสัดส่วนใกล้เคียงกัน

‍

แต่ทันทีที่ AI เริ่มลำเอียง คนก็เริ่มลำเอียงตาม

ถ้า AI ให้ความสำคัญกับผู้สมัครผิวขาว คนก็เลือกผู้สมัครผิวขาวมากขึ้น

ถ้า AI ให้ความสำคัญกับผู้สมัครกลุ่มอื่น คนก็เอนเอียงไปในทิศทางนั้นเช่นกัน

และเมื่อ AI แสดงอคติอย่างรุนแรง ผู้เข้าร่วมเลือกตามคำแนะนำของระบบประมาณ 90%

‍

พูดอีกอย่างคือ ก่อนเห็นคำแนะนำจาก AI คนกลุ่มนี้แทบไม่ได้แสดงอคติออกมา แต่อคติปรากฏขึ้น หลังจากระบบจัดลำดับไว้ให้แล้ว

‍

ดังนั้น “มนุษย์เป็นผู้ตัดสินใจขั้นสุดท้าย” จึงไม่ได้รับประกันว่าการตัดสินใจนั้นจะเป็นอิสระจาก AI เพราะคนอาจไม่ได้กำลังตรวจสอบระบบอย่างแท้จริง แต่อาจเพียงรับรองสิ่งที่ระบบเสนอมา

‍

Human in the loop ที่ไม่ได้ออกแบบให้ดี จึงอาจไม่ใช่เกราะป้องกัน แต่มันคือตรายางรับรองความลำเอียง

‍

อย่างไรก็ตาม งานวิจัยยังพบสัญญาณที่ให้ความหวังอยู่หนึ่งอย่าง คือ เมื่อผู้เข้าร่วมทำแบบทดสอบอคติแฝงก่อนเริ่มคัดเลือกผู้สมัคร อคติในการตัดสินใจลดลงประมาณ 13%

‍

แค่การเตือนให้คนตระหนักว่า ตัวเองอาจได้รับอิทธิพลจากอคติ ก็ช่วยเปลี่ยนผลลัพธ์ได้ระดับหนึ่ง

‍

มีบทเรียนสามข้อที่ HR นำกลับมาพิจารณาได้จากเรื่องนี้

ข้อแรก อย่าถือว่า “มีคนรีวิวอยู่แล้ว” เป็นมาตรการควบคุมที่เพียงพอ

ถ้าคนเห็นคะแนนหรืออันดับจากระบบก่อนอ่านข้อมูลผู้สมัครอย่างอิสระ อคติอาจถูกฝังลงในการตัดสินใจตั้งแต่ก่อนที่การรีวิวจะเริ่มขึ้นเสียอีก

‍

ข้อสอง "ลองสลับลำดับของข้อมูล"

ให้ผู้ประเมินอ่านคุณสมบัติและตัดสินใจเบื้องต้นก่อน แล้วจึงเปิดดูคะแนนหรือคำแนะนำจากระบบ เพื่อช่วยลดโอกาสที่อันดับของ AI จะกลายเป็นจุดยึดทางความคิด

‍

ข้อสาม "หากองค์กรจะตรวจสอบอคติของระบบ ควรทำอย่างเป็นทางการ"

ต้องมีผู้รับผิดชอบ ขอบเขตการตรวจสอบ เอกสารประกอบ และการติดตามผลที่ชัดเจน ส่วนการให้ฝ่ายกฎหมายเข้ามามีส่วนร่วมควรออกแบบให้เหมาะกับกฎหมายและบริบทของแต่ละประเทศ ไม่ใช่เพื่อเก็บผลการตรวจสอบไว้เฉย ๆ แต่เพื่อให้องค์กรแก้ไขความเสี่ยงที่ค้นพบได้จริง

‍

เทคโนโลยีคัดคนไม่ได้ผิดในตัวมันเอง แต่มันสามารถขยายสิ่งที่เราออกแบบไว้ได้อย่างรวดเร็ว ทั้งส่วนที่ตั้งใจและส่วนที่เราไม่เคยมองเห็น

คำถามจึงไม่ใช่เพียงว่า

“สุดท้ายมีคนเป็นผู้ตัดสินใจหรือเปล่า?”

แต่ต้องถามต่อว่า

“คนตัดสินใจอย่างเป็นอิสระจริง ๆ หรือเพียงเห็นสิ่งที่ AI เลือกไว้ แล้วกดอนุมัติตาม?”

‍

รอบล่าสุดที่เราคัดคน ผู้ประเมินได้อ่านคุณสมบัติของผู้สมัครก่อน

หรือเห็นอันดับจากระบบก่อนกันแน่?

‍

Source:

University of Washington, "AI bias in resume screening" (31 ต.ค. 2024) https://www.washington.edu/news/2024/10/31/ai-bias-resume-screening-race-gender/

University of Washington, "People mirror AI systems' hiring biases, study finds" (10 พ.ย. 2025) — Wilson, Caliskan และคณะ https://www.washington.edu/news/2025/11/10/people-mirror-ai-systems-hiring-biases-study-finds- Proskauer, Law and the Workplace

‍

#AIinHR #FutureOfWork #HRThailand #Recruitment #TalentAcquisition #AIGovernance

‍