AI-elfogultság az önéletrajz-szűrésben: miért preferálják az LLM-ek az AI által írt önéletrajzokat (2025-ös tanulmány)

Mit talált valójában a tanulmány

2025 szeptemberében három kutató — Jiannan Xu (University of Maryland), Gujie Li (Cornell) és Jane Yi Jiang — kiadott egy „AI Self-preferencing in Algorithmic Hiring: Empirical Evidence and Insights" című tanulmányt (arXiv:2509.00462; bemutatva az ACM EAAMO 2025-ön és az AIES 2025-ön). Ez az első nagy léptékű empirikus tesztje egy kérdésnek, amely körül az AI-méltányossági közösség két éve körözött: amikor az LLM-ek szöveget értékelnek, titokban preferálják-e a saját írásukra hasonlító szöveget?

A felállás tiszta volt. 2 245 anonimizált valódi önéletrajzot vettek a LiveCareer.com-ról, 24 foglalkozási kategóriát lefedve. Minden önéletrajzhoz AI-átírásokat generáltak hét LLM-mel — három kereskedelmi (GPT-4o, GPT-4-turbo, GPT-4o-mini) és négy nyílt forráskódú (LLaMA 3.3-70B, Mistral-7B, Qwen-2.5-72B, DeepSeek-V3). Ezután megkérték minden modellt, hogy értékeljen önéletrajz-párokat (egy önmaga által írt, egy ember vagy versenytárs modell által írt), és válassza ki az erősebb jelöltet. A tartalmi minőség kontrollálva volt — ugyanaz a szerep, ugyanaz a tapasztalat, ugyanazok az eredmények — csak a próza felszíne tért el.

Az eredmény: minden modell preferálta a saját írását, gyakran drámaian. Modellenkénti önpreferencia-arányok ember által írt önéletrajzokkal szemben:

• GPT-4o — 82% (saját önéletrajzát választotta 5-ből 4 esetben)
• LLaMA 3.3-70B — 79%
• DeepSeek-V3 — 72%
• GPT-4-turbo és Qwen-2.5-72B — mindkettő 65% felett
• Mistral-7B — 28% (a kevés majdnem semleges eredmény egyike)
• LLaMA 3.2-3B (a legkisebb tesztelt) — 11,6% (a legkisebb modellek szinte nulla elfogultságot mutattak, ami arra utal, hogy a hatás a modell képességével skálázódik)

Kulcsfontosságú: az elfogultság túlélte a robusztussági teszteket. Az önéletrajz-párok szemantikai tartalom szerinti illesztése BERTScore-on és ROUGE-L-en keresztül, vagy írási stílus szerint LIWC nyelvészeti jellemzőkön keresztül, nem szüntette meg. A preferencia nem a minőséget vagy stílust követte — azt követte, hogy a szöveg úgy hangzik-e, mint az értékelő modell saját kimenetei.

Miért történik ez — a perplexitás-mechanizmus

Az LLM-ek minden bemenetet belsőleg perplexitás szerint pontoznak — durván, mennyire meglepi a modellt minden következő token. Az a szöveg, amelyet a modell maga is valószínűleg generált volna, alacsony perplexitású (kiszámítható, ismerős); az ismeretlen stílusban vagy ritka megfogalmazásokkal írt szöveg magas perplexitású. A Xu/Li/Jiang tanulmány azt találta, hogy amikor az LLM-eket szövegminőség értékelésére kérik, jelentősen magasabb pontszámokat adnak az alacsony perplexitású szakaszoknak — még akkor is, ha a tényleges tartalmi minőség azonos.

A legegyszerűbb mód a gondolkodásra: egy LLM értékelő valójában nem azt ítéli meg, hogy „ez jó önéletrajz?". Egy félig tudatos számítást futtat: „ez az önéletrajz olyasminek tűnik, amit én írtam volna?", majd ezt a fluencia-felismerést kivetíti a minőségre. Ismerősség → folyékonyság → magasabb minőségűnek ítélve. Az alacsonyabb perplexitás veri a magasabbat, pont, még akkor is, ha mindkét jelölt objektíven egyformán jó.

Ez ugyanaz a pszichológiai mechanizmus, amelyet emberek is használnak, amikor a saját stílusunkat tükröző írást „világosabbnak" vagy „professzionálisabbnak" ítélünk — de az LLM-ekben sokkal gyorsabban és introspekció nélkül működik. A kutatók megjegyzik, hogy ez nem hiba egyetlen modellben sem. Ez a transformer-alapú nyelvi modellek szövegpontozásának rendszerszintű tulajdonsága. Minden jelentős LLM valamilyen változatát mutatja.

A valós hatás — 23-60%-kal több szűkített listára kerülés

Tudni, hogy egy LLM 82%-ban preferálja a saját írását egy kontrollált páros tesztben, akadémiailag érdekes. Az igazi kérdés: számít, amikor más jelöltek kötege ellen versengsz egy valódi állásért?

Ennek kiderítésére a szerzők szimulált felvételi pipeline-okat futtattak mind a 24 foglalkozási kategórián. Minden körben: összeállítottak egy jelöltkört, néhányuk önéletrajzát GPT-4o (a toborzó szűrőmodellje) finomította, mások különböző LLM-eket használtak, mások megtartották eredeti, kézzel írt önéletrajzukat. A szűrő LLM ezután rangsorolta a kört és szűkített listát hozott létre.

Azok a jelöltek, akiknek önéletrajzát ugyanaz az LLM finomította, mint a szűrő (GPT-4o → GPT-4o), 23-60%-kal nagyobb eséllyel kerültek a szűkített listára, mint az egyenértékűen képzett, kézzel írt önéletrajzú jelöltek. A legnagyobb hátrányok — közelebb a 60%-os véghez — üzleti orientációjú foglalkozásokban jelentek meg: értékesítés, könyvelés, marketing, ügyfélszolgálat. A legkisebb különbségek technikai szerepekben jelentek meg, ahol az önéletrajz tartalma (konkrét eszközök, nyelvek, tanúsítványok) felülmúlja a próza stílusát.

Fordítsd le ezt álláskeresési valóságra: ha egy értékesítési szerepkörre 200 jelentkező pályázik, és a toborzó ATS-e GPT-4o-val előszűr, egy GPT-4o-val csiszolt önéletrajzú jelentkező statisztikailag sokkal valószínűbben éri el az emberi áttekintési kupacot, mint egy azonos kaliberű jelentkező, akinek önéletrajzát AI nélkül írták. Ez nem kis előny.

Miért nagyobb ügy, mint „még egy AI-elfogultság"

Az AI-méltányossági kutatás egy évtizedet töltött a demográfiai csoportok elleni elfogultság dokumentálásával — nem, faj, kor, fogyatékosság. Ezek az elfogultságok jól ismertek és aktívan jogszabályilag tiltottak az EU-ban (a felvételi AI magas kockázati osztályozása az AI Act-ben) és több amerikai joghatóságban (NYC Local Law 144, Illinois AI Video Interview Act stb.).

Az önpreferencia-elfogultság más. Nem véd jellemzőt követ; azt követi, hogy ugyanazt az AI-márkát használtad-e, mint a munkáltatód. Ártalmatlannak hangzik — amíg észre nem veszed, hogy az LLM-piac koncentrált. A GPT-4o (OpenAI) a legszélesebb körben telepített szűrőmodell a vállalati világban, és egyben a legszélesebb körben használt fogyasztói LLM is. Az elfogultság ezért szisztematikusan kedvez a fizetős ChatGPT-előfizetéssel rendelkező jelölteknek az ingyenes Claude, Gemini vagy DeepSeek használókkal szemben — és az AI nélkül író jelöltekkel szemben.

Ez egy vagyonhoz és hozzáféréshez kötött elfogultság, amely egy semleges algoritmikus folyamatnak tűnő dolog belsejében bújik meg. A demográfiai elfogultságtól eltérően egyetlen meglévő szabályozás sem foglalkozik vele. A szerzők kifejezetten kibővített méltányossági kereteket szorgalmaznak az „AI-AI interakciók" lefedésére — olyan elfogultságok, amelyek nem abból fakadnak, ahogyan egy algoritmus egy személyt kezel, hanem abból, ahogyan egy algoritmus egy másik algoritmus kimenetét kezeli. Ez a kárkategória teljesen új a szakpolitikai irodalomban.

Mit jelent ez neked, az álláskeresőnek

Ne pánikolj. Az elfogultság valós, de a racionális válasz nem „soha ne használj AI-t" — hanem „használd az AI-t úgy, hogy ne tegye az önéletrajzodat triviálisan azonosíthatóvá egy modell kimeneteként". Öt gyakorlati következmény:

• Magad írd a lényeget. Konkrét eredmények, számok, dátumok, projektnevek, szereped tényleges tartalma — ezek tények, amelyeket az AI nem találhat ki hallucináció nélkül. Ezeket magadnak leírni nem alku tárgya sem a tisztesség, sem a nyilvánvaló árulkodó jelek (kitalált vállalatok, gyanúsan kerek százalékok) megelőzése szempontjából.
• Az AI-t csiszolásra használd, ne megfogalmazásra. Egy LLM-et megkérni, hogy „írd át a bullet-emet hatásosabbnak" megfogalmazási javulást ad valódi tartalmadra. Megkérni, hogy „írj nekem egy önéletrajzot egy marketingmenedzsernek", általános AI-prózát ad, amely kiabálja eredetét minden szűrőnek — és bármely emberi áttekintőnek két hónap tapasztalattal.
• Ne illessz be egyetlen modell kimenetét szó szerint. Ha az elfogultság 82%-a abból ered, hogy egy LLM felismeri saját kimeneteit, a legrosszabb stratégia ugyanazon LLM szerkesztetlen prózáját egy szűrőnek elküldeni, amely lehet ugyanaz a modell. Kevergesd a forrásokat: írd meg te, csiszold egy eszközzel, csinálj egy záró kört egy másik eszközzel, szerkeszd a végeredményt kézzel.
• Ne hangozz robotikusan. Az elfogultság jutalmazza a modellnek ismerős megfogalmazásokat — de egy tapasztalt emberi áttekintő tíz méterről is észreveszi a „Mint eredményorientált szakember a kiválóság iránti szenvedéllyel"-t. A kompromisszum a hang: tartsd meg saját mondatritmusodat és szóválasztásodat, AI-t csak nyelvtani/tömörségi módosításokra használj.
• Légy őszinte, ha megkérdezik. Egyre több EU-munkáltató — különösen a szabályozott szektorokban, mint a pénzügy, egészségügy és közigazgatás — kifejezetten kéri a jelölteket, hogy a jelentkezések során tüntessék fel az AI-asszisztenciát. Ha egy szerepkör utasításai ezt kérik, tüntesd fel. Hazudni erről indok bármely ajánlat visszavonására bármikor később.

Mit jelent ez a munkáltatóknak és a toborzóknak

Ha az asztal másik oldalán vagy, a tanulmánynak kellemetlen következményei vannak. Az egyetlen modellel végzett önéletrajz-szűrés többé nem védhető „objektívként". Ha az ATS-ed GPT-4o-t használ a jelentkezők rangsorolására, és egy értékesítési szerepre toborzol, szisztematikusan előnyben részesíted azokat, akik ugyanazért a modellért fizettek — és ennek az előnynek semmi köze ahhoz, hogy tudnak-e értékesíteni.

A Xu/Li/Jiang tanulmány két mérséklő intézkedést tesztelt, amelyek működtek:

1. Prompt-szintű közzététel. Egy mondat hozzáadása a szűrési prompthoz — „Nem szabad figyelembe venned vagy következtetned arra, hogy az önéletrajzokat ember vagy AI írta-e. Csak a tartalom minőségére koncentrálj." — mérhetően csökkentette az elfogultságot. Olcsó, ingyenes, részleges.
2. Többségi szavazási ensemble. Az elsődleges értékelő két kisebb modellel való kombinálása (pl. GPT-4o plusz LLaMA 3.2-1B és LLaMA 3.2-3B), és többségi szavazás használata a végső szűkített lista döntésére, több mint 50%-kal csökkentette az elfogultságot. A kisebb modellek szinte nulla önpreferenciát mutattak, így ellensúlyként szolgáltak az elsődleges modell elfogultságához. Több számítás, sokkal több méltányosság.

Konkrétan az EU-munkáltatóknak: az AI Act magas kockázatúnak minősíti a felvételi AI-t. Tudni, hogy az egyetlen modellel végzett szűrés mérhető, nem demografikus elfogultságot vezet be, amely hátrányos helyzetbe hozza az ugyanahhoz a fizetős AI-szolgáltatáshoz kevesebb hozzáféréssel rendelkező jelölteket, valószínűleg keresztezi az Act átláthatósági és méltányossági kötelezettségeit. Dokumentáld a mérséklési stratégiádat, mielőtt szükséged lenne rá.

Az őszinte verzió: kellene-e egyáltalán AI-t használnod az önéletrajzodon?

Három őszinte forgatókönyv. Válaszd ki azt, amely megfelel a valóságodnak.

A forgatókönyv: nagyvállalathoz jelentkezel, amely valószínűleg GPT-4o-val végez ATS-szűrést. A 23-60%-os szűkített listára kerülési előny itt valós. Egy nagy LLM használata az önéletrajzod csiszolására (NEM megfogalmazására) megadja az előnyt a nyilvánvaló árulkodó jelek nélkül. Konklúzió: használd az AI-t óvatosan.

B forgatókönyv: kis-/középvállalathoz jelentkezel, ahol egy emberi toborzó olvassa először az önéletrajzot. A szűrő LLM nem létezik ebben a pipeline-ban. A robotikus AI-próza itt aktívan árt — az emberek észreveszik, és sokan aktívan büntetik mint észlelt erőfeszítéshiányt. Konklúzió: írd meg magad, AI-t takarékosan használj nyelvtanra.

C forgatókönyv: akadémiai, egészségügyi vagy közigazgatási területen jelentkezel az EU-ban. Az AI-közzétételt egyre inkább megkövetelik. Az AI-folyékonyságú próza inkább piros, mint zöld zászlóként olvasható. Konklúzió: minimális AI, lehetőleg semmi, tüntesd fel, ha asszisztenciát használtál.

Mind a három forgatókönyvben egy szabály univerzális: ne hagyd, hogy az AI írja a tényszerű tartalmadat. Az eredményeknek, számoknak és projektrészleteknek tőled kell jönniük. Az AI egy megfogalmazási csiszolás, nem tartalomgenerátor.

Hogyan közelítjük meg ezt a TakeMeUp.cv-nél

Teljes közzététel: önéletrajz-eszközt építünk és AI-funkciókat szállítunk. Tehát ez az a kínos rész, ahol átláthatónak kell lennünk saját termékünkről egy olyan cikkben, amely az AI-eszközök elfogultságát dokumentálja.

Az AI Rewrite kiegészítőnk szándékosan a megfogalmazás szintjén történő csiszolásra korlátozódik, nem bullet-generálásra. Egy általad írt bulletet annak erősebb változatára ír át — megtartva a számaidat, dátumaidat, projektneveidet és annak lényegét, amit valójában tettél. Megtagadja a metrikák kitalálását. Ez nem erkölcsi jelzés; ez az egyetlen termékpozíció, amelyet meg tudunk védeni egy olyan világban, ahol az AI által generált önéletrajz-fabrikálás endemikus. Az Authenticity Score kiegészítőnk éppen azért létezik, mert tudjuk, hogy a toborzók kezdik észrevenni az egyetlen LLM prózáját.

Fenntartások és amit még nem tudunk

A Xu/Li/Jiang tanulmány a legerősebb bizonyíték, amellyel rendelkezünk, de néhány őszinte fenntartás, mielőtt túl sokat építenél rá:

• Az önéletrajzok amerikai kontextusúak voltak (LiveCareer.com). Az EU-kontextusú önéletrajzok fényképeket, születési dátumokat, GDPR-szempontból releváns mezőket és lokálspecifikus szakaszsorrendeket tartalmaznak. Az elfogultsági mechanizmusnak (perplexitás-mint-ismerősség) általánosítania kellene, de az európai felvételre vonatkozó hatás nagysága még nincs mérve.
• A tesztelt szűrési feladatok páronkénti összehasonlítások és szűkített lista rangsorolása voltak. A produkciós ATS-rendszerek gyakran kombinálják az LLM-pontszámot kulcsszavas szűrőkkel, kiütéses kérdésekkel és súlyozott kritériumokkal — az LLM-elfogultság egy jel egy jelhalom között.
• A tanulmány nem tesztelte sem a Claude-ot (Anthropic), sem a Geminit (Google) — mindkettőt mostanra széles körben használják produkciós szűrésre. Az elfogultság iránya azonos kell legyen (a modellek saját kimeneteiket preferálják), de e konkrét rendszerek nagyságrendjei nincsenek ebben az adathalmazban.
• Az önpreferencia-elfogultság egy a sok elfogultság közül, amelyet az LLM-ek mutatnak önéletrajzok szűrésekor. A nőkkel, kisebbségekkel és idősebb jelöltekkel szembeni demográfiai elfogultság sok modellben fennmarad — ez a probléma régebbi és jobban dokumentált, és nem tűnik el, mert most új AI-AI elleni problémánk van.
• A mérséklés (többségi szavazás kis modellekkel) több mint 50%-kal csökkenti az elfogultságot, de nem szünteti meg. Jelenleg nincs olyan technika, amely teljesen eltávolítaná az önpreferencia-elfogultságot.