Aller au contenu
BETA
Connexion Commencer

Menu

Compte

Langue

Technologie

Une étude révèle un écart de rémunération entre les genres chez les assistants IA

Khaosod Online Thailand Une source

De nouvelles recherches indiquent que les assistants IA perçus comme féminins gagnent 10,25 % de moins que leurs homologues masculins, soulignant les préjugés humains potentiels dans la technologie.

Une étude récente publiée dans le Journal of Organizational Behavior a mis en lumière un écart de rémunération important entre les genres dans le domaine de l'intelligence artificielle. Selon les recherches menées par le Dr Mary Hausfeld de la Kemmy Business School de l'Université de Limerick, en Irlande, les assistants IA à l'apparence féminine reçoivent 10,25 % de rémunération en moins que ceux perçus comme masculins, bien qu'ils effectuent des tâches identiques.

L'étude, qui a impliqué 189 participants, visait à étudier comment la représentation visuelle et l'image de marque de l'IA influencent le comportement humain dans les environnements professionnels. Alors que l'IA est de plus en plus intégrée dans des secteurs allant de la santé et de l'éducation aux ressources humaines, ces résultats suggèrent que les préjugés humains sont reflétés dans les espaces de travail virtuels. Cela soulève des questions cruciales sur la question de savoir si le progrès technologique perpétue par inadvertance les inégalités sociales historiques.

Pour les résidents et les professionnels en Thaïlande qui utilisent des outils d'IA pour leurs opérations quotidiennes ou le recrutement, cette étude rappelle que les systèmes numériques ne sont pas à l'abri des préjugés humains. Bien que la recherche mette en évidence une disparité claire dans la façon dont l'IA est valorisée, il reste à confirmer comment ces résultats influenceront les futures normes de développement de l'IA ou les politiques d'entreprise concernant le déploiement d'assistants virtuels. Des recherches supplémentaires sont nécessaires pour déterminer si ces préjugés sont intégrés dans les algorithmes eux-mêmes ou s'ils découlent uniquement de la perception des utilisateurs et des modèles d'interaction.