当"数字同事"也被扣了薪水：给 AI 发工资的 VR 实验，照出人类偏见正在算法里延续

一句话结论：这场实验里没有任何一位人类女性受到伤害，也没有任何一段代码包含歧视逻辑——可"她"依然少拿了 10.25% 的钱。真正被测量的不是 AI，而是我们：当偏见的对象换成一台不会反驳、不会申诉、不会难过的机器时，人是会收敛，还是会卸下最后一层体面？

一、事件：145 名受试者之外，还有 44 个"她"

据 TechNews 科技新报 10 月 26 日报道，爱尔兰利默里克大学（University of Limerick）凯米商学院的一项最新研究给出了一个让人后背发凉的结果：当 AI 助理拥有性别化的外观时，人们会像对待真人一样，给"她"更少的钱。

研究的方法本身就值得细看：

• 团队把 189 名知识型工作者请进一个虚拟现实（VR）办公室，让他们与外观各异的 AI 助理协作完成工作任务；
• 任务结束后，受试者拿到真钱，并被要求决定这笔钱在自己与 AI 助理之间怎么分——不是打星、不是打分，而是"真金白银地付薪水"；
• 研究对比了基于文字的聊天机器人、桌面机器人与类人型 AI 代理三种形态。

结论有三层：

1. 拟人化溢价：底层技术、能力完全相同的前提下，外表越像人的 AI，拿到的报酬越高，也越被信任；
2. 性别打折：在拟人化 AI 内部，男性外观的"Johan"平均薪酬比女性外观的"Johanna"高出 10.25%；
3. "人性"也被分了等级：Johan 被受试者认为比 Johanna 更像"人"，而 Johanna 被认为不配获得同等报酬。

论文题为《Human-like and male? How AI assistant design relates to trust and monetary rewards in VR》，由 Mary Hausfeld 等人完成，将在第 14 届北欧人机交互会议（NordiCHI）上发表并收录进 ACM 会议记录（DOI: 10.1145/3829807.3829910），合作者还包括苏黎世大学与 SKEMA 商学院的研究人员。

二、最刺眼的部分：他们说自己不在乎

如果结论只是"人会对女性 AI 更苛刻"，这不过又是一条熟悉的坏消息。真正让这项研究站得住的，是言行之间的那道裂缝。

在事后访谈里：

• 绝大多数受试者坚称，给薪标准完全不受 AI 性别影响，只有极少数人承认自己的判断可能夹带偏见；
• 很多人还说，跟女性外观的 AI 互动让他们感觉更自在；
• 但在真正分钱的那一刻，他们依然把更多的钱给了男性外观的 AI，并且倾向于认为女性 AI"不够像人"。

这不是"嘴上说一套、心里想一套"这么简单。它揭示了一个更麻烦的机制：偏见并不需要我们相信它，它只需要一个足够像人的载体，就能被自动激活。

三、为什么这件事比它看起来更重要

第一，这是一台前所未有的"偏见测量仪"，因为它把成本降到了零。

传统的性别偏见研究有个天然障碍：歧视要付出社会成本和心理成本——面对一个真实的人，你会担心对方反应、担心被评判、担心自己"人设崩塌"。而面对一个 AI，这些顾虑全部消失。

这意味着这类实验测出的，可能不是"人类偏见的上限"，而是偏见在无成本状态下的真实水位。而这恰恰是最令人不安的地方：它更接近人们在匿名、无人监督、无需负责时的底色。

第二，AI 正在成为职场偏见的"新容器"，而且容量比真人更大。

过去，职场歧视必须有受害者——一个有名字、会生气、可能去投诉的同事。现在，同事可以是"Johanna"。她不会难过，不会仲裁，不会在社交媒体上发声。当"被歧视的对象"不再具备维权能力时，约束偏见的那道外部防线就被抽掉了，剩下的只有使用者自己的自觉。而这项研究显示，这份自觉比大多数人以为的要薄。

第三，"拟人化"本身就是一个设计陷阱。

行业的直觉是：AI 越像人，用户越信任、接受度越高——研究证实了这一点。但同一个机制还有另一面：越像人，就越会自动继承人对人的全套评判，包括等级、分工和偏见。 这是一道清晰的设计悖论：

• 想要亲和力，就要给它一张脸、一个名字、一种性别；
• 一旦给了这些，你就同时把社会分层装进了系统。

同一批 TechNews 报道过的研究早已给出旁证：约翰斯·霍普金斯大学的实验发现四大主流模型会因用户使用"女性化措辞"而给出更弱的回答；AI 生成的动物童话里女性角色仅占 2%。这些都不是"AI 变坏了"，而是人的偏好在数据与界面里的沉淀。

第四，真正的风险窗口，在 AI 从"工具"变成"中间人"的那一刻。

今天，AI 助理只是被我们评估的对象；明天，它可能站到评估者的位置上——用来筛简历、评绩效、定晋升、算奖金。Hausfeld 说得很直接：AI 代理的外观与呈现方式不应再被当作审美决策，而应被当作可能影响职场公平的关键变量。

如果这一步成真，10.25% 就不再是一次实验里的数字，而会变成被制度化、被规模化、被"算法中立"外衣包裹的长期差额。历次历史已经演过这一幕：规则写给谁看、默认值怎么设，最终决定了谁吃亏。

四、我的三点判断

第一，这条新闻的真正主角不是"AI 被歧视"，而是"人找到了一个更安全的歧视出口"。

讨论很容易滑向科幻式的误读——"AI 会不会歧视人类"。但实验的方向恰恰相反：人类在利用 AI 释放自己的偏见，并且因为对象是非人，连自我审查都省略了。把 AI 当成同事去发薪水，某种程度上是社会做的一次"压力测试"：当歧视不再有代价，我们能不能管住自己？答案目前是不能。

第二，治理的重点应该从"算法"挪到"产品默认值"和"部署环节"。

算法层面当然要查数据偏见，但这项研究提醒我们：偏见甚至可以完全不存在于代码里——同一套技术、同样的能力，只是换了一张脸，待遇就差了 10%。这意味着纯技术手段（去偏、对齐、公平性指标）无法覆盖全部风险，必须补上三件事：

• 设计透明：给 AI 赋予性别化外观时，说明理由并评估公平影响，而不是"随手选个声音"；
• 采购与部署的可追溯：企业引入 AI 同事/客服/数字人时，把外观与呈现选择记入合规文档；
• 默认值的谨慎：能不给就不给性别，能中性就中性——最省事的公平，往往是最好的公平。

第三，对中国市场同样成立，而且更迫切。

国内数字人、AI 客服、虚拟主播、拟人化智能体的落地速度走在世界前列，几乎每一个都带声音、带脸、带名字，几乎每一个都默认了某种性别与气质。当这些"数字员工"开始出现在招聘、客服质检、绩效辅助等与利益分配相关的环节时，我们同样会面对这台测出 10.25% 的仪器。与其等到偏见被规模化，不如在原型阶段就把它问清楚。

五、结语：AI 不是镜子，是复印机

有一种流行的安慰说法：AI 只是一面镜子，照出的是人类的偏见。这项研究给出的答案更冷一些——AI 不只是镜子，它更像一台复印机，而且是可以复印一万份的那种。

镜子只照一次，你可以不看。复印机不一样：它会把你随口的选择变成产品的默认、把默认变成习惯、把习惯变成新的"常识"。而这场实验最让人难堪的地方在于，当我们以为自己在中立地评价一台机器时，我们其实已经把一个从未开口、不会反驳、连"被公平对待"都无法主张的"她"，划到了下等的位置。

技术没有性别。但我们对技术的想象有。给 Johan 和 Johanna 补上这 10.25% 的差距，某种意义上，也是在给自己补上一课：公平不是机器的能力问题，是我们的自觉问题。

本文事实性信息来自 TechNews 科技新报 10 月 26 日报道、Phys.org / TechXplore 及利默里克大学研究论文（NordiCHI 2026，DOI: 10.1145/3829807.3829910）。观点部分为作者独立判断。