[논문 리뷰] Visual Anthropomorphism Shifts Evaluations of Gendered AI Managers

Ruiqing Han, Hao Cui외 1명|arXiv (Cornell University)|2026. 02. 20.

Ethics and Social Impacts of AI인용 수 0

한 줄 요약

이 논문은 텍스트 기반의 역량 단서가 AI 매니저 평가에서 성별 편향을 감소시키는 반면, 시각적으로 인간형인 AI 얼굴은 결과에 따라 성별 편향을 유발한다.

ABSTRACT

This research examines whether competence cues can reduce gender bias in evaluations of AI managers and whether these effects depend on how the AI is represented. Across two preregistered experiments (N = 2,505), each employing a 2 x 2 x 3 design manipulating AI gender, competence, and decision outcome, we compared text-based descriptions of AI managers with visually generated AI faces created using a reverse-correlation paradigm. In the text condition, evaluations were driven by competence rather than gender. When participants received unfavourable decisions, high-competence AI managers were judged as fairer, more competent, and better leaders than low-competence managers, regardless of AI gender. In contrast, when the AI manager was visually represented, competence cues had attenuated influence once facial information was present. Instead, participants showed systematic gender-differentiated responses to AI faces, with feminine-appearing managers evaluated as more competent and more trustworthy than masculine-appearing managers, particularly when delivering favourable outcomes. These gender effects were largely absent when outcomes were unfavourable, suggesting that negative feedback attenuates the influence of both competence information and facial cues. Taken together, these findings show that competence information can mitigate negative reactions to AI managers in text-based interactions, whereas facial anthropomorphism elicits gendered perceptual biases not observed in text-only settings. The results highlight that representational modality plays a critical role in determining when gender stereotypes are activated in evaluations of AI systems and underscore that design choices are consequential for AI governance in evaluative contexts.

연구 동기 및 목표

• AI 매니저 평가에서 역량 단서가 성별 편향을 완화하는지 조사한다.
• 표현 양식(텍스트 대 시각적 얼굴)이 편향의 역학을 바꾸는지 확인한다.
• 평가에서 의사결정 결과가 역량 단서와 AI 성별과 상호작용하는지 평가한다.

제안 방법

• N = 2,505명의 참가자를 대상으로 한 두 개의 preregistered 실험.
• 3요인 설계(AI 성별 x 역량 x 의사결정 결과)로 2 x 2 x 3 구성.
• 텍스트 기반 AI 매니저 설명과 역상관(reverse-correlation)을 통해 생성된 시각적 얼굴 AI의 비교.
• 공정성, 역량, 리더십 인식에 대한 평가를 수행한다.

실험 결과

연구 질문

• RQ1 AI가 텍스트로 설명될 때 역량 정보가 AI 매니저 평가에서 성별 편향을 감소시키는가?
• RQ2 시각적 인류화(얼굴 표현)가 평가에 대한 역량 단서의 효과를 약화시키는가 아니면 강화시키는가?
• RQ3 의사결정 결과(호의적 대 비호의적)가 AI 성별, 역량, 얼굴 표현 간의 상호작용을 어떻게 조절하는가?

주요 결과

• 텍스트 설명에서는 평가가 AI 성별보다 역량에 의해 좌우되었다.
• 불리한 결정에서는 고역량 AI 매니저는 AI 성별에 관계없이 더 공정하고 더 역량이 있으며 더 나은 리더로 평가되었다.
• 시각적 얼굴의 경우 역량 단서의 영향이 감소했고, 여성적인 외모의 AI 매니저는 더 높은 역량과 신뢰성을 부여받았으며, 특히 유리한 결과에서 그러했다.
• 부정적 피드백이 역량과 얼굴 단서 모두의 평가에 대한 영향력을 감소시켰다.
• 성별 편향은 주로 얼굴 표현 조건에서 나타났고, 텍스트 조건에서는 나타나지 않았다.