Conformità del recruiting basato su IA attraverso sei regimi
Clarion è un overlay di conformità che si integra con gli strumenti di assunzione basati su IA già utilizzati da un datore di lavoro. Legge un unico export di punteggio del fornitore, calcola ogni statistica sull'impatto negativo in codice deterministico e declina quel singolo audit in sei deliverable modellati per NYC, Colorado, Illinois, Texas, California e UE. Dove due di questi regimi richiedono requisiti opposti per la medesima caratteristica, lo evidenzia e quantifica entrambe le esposizioni anziché mostrare «pienamente conforme». Quanto segue è una demo su un export sintetico preconfigurato, non una pipeline distribuita.
6
Deliverable di giurisdizione da una singola esecuzione dell'audit
NYC, Colorado, Illinois, Texas, California, UE
9 su 13
Obblighi instradati a un responsabile umano designato, non approvati automaticamente
7 NEEDS PROOF più 2 CONFLICT, sull'export preconfigurato della demo
1
Conflitto che il gate rifiuta di eludere
Illinois HB 3773 contro EU AI Act Article 10(3)
Il dataset è sintetico: un export preconfigurato di «Acme Logistics, Inc.» di 1,040 candidati sulla posizione REQ-2026-0412, valutati da tre strumenti simulati. Gli strumenti di scoring in stile Workday-Spotlight, stile HireVue e stile Eightfold sono archetipi gestiti da adapter fixture fittizi (stub), non integrazioni, e nessun datore di lavoro o candidato reale compare in esso.
Un CHRO, General Counsel o Chief Risk Officer che gestisce strumenti di assunzione automatizzati in due o più giurisdizioni tra NYC, Colorado, Illinois, Texas, California e UE risponde a sei regimi distinti con un unico stack. I fornitori di tale stack rilasciano un unico audit del tipo «abbiamo superato la regola dei quattro quinti» come se risolvesse tutti e sei. Non è così. La NYC Local Law 144 richiede rapporti di impatto intersezionali. La legge Colorado SB 24-205 richiede un programma documentato di ragionevole diligenza e non specifica alcuna metodologia. La legge Texas TRAIGA respinge l'impatto disparato come base autonoma e indaga sull'intenzionalità, rendendo le statistiche che guidano il deliverable di NYC del tutto irrilevanti a fini probatori per quello del Texas. L'EU AI Act richiede che i dati di addestramento siano rappresentativi e fa affidamento proprio sulla caratteristica geografica che l'Illinois vieta come proxy.
I ricercatori che hanno cercato gli audit sui bias pubblicati ai sensi della Local Law 144 li hanno trovati per il 4.6% di 391 datori di lavoro di NYC, una constatazione definita Null Compliance (Cornell / Data & Society / Consumer Reports, FAccT 2024). La pubblicazione dell'audit rappresenta la metà visibile dell'obbligo, e la maggior parte del campione non l'aveva raggiunta.
Il NY State Comptroller ha riscontrato 17 potenziali violazioni della Local Law 144 nello stesso campione di 32 aziende in cui il DCWP ne aveva trovata una sola, e il DCWP ha concordato di passare a un'applicazione proattiva (NY State Comptroller, December 2, 2025). Il divario tra un audit superato del fornitore e una documentazione difendibile è proprio il punto su cui si concentra tale applicazione.
L'autoclassificazione dell'ambito, l'accessibilità ADA nei colloqui video e gli obblighi di azione avversa ai sensi del FCRA sono teorie giuridiche distinte che un audit sui bias superato non ha mai verificato. Mobley v. Workday, D.K. v. Intuit/HireVue e Kistler v. Eightfold ne sollevano ciascuno una, e nessuna è stata decisa.
La pipeline è breve e la divisione del lavoro al suo interno è rigorosa. Un export AEDT del fornitore viene normalizzato in un unico schema di record canonico, un motore deterministico calcola ogni statistica, sei pacchetti di regole di regime e un policy gate decidono ogni obbligo, un team di agenti redige il testo e l'esecuzione sigilla un pacchetto pre-audit concatenato tramite hash. Gli agenti consigliano, il codice decide: è questo che rende l'output depositabile a livello normativo, a prescindere dalla qualità del modello sottostante.
01 / IL NUCLEO DI FIDUCIA DETERMINISTICO
Un motore numpy calcola i rapporti di impatto marginali dei quattro quinti, i rapporti intersezionali razza per sesso con controllo FDR di Benjamini-Hochberg, il rilevamento di proxy di classi protette mediante Cramér's V, un'inversione controfattuale dell'attributo protetto tramite un surrogato trasparente di regressione logistica, la disparità del tasso di errore sulle parole ASR sul sottoinsieme video e un predicato di attivazione FCRA. Stesso input, stesso output, a ogni esecuzione.
02 / SEI PACCHETTI DI REGOLE E IL POLICY GATE
Ciascun regime include la propria citazione, la data di entrata in vigore e il formato del deliverable richiesto, e ciascun obbligo si risolve in PASS, FAIL, NEEDS PROOF o CONFLICT. Il gate è l'unico elemento non accessibile al modello linguistico, pertanto una narrazione ben argomentata non potrà mai spostare un obbligo da NEEDS PROOF a verde.
03 / IL TEAM DI AGENTI
Sei agenti di giurisdizione narrano il verdetto di ciascun regime, un conciliatore di conflitti trasforma un conflitto bloccante in un memo di strategia legale con l'esposizione di ogni opzione, e uno scettico contraddittorio tenta di confutare ogni superamento dichiarato instradando ciò che non può validare alla verifica umana. Il team consente l'interscambio dei fornitori; senza alcun fornitore configurato, ricorre a template deterministici e l'applicazione funziona in modo identico.
04 / IL PACCHETTO PRE-AUDIT
L'esecuzione sigilla un bundle concatenato tramite hash SHA-256 di 17 nodi, ciascuno recante i propri input, il proprio calcolo e la citazione della regola più un link all'hash del nodo precedente, cosicché qualsiasi modifica interrompe la catena. Viene esportato come JSON e come fascicolo per l'auditor in HTML stampabile, e la catena viene verificata a ogni esecuzione e sottoposta a unit test contro le manomissioni.
La console è articolata su due viste più finestre di dialogo interattive anziché un unico cruscotto. Manual Testing ospita la barra delle fasi, la traccia live di Audit Execution e la scheda dei candidati. Run Benchmark, che rimane disabilitato fino al completamento di Run Audit, passa a Benchmark Results: tre riquadri con Jurisdiction Deliverables 6, Lowest Impact Ratio 0.65 e Items Requiring Human Action 9, le sei righe di Jurisdiction Deliverables, una riga di pulsanti Supporting Evidence ed Export Pre-Audit Package nell'intestazione.
Tutti gli elementi sottostanti si aprono come finestre di dialogo. Selection-Rate Analysis, Conflict Register e Human Proof Queue sono i tre pulsanti di Supporting Evidence, e gli obblighi e la narrazione di audit di ciascun regime si aprono dalla rispettiva riga di deliverable. Nulla viene sintetizzato in un unico punteggio, poiché un unico punteggio non può essere fedele rispetto a sei domande formulate in modo strutturalmente diverso.
La demo effettua l'audit di un export sintetico preconfigurato di 1,040 candidati sulla posizione REQ-2026-0412, valutati da tre strumenti di fornitori simulati. La violazione al suo interno è inserita intenzionalmente e riproducibile, concepita affinché il motore abbia un elemento reale da rilevare. Ecco cosa compare a schermo durante l'esecuzione, nell'ordine in cui viene presentato.
Ogni dato presente in questa pagina descrive un unico export sintetico preconfigurato di 1,040 candidati con una violazione inserita intenzionalmente e riproducibile. Tali dati dimostrano che il motore rileva ciò che un audit esclusivamente marginale tralascia. Non rappresentano un tasso di accuratezza, non costituiscono un benchmark rispetto ad altri prodotti e non costituiscono un'affermazione sui dati di assunzione di alcun datore di lavoro reale.
| Domanda | Cosa fa Clarion in questa demo | Cosa rimane al di fuori della demo |
|---|---|---|
| Copertura | Una singola esecuzione dell'audit genera sei deliverable modellati per giurisdizione su 13 obblighi, con 2 PASS, 2 FAIL, 7 NEEDS PROOF e 2 CONFLICT. | Un certificato di conformità o un punteggio di equità. Il gate è progettato appositamente per rifiutarne il rilascio. |
| Impatto negativo | Rapporti dei quattro quinti marginali e intersezionali con controllo FDR di Benjamini-Hochberg, rilevamento di proxy mediante Cramér's V e un'inversione controfattuale che varia la probabilità di avanzamento di 0.0574 in media e di 0.1228 al massimo. | Qualsiasi dichiarazione sugli esiti reali delle assunzioni. I 1,040 candidati, la posizione e la disparità sono sintetici e preconfigurati. |
| Dati dei fornitori | Legge un unico export AEDT normalizzato generato da strumenti di scoring in stile Workday-Spotlight, stile HireVue e stile Eightfold, gestiti da adapter fixture fittizi (stub). | Connettori live verso qualsiasi ATS, piattaforma di valutazione o motore di matching. Nessun fornitore menzionato è cliente, partner o sostenitore. |
| Azione a valle | Rileva e instrada l'esito sull'accessibilità ADA e ASR e l'attivazione di azione avversa FCRA a un responsabile umano designato, con le prove allegate. | Il flusso di accomodamento CART e il portale di contestazione rivolto ai candidati. Entrambi sono simulati nella demo e non costituiscono qualcosa che sviluppiamo qui. |
| Validazione formale | Sigilla un pacchetto pre-audit di 17 nodi concatenati tramite hash, verificato all'esecuzione e sottoposto a unit test contro le manomissioni, in JSON e HTML stampabile. | L'audit indipendente sui bias vero e proprio. Società come DCI Consulting, ORCAA e Secretariat svolgono tale ruolo, e noi non lo facciamo. |
Clarion non certifica la conformità, e rifiutarsi di farlo è parte integrante del suo design. Non è un modello di assunzione e non attribuisce mai punteggi né stila graduatorie di candidati. Il dataset è sintetico e preconfigurato, la disparità Black / Female al suo interno è inserita intenzionalmente affinché il motore disponga di un elemento reale da rilevare anziché essere un riscontro su un datore di lavoro effettivo, e i connettori dei fornitori sottostanti sono adapter fixture fittizi (stub) anziché integrazioni live. Lo strumento produce elementi di prova per i consulenti legali: non fornisce consulenza legale né esprime pareri sulle responsabilità, e Mobley v. Workday, D.K. v. Intuit/HireVue e Kistler v. Eightfold sono teorie pendenti anziché esiti decisi. I massimi legali sono citati unicamente come massimi, e qui non compare alcuna cifra di esposizione modellata. Questa pagina è una guida esplicativa con video dimostrativo, screenshot reali, funzionamento del meccanismo e risposte, non un'applicazione da azionare direttamente da qui.
Perché il test che viene superato e il test richiesto dalla legge non sono lo stesso test. Sull'export sintetico preconfigurato di 1,040 candidati della demo, la verifica marginale dei quattro quinti viene superata, con un rapporto di impatto minimo per la razza di 0.8196 e un rapporto minimo per il sesso di 0.8744 rispetto alla soglia di 0.80, e questo è l'audit che l'auto-report del fornitore fornisce. La NYC Local Law 144 richiede i rapporti intersezionali razza per sesso, e lì la cella Black / Female ammette 44 candidati su 130 con un rapporto di impatto di 0.6471. Un audit esclusivamente marginale non commette un errore su tale cella: ne è strutturalmente cieco.
No. Veriprajna non è l'auditor indipendente, e quel ruolo spetta a società come DCI Consulting, ORCAA o Secretariat. Clarion produce il pacchetto pre-audit, un fascicolo concatenato tramite hash in cui ogni numero reca il rispettivo calcolo e ogni verdetto la rispettiva citazione, strutturato affinché un auditor indipendente possa sottoscriverlo senza doverlo riscrivere. L'obiettivo è portare il sistema nello stato in cui l'audit non rilevi nulla che valga la pena segnalare.
Non si collega a nessuno dei due, e Clarion non assegna mai punteggi né posiziona in graduatoria alcun candidato. Nulla nel vostro stack viene sostituito. Legge un export AEDT del fornitore e lo normalizza in un unico schema di record canonico. In questa demo i connettori dei fornitori sono adapter fixture fittizi (stub) su dati sintetici, e il sistema di scoring in stile Workday-Spotlight, la sessione video in stile HireVue e il motore di matching in stile Eightfold sono archetipi anziché integrazioni.
Ogni statistica, ogni confronto di soglia, ogni connessione di conflitto e l'hashing del bundle risiedono in codice deterministico all'esterno del framework di agenti. I sei agenti di giurisdizione, il conciliatore di conflitti e lo scettico contraddittorio redigono il testo; non calcolano mai alcun numero e non possono ignorare il policy gate. Senza alcun provider di modelli configurato, il team ricorre a template deterministici e l'applicazione genera i medesimi verdetti, poiché i verdetti non sono mai stati di competenza del modello.
Si ottiene il bilanciamento quantificato e verbalizzato per iscritto. Nella demo la caratteristica zip_region si correla con la razza con un Cramér's V di 0.3321, al di sopra della soglia di 0.2, pertanto l'Illinois HB 3773 la considera un proxy vietato mentre la rappresentatività ai sensi dell'EU AI Act Article 10(3) fa leva sulla medesima copertura geografica. Il gate genera CONFLICT anziché un'approvazione, e il conciliatore redige un memo di strategia: eseguire due configurazioni di distribuzione, o accettare consapevolmente un'esposizione documentandola, tenendo presente che le sanzioni per l'alto rischio dell'UE raggiungono il massimo legale pari al valore più elevato tra 15 million euros o il 3% del fatturato annuo globale.
Automatizza la parte che è onesto automatizzare. Sull'export sintetico della demo 2 obblighi su 13 sono soddisfatti automaticamente, 2 falliscono nettamente e 9 vengono instradati come NEEDS PROOF o CONFLICT a un responsabile umano designato con le prove già raccolte e la citazione allegata. Nessun sistema onesto approva tutti e tredici su questi dati. Una dashboard che mostrasse tredici conferme verdi li starebbe approvando senza prove, e tale dashboard sarebbe la prova documentale che una parte attrice vi contesterebbe. Il motore convalida inoltre school_tier come non proxy con un Cramér's V di 0.0711, a dimostrazione del fatto che non segnala indiscriminatamente tutto ciò che analizza.
Un unico export genera un pacchetto pre-audit come JSON e come fascicolo per l'auditor in HTML stampabile, versione 1 del formato veriprajna-pre-audit-package, recante 17 nodi con la catena verificata all'esecuzione. Ciascun nodo racchiude i propri input, il proprio calcolo e la citazione della regola più un collegamento SHA-256 al nodo precedente, cosicché qualsiasi modifica a un nodo interrompe la catena. Al suo fianco si collocano i sei deliverable di giurisdizione, ciascuno modellato sulla citazione, sulla data di entrata in vigore e sul formato richiesto dal rispettivo regime.
La ricerca alla base di questa demo: l'architettura, il modello di verifica e il blueprint aziendale.
Soluzione completa
Esplora la soluzione AI Hiring Compliance & Bias Audits →Siamo un team di ingegneria dell'IA, non un ente di certificazione della conformità. Creiamo il livello deterministico che calcola le statistiche, modella il deliverable richiesto da ciascun regolatore ed esplicita chiaramente le contraddizioni affinché i consulenti legali possano decidere con piena visibilità sui rischi.
Un primo confronto utile è concreto: quali fornitori di AEDT sono presenti nel vostro funnel, a quali dei sei regimi siete effettivamente esposti e quali caratteristiche in tali modelli apparirebbero come proxy di classi protette ai sensi di uno di essi. Possiamo analizzare il motore, i pacchetti di regole e il formato del pacchetto pre-audit insieme ai vostri team HR, legali e data.
