2026年4月11日
デブ
AIを雇うことはもはや規制されていない境界線ではありませんニューヨーク市地方法第144条は,自動雇用決定ツールのための独立した偏見監査を要求します.EU AI法はAI雇用を高リスクと分類し,透明性,人間の監督,監査性を要求する.カリフォルニア州 イリノイ州 コロラド州は全て関連法律を導入しました
古いATSプラットフォームを使用する企業はますます暴露されていますAIの採用は本質的に安全でないためではなく 既存のツールが 監査可能なように設計されていないためです
なぜキーワードのマッチングが現代的なコンプライアンスに失敗する
ATS (Greenhouse, Lever, Workable, Ashby, Manatal) のすべてのエレガシーには,キーワードベースのマッチングの何らかの形式が使用されています.ブルーストークン抽出,TF-IDFスコアリング,または埋め込みベースの意味式類似性.3つの方法とも基本的な問題があります: .
キーワードベースのATSが 候補者が72点,58点と 候補者が58点と 評価すると 推理は浮動点ベクトルと 符号重量に生じます募集者は 簡単な英語で 違いを説明できない.監査者は統計的にしか 採取できない.候補者はなぜ拒否されたのか説明できない.
合致のギャップ現代のコンプライアンスには 説明が可能ですNYC 地元の法律144は,雇用主への通知と代替手続きを要求する.EU AI法では,高リスク雇用のAIに対する透明性要件を定めています.ブラックボックスキーワードフィルターは構造的にこれらの要件を満たすことはできません.
敵対的な脆弱性
キーワードマッチングには2つ目のコンプライアンス問題があります 逆境的な再開中毒に構造的に脆弱ですフィルタールールを知っている候補者は キーワードを隠された白文字に 繰り返し弾丸点や偽のスキルセクションに 挿入して スコアを記録しますこの偏見は システムを習った候補者ではなく 仕事をした候補者への結果です
キーワードに汚染された候補者群に 保護されたクラス分析が実行されると 誤解を招く結果が得られますこのシステムは公平に見えます 誰もが同じチャンスを得ていますが 成功する候補者は ゲームの仕方を 見つけた人ですこれは別の 微妙な不公平です
AIがコンプライアンスイメージをどのように変化させるか
AIは,キーワードの存在ではなく,測定可能な結果のために履歴書を読み取ります.Curriculoのモデルは4つの信号カテゴリを評価する.
RevenueImpactとgeneratedTeamsScopeとorgsSystemsBuiltとscaledProblemsComplexityが解消された候補者ごとにCurriculo ATSは2つのアーテファクトを生成します 0-100のフィットスコアと の完全な書面推論段落です項目は,その求人条件を満たした結果と,候補者が失敗した場所を明示的に参照している.
サンプル: 「候補者は84点を獲得。『出荷されたシステム』の信号に対する強い一致：生産環境で毎秒2Mイベントを処理する不正検出パイプラインの移行を主導。『チームの範囲』については部分的な一致：18ヶ月間、3人の直接の報告者を管理。収益への影響に関する明確な証拠がない。最近の役割に関する具体性が不足しているため、履歴書のスコアは制限された。」
このアーキテクチャは,ブラックボックスキーワードのマッチングが失敗する3つの構造要件を満たします:
1 について説明可能性
すべての決定には書面による説明がある.募集者は読める監査者はサンプルを採れる.候補者に なぜ彼らがそう評価されたのかを説明できますNYC地方法144では,候補者がAIスクリーニングについて情報を与え,代替案を提供することを要求する場合,書面による推論により,その会話が可能になります.
2 図書監査可能性
成果に基づくシステムにおける統計的偏見監査は, ANDのスコアと理由の両方を検証することができる.監査者は保護階級の集団全体で100項の推論を読み,AIが各グループに対して同じ信号カテゴリーを引用していることを確認することができる.キーワードベースの監査における 未明なスコア差異として現れる偏見は,結果に基づく監査において,異なるグループに対して異なる信号を参照する推論として目に見える.
3 図書敵対的な抵抗
隠されたホワイトテキストのキーワードドンプは,結果に基づくモデルにゼロ信号を追加します.本物の成果を正確に記述する候補者は 良いスコアを得ていますフィルターに勝てない候補者はこれはゲームレガシー ATS フィルターを習った候補者に有利な特定の不公平性を軽減します
特定の法律を知るべきです
NYC 地方法 144 (2023)
NYCの求人候補者をスクリーニングするために自動雇用決定ツール (AEDT) を利用する雇用主に適用されます.要求する:
- 独立した監査人の年間偏見監査
- 監査要約の公開
- AIの使用について候補者への通知 (AEDTの使用より少なくとも10営業日前)
- 申請する候補者への代替プロセス
執行: NYC 消費者労働保護局罰金は 違反とスケールで500ドルから始まります
EU AI法 (2024)
EU候補者または EUで活動する雇用主に影響を与える雇用決定に使用される AIシステムに適用されます.雇用AIを 高リスクに分類し ,以下を要求する:
- ライフサイクル全体におけるリスク管理システム
- 高品質の訓練データ
- 透明性とユーザー及び影響を受ける人への説明可能性
- 人による意思決定の監視
- 頑丈さ,正確さ,サイバーセキュリティ
執行: 2025-2027年まで段階的に実施する.罰金は,世界年収の7パーセント,または3500万ユーロ程度です.
認定請求について
特定の規制認証を主張していません準拠は,常に各部署の背景において独立した監査を要求し,毎年更新されます.建築は 監査を合格させるためではなく 監査に合格させるためだと言えます
Curriculo ATSが監査可能になるように設計された方法
- 各スコアについて書面による推論です 0~100のフィットスコアごとに 簡単な英語の段落で説明しますデフォルトで監査追跡を作成します.
- 結果に基づく信号カテゴリー このモデルは任意のトークン重量ではなく,構造化された4つのカテゴリ (収益,チーム,システム,問題) を評価するために訓練されています.監査者はモデルが期待される信号を使用していることを確認することができます.
- 人間の監視が組み込まれています Curriculo ATSは採用者の決定を強め,代替するものではありません.募集者はスコアと理由を見ていて どちらも取り消すことができますATSは決して自律的に 採用決定を下さない
- 候補者通知支援 筆記的な推論は 候補者に対して 評価を理由に尋ねる 候補者と共有できます
本当は何をするべきか
NYC州,カリフォルニア州,イリノイ州,メリーランド州,コロラド州,または EU候補に雇用する場合, AI雇用者遵守計画が必要です.主要ステップ:
- AIの採用ツールを 備考するATSのプラットフォームの大半は,何らかの形で自動スコアを使用します.
- 第三者のコンプライアンス会社を通じて独立した偏見監査を組織する.NYC地方法144年
- 必要に応じて監査要約を公表する.
- AIスクリーニングについて候補者に通知し,要求に応じて代替プロセスを提供する.
- 意思決定に人間の監督が組み込まれていることを確認する候補者を拒絶する際には AIのスコアだけに頼るな.
新しいATS決定については,書面による推論による結果に基づくシステムは,キーワードに基づくシステムよりも構造的に監査が容易である.Curriculo ATSはこれのために作られました 無料プラン はクレジットカードなしで利用可能なので,いかなる約束もする前に AIの推論を自分の候補者に評価することができます.