2026年4月11日
開発
採用AIは、規制のないフロンティアではなくなりました。ニューヨーク市のローカル法144は、自動化された雇用決定ツールに対する独立したバイアス監査を要求しています。EUAI法は、雇用AIを高リスクと分類し、透明性、人間の監視、監査可能性を要求しています。カリフォルニア、イリノイ、コロラドはすべて関連する立法を導入しています。
レガシーのATSプラットフォームを使用する企業は、ますます危険にさらされています。採用AIが本質的に安全でないということではなく、ほとんどのレガシーツールが監査可能なように設計されていないためです。
キーワードマッチングが現代のコンプライアンス
に失敗する理由すべてのレガシーのATS（Greenhouse、Lever、Workable、Ashby、Manatal）は、内部でキーワードベースのマッチングの一種を使用しています。ブール演算トークン抽出、TF-IDFスコアリング、または埋め込みベースのセマンティック類似性。3つの方法すべてに共通する根本的な問題があります： 決定は不透明です。
キーワードベースのATSが候補者に72点と58点を与えたとき、理由は浮動小数点ベクトルとトークン重みにあります。リクルーターは、平易な英語で差異を説明できません。監査員は、統計的にのみサンプリングできます。候補者は、拒否された理由を知ることができません。
コンプライアンス・ギャップモダンなコンプライアンスでは、説明可能性が求められます。NYC 地方法144号では、雇用主への通知と代替プロセスが必要です。EU AI 法では、高リスク雇用AIの透明性要件を規定しています。ブラックボックスのキーワードフィルタでは、これらの要件を構造的に満たすことはできません。
対抗的な脆弱性
キーワードマッチングには、2つのコンプライアンス上の問題があります。1つは、構造的に対抗的な履歴書ポイズニングに対して脆弱です。フィルタールールを知っている候補者は、隠し白テキスト、繰り返しのバレットポイント、または偽のスキルセクションにキーワードを注入してスコアを操作します。これにより、システムを学んだ候補者ではなく、仕事をした候補者に結果が偏ります。
保護クラス分析がキーワードポイズニングされた候補者プールに対して実行されると、誤った結果が得られます。システムは公平に見えますが、ゲームを勝ち取ることができる候補者が成功します。これは、より繊細な不公平性です。
アウトカムベースのAIがコンプライアンスの状況を変える
アウトカムベースのAIは、キーワードの存在ではなく、測定可能なアウトカムを読み取ります。Curriculoのモデルは、4つのシグナルカテゴリを評価します:
RevenueImpact と generatedTeamsScope と orgsSystemsBuilt と scaledProblemsComplexity が解決各候補者について、Curriculo ATS は、2つの成果物を生成します。0-100の適合スコアと 完全な書面の推論段落です。段落は、どのアウトカムが求められた仕事の要件と一致し、どこで候補者が不足したかを明示的に参照します。
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ヶ月間で3人の直接の報告者を管理。収益への影響については明確な証拠がない。最近の役割についての具体性が不足しているため、スコアが制限された。」
このアーキテクチャは、ブラックボックスキーワードマッチングに失敗する3つの構造要件を満たす:
1. 説明可能性
すべての決定には書面での説明がある。リクルーターはそれを読むことができる。監査員はそれをサンプルすることができる。候補者はなぜそのようにスコアリングされたのかを知らされることができる。 NYC 地方法144が候補者に AI スクリーニングについて通知し、代替手段を提供することを要求する場合、書面の理由付けによりその会話が可能になる。
2. 監査可能性
結果ベースのシステムに対する統計的バイアス監査では、スコア AND 理由の両方を調査することができる。監査員は保護クラス人口全体で100の理由段落を読み、各グループに対して同じ信号カテゴリ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では「説明できないスコア分散」として現れるバイアスは、結果ベースの監査では「異なるグループに対して異なる信号を引用する理由付け」として可視化される。 AI は
3. 攻撃耐性
隠し白テキストキーワードダンプは、結果ベースのモデルにゼロの信号を追加する。具体的で正確な自分の実際の成果について記述する候補者は、高いスコアを獲得する。フィルタを操作しようとする候補者はそうではない。このため、レガシーフィルタ ATS を操作することを学んだ候補者に利益をもたらす特定の種類の不公平性が軽減される。
知っておくべき特定の法律
NYC 地方法144（2023）
は、NYC の求人に対する候補者を自動的に選別するために、自動雇用決定ツール（AEDTs）を使用するすべての雇用主に適用されます。要件：
- 独立監査員による年次バイアス監査
- 監査の概要を一般に公開する
- 候補者への通知：AI が使用される（AEDT 使用の少なくとも10営業日前）
- 候補者が要求した場合の代替プロセス
執行：NYC 消費者・労働者保護局。違反ごとに500ドルの罰金が課せられ、規模に応じて増加する。
EU AI 法（2024）
は、AI システムを使用して、EU 候補者またはEU で事業を運営する雇用主に影響を与える雇用決定に適用されます。雇用AIを の高リスクとして分類し、次の要件を満たす必要があります：
- ライフサイクル全体にわたるリスク管理システム
- 高品質のトレーニングデータ
- ユーザーおよび影響を受ける個人への透明性と説明可能性
- 決定に対する人的オーバーサイト
- 強固性、精度、サイバーセキュリティ
執行: 2025-2027年までの段階的導入。罰金は、世界的な年間売上高の7%または3500万ユーロ、どちらか高い方。
認証に関する主張
私たちは特定の規制認証を主張しません。コンプライアンスは、各展開の状況で毎年更新される独立した監査を必要とします。言えることは、アーキテクチャは監査に合格するように設計されているということです。
どのように Curriculo ATS が監査可能性のために設計されているか
- 各スコアに対する書面の理由付け。 0-100の適合スコアごとに、それを説明する平易な文章が付属します。デフォルトで監査トレイルを作成します。
- 結果ベースのシグナルカテゴリ。 モデルは、任意のトークン重みではなく、4 つの構造化カテゴリ（収益、チーム、システム、問題）を評価するようにトレーニングされています。監査員は、モデルが予想されるシグナルを使用していることを確認できます。
- 人間の監視が組み込まれています。 Curriculo ATS は、採用担当者の決定を強化しますが、置き換えるものではありません。採用担当者は、スコアと理由を確認し、必要に応じてどちらかを上書きできます。 ATS は、自律的に採用決定を下しません。
- 候補者通知サポート。 書面の理由は、スコアリングの理由を尋ねる候補者と共有できます。
実際にすべきこと
カリフォルニア、イリノイ州、メリーランド州、コロラド州、または EU 候補者を採用する場合、採用における AI コンプライアンス計画が必要です。主要なステップ:
- 使用するすべての AI 機能を搭載した採用ツールのインベントリを作成します。ほとんどの ATS プラットフォームは、自動スコアリングの一種を使用しています。
- 第三者コンプライアンス会社を通じて独立したバイアス監査を安排します。 NYC 地方法 144 に対して毎年。
- 要求された場合、監査の概要を公開します。
- 候補者に AI スクリーニングについて通知し、要求された場合には代替プロセスを提供します。
- 人間の監視が決定に組み込まれていることを確認します。 AI スコアのみに頼って候補者を却下することはありません。
の新しいATSの決定に対して、結果ベースのシステムは、キーワードベースのシステムよりも構造的に監査が容易です。CurriculoATSはこのために構築されました。 の無料プラン は、クレジットカードなしで利用可能であり、コミットメントを決定する前に、独自の候補者に対するAIの推論を評価できます。