AIAgentree registra el proceso de razonamiento estructurado que hay detrás de cada decisión de contratación realizada por la IA: selección de currículos, evaluación de candidatos, valoración de entrevistas y recomendaciones de ofertas. Cuando una IA rechaza a un candidato, el gráfico del contexto de la decisión conserva todo el árbol de argumentos normativos: qué criterios se evaluaron, qué peso tuvo cada uno y qué pruebas del expediente respaldaron o refutaron la aprobación. Esto no es opcional; la Ley Local 144 de Nueva York exige auditorías de sesgos para las decisiones automatizadas de contratación, las directrices de la EEOC exigen criterios de evaluación documentados y la Ley de IA de la UE clasifica la IA de contratación como de alto riesgo, lo que requiere total transparencia. El mecanismo de Precedente detecta patrones de impacto negativo en las decisiones con una confianza estadística: si la selección realizada por la IA rechaza desproporcionadamente a candidatos de grupos protegidos, AIAgentree revela esto a partir de la estructura de la decisión, y no mediante un análisis posterior. El seguimiento de las anulación manual registra cuándo los reclutadores no están de acuerdo con las evaluaciones de la IA; estos eventos de corrección se convierten en el precedente más valioso para reducir futuros sesgos. 12 elementos semánticos, rastros inmutables, cada criterio ponderado y documentado. Estos datos indican que la IA puntuó al candidato con una nota baja. Nosotros le indicamos exactamente qué criterios influyeron en la puntuación y si existen patrones de puntuación similares que muestren un impacto negativo.
Registre POR QUÉ su IA seleccionó, clasificó y recomendó a cada candidato, no solo el resultado final. Trazos de decisiones estructurados con detección de sesgos y registros de auditoría completos para la contratación mediante IA.
Ideal para: departamentos de recursos humanos de grandes empresas, equipos de adquisición de talento, agencias de contratación y empresas de tecnología de recursos humanos que implementan la IA para la selección de currículos, la clasificación de candidatos y las recomendaciones de contratación.
Las decisiones de la selección de currículums y la clasificación de candidatos mediante IA se enfrentan a una creciente supervisión legal. La Ley Local 144 de Nueva York, las directrices de la EEOC y la Ley de IA de la UE exigen que se documenten todas las decisiones de contratación basadas en IA. Sin registros estructurados, cada demanda puede convertirse en una pesadilla.
Las herramientas de selección con IA pueden desarrollar un sesgo que es invisible sin un análisis a nivel de decisión. Las métricas agregadas muestran las tasas de aprobación, pero sin rastros estructurados de las decisiones individuales, no se puede identificar qué criterios generan resultados diferentes.
Cada vez más candidatos rechazados preguntan por qué fueron excluidos. El artículo 22 del RGPD otorga a los candidatos de la UE el derecho a impugnar las decisiones automatizadas. Sin una justificación documentada, su única respuesta es "el sistema decidió", lo que invita a presentar denuncias ante los organismos reguladores.
Documente cada criterio de contratación basado en IA, detecte los sesgos desde el principio y cree registros de auditoría que puedan defenderse legalmente.
12 elementos semánticos capturan el contexto completo de cada decisión de selección realizada por la IA. Se registran las habilidades coincidentes, se evalúa la experiencia, se aplican las ponderaciones de los criterios, las razones de descalificación y los niveles de confianza; todo estructurado y disponible para búsquedas para cada candidato.
La detección de patrones analiza los resultados de la selección realizada por la IA en diferentes grupos de candidatos. La puntuación de confianza estadística revela disparidades en las tasas de aprobación, las distribuciones de clasificación y las recomendaciones de promoción, identificando posibles efectos adversos antes de que se conviertan en un problema legal.
Realice un seguimiento de los resultados de la selección realizada por la IA en diferentes grupos demográficos mediante cálculos de la regla de cuatro quintos y pruebas de significación estadística. Obtenga una alerta temprana cuando los patrones de selección realizados por la IA sugieran un impacto dispar sobre las clases protegidas.
Los registros inmutables de solo anexión crean registros a prueba de manipulaciones para cada decisión de contratación realizada por la IA. Las anulaciones manuales se registran junto con el razonamiento correspondiente. El registro de auditoría completo está listo para las auditorías de la Ley 144 de Nueva York, las investigaciones de la EEOC y el descubrimiento de litigios.
Criterios de selección
Cada decisión de selección y clasificación basada en IA se documenta con los criterios, ponderaciones y el razonamiento aplicados.
Detección integrada
Análisis estadístico de los patrones de contratación basados en IA para detectar posibles efectos negativos antes de que se conviertan en un problema legal.
Defensibilidad
Registros de auditoría inmutables listos para la Ley 144 de Nueva York, la EEOC, la Ley de IA de la UE y el proceso de descubrimiento en litigios.
«El sesgo en la contratación mediante IA es invisible sin registros estructurados de las decisiones tomadas. No se puede detectar un impacto negativo a partir de una hoja de cálculo con puntuaciones. Se necesita el árbol completo de razonamiento (qué criterios, qué ponderaciones, qué pruebas) para saber si su IA está discriminando».
Los datos más valiosos en la contratación con IA no son las decisiones de la IA, sino los casos en los que los humanos anulan las decisiones de la IA. Cada vez que un reclutador promueve a un candidato que la IA rechazó, ese acto de corrección le enseña algo al sistema que ningún entrenamiento del modelo puede lograr: qué valora realmente su organización frente a lo que el algoritmo cree que debería valorar.
Prioridad a la transparencia sobre el secretismo. Autonomía basada en méritos, y no en concesiones.
Los LLM (modelos lingüísticos grandes) adoran los gráficos y detestan las bases de datos planas. AIAgentree almacena las decisiones como árboles de argumentos estructurados, que son el formato con el que los modelos de IA razonan mejor.
Cada relación es de apoyo o oposición, no una simple "relación". Los LLM saben instantáneamente qué evidencia apoya o se opone a una decisión.
Cada decisión es un árbol autocontenido de 10 a 100 nodos con una raíz natural, no millones de nodos en una maraña. No hay explosión de gráficos, ni recorrido descontrolado.
Fragmentos estructurados de 300 a 600 tokens extraen un 120% más de información relevante que las ventanas de contexto de 8.000 tokens. Diseñados específicamente para el consumo por parte de los LLM.
Las decisiones pasadas se convierten en nodos de argumento de primer nivel en las nuevas decisiones, no simples referencias vagas. Memoria institucional componible, citable y cuestionable.
Hacemos que la contratación con IA sea sólida y justificable. No reemplazamos su sistema de seguimiento de candidatos ni sus herramientas de reclutamiento.
Su IA evalúa a los candidatos. AIAgentree rastrea por qué se calificó cada candidato de la manera en que se hizo: los criterios, los pesos y las pruebas detrás de cada decisión.
Utilice su ATS para la gestión del proceso. AIAgentree se integra con él, capturando el razonamiento de la decisión en cada etapa donde la IA influye en los resultados.
Ninguna herramienta elimina los sesgos. AIAgentree hace que los sesgos sean visibles y medibles a través de patrones de decisión estructurados, para que pueda detectarlos, documentarlos y corregirlos.
Las herramientas de IA para la contratación evalúan a los candidatos. AIAgentree garantiza que pueda justificar cada decisión tomada durante el proceso de selección.
AIAgentree forma parte de una familia de cuatro productos que abarcan todo el espectro de la inteligencia para la toma de decisiones, desde la deliberación humana hasta la gobernanza de la IA.
Debate estructurado entre personas. Los equipos definen las decisiones como árboles de argumentos a favor y en contra, con una valoración multidimensional.
Inteligencia para reuniones →Inteligencia colectiva de la IA. Más de 7 modelos lingüísticos grandes (LLM) argumentan de forma independiente y luego se evalúan mutuamente; el consenso revela la confianza.
Análisis multi-LLM →Trazabilidad de las decisiones de la IA. Registra POR QUÉ los agentes de IA toman decisiones: auditorías estructuradas para cumplir con la Ley de IA de la UE.
Más información →Simulaciones de debates con IA. 9 personajes de IA argumentan sobre cualquier tema desde todos los ángulos: grupos focales sintéticos en minutos.
Simulaciones de IA →AI Agentree crea un registro estructurado de decisiones para cada decisión de selección y clasificación realizada por la IA, documentando qué criterios se aplicaron, cómo se ponderaron los candidatos, qué factores influyeron en el resultado y el nivel de confianza. Esta documentación es exactamente lo que los equipos legales necesitan para demostrar que las decisiones de contratación basadas en IA se basaron en criterios legítimos relacionados con el trabajo, en lugar de características protegidas.
Sí. La detección de patrones de AI Agentree, junto con la puntuación de confianza estadística, analiza los patrones de decisión en miles de decisiones de contratación realizadas por la IA. Revela disparidades en las tasas de selección, las distribuciones de clasificación y las recomendaciones de promoción entre los diferentes grupos demográficos, identificando posibles efectos adversos antes de que se conviertan en un problema legal.
AI Agentree realiza un seguimiento de los resultados de la selección y clasificación por IA en las diferentes poblaciones de candidatos y aplica una puntuación de confianza estadística para detectar patrones de impacto dispar. Cuando las tasas de selección por IA difieren significativamente entre los grupos, el sistema lo señala con pruebas estadísticas, lo que permite a los equipos de recursos humanos investigar y corregir antes de que el impacto adverso se materialice en medidas regulatorias.
AI Agentree proporciona la infraestructura de seguimiento de decisiones que respalda el cumplimiento de la Ley Local 144 de Nueva York (requisitos de auditoría de la contratación por IA), las directrices de la EEOC sobre el uso de la IA en las decisiones de empleo, los requisitos de la Ley de IA de la UE para la IA de alto riesgo en la contratación, los requisitos de documentación de la Ley de Entrevistas por Video con IA de Illinois y las obligaciones generales de análisis del impacto adverso del Título VII.
AI Agentree funciona junto con su sistema ATS existente (Greenhouse, Lever, Workday, iCIMS) y sus herramientas de selección por IA. Se integra con LangChain, n8n y flujos de trabajo de agentes de IA personalizados a través de un SDK ligero con una latencia inferior a 10 ms. Los registros de decisiones se capturan sin interrumpir el flujo de trabajo de contratación existente. Exporte los datos a través de CSV o JSON para su integración con herramientas de informes de cumplimiento y sistemas de gestión de recursos humanos.
Comience a registrar las decisiones de contratación basadas en IA antes de su próxima auditoría o impugnación legal.