AIAgentree registra il processo di ragionamento strutturato alla base di ogni decisione di assunzione presa dall'intelligenza artificiale: selezione dei curriculum, valutazione dei candidati, analisi delle interviste e formulazione di raccomandazioni per l'offerta di lavoro. Quando un sistema di intelligenza artificiale rifiuta un candidato, il Decision Context Graph conserva l'intero albero degli argomenti normativi: quali criteri sono stati valutati, quale peso è stato attribuito a ciascuno di essi e quali elementi della candidatura hanno supportato o ostacolato la progressione. Questo non è facoltativo: la legge locale n. 144 di New York richiede audit per individuare eventuali pregiudizi nelle decisioni automatizzate in materia di lavoro, le linee guida dell'EEOC richiedono criteri di valutazione documentati e l'AI Act dell'UE classifica i sistemi di intelligenza artificiale utilizzati per le assunzioni come ad alto rischio, il che implica la necessità di una completa trasparenza. Il Precedent Flywheel rileva modelli di impatto negativo nelle decisioni con un certo grado di certezza statistica: se un sistema di screening basato sull'intelligenza artificiale rifiuta in modo sproporzionato i candidati appartenenti a gruppi protetti, AIAgentree individua questo aspetto analizzando la struttura delle decisioni, e non attraverso analisi successive. Il tracciamento degli interventi umani registra quando i selezionatori non sono d'accordo con le valutazioni dell'intelligenza artificiale: questi eventi di correzione diventano il precedente più prezioso per ridurre i pregiudizi futuri. 12 elementi semantici, tracce immutabili, ogni criterio ponderato e documentato. Questi dati indicano che l'intelligenza artificiale ha assegnato un punteggio basso al candidato. Noi forniamo informazioni precise su quali criteri hanno determinato il punteggio e se modelli di punteggio simili mostrano un impatto negativo.
Registra il MOTIVO per cui la tua intelligenza artificiale ha selezionato, classificato e consigliato ogni candidato, non solo il risultato finale. Tracciabilità strutturata delle decisioni con rilevamento di eventuali pregiudizi e registro completo delle operazioni per le procedure di selezione del personale basate sull'intelligenza artificiale.
Ideale per: dipartimenti delle risorse umane aziendali, team di acquisizione di talenti, agenzie di selezione del personale e aziende tecnologiche specializzate nelle risorse umane che utilizzano l’intelligenza artificiale per la valutazione dei curriculum vitae, la classificazione dei candidati e la formulazione di raccomandazioni per le assunzioni.
Le decisioni relative allo screening dei curriculum e alla classificazione dei candidati tramite IA sono sempre più soggette a controlli legali. La legge locale n. 144 di New York, le linee guida dell'EEOC e la normativa europea sull'IA richiedono tutti una documentazione delle decisioni di assunzione basate sull'IA. In mancanza di registrazioni strutturate, ogni causa legale si trasforma in un incubo per l'acquisizione di prove.
Gli strumenti di screening basati sull'IA possono sviluppare pregiudizi che rimangono invisibili se non vengono analizzate le decisioni a livello dettagliato. Le metriche aggregate mostrano i tassi di successo, ma in assenza di tracce strutturate delle singole decisioni, non è possibile individuare quali criteri determinano risultati diversi.
Un numero crescente di candidati respinti chiede il motivo per cui sono stati scartati. L'articolo 22 del GDPR conferisce ai candidati europei il diritto di contestare le decisioni automatizzate. In mancanza di motivazioni documentate, l'unica risposta possibile è "è stato deciso dal sistema", il che invita a presentare reclami alle autorità di regolamentazione.
Documenta ogni criterio utilizzato per la selezione dei candidati tramite intelligenza artificiale, individua tempestivamente eventuali pregiudizi e crea registri di controllo che possano essere utilizzati a fini legali.
12 elementi semantici acquisiscono il contesto completo di ogni decisione di screening basata sull'intelligenza artificiale. Vengono rilevate le competenze, valutata l'esperienza, applicati i pesi dei criteri, indicate le ragioni della squalifica e i livelli di confidenza: tutto è strutturato e ricercabile per ogni candidato.
L'analisi del rilevamento dei modelli analizza i risultati dello screening basato sull'intelligenza artificiale tra le diverse categorie di candidati. Il punteggio dell'affidabilità statistica evidenzia le disparità nei tassi di approvazione, nelle distribuzioni delle classifiche e nelle raccomandazioni di avanzamento, identificando potenziali impatti negativi prima che diventino un problema legale.
Monitora i risultati dello screening basato sull'intelligenza artificiale tra i diversi gruppi demografici utilizzando calcoli della regola dei quattro quinti e test di significatività statistica. Ricevi un avviso tempestivo quando i modelli di screening basati sull'intelligenza artificiale suggeriscono disparità di impatto sulle categorie protette.
Le tracce immutabili in modalità append-only creano registri a prova di manomissione per ogni decisione di assunzione basata sull'intelligenza artificiale. Le modifiche manuali vengono acquisite con la relativa motivazione. La traccia completa degli audit è pronta per gli audit della legge 144 di New York, le indagini dell'EEOC e la scoperta delle prove in sede legale.
Criteri di selezione
Ogni decisione di screening e classificazione basata sull'intelligenza artificiale è documentata con i criteri, i pesi e le motivazioni applicate.
Rilevamento integrato
Analisi statistica dei modelli di assunzione basati sull'intelligenza artificiale per individuare eventuali effetti negativi prima che diventino un problema legale.
Difendibilità
Tracce di controllo immutabili pronte per la conformità alla legge NYC LL144, all'EEOC, al regolamento UE sull'IA e alle richieste di documentazione in caso di contenzioso.
«I pregiudizi dell’IA nei processi di assunzione sono invisibili se non si dispone di registrazioni strutturate delle decisioni prese. Non è possibile individuare eventuali effetti negativi analizzando una semplice tabella con i punteggi. È necessario avere a disposizione l’intero albero della logica decisionale, ovvero quali criteri sono stati utilizzati, quale peso è stato attribuito a ciascuno e quali prove sono state considerate, per capire se l’IA sta discriminando.»
I dati più preziosi nell’ambito dell’utilizzo dell’IA nel processo di selezione del personale non sono le decisioni prese dall’IA, ma i casi in cui gli esseri umani modificano le decisioni dell’IA. Ogni volta che un selezionatore propone un candidato che l’IA aveva scartato, questo intervento corregge un errore e insegna al sistema qualcosa che nessun addestramento del modello può insegnare: quali sono i valori effettivi della vostra organizzazione rispetto a ciò che l’algoritmo ritiene debba essere considerato importante.
Trasparenza al posto dell’opacità. Autonomia conquistata piuttosto che concessa.
I modelli linguistici di grandi dimensioni (LLM) apprezzano le rappresentazioni grafiche e non amano i database piatti. AIAgentree memorizza le decisioni come alberi strutturati di argomentazioni, il formato in cui i modelli di intelligenza artificiale riescono a ragionare al meglio.
Ogni relazione è sostiene o oppone — non generico "relativo a." I LLM sanno immediatamente quali prove argomentano a favore o contro una decisione.
Ogni decisione è un albero autonomo di 10–100 nodi con una radice naturale — non milioni di nodi in un groviglio. Nessuna esplosione grafica, nessun attraversamento incontrollato.
Chunk strutturati di 300–600 token estraggono 120% di informazioni più rilevanti rispetto a finestre di contesto da 8.000 token. Progettati appositamente per il consumo da parte dei LLM.
Le decisioni passate diventano nodi argomentativi di prima classe in nuove decisioni — non riferimenti vaghi. Memoria istituzionale componibile, citabile, contestabile.
Rendiamo l’utilizzo dell’IA nel processo di selezione del personale un elemento valido e giustificabile. Non sostituiamo il vostro sistema ATS o gli strumenti di reclutamento.
La nostra IA analizza i candidati. AIAgentree traccia il motivo per cui ogni candidato ha ottenuto un determinato punteggio: i criteri, i pesi e le prove alla base di ogni decisione.
Utilizza il tuo sistema ATS per la gestione del processo di selezione. AIAgentree si integra con esso, acquisendo le motivazioni delle decisioni in ogni fase in cui l'IA influenza i risultati.
Nessuno strumento elimina completamente i pregiudizi. AIAgentree rende i pregiudizi visibili e misurabili attraverso modelli decisionali strutturati, in modo da poterli individuare, documentare e correggere.
Gli strumenti di intelligenza artificiale per il reclutamento selezionano i candidati. AIAgentree garantisce che tu possa giustificare ogni decisione presa durante la fase di selezione.
AIAgentree fa parte di una famiglia di quattro prodotti che copre l'intero spettro dell'intelligenza decisionale, dall'analisi umana alla gestione dell'IA.
Dibattito strutturato tra persone. I team definiscono le decisioni come alberi di pro e contro, con una valutazione multidimensionale degli argomenti.
Intelligenza per le riunioni →Intelligenza artificiale collettiva. Più di 7 LLM discutono in modo indipendente, quindi si valutano a vicenda: il consenso rivela il livello di confidenza.
Analisi multi-LLM →Tracciamento delle decisioni dell'IA. Registra PERCHÉ gli agenti IA prendono determinate decisioni: audit strutturati per la conformità all'AI Act dell'UE.
Scopri di più →Simulazioni di dibattiti con l'IA. 9 personalità IA discutono qualsiasi argomento da ogni angolazione: focus group sintetici in pochi minuti.
Simulazioni con l'IA →AI Agentree crea una traccia decisionale strutturata per ogni processo di selezione e classificazione basato sull'intelligenza artificiale, documentando quali criteri sono stati applicati, come sono stati ponderati i candidati, quali fattori hanno influenzato il risultato e il livello di confidenza. Questa documentazione è esattamente ciò di cui le équipe legali hanno bisogno per dimostrare che le decisioni di assunzione basate sull'intelligenza artificiale si sono basate su criteri legittimi e pertinenti al lavoro piuttosto che su caratteristiche protette.
Sì. Il sistema di rilevamento di pattern di AI Agentree, con punteggio di confidenza statistica, analizza i pattern decisionali in migliaia di decisioni di assunzione basate sull'intelligenza artificiale. Evidenzia le disparità nei tassi di selezione, nelle distribuzioni di classificazione e nelle raccomandazioni di avanzamento tra i diversi gruppi demografici, identificando potenziali impatti negativi prima che diventino un problema legale.
AI Agentree traccia gli esiti della selezione e della classificazione basati sull'intelligenza artificiale tra le diverse categorie di candidati e applica un punteggio di confidenza statistica per rilevare pattern di impatto differenziale. Quando i tassi di selezione basati sull'intelligenza artificiale differiscono in modo significativo tra i gruppi, il sistema evidenzia questa differenza con prove statistiche, consentendo alle équipe delle risorse umane di indagare e correggere prima che l'impatto negativo si concretizzi in azioni normative.
AI Agentree fornisce l'infrastruttura di tracciamento delle decisioni che supporta la conformità alla Legge locale 144 di New York (requisiti per l'audit dell'assunzione basata sull'intelligenza artificiale), alle linee guida dell'EEOC sull'IA nelle decisioni relative all'occupazione, ai requisiti dell'AI Act dell'UE per l'IA ad alto rischio nel reclutamento, ai requisiti di documentazione dell'Illinois AI Video Interview Act e agli obblighi generali di analisi dell'impatto negativo del Titolo VII.
AI Agentree funziona insieme al tuo ATS esistente (Greenhouse, Lever, Workday, iCIMS) e agli strumenti di selezione basati sull'intelligenza artificiale. Si integra con LangChain, n8n e pipeline di agenti IA personalizzate tramite un SDK leggero con una latenza inferiore a 10 ms. Le tracce decisionali vengono acquisite senza interrompere il flusso di lavoro di assunzione esistente. Esporta i dati tramite CSV o JSON per l'integrazione con gli strumenti HRIS e di reporting sulla conformità.
Inizia a monitorare le decisioni sull'assunzione prese tramite l'intelligenza artificiale prima della prossima verifica o azione legale.