Bias dalam data gaji atau promosi itu nyata, tapi mudah terlewat dan berbahaya kalau salah dibaca. Spotter ini memindai catatan SDM yang sudah dianonimkan untuk menemukan pola yang perlu dilihat manusia.
sonnet1 mingguHRIS exportpandasOpenAIConfluence
Claude
69ROI
73Scale
$1.4k89Saved
ROI for
README.md
Mengapa subagent ini
Bias dalam data gaji atau promosi itu nyata, tapi mudah terlewat dan berbahaya kalau salah dibaca. Spotter ini memindai catatan SDM yang sudah dianonimkan untuk menemukan pola yang perlu dilihat manusia.
Setiap temuan datang beserta catatannya: ukuran sampel, keterbatasan data, dan penegasan bahwa ini adalah sinyal untuk tinjauan manusia, bukan vonis. Ia membantu tim SDM atau hukum tahu harus melihat ke mana, tanpa berpura-pura bahwa angka membuktikan adanya niat.
Cara kerjanya
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Kelompokkan data berdasarkan peran dan level, lalu cari kesenjangan yang berkaitan dengan atribut terlindungi.
pending
Soroti pola yang layak ditinjau manusia, selalu dinyatakan sebagai sinyal, bukan kesimpulan.
pending
Hasilkan laporan dengan catatan penting, ukuran sampel, dan batasan setiap temuan yang dijelaskan secara rinci.
pending
Contoh output
json
// Sample output
// (generated when the pipeline finishes)
Report statistical gaps in the HR data by group, always with sample size and a stated caveat; flag for human review and never assert intent or causation.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.