I bias nei dati su retribuzioni o promozioni sono reali, ma facili da non notare e pericolosi da interpretare male. Questo strumento esamina i record HR anonimizzati alla ricerca di pattern che una persona dovrebbe guardare da vicino.
I bias nei dati su retribuzioni o promozioni sono reali, ma facili da non notare e pericolosi da interpretare male. Questo strumento esamina i record HR anonimizzati alla ricerca di pattern che una persona dovrebbe guardare da vicino.
Ogni risultato arriva con i suoi caveat: la dimensione del campione, i limiti dei dati e una nota chiara che si tratta di un segnale per la revisione umana, non di un verdetto. Aiuta un team HR o legale a sapere dove guardare, senza fingere che i numeri provino un'intenzione.
Come gira
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.
Raggruppa i record per ruolo e livello, poi cerca divari che seguono caratteristiche protette.
pending
Fa emergere pattern che meritano una revisione umana, sempre come segnali, mai come conclusioni.
pending
Produce un report con i caveat, le dimensioni del campione e i limiti di ogni risultato esplicitati.
pending
Esempio di 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.