Bias in beloning of promotie is reëel, maar makkelijk te missen en gevaarlijk verkeerd te lezen. Deze spotter scant geanonimiseerde HR-records op patronen die een mens zou moeten bekijken.
sonnet1 weekHRIS exportpandasOpenAIConfluence
Claude
69ROI
73Scale
$1.4k89Saved
ROI for
README.md
Waarom deze subagent
Bias in beloning of promotie is reëel, maar makkelijk te missen en gevaarlijk verkeerd te lezen. Deze spotter scant geanonimiseerde HR-records op patronen die een mens zou moeten bekijken.
Elke bevinding komt met haar kanttekeningen: de steekproefgrootte, de grenzen van de data en een duidelijke notitie dat dit een signaal is voor menselijke beoordeling, geen oordeel. Het helpt een HR- of juridisch team om te weten waar ze moeten kijken, zonder te doen alsof de cijfers opzet bewijzen.
Hoe hij werkt
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.
Groepeer de records op functie en niveau en zoek naar verschillen die samenvallen met beschermde kenmerken.
pending
Breng patronen naar boven die een mens moet bekijken, altijd als signaal gesteld, nooit als conclusie.
pending
Lever een rapport waarin de kanttekeningen, steekproefgroottes en grenzen van elke bevinding zijn uitgeschreven.
pending
Voorbeelduitvoer
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.