Uprzedzenia w danych o wynagrodzeniach czy awansach są realne, ale łatwo je przeoczyć, a jeszcze łatwiej źle zinterpretować. Ten detektor skanuje zanonimizowane dane HR w poszukiwaniu wzorców, którym powinien przyjrzeć się człowiek.
sonnet1 tydzieńHRIS exportpandasOpenAIConfluence
Claude
69ROI
73Scale
$1.4k89Saved
ROI for
README.md
Dlaczego ten subagent
Uprzedzenia w danych o wynagrodzeniach czy awansach są realne, ale łatwo je przeoczyć, a jeszcze łatwiej źle zinterpretować. Ten detektor skanuje zanonimizowane dane HR w poszukiwaniu wzorców, którym powinien przyjrzeć się człowiek.
Każde odkrycie trafia do Ciebie wraz z zastrzeżeniami: wielkością próby, ograniczeniami danych i jasną informacją, że to sygnał do weryfikacji przez człowieka, a nie ostateczny werdykt. Pomaga zespołowi HR lub prawnemu zorientować się, gdzie warto spojrzeć, nie udając przy tym, że same liczby dowodzą czyichś intencji.
Jak działa
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.
Grupuj rekordy według roli i poziomu, a następnie szukaj luk, które odzwierciedlają chronione atrybuty.
pending
Wzory powierzchniowe wymagające ludzkiej weryfikacji, zawsze przedstawiane jako sygnały, nigdy jako wnioski.
pending
Wygeneruj raport z zastrzeżeniami, rozmiarami próbek i limitami każdego wniosku szczegółowo opisane.
pending
Przykładowe wyjście
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.