Cumplimiento · July 18, 2026 · 9 min de lectura

Ley Local 144 de NYC: qué exige la norma de auditoría de sesgos

La Ley Local 144 de NYC exige una auditoría de sesgos independiente antes de que una herramienta automatizada de contratación filtre candidatos. Qué cubre la ley, quién es responsable y qué mide.

← Parte de IA de contratación compliance-first: LL144 y la EU AI Act

Si tu equipo utiliza software para cribar, clasificar o puntuar a candidatos para un puesto en la ciudad de Nueva York, ya existe una ley que regula cómo lo haces, y la mayoría de los equipos de talento subestiman su alcance. La Ley Local 144 de NYC no le importa si consideras tu herramienta como 'IA' o como una función rutinaria del ATS; le importa si el software asiste sustancialmente una decisión de contratación o promoción. Esta guía está dirigida a los responsables de talento, reclutadores y responsables de RR. HH. o legales que realmente utilizan esas herramientas, y las consecuencias son concretas: las sanciones se acumulan por infracción y pueden compounding diariamente, por lo que una herramienta silenciosamente sin auditar se convierte en una responsabilidad creciente en lugar de un riesgo puntual.

Este es un análisis en profundidad de nuestra guía sobre contratación de IA con cumplimiento normativo como prioridad. Obtendrás una explicación en lenguaje llano de lo que cubre la ley, las tres obligaciones que impone a los empleadores, qué mide realmente una auditoría de sesgos, cómo se interpretan esos números y cómo un flujo de trabajo de evaluación bien diseñado mantiene los registros de los que depende una auditoría. El hilo conductor: el cumplimiento bajo la LL144 es una propiedad de cómo usas una herramienta, lo que significa que el trabajo no puede subcontratarse a la afirmación de marketing de un proveedor.

¿Qué cubre la Ley Local 144 de NYC?

La Ley Local 144 se aplica a las herramientas automatizadas de decisión sobre el empleo, abreviadas AEDT, que asisten o reemplazan sustancialmente las decisiones discrecionales al cribar candidatos para la contratación o promoción de personas en la ciudad de Nueva York. Una AEDT es, en términos generales, un proceso computacional derivado del aprendizaje automático o técnicas comparables que produce una salida simplificada, como una puntuación, una clasificación o un ranking, utilizado para ayudar a decidir quién avanza. El alcance es más amplio de lo que la mayoría de los equipos asumen, porque el desencadenante es la función que realiza el software, no la marca en la caja.

El vínculo jurisdiccional es donde está el candidato, no solo donde está la empresa. Un empleador con política de trabajo remoto con sede en otro lugar que criba a candidatos de la ciudad de Nueva York con una AEDT debe asumir que la ley alcanza esas decisiones. Ese es un patrón familiar en la regulación moderna de la contratación, y es por eso que los empleadores con múltiples jurisdicciones diseñan cada vez más una línea base de cumplimiento única en lugar de un mosaico de excepciones por ciudad.

Vale la pena ser preciso sobre las dos condiciones que ponen una herramienta en el ámbito de aplicación, porque los equipos se autoexcluyen de la cobertura en ambas. En primer lugar, la herramienta debe asistir o reemplazar sustancialmente una decisión discrecional, no simplemente producir un número que un humano echa un vistazo, sino determinar de manera significativa quién avanza. En segundo lugar, esa decisión debe referirse a la contratación o promoción para un puesto vinculado a la ciudad de Nueva York. Un clasificador de currículums que muestra los mejores candidatos, una plataforma de evaluación que puntúa y ordena, una herramienta de entrevistas que califica respuestas: cada una puede calificar. La postura más segura es asumir la cobertura y documentar por qué una herramienta determinada queda fuera, en lugar de asumir lo contrario y descubrir el vacío durante una solicitud de auditoría.

Las tres obligaciones y quién las asume

Tres obligaciones se activan antes de que un empleador pueda usar una herramienta cubierta, y las tres recaen en el empleador, no en el proveedor:

• Auditoría de sesgos — realizada en el año anterior por un auditor independiente que no tuvo ninguna participación en la construcción, venta o uso de la herramienta, y sin vínculos financieros comprometedores con el empleador. La auditoría se calcula a partir del uso propio del empleador.
• Divulgación pública — la fecha de la auditoría de sesgos más reciente, un resumen de los resultados y la fecha de distribución de la herramienta, publicados de forma clara y destacada, normalmente en la sección de empleo o careers del sitio web del empleador.
• Aviso al candidato — proporcionado antes de utilizar la AEDT, indicando que se usará una herramienta automatizada y describiendo las calificaciones y características del puesto que evalúa, para que los candidatos sepan qué se evalúa y cómo.

Nótese que cada elemento es una obligación del empleador. Ese encuadre es lo más importante que hay que interiorizar sobre esta ley, porque cambia cómo debes leer cada presentación de proveedor que recibes.

¿Qué mide la auditoría de sesgos?

La auditoría de sesgos no es una revisión de equidad vaga; es un cálculo estadístico específico. El auditor independiente calcula la tasa de selección para cada categoría de sexo y para cada categoría de raza o etnia, y donde sea relevante las combinaciones interseccionales. La tasa de selección es simplemente la proporción de candidatos de un grupo que fueron seleccionados, o en herramientas de puntuación, la puntuación media del grupo tratada de forma comparable.

A partir de esas tasas, el auditor deriva el ratio de impacto: la tasa de selección de cada grupo dividida por la tasa del grupo con mayor puntuación. Esta es la regla de los cuatro quintos aplicada a una herramienta automatizada. Un ratio de impacto por debajo de 0,8 es la señal de alerta de larga data para el posible impacto adverso, el mismo umbral utilizado en décadas de práctica estadounidense de selección de empleo. El punto crítico es que estos ratios se calculan con tus candidatos y tu uso, no en una población de referencia del proveedor, lo que significa que la misma herramienta puede pasar para un empleador y marcar señales de alarma para otro.

Un resumen de auditoría publicado debe, por tanto, revelar las categorías analizadas, las tasas de selección y los ratios de impacto. Esa transparencia es deliberada: los candidatos y los reguladores pueden ver, en números, cómo le fue a un grupo en relación con el grupo de referencia. Si tu herramienta no puede producir datos limpios de selección por grupo, no puedes producir una auditoría defendible, que es donde el mantenimiento de registros se convierte silenciosamente en todo el juego.

Dos complicaciones prácticas hacen tropezar a los equipos aquí. La auditoría se ejecuta sobre datos —ya sea tu uso histórico o, donde te falten suficientes, datos de prueba apropiados— y los registros demográficos escasos o desordenados dificultan la producción de una auditoría limpia. Y un ratio de impacto por debajo de 0,8 es una señal de alerta, no un veredicto automático de discriminación ilegal; señala que un grupo se está seleccionando a una tasa materialmente inferior y que la disparidad necesita explicación y, cuando esté justificado, corrección. El umbral de los cuatro quintos es una heurística de cribado extraída de la práctica de selección establecida, que es precisamente por qué viaja tan bien desde la contratación humana hacia las herramientas automatizadas: los reguladores no inventaron un nuevo criterio, aplicaron uno familiar al software.

Por qué las sanciones se acumulan

El diseño de la aplicación es lo que convierte un error administrativo en una exposición material. Las sanciones civiles bajo la Ley Local 144 alcanzan hasta 1.500 dólares por infracción, y cada día que se utilice una herramienta no conforme puede tratarse como una infracción separada. No proporcionar el aviso al candidato requerido se trata también como una infracción propia.

Dado que la exposición se acumula diariamente y puede adjuntarse en un embudo de alto volumen, la aritmética es implacable para una herramienta que ha pasado silenciosamente sin auditar. No es una multa única contra la que puedas provisionar; es un contador en marcha. La aplicación de la ley comenzó en julio de 2023, por lo que esta ha sido una obligación activa, no futura, durante todo el tiempo que muchos equipos han estado desplegando el cribado automatizado a escala.

Cómo se compara la LL144 con otras leyes de IA en la contratación

La Ley Local 144 es deliberadamente estrecha y centrada en la auditoría, lo que la convierte en un punto de anclaje útil frente a regímenes más amplios. Si contratas en varias jurisdicciones, ayuda ver dónde difieren los mecanismos aunque los objetivos subyacentes converjan:

• Ley Local 144 de NYC: estrecha y centrada en la auditoría. Cubre las AEDT utilizadas para candidatos de la ciudad de Nueva York; exige una auditoría de sesgos independiente anual, resultados publicados y aviso al candidato. Aplicada desde julio de 2023.
• Reglamento de IA de la UE: clasifica la IA de empleo como de alto riesgo, con obligaciones para proveedores y desplegadores que abarcan gestión de riesgos, supervisión humana y registro. Más amplio y sistemático que una única auditoría.
• Marco de IA de Colorado: tras una reescritura en 2026, enfatiza la transparencia, los derechos de acceso a datos y corrección, y la revisión humana significativa en muchas decisiones con consecuencias, no solo la contratación.
• Leyes de IA de contratación de Illinois: un enfoque de derechos civiles superpuesto a las leyes de derechos humanos existentes, que aborda el uso de IA discriminatoria y el aviso en el empleo.

Los reguladores no están de acuerdo en el mecanismo —auditorías, gestión de riesgos, divulgación, aplicación de derechos civiles— pero coinciden en el fondo: informa a los candidatos cuando hay una herramienta automatizada implicada, sé capaz de explicar y defender la decisión, mantén a un humano significativamente en el circuito donde importa, y mantén registros. Los equipos que construyen con ese núcleo común de una vez, en lugar de parchar por jurisdicción, gastan mucho menos con el tiempo. Ese es el argumento detrás de tratar la reducción del sesgo como una restricción de diseño en el propio sistema de contratación.

Donde el mantenimiento de registros se encuentra con el cumplimiento

El modo de fallo recurrente no es mala intención; son datos que faltan. Cuando un auditor solicita las tasas de selección por grupo, o un regulador pregunta por qué se excluyó a un candidato, una puntuación opaca no es una respuesta. Las herramientas que superan una auditoría cómodamente son las que estaban registrando las cosas correctas desde el principio: quién fue evaluado, con qué calificaciones, cuál fue el resultado y dónde intervino un humano.

Aquí es también donde el diseño de la evaluación y el cumplimiento dejan de ser proyectos separados. Las evaluaciones construidas en torno a trabajo observable —pruebas de muestra de trabajo y tareas específicas del puesto en lugar de puntuaciones genéricas— les dan a los revisores algo concreto que revisar y le dan a tu aviso al candidato algo honesto que describir. La relevancia para el puesto por construcción es la base más sólida bajo cualquier análisis de impacto adverso, porque responde a la objeción de '¿por qué esta pregunta?' antes de que se plantee.

La obligación de aviso al candidato merece el mismo cuidado que la propia auditoría, porque es la parte más visible para los candidatos y la más fácil de hacer mal silenciosamente. Un aviso tiene que ser genuino y específico: debe informar a los candidatos de que una herramienta automatizada los evaluará y describir las calificaciones y características que evalúa, en un lenguaje que puedan entender realmente, entregado antes de que se ejecute la herramienta en lugar de enterrado después del hecho. Cuando la evaluación se corresponde limpiamente con el puesto, ese aviso se escribe solo, porque estás describiendo trabajo real y relevante para el rol en lugar de construir a posteriori una justificación para una puntuación opaca.

Qué proporciona H-Evaluate

H-Evaluate fue construido con el cumplimiento normativo como prioridad precisamente para este patrón. Es una plataforma de evaluación de habilidades AI-native, lo que significa que el mantenimiento de registros del que depende una auditoría forma parte del flujo de trabajo en lugar de ser un añadido. Concretamente, proporciona:

• Escaneo de sesgos en la generación de preguntas, con el resultado del escaneo registrado en cada evaluación.
• Informes de impacto adverso —tasas de selección y ratios de impacto por grupo— las cifras que debe revelar un resumen de auditoría de la LL144.
• Un rastro de auditoría de decisiones, razones y anulaciones humanas, de modo que el paso de humano en el circuito está evidenciado, no asumido.
• Registros de consentimiento y aviso, de modo que las obligaciones de aviso al candidato estén documentadas en lugar de meramente afirmadas.
• Evaluaciones generadas por IA producidas por puesto, de modo que las preguntas se corresponden con las calificaciones que tu aviso describe.

Nada de esto hace que H-Evaluate sea conforme en tu nombre —nada puede hacerlo, porque el cumplimiento de la LL144 es una propiedad de tu despliegue. Lo que hace es eliminar la excusa del mantenimiento de registros, de modo que la auditoría y la divulgación que realiza tu propio equipo descansen sobre datos limpios y completos. Si estás reconsiderando tu stack, comienza con nuestra visión general de la contratación AI-native: el argumento, en pocas palabras, es que las herramientas diseñadas bajo restricciones de cumplimiento superan a las herramientas adaptadas a ellas después de que llega una solicitud de auditoría.

La regulación seguirá cambiando más rápido que tu stack de contratación. La única estrategia duradera es tomar decisiones que te sintieras cómodo explicando: a un candidato, a un auditor o a un tribunal.