コンプライアンス · July 18, 2026 · 約9分

NYC Local Law 144：バイアス監査ルールが実際に求めるもの

NYC Local Law 144は、自動化された採用ツールが候補者をスクリーニングする前に、独立したバイアス監査を受けることを義務付けています。この法律が対象とする範囲、誰が責任を負うのか、そして何を測定するのかを解説します。

← 「コンプライアンス最優先の採用AI：LL144とEU AI法」の一部

ニューヨーク市の職種の候補者をスクリーニング、ランク付け、またはスコアリングするためにソフトウェアを使用しているチームには、その方法を規定する法律がすでに存在します。そしてほとんどの採用チームは、それがいかに広範に及ぶかを過小評価しています。NYC Local Law 144は、ツールを「AI」と呼ぶかどうか、あるいは日常的なATS機能として扱うかを問いません。ソフトウェアが採用または昇進の意思決定を実質的に支援しているかどうかを問うのです。本ガイドは、こうしたツールを実際に運用する採用リーダー、リクルーター、HRおよび法務担当者を対象としています。リスクは具体的なものです。罰則は違反ごとに累積し、日単位で積み重なるため、静かに監査を受けていないツールは一時的なリスクではなく、拡大する負債になります。

これはコンプライアンスを最優先とする採用AIに関するガイドからの詳細解説です。法律が対象とする範囲、雇用主に課せられる3つの義務、バイアス監査が実際に何を測定するか、その数値をどう読むか、そして適切に設計された評価ワークフローが監査に必要な記録をどのように維持するかを平易な言葉で解説します。通底するメッセージは一つ——LL144に基づくコンプライアンスはツールの使い方の問題であり、ベンダーのマーケティングの主張に外注することはできないということです。

NYC Local Law 144が対象とする範囲

Local Law 144は、ニューヨーク市内の人々の採用または昇進のスクリーニングにおける裁量的意思決定を実質的に支援または代替する自動化された雇用意思決定ツール（AEDT）に適用されます。AEDTとは、大まかに言えば、機械学習または類似の技術から導き出された計算プロセスであり、誰が選考に進むかを決定するために使用されるスコア・分類・ランキングなどの簡略化されたアウトプットを生成するものです。ほとんどのチームが想定するよりも広い範囲に及びます。なぜなら、ソフトウェアが実行する機能がトリガーとなるのであって、商品名ではないからです。

管轄の根拠は、企業の所在地ではなく候補者の所在地です。ニューヨーク市の応募者をAEDTでスクリーニングしている、本社が他の地域にあるリモートファーストの雇用主も、この法律が適用されると考えておくべきです。これは現代の採用規制によく見られるパターンであり、複数の管轄にわたる雇用主が市ごとの例外の寄せ集めではなく一つのコンプライアンス基準を設計するようになっている理由でもあります。

チームが両方の条件において自分たちは対象外だと思い込む理由があるため、ツールが対象に含まれる2つの条件を正確に理解することが重要です。第一に、ツールは裁量的意思決定を実質的に支援または代替していなければなりません——人間が一瞥する数字を出すだけでなく、誰が選考に進むかを意味のある形で左右している必要があります。第二に、その意思決定はニューヨーク市に紐づいた職種の採用または昇進に関するものでなければなりません。上位の応募者を抽出する履歴書ランカー、スコアリングと並べ替えを行う評価プラットフォーム、回答を評点するインタビューツール——これらはいずれも該当し得ます。最も安全な姿勢は、対象範囲を前提として、なぜ特定のツールが対象外かを文書化することです。逆を前提として、監査要請が来たときにその乖離を発見するのではなく。

3つの義務と責任の所在

対象ツールを使用できるようになる前に、雇用主に3つの義務が課せられます。そして3つすべてはベンダーではなく雇用主に帰属します。

• バイアス監査 — ツールの構築・販売・使用に一切関与しておらず、雇用主との間に利益相反となる金銭的つながりのない独立した監査人によって、過去1年以内に実施されたもの。監査は雇用主自身の利用実績に基づいて算出されます。
• 公開開示 — 直近のバイアス監査の実施日、結果の概要、およびツールの配布日を、雇用主のウェブサイトの採用・求人情報セクションに明確かつ目立つ形で掲載すること。
• 候補者への通知 — AEDTを使用する前に事前通知を行い、自動化ツールが使用される旨、および評価対象となる職務資格や特性を説明すること。候補者が何をどのように評価されるかを把握できるようにするためです。

すべての項目が雇用主の義務であることに注目してください。この位置づけこそが、この法律について最も重要な理解すべき点です。なぜなら、受け取るすべてのベンダーの提案をどう読むべきかが変わるからです。

バイアス監査は何を測定するか

バイアス監査は曖昧な公平性レビューではありません。特定の統計的計算です。独立した監査人は、性別カテゴリーごと、および人種・民族カテゴリーごとの選抜率を算出し、関連する場合は交差カテゴリーも算出します。選抜率とは単純に、あるグループの候補者のうち選抜された者の割合です。スコアリングツールの場合は、グループの平均スコアを同等の基準で処理します。

それらの率から、監査人はインパクト比率を導き出します。各グループの選抜率を最も高いスコアのグループの率で割ったものです。これは自動化ツールに適用された4/5ルールです。インパクト比率が0.8を下回ることは、潜在的なアドバースインパクトを示す長年の指標であり、数十年にわたる米国の雇用選考実務で使われてきた同じ基準です。重要な点は、これらの比率はベンダーのベンチマーク集団ではなく、雇用主の候補者と利用実績に基づいて算出されるということです。だからこそ、同じツールを使っても一方の雇用主では通過し、もう一方ではフラグが立つことがあります。

公開された監査の概要には、分析されたカテゴリー、選抜率、そしてインパクト比率を開示する必要があります。この透明性は意図的なものです。候補者や規制当局は、あるグループが基準グループと比べてどのような結果だったかを数値で確認できます。ツールがグループレベルのクリーンな選抜データを生成できない場合、説明可能な監査を提示することができません。ここで記録管理が静かにゲームの全てになります。

実務上、チームが躓く2つのポイントがあります。監査はデータに基づいて実施されます——過去の利用実績か、それが不足している場合は適切なテストデータを使います——そのため、薄くあるいは乱雑な人口統計記録では、クリーンな監査を作成することが困難になります。また、インパクト比率が0.8を下回ることはフラグであり、違法な差別の自動的な判定ではありません。あるグループが著しく低い率で選抜されており、その乖離について説明し、必要に応じて対処することが求められているというシグナルです。4/5の閾値は確立した選考実務から引き出されたスクリーニングの経験則であり、だからこそ人間の採用から自動化ツールへの移行においてこれほどうまく機能しています。規制当局は新しい物差しを発明したのではなく、身近な物差しをソフトウェアに適用したのです。

なぜ罰則が累積するのか

執行の設計こそが、書類上の不備を実質的なリスクに変えます。Local Law 144に基づく民事罰は1違反あたり最大1,500ドルに達し、非準拠のツールを使用した各日が別個の違反として扱われることがあります。必要な候補者への通知を怠ることも、それ自体が違反として扱われます。

リスクは日ごとに累積し、大量の採用ファネル全体に及ぶため、静かに監査を受けていないツールの計算は容赦ありません。単発の罰金として引当金を積んでおけるものではなく、積算されるメーターです。法律の執行は2023年7月に開始されており、多くのチームが大規模な自動スクリーニングを展開してきた間ずっと、これは将来の義務ではなく現実の義務でした。

LL144と他のAI採用関連法との比較

Local Law 144は意図的に範囲を絞り、監査中心の設計になっています。複数の管轄で採用を行う場合、根底にある目標が一致していても、メカニズムがどう異なるかを理解することが助けになります。

• NYC Local Law 144：範囲が絞られており監査中心。ニューヨーク市の候補者に使用されるAEDTを対象とし、年次独立バイアス監査・結果の公開・候補者への通知を義務付けます。2023年7月から執行中。
• EU AI法：雇用AIをハイリスクに分類し、リスク管理・人間による監督・ログ記録にわたるプロバイダーと運用者の義務を課します。単一の監査よりも広範かつシステム的です。
• コロラド州のAIフレームワーク：2026年の改正後、採用にとどまらず多くの重大な意思決定にわたる透明性・データアクセスおよび訂正権・実質的な人間によるレビューを重視しています。
• イリノイ州のAI採用関連法：既存の人権法令に重ねた市民権アプローチ。雇用における差別的なAIの使用と通知に対処しています。

規制当局はメカニズム——監査・リスク管理・開示・市民権執行——について意見が分かれていますが、本質については一致しています。候補者に自動化ツールが関与していることを伝え、意思決定を説明・防衛できるようにし、重要な場面では人間を実質的にプロセスに組み込み、記録を保持することです。管轄ごとにパッチを当てるのではなく、この共通の核に一度対応するチームは、長期的にはるかに低いコストで済みます。これがバイアス削減を採用システム自体の設計上の制約として扱う論拠です。

記録管理とコンプライアンスの交差点

繰り返し見られる失敗パターンは悪意ではありません。データの欠如です。監査人がグループ別の選抜率を求めるとき、あるいは規制当局が候補者がなぜ落とされたかを尋ねるとき、不透明なスコアは答えになりません。監査を難なく通過するツールは、最初から正しいことを記録していたツールです。誰がどの要件で評価され、結果はどうで、どこで人間が介入したかを記録していたツールです。

ここで評価設計とコンプライアンスは別々のプロジェクトではなくなります。観察可能な業務に基づいて構築された評価——汎用スコアではなく、ワークサンプルテストと職種固有のタスク——はレビュアーに具体的なものを提供し、候補者への通知に正直な内容を記述できるようにします。設計による職務関連性は、あらゆるアドバースインパクト分析の最も強固な基盤です。なぜなら、「なぜこの設問なのか」という異議申し立てに、それが提起される前から答えているからです。

候補者への通知義務は、監査そのものと同じ注意が必要です。なぜなら、応募者に最も見えやすい部分であり、静かに誤りやすい部分だからです。通知は本物で具体的でなければなりません。自動化ツールが候補者を評価することを伝え、評価対象となる資格と特性を、ツールが稼働する前に候補者が実際に理解できる言葉で説明しなければなりません。事後に埋もれた形ではなく。評価が職務に明確に紐づいている場合、その通知は自然に書けます。なぜなら、不透明なスコアの正当化を後付けするのではなく、本物の職務関連の業務を説明しているからです。

H-Evaluateが提供するもの

H-Evaluateはまさにこのパターンのためにコンプライアンスを最優先として構築されました。AI生まれのスキル評価プラットフォームです。つまり、監査が依存する記録管理は後付けではなくワークフローの一部です。具体的には以下を提供しています。

• 設問生成時のバイアススキャン。スキャン結果が各評価に対して記録されます。
• アドバースインパクトレポート——グループ別の選抜率とインパクト比率——LL144の監査概要が開示しなければならない数値です。
• 意思決定・理由・人間によるオーバーライドの監査証跡。人間がプロセスに関与した手順が前提ではなく証拠として残ります。
• 同意・通知記録。候補者への通知義務が主張ではなく文書として証明されます。
• 職種ごとに生成されるAI生成評価。設問が通知に記載した資格に紐づきます。

これはH-Evaluateがあなたに代わってコンプライアンスを確保するということではありません——何もそれはできません。LL144のコンプライアンスはあなたの運用の性質に関わるものだからです。それが行うのは、記録管理の言い訳を取り除くことです。自社チームが実施する監査と開示が、クリーンで完全なデータに基づいて行えるようになります。スタックを見直しているなら、AI生まれの採用についての概要から始めてください。要約すると、コンプライアンスの制約のもとで設計されたツールは、監査要請が届いた後に後付けで対応しようとするツールよりも優れた結果を生みます。

規制はあなたの採用スタックよりも速く変化し続けるでしょう。唯一持続可能な戦略は、候補者にも、監査人にも、裁判所にも説明できる意思決定を行い続けることです。