컴플라이언스 · July 18, 2026 · 9분 읽기

NYC Local Law 144: 편향성 감사 규정이 실제로 요구하는 것

NYC Local Law 144는 자동화된 채용 도구가 후보자를 선별하기 전에 독립적인 편향성 감사를 받도록 요구합니다. 이 법이 무엇을 다루는지, 누가 책임을 지는지, 그리고 무엇을 측정하는지 살펴봅니다.

← 컴플라이언스 우선 채용 AI: NYC LL144, EU AI Act, GDPR을 설계 명세로 다루기의 일부

뉴욕시 내 직책의 후보자를 선별하거나 순위를 매기거나 점수를 매기는 데 소프트웨어를 사용하는 팀이라면, 그 방식을 이미 규율하는 법이 존재합니다 — 그리고 대부분의 채용 팀은 이 법이 얼마나 광범위하게 적용되는지 과소평가합니다. NYC Local Law 144는 도구를 'AI'로 인식하는지, 아니면 일상적인 ATS 기능으로 여기는지에 관심이 없습니다. 소프트웨어가 채용 또는 승진 결정을 실질적으로 보조하는지에 관심이 있습니다. 이 가이드는 그러한 도구를 실제로 운용하는 인재 담당 리더, 채용 담당자, HR·법무 책임자를 위한 것입니다. 위험 부담은 구체적입니다: 제재금은 위반 건당 누적되고 매일 증가하므로, 조용히 감사를 받지 않은 도구는 일회성 리스크가 아닌 지속적으로 커지는 법적 책임이 됩니다.

이 글은 컴플라이언스 우선 채용 AI 가이드에서 심층적으로 다루는 주제입니다. 이 법이 무엇을 다루는지, 고용주에게 부과하는 세 가지 의무, 편향성 감사가 실제로 측정하는 것, 그 수치를 어떻게 해석하는지, 그리고 잘 설계된 평가 워크플로우가 감사에 필요한 기록을 어떻게 유지하는지를 평이한 언어로 설명합니다. 일관된 핵심 논지는 이것입니다: LL144 컴플라이언스는 도구를 어떻게 사용하는지의 속성이므로, 벤더의 마케팅 주장에 그 일을 위탁할 수 없습니다.

NYC Local Law 144의 적용 범위는 무엇입니까?

Local Law 144는 뉴욕시 내 인력의 채용 또는 승진을 위한 후보자 선별 결정을 실질적으로 보조하거나 대체하는 자동화된 고용 결정 도구(AEDT)에 적용됩니다. AEDT는 광의적으로, 머신러닝 또는 유사 기법에서 파생된 연산 프로세스로서 점수·분류·순위 같은 단순화된 출력을 생성하여 전형 대상자를 결정하는 데 사용되는 것을 가리킵니다. 적용 범위는 대부분의 팀이 가정하는 것보다 훨씬 넓은데, 이는 소프트웨어에 붙은 브랜드가 아니라 소프트웨어가 수행하는 기능이 적용 기준이 되기 때문입니다.

관할권의 연결 고리는 회사의 소재지가 아니라 후보자의 위치입니다. AEDT를 이용해 뉴욕시 지원자를 선별하는, 다른 곳에 본사를 둔 원격 근무 중심 기업이라면 해당 결정에 이 법이 적용된다고 가정해야 합니다. 이는 현대 채용 규제 전반에서 익숙한 패턴이며, 다수의 관할권에서 채용하는 고용주들이 도시별 예외를 짜깁기하는 대신 하나의 컴플라이언스 기준선을 설계하는 경향이 있는 이유입니다.

도구가 적용 범위에 포함되는 두 가지 조건을 명확히 짚어야 합니다. 팀들이 두 가지 모두에서 스스로 적용 대상이 아니라는 논리를 만들어내기 때문입니다. 첫째, 도구가 재량적 결정을 실질적으로 보조하거나 대체해야 합니다 — 인간이 잠깐 훑어보는 수치를 생성하는 것이 아니라, 전형 대상자 결정에 의미 있는 영향을 미쳐야 합니다. 둘째, 그 결정이 뉴욕시와 연관된 직책의 채용 또는 승진에 관한 것이어야 합니다. 상위 지원자를 추려내는 이력서 순위 도구, 점수를 매기고 정렬하는 평가 플랫폼, 응답을 평가하는 면접 도구: 이 모두가 해당될 수 있습니다. 가장 안전한 자세는 적용 대상으로 가정하고, 특정 도구가 적용 범위에서 벗어나는 이유를 문서화하는 것입니다 — 그 반대로 가정했다가 감사 요청 시 허점을 발견하는 것보다 낫습니다.

세 가지 의무와 책임의 소재

고용주가 적용 대상 도구를 사용하기 전에 세 가지 의무가 부과되며, 이 세 가지 모두 벤더가 아닌 고용주에게 있습니다:

• 편향성 감사 — 해당 도구를 개발, 판매 또는 사용하는 데 관여하지 않았고 고용주와 이해 충돌을 일으킬 수 있는 재정적 연관이 없는 독립 감사자가 전년도 이내에 실시하며, 고용주의 실제 사용 내역을 기준으로 산출합니다.
• 공개 고지 — 가장 최근 편향성 감사 날짜, 결과 요약, 도구의 배포 날짜를 고용주 웹사이트의 채용 또는 구인 섹션에 명확하고 눈에 띄게 게시합니다.
• 후보자 통지 — AEDT 사용 전에 사전 고지를 제공하며, 자동화 도구가 사용된다는 사실과 해당 도구가 평가하는 직무 자격 요건 및 특성을 명시하여 후보자가 무엇이 어떻게 평가되는지 알 수 있도록 합니다.

모든 항목이 고용주의 의무라는 점에 주목하십시오. 이 법에서 가장 중요하게 내면화해야 할 것이 바로 이 관점입니다. 수신하는 모든 벤더 제안을 어떻게 읽어야 하는지가 달라지기 때문입니다.

편향성 감사는 무엇을 측정합니까?

편향성 감사는 막연한 공정성 검토가 아닙니다. 구체적인 통계 산출입니다. 독립 감사자는 각 성별 범주와 각 인종·민족 범주별 선발률을 계산하고, 관련이 있는 경우 교차 조합도 산출합니다. 선발률은 단순히 해당 집단에서 선발된 후보자의 비율입니다 — 점수를 매기는 도구의 경우에는 집단의 평균 점수를 비교 가능한 방식으로 처리합니다.

감사자는 그 비율로부터 영향 비율을 산출합니다: 각 집단의 선발률을 가장 높은 집단의 선발률로 나눈 값입니다. 이것이 자동화 도구에 적용되는 5분의 4 규칙입니다. 영향 비율이 0.8 미만이면 잠재적 불리 효과에 대한 오랜 경고 신호로, 수십 년간 미국 고용 선발 실무에서 사용되어 온 것과 동일한 기준치입니다. 결정적인 점은 이 비율이 벤더의 벤치마크 모집단이 아니라 고용주 자신의 후보자와 사용 내역을 기준으로 산출된다는 것입니다 — 이 때문에 동일한 도구가 한 고용주에서는 기준을 통과하고 다른 고용주에서는 경고 신호를 낼 수 있습니다.

따라서 공개된 감사 요약본에는 분석된 범주, 선발률, 영향 비율이 반드시 공개되어야 합니다. 이 투명성은 의도적입니다: 후보자와 규제 기관이 각 집단이 기준 집단 대비 어떤 결과를 얻었는지를 수치로 확인할 수 있습니다. 도구가 집단별 선발 데이터를 깔끔하게 산출하지 못한다면 방어 가능한 감사를 만들 수 없으며, 이 지점에서 기록 관리가 조용히 핵심 과제가 됩니다.

실무적으로 팀을 어렵게 만드는 두 가지 복잡한 문제가 있습니다. 감사는 데이터를 기반으로 합니다 — 과거 사용 내역이나 그것이 부족할 경우 적절한 테스트 데이터 — 이므로 인구통계 기록이 희박하거나 정리되지 않으면 깔끔한 감사를 만들기 어렵습니다. 또한 영향 비율이 0.8 미만이라는 것은 경고 신호이지, 위법한 차별의 자동 판정이 아닙니다. 이는 해당 집단이 현저히 낮은 비율로 선발되고 있으며 그 격차에 대한 설명과 필요한 경우 시정이 필요하다는 신호입니다. 5분의 4 기준치는 확립된 선발 실무에서 도출된 선별 휴리스틱으로, 바로 이 때문에 인간 채용에서 자동화 도구로 잘 전이됩니다: 규제 기관이 새로운 잣대를 만든 것이 아니라 익숙한 잣대를 소프트웨어에 적용한 것입니다.

제재금이 누적되는 이유

집행 설계가 서류 미비를 실질적인 위험 노출로 전환시킵니다. Local Law 144에 따른 민사 제재금은 위반 건당 최대 1,500달러에 달하며, 비준수 도구를 사용한 하루하루가 별도의 위반으로 취급될 수 있습니다. 필요한 후보자 통지를 제공하지 않는 것도 별개의 위반으로 취급됩니다.

노출이 매일 누적되고 채용 건수가 많은 전형 과정 전반에 걸쳐 발생할 수 있기 때문에, 조용히 감사를 받지 않은 도구에 대한 수치는 가혹합니다. 단순히 적립할 수 있는 일회성 벌금이 아니라 계속해서 돌아가는 미터기입니다. 이 법의 집행은 2023년 7월에 시작되었으므로, 많은 팀이 자동화 선별을 대규모로 운용해온 기간 내내 이것은 미래의 의무가 아닌 현재의 의무였습니다.

LL144와 다른 AI 채용법 비교

Local Law 144는 의도적으로 좁고 감사 중심이어서, 더 광범위한 체계와 비교할 때 유용한 기준점이 됩니다. 여러 관할 구역에서 채용한다면, 근본적인 목표는 수렴하더라도 메커니즘이 어디서 달라지는지 파악하는 것이 도움이 됩니다:

• NYC Local Law 144: 좁고 감사 중심입니다. 뉴욕시 후보자에 대해 사용되는 AEDT를 대상으로 연간 독립 편향성 감사, 결과 공개, 후보자 고지를 요구합니다. 2023년 7월부터 집행되고 있습니다.
• EU AI 법: 고용 AI를 고위험 분류로 지정하며, 제공자와 배포자 양측에 리스크 관리·인간 감독·로깅을 포괄하는 의무를 부과합니다. 단일 감사보다 광범위하고 체계적입니다.
• 콜로라도 AI 프레임워크: 2026년 개정 이후, 채용만이 아닌 다양한 중대한 의사결정 전반에 걸쳐 투명성, 데이터 접근·정정 권리, 실질적인 인간 검토를 강조합니다.
• 일리노이주 AI 채용법: 기존 인권 법령에 레이어를 더한 시민권 접근 방식으로, 고용에서의 차별적 AI 사용과 고지를 다룹니다.

규제 기관들은 메커니즘 — 감사, 리스크 관리, 정보 공개, 시민권 집행 — 에 대해서는 의견이 다르지만 실질적인 내용에는 동의합니다: 자동화 도구가 개입될 때 후보자에게 알리고, 결정을 설명하고 방어할 수 있어야 하며, 중요한 곳에서는 인간이 의미 있게 관여하고, 기록을 보존하라는 것입니다. 관할 구역별로 패치를 붙이는 것이 아니라 이 공통 핵심에 한 번 맞게 구축하는 팀은 장기적으로 훨씬 적은 비용을 지출합니다. 이것이 편향성 감소를 채용 시스템 자체의 설계 제약으로 다루는 논거입니다.

기록 관리와 컴플라이언스의 교차점

반복되는 실패 패턴은 나쁜 의도가 아닙니다. 누락된 데이터입니다. 감사자가 집단별 선발률을 요청하거나 규제 기관이 특정 후보자가 왜 탈락했는지를 묻는 상황에서, 불투명한 점수는 답이 될 수 없습니다. 감사를 무리 없이 통과하는 도구는 처음부터 올바른 내용을 로깅하고 있던 것입니다: 누가 어떤 자격 요건을 기준으로 평가받았는지, 결과가 무엇이었는지, 인간이 어떤 단계에서 개입했는지.

이것이 평가 설계와 컴플라이언스가 별개의 프로젝트가 아닌 지점이기도 합니다. 관찰 가능한 업무를 중심으로 설계된 평가 — 포괄적인 점수가 아닌 실무 샘플 테스트와 직무 특화 과제 — 는 검토자에게 검토할 구체적인 내용을 제공하고, 후보자 통지에 설명할 솔직한 내용을 제공합니다. 설계 자체로 직무 연관성을 확보하는 것이 모든 불리 효과 분석의 가장 강력한 토대입니다. '왜 이 문항이 필요한가'라는 이의를 제기받기 전에 미리 답하는 것이기 때문입니다.

후보자 통지 의무는 감사 자체만큼의 주의를 기울여야 합니다. 지원자에게 가장 잘 보이는 부분이자, 조용히 잘못 처리하기 가장 쉬운 부분이기 때문입니다. 통지는 진정성 있고 구체적이어야 합니다: 자동화 도구가 후보자를 평가할 것이며 도구가 평가하는 자격 요건과 특성을 실제로 이해할 수 있는 언어로, 도구가 실행되기 전에 전달되어야 합니다 — 사후에 뭍히듯 공지하는 것은 안 됩니다. 평가가 직무와 명확하게 연결되어 있다면 통지문은 자연스럽게 작성됩니다. 불투명한 점수에 대한 정당성을 역설계하는 것이 아니라 실제 직무 연관 업무를 설명하는 것이기 때문입니다.

H-Evaluate가 제공하는 것

H-Evaluate는 정확히 이러한 패턴을 위해 컴플라이언스 우선으로 설계되었습니다. AI 네이티브 역량 평가 플랫폼으로, 감사에 필요한 기록 관리가 사후에 추가된 기능이 아니라 워크플로우의 일부입니다. 구체적으로 제공하는 것은 다음과 같습니다:

• 문항 생성 시점의 편향성 스캔, 그리고 각 평가에 스캔 결과를 기록.
• 불리 효과 리포팅 — 집단별 선발률 및 영향 비율 — LL144 감사 요약본에 공개해야 하는 수치.
• 결정 내역, 사유, 인간의 재정의(override) 감사 추적 기록으로, 인간 검토 단계가 가정이 아닌 증거로 남습니다.
• 동의 및 통지 기록으로, 후보자 고지 의무가 주장이 아닌 문서로 증빙됩니다.
• 직무별로 생성된 AI 생성 평가로, 문항이 통지문에 기재한 자격 요건에 대응합니다.

이것이 H-Evaluate를 여러분을 대신해 컴플라이언트하게 만들어주지는 않습니다 — 어떤 도구도 그럴 수 없습니다. LL144 컴플라이언스는 여러분의 운용 방식의 속성이기 때문입니다. H-Evaluate가 하는 것은 기록 관리의 핑계를 제거하여, 여러분 팀이 직접 실시하는 감사와 공개가 깔끔하고 완전한 데이터 위에 놓이도록 하는 것입니다. 스택을 재검토하고 있다면, AI 네이티브 채용 개요를 먼저 읽어보십시오. 간단히 말하면, 컴플라이언스 제약 조건을 염두에 두고 설계된 도구가 감사 요청이 들어온 후 사후에 보완된 도구보다 낫다는 주장입니다.

규정은 채용 시스템보다 빠르게 계속 바뀔 것입니다. 유일하게 지속 가능한 전략은 후보자에게도, 감사자에게도, 법원에도 편안하게 설명할 수 있는 결정을 내리는 것입니다.