När det är en algoritm, inte en person, som fattar beslutet mot dig

Om ett automatiserat verktyg gör urval bland jobbsökande, prissätter en försäkring, poängsätter en låneansökan, eller flaggar en hyresgäst, är den underliggande antidiskrimineringslagen i allmänhet densamma som skulle gälla för en mänsklig beslutsfattare: Title VII i Civil Rights Act från 1964 för anställning, Equal Credit Opportunity Act (ECOA) för kredit, och Fair Housing Act för bostäder, bland annat. Att det var en leverantörs algoritm - inte en rekryteringschef - som producerade det negativa beslutet befriar inte arbetsgivaren eller långivaren från dessa lagar; det kan bara göra diskrimineringen svårare att upptäcka, eftersom en till synes neutral poängsättningsmodell ändå kan ge en diskriminerande effekt för en skyddad grupp (indirekt diskriminering).

I maj 2023 publicerade EEOC teknisk vägledning som behandlade algoritmiska rekryteringsverktyg som ett "urvalsförfarande" enligt Title VII, underkastat samma analys av negativ påverkan som vilket annat test som helst. Det specifika vägledningsdokumentet togs bort från EEOC:s webbplats i januari 2025 efter ett ledarskapsbyte i myndigheten. Att ta bort ett vägledningsdokument upphäver inte den underliggande lagstiftningen - Title VII, ADA, och ADEA gäller fortfarande för AI-drivna anställningsbeslut - men det innebär att det för närvarande finns mindre formell federal myndighetsvägledning om hur dessa lagar specifikt tillämpas på algoritmiska verktyg. verify EEOC:s aktuella publicerade ståndpunkt innan du förlitar dig på någon specifik AI-rekryteringsstandard som officiell federal vägledning

För kreditbeslut kräver Regulation B (som implementerar ECOA) redan att en långivare ger ett specifikt, korrekt meddelande om negativt beslut när den nekar kredit - inklusive när en maskininlärningsmodell drev beslutet. En långivare som använder en ogenomskinlig algoritm får inte hoppa över detta meddelande eller ge ett vagt skäl; de specifika faktorer som faktiskt påverkade beslutet måste i allmänhet fortfarande redovisas. verify hur just din långivares meddelande om negativt beslut beskriver skälen, och om det verkar spegla modellens faktiska beslutsfaktorer

New Yorks Local Law 144 (i kraft sedan juli 2023) kräver att arbetsgivare som använder ett "automatiserat anställningsbeslutsverktyg" på kandidater eller anställda i New York låter verktyget granskas oberoende avseende partiskhet under det senaste året, publicerar en sammanfattning av granskningsresultaten, och ger kandidater förhandsbesked med rätt att begära en alternativ process. Detta är för närvarande en av de mest konkreta, verkställbara AI-specifika transparensreglerna i USA, med civilrättsliga sanktioner vid bristande efterlevnad. verify aktuella sanktionsbelopp och tillsynsläge, eftersom dessa kan uppdateras

Colorado antog en bred AI-lag (SB 24-205) inriktad på algoritmisk diskriminering i "högrisk"-beslut, men dess ikraftträdandedatum sköts upp två gånger av lagstiftaren och den ersattes sedan helt av en snävare lag (SB 26-189, undertecknad maj 2026) som tar en avslöjande- och transparensansats i stället för det ursprungliga ramverket med aktsamhetsplikt och konsekvensbedömning, med ikraftträdande 1 januari 2027. Detta är ett tydligt exempel på hur snabbt detta område rör sig - anta inte att de ursprungligt tillkännagivna reglerna i Colorados AI-lag är de som faktiskt gäller. verify Colorados nuvarande AI-lag och ikraftträdandedatum direkt innan du förlitar dig på den

I EU klassificerar AI-akten (förordning (EU) 2024/1689) AI-system som används vid rekrytering, kandidaturval, och biometrisk identifiering som "högrisk", vilket medför skyldigheter som riskhantering och mänsklig tillsyn. Efter en förenklingsöverenskommelse ("omnibus") 2026 sköts dessa högriskskyldigheter för de flesta sådana system upp till 2 december 2027, medan snävare transparensregler (som märkning av AI-genererat innehåll) fortfarande börjar gälla i augusti 2026. verify den aktuella tidsplanen för efterlevnad av EU:s AI-akt innan du antar att någon specifik skyldighet redan är aktiv

Fall där du kan visa ett tydligt, dokumenterat mönster - en partiskhetsgranskning som visar en skillnad, eller ett tydligt diskriminerande avslagsskäl i ett meddelande om negativt beslut - står på mycket fastare grund än en misstanke om att "algoritmen verkade orättvis", vilket är svårt att bevisa utan underliggande data.

New Yorks Local Law 144 har drivit fram verklig transparens (publicerade sammanfattningar av partiskhetsgranskningar), men tillsynsbedömningar har funnit inkonsekvent efterlevnad bland arbetsgivare - en saknad eller lågkvalitativ granskning är i sig värd att flagga, men anta inte att alla arbetsgivare som använder ett automatiserat verktyg faktiskt har följt reglerna.

Detta är ett genuint oreglerat rättsområde där reglerna ändras år för år (som exemplen från Colorado och EU ovan visar) - den här sidan kan hjälpa dig identifiera rätt underliggande anspråk och process, men den kan inte förutspå hur en specifik myndighet eller domstol kommer att behandla ett specifikt algoritmiskt verktyg.