Valor 01

Ciego donde
importa.

No afirmamos que nuestros modelos estén libres de sesgos — nadie puede hacerlo con honestidad. Lo que hacemos es quitarles el combustible. Aquello que la puntuación nunca ve, nunca puede usarlo para discriminar.

Hemos medido qué elimina realmente ese filtro: 97,6 por ciento de la señal de género detectable en nuestro propio conjunto de pruebas. El resto es pequeño — no se ha demostrado que sea cero, y lo decimos. Cómo lo medimos →

Cómo está integrado

Dos pasadas, ambas antes de la primera puntuación. Una pasada determinista por reglas elimina nombres, e‑mail, teléfono, edad y tratamientos. Una segunda pasada, con un modelo independiente, elimina lo que las reglas no detectan: origen, género, estado civil, salud, aspecto. La transcripción original se conserva intacta para el registro humano — solo la versión censurada llega a la evaluación.

Lo que dijo el candidato

“Hola, soy Lena Berger, 34, originalmente de Polonia — reconstruí el flujo de nóminas en mi último empleo y reduje la tasa de errores un 40 por ciento.”

Pasada 1 · Reglas

Nombre, e‑mail, teléfono, edad, año de nacimiento, tratamientos según el género. Determinista, comprobable, siempre activa.

Pasada 2 · Modelo independiente

Origen, género, religión, estado civil, salud, aspecto. Solo cambian las palabras afectadas — no se reescribe nada.

Lo que ve la puntuación

“Hola, soy eliminado, eliminado, eliminado — reconstruí el flujo de nóminas en mi último empleo y reduje la tasa de errores un 40 por ciento.”

La esencia profesional siempre se conserva: experiencia, periodos, cualificaciones. Las entrevistas son audio‑first — sin cámara, sin análisis de rostro ni de emociones, en ninguna parte de la plataforma.
Lena Berger
Informe de entrevista · Senior Payroll Specialist
Responsabilidad sobre el procesoFuerte+

“Reconstruí el flujo de nóminas y reduje la tasa de errores un 40 por ciento.”

Transcripción de la entrevista · 04:12
ComunicaciónBueno+

“Expliqué el nuevo proceso a nuestro comité de empresa antes del despliegue, y lo ajustamos juntos.”

Transcripción de la entrevista · 11:38
Dominio de herramientasAbierto+

No hay pruebas suficientes en esta conversación. Se marca como pregunta abierta para la siguiente ronda, sin adivinar.

Marcado para seguimiento humano
Mediana de 3 ejecuciones independientes Total calculado en código Citas verificadas literalmente
Valor 02

Cada resultado
es rastreable.

Un número sin motivo es un veredicto. En Sprad, cada valoración se despliega hasta la prueba que la respalda: la frase, la fuente, el momento en que se dijo. Sin prueba, no hay puntuación.

Cómo está integrado

Una cita solo cuenta si aparece literalmente en lo que la persona dijo de verdad — todo lo que el modelo no pueda respaldar se descarta antes de que pueda subir una puntuación. Cada criterio se puntúa tres veces de forma independiente y se conserva la mediana, y el total se suma en código, nunca por el modelo. Así, tu equipo puede revisar una valoración, defenderla ante un DPO o un comité de empresa, y la persona afectada puede impugnarla.

Valor 03

La IA aconseja. Las personas deciden.

La IA lee, estructura y redacta. Las personas toman cada decisión que afecta al sustento de alguien — con cualquier volumen y con su nombre detrás. Ese límite es arquitectura, no una política.

La IA prepara
Lee cada candidatura
Realiza entrevistas estructuradas
Ordena según tus criterios
Funciona con cualquier volumen. Recomienda, nunca decide.
Revisión humana nada se envía de forma auto‑mática
Las personas deciden
Invitar a entrevistaconfirmado por Anna
Ofertafirmada por Jonas
Rechazo, con feedbackrevisado por Anna
Cada decisión lleva un nombre humano. Un revisor puede abrir antes todas las pruebas.
Cómo está integrado

Un rechazo es el único efecto que no se puede deshacer, así que hay exactamente dos formas de activarlo, y ambas llevan el nombre de la persona que decidió. Un test de control en nuestro código revisa cada archivo fuente y hace fallar la compilación en cuanto aparece un tercer camino — nadie puede añadir en silencio un rechazo automático más adelante.

Valor 04

Las personas son dueñas de
sus datos.

Un perfil pertenece a la persona que aparece en él. Ve lo que contiene, lo libera dato a dato y puede retirar esa autorización — sin pedírselo a nadie.

Cómo está integrado

Cada autorización se limita a una empresa y está versionada, de modo que una persona siempre puede ver quién tiene qué. Al retirarla, se revoca de golpe en toda la empresa y queda registrada. Nada sobre una persona se compra, se extrae por scraping ni se fusiona a sus espaldas, y sus datos nunca se usan para entrenar modelos de IA — está en el contrato, no solo en esta página.

Perfil de Lena
Compartido con Mainzer Stadtwerke · versión 2
CV y trayectoria profesional
Informe de la entrevista
Skills y certificados
Expectativa salarial
Visible en la cantera de talento
Cada elemento lo libera Lena y puede retirarse en cualquier momento. Al retirarlo, se revoca el acceso en toda la empresa y queda registrado.
Estándares

La base
sobre la que nos apoyamos.

Los valores solo cuentan cuando cuestan algo. Este es el hormigón que hay debajo de los nuestros.

La protección de datos, primero Minimización de datos, limitación de la finalidad y derecho de supresión integrados en cada flujo, no añadidos después.
Máxima seguridad Cifrado en tránsito y en reposo, sobre una infraestructura con certificación independiente. Decimos con exactitud qué cubre el certificado: la infraestructura.
Preparados para el AI Act de la UE Avisos de transparencia, supervisión humana y documentación diseñados según los requisitos del reglamento para la IA en el ámbito laboral.
Alojado en Europa Tus datos se quedan en la UE, bajo condiciones del RGPD que tu delegado de protección de datos y tu comité de empresa pueden revisar de verdad — no un PDF de marketing.
Stadt Stuttgart Mainzer Stadtwerke LVM Versicherung Königsteiner
En producción en organizaciones reguladas y del sector público
Líneas rojas

Lo que nunca construiremos.

Sin análisis de cámara, rostro ni emociones.
Sin vigilancia en exámenes (proctoring).
Sin enriquecimiento oculto ni reventa de datos.
Sin rechazos totalmente automatizados.
Sin entrenar modelos con datos de personas.
Ninguna puntuación sin pruebas que la respalden.

Honestidad por encima de sellos. Preferimos decirte exactamente qué cubre un certificado y qué no puede hacer un modelo que decorar un pie de página. Si alguna afirmación de esta página deja de ser cierta, se va la función — no el valor.

Audítanos en directo.

La forma más rápida de comprobar estos cuatro valores: ver trabajar a la IA. Puntuaciones trazables, pantallas de liberación y puntos de aprobación humana, todo en el producto.