Hiring Fairness & Selection ROI

採用の公平性と選考の投資対効果

採用プロセスのグループ単位での公平性と価値を分析します。各段階および各グループの人数を入力すると、すべての段階の選考率とインパクト比（EEOC の 4/5 ルール）、各差が偶然を上回る大きさかどうか、最初から最後までの選考ファネル、およびシンプソンのパラドックスを検出する職務間の同条件比較を返します。匿名化したスコアと結果のペアを入力すると、テストが職務上の成功を予測するか、あるグループを過小評価していないか、公平な合格基準、および費用を差し引いた金銭的価値を示します。個人のスコアリング、順位付け、選考は行いません。出力は分析結果であり、法的助言ではありません。

レジストリ名	ai.saifs/hiring-fairness
エンドポイント	https://hiring-fairness-mcp.saifs.ai/mcp
トランスポート	Streamable HTTP（リモート、インストール不要）
認証	OAuth 2.1 — PKCE（S256）と動的クライアント登録。初回使用時にクライアントからサインインページが開きます
公開元	SAIFS AI

インストール

VS Code / GitHub Copilot

ワークスペースの .vscode/mcp.json またはユーザーの mcp.json に追加します。

{
  "servers": {
    "saifs-hiring-fairness": {
      "type": "http",
      "url": "https://hiring-fairness-mcp.saifs.ai/mcp"
    }
  }
}

次に、MCP ビューからサーバーを起動し、プロンプトが表示されたらサインインします。

Claude（claude.ai、Desktop）

Settings → Connectors → Add custom connector を選択し、次を貼り付けます。

https://hiring-fairness-mcp.saifs.ai/mcp

Claude Code

claude mcp add --transport http saifs-hiring-fairness https://hiring-fairness-mcp.saifs.ai/mcp

その他の MCP クライアント

Streamable HTTP トランスポートを使用して、https://hiring-fairness-mcp.saifs.ai/mcp に接続します。サーバーは WWW-Authenticate: Bearer … resource_metadata=… チャレンジとともに 401 を返すため、OAuth 対応クライアントでは自動的にサインインできます。

ツール

ツール	機能
hiring_fairness	最大 5,000 行の段階別人数（または段階／グループ／選考済みの候補者行、あるいは匿名化したスコア／結果のペア）を分析し、「この段階を見直す」「同条件で比較する」「テストは成功を予測する」「合格基準を設定する」「費用に見合う価値がある」といった判断カードを返します。
hiring_fairness_get_engine	大規模な ATS エクスポート向けです。候補者の行をローカルでグループ別人数に集計し、同じ分析を実行する numpy のみを使用した Python スクリプトを返すため、候補者データがサーバーに送信されることはありません。

プロンプトの例

• 「段階ごとの応募者数と採用者数を、性別ごとにまとめました。悪影響が見られる段階はありますか？」
• 「コーディング評価は費用に見合っていますか？公平な合格基準は何ですか？」
• 「部門間の選考率を、同条件で比較してください。」

サポート

• ウェブサイト：https://saifs.ai
• 問題の報告：https://github.com/Saify-Technologies/saifs-ai-mcps-docs/issues
• プライバシー：https://saifs.ai/privacy_policy