Artículos de David Pinkhasov

Descubra por qué ocurren los archivos de crédito mezclados y los errores en verificaciones de antecedentes, quiénes corren mayor riesgo y cómo la identidad equivocada puede afectar el crédito, el empleo, la vivienda y más. Este artículo explica la diferencia entre las confusiones en informes de crédito y en reportes de antecedentes, y los pasos legales que pueden restaurar su historial real.

¿Rechazado por una herramienta de contratación con IA? Es posible que tu currículum nunca haya sido visto por una persona. Descubre cómo el filtrado algorítmico activa las protecciones de la FCRA, qué significa la guía del CFPB de 2024 y cómo desafiar errores automatizados en verificaciones de antecedentes que cuestan empleos reales.

Una oferta de trabajo en Hobby Lobby puede desaparecer debido a una verificación de antecedentes que nunca viste. Los archivos mezclados, los registros desactualizados y los datos judiciales incompletos son más comunes de lo que los solicitantes creen. Este artículo explica cómo funciona la selección de Hobby Lobby, qué exige la ley federal antes de una denegación y cómo disputar o demandar cuando un informe inexacto te cuesta un empleo.

La inteligencia artificial promete velocidad y escala en el reclutamiento. Pero los mismos sistemas automatizados de decisión que clasifican currículums, puntúan verificaciones de antecedentes o verifican identidades también pueden replicar prejuicios antiguos – o introducir nuevos – si se entrenan con datos sesgados o funcionan como “cajas negras” opacas.