Cómo revisar un uso de IA en selección o gestión de personal antes de activarlo

Escribe la decisión que se quiere apoyar

Explica quién recibe el resultado y qué puede hacer después. Distingue una búsqueda documental de una recomendación que prioriza, filtra, puntúa o influye en selección, asignación, evaluación o promoción. La misma función técnica puede tener otro impacto según cómo la use el equipo.

Identifica personas y datos involucrados

Registra qué datos entran, de dónde proceden, qué inferencias se generan y qué grupos pueden quedar afectados. No des por hecho que un dato disponible en un sistema es pertinente para la decisión. Pide a privacidad y RR. HH. revisar propósito y acceso.

Determina si el resultado es informativo o decisorio

Observa el proceso real: ¿una persona puede ignorar la salida?, ¿tiene tiempo y criterios para revisarla?, ¿la recomendación se sigue automáticamente? Documenta ejemplos. Una aprobación formal no demuestra intervención significativa si el equipo no puede cuestionar el resultado.

Solicita información al proveedor

Pregunta por finalidad prevista, población de uso, datos de entrenamiento o configuración disponibles, limitaciones, evaluación y funciones que registran. Revisa documentación y contrato con especialistas. Una presentación comercial no acredita idoneidad para procesos laborales ni resuelve deberes de la empresa usuaria.

Prueba calidad en casos diversos

Evalúa con solicitudes representativas y casos que deben quedar fuera. Revisa errores, omisiones, diferencias entre grupos cuando sea pertinente y comportamiento ante datos faltantes. Usa criterios definidos por personas expertas y conserva la decisión del revisor junto al resultado.

Mantén una alternativa accesible

Explica cómo una persona puede pedir que su caso sea revisado por el canal correspondiente. Define responsable, escalado y forma de corregir datos. No traslades a empleados la obligación de demostrar que una puntuación automática es errónea.

Delimita el uso y los permisos

Restringe quién puede introducir datos, consultar recomendaciones y exportar resultados. Separa entornos de prueba y producción; usa datos ficticios para prototipos cuando sea posible. Evita reutilizar feedback, currículos u otras fuentes para fines no incluidos en la revisión.

Conserva trazabilidad y revisa cambios

Guarda versión del sistema, fecha, entrada relevante, recomendación, persona que la revisó y resultado, con acceso y retención aprobados. Revalida cuando cambie el modelo, propósito, datos o peso dado a la recomendación. Designa quién puede pausar el uso.

Confirma obligaciones antes de decidir

La AEPD ofrece materiales para orientar el análisis, y el Reglamento de IA establece categorías y obligaciones según el sistema y el contexto. Entrega el caso a asesoría laboral y de protección de datos para determinar qué requisitos aplican. No habilites un uso sensible basándote únicamente en esta lista.

Fuentes y documentación

• AEPD — Sistemas algorítmicos en el ámbito laboral — La página de innovación de la AEPD lista una orientación publicada en octubre de 2026 sobre transparencia y garantías de protección de datos en el ámbito laboral.
• EUR-Lex — Reglamento (UE) 2024/1689, texto consolidado — Fuente jurídica oficial. Revisada el 31/10/2026. El artículo aplicable depende del papel de la organización, la función del sistema y su contexto; consultar asesoría especializada para determinar obligaciones concretas.