Váš AI nástroj na nábor môže byť vysokorizikový podľa AI Act. Tu je, čo to znamená.
Bežný piatok v HR oddelení stredne veľkej firmy v Bratislave. Na pozíciu junior developera prišlo 200 životopisov. HR manažérka otvorí ATS, klikne na "AI ranking" a systém za 40 sekúnd vytiahne top 15 kandidátov. Pohodlné. Rýchle. A od 2. augusta 2026 aj regulované.
Nariadenie EÚ o umelej inteligencii (AI Act, Regulation 2024/1689) klasifikuje AI systémy podľa miery rizika. Všetko, čo sa dotýka zamestnávania, spadá do kategórie "vysoké riziko." Tá istá funkcia, ktorú HR tím denne používa, teraz podlieha požiadavkám na dokumentáciu, transparentnosť a ľudský dohľad. A keďže ide o nariadenie (nie smernicu), platí priamo, bez transpozície do slovenského práva.
Čo presne spadá pod vysokorizikové AI v HR
AI Act v Prílohe III výslovne menuje tieto oblasti zamestnanosti:
- Cielenie pracovných inzerátov pomocou AI (kto inzerát uvidí a kto nie)
- Triedenie a filtrovanie žiadostí o zamestnanie
- Hodnotenie kandidátov pri pohovoroch alebo assessment centrách
- Rozhodovanie o povýšení a ukončení pracovného pomeru
- Monitorovanie výkonu zamestnancov a prideľovanie úloh
Ak Váš ATS, HR platforma alebo interný nástroj robí čokoľvek z tohto zoznamu s prvkom automatizácie, máte vysokorizikový AI systém. Nezáleží na tom, či ide o komerčný SaaS alebo interný Python skript, ktorý niekto napísal na kolene počas hackathonu.
Na Slovensku to má špecifický rozmer. Mnoho firiem používa lokálne ATS systémy (Nalgoo, Recruitis, Teamio), ktoré postupne pridávajú AI funkcie. Otázka, ktorú si treba položiť: sú títo vendori pripravení dodať technickú dokumentáciu podľa AI Act? Väčšinou ešte nie.
Čo musí vysokorizikový AI systém spĺňať
Požiadavky sú konkrétne a merateľné. Nie sú to princípy. Sú to pravidlá, ktoré audítor vie skontrolovať:
Systém riadenia rizík. Pred nasadením musíte identifikovať riziká pre základné práva zamestnancov. Pravidelne ich prehodnocovať. Dokumentovať opatrenia, ktoré ste prijali. Toto nie je jednorazová záležitosť. Je to kontinuálny proces po celú dobu prevádzky systému.
Kvalita trénovacích dát. Ak AI model trénujete alebo dolaďujete, musíte preukázať, že dáta sú relevantné, dostatočne reprezentatívne a bez systematických predsudkov. V praxi: ak ste trénovali na životopisoch úspešných kandidátov z posledných 5 rokov a 90 % boli muži, máte problém. Na slovenskom trhu je toto obzvlášť citlivé v IT sektore, kde rodový nepomer medzi kandidátmi je výrazný.
Technická dokumentácia. Popis modelu, jeho účel, trénovacie dáta, metriky presnosti, známe obmedzenia. Nestačí README na GitHube. Dokumentácia musí byť v jazyku, ktorému rozumie orgán dohľadu, čo v prípade Slovenska znamená slovenčinu alebo angličtinu (podľa toho, čo úrad prijme).
Zaznamenávanie udalostí (logging). Systém musí automaticky logovať, kedy bežal, aké vstupy dostal a aké výstupy vyprodukoval. Logy musia byť uchovávané minimálne 6 mesiacov. Pre firmy, ktoré doteraz logovali maximálne HTTP requesty, je to zmena myslenia.
Transparentnosť voči zamestnancom. Zamestnanci a kandidáti musia vedieť, že AI sa podieľa na rozhodovaní. Nestačí veta v internej smernici, ktorú nikto nečítal. Musí to byť aktívna informácia. V kontexte slovenského Zákonníka práce (§13 ods. 4 o zákaze diskriminácie) je toto dvojnásobne dôležité, pretože zamestnanec musí vedieť, voči čomu sa prípadne brániť.
Ľudský dohľad. Konečné rozhodnutie o prijatí, prepustení alebo povýšení nemôže robiť AI samo. Človek musí mať reálnu možnosť rozhodnutie zmeniť, nie len formálne "schváliť." Toto je bod, kde sa veľa firiem zaseká. Technicky majú "human in the loop," ale v praxi nikto výstup AI nespochybňuje.
Kybernetická bezpečnosť a odolnosť. AI systém musí byť odolný voči manipulácii. V HR kontexte: čo ak kandidát úmyselne formátuje CV tak, aby oklamal parser? Čo ak niekto zistí, ktoré kľúčové slová systém uprednostňuje, a začne ich vkladať bielym textom?
Prečo to väčšina HR nástrojov zatiaľ nespĺňa
Pracujem s firmami, ktoré nasadzujú AI do interných procesov. Väčšina HR AI nástrojov na trhu toto ešte nespĺňa. Nie preto, že by boli zlé. Ale preto, že sa vyvíjali v období, keď regulácia neexistovala.
Typické medzery, ktoré vidím:
- Žiadne logy o tom, prečo AI kandidáta zaradilo alebo vyradilo
- Chýbajúca dokumentácia o trénovacích dátach (vendor ju často nemá alebo neposkytne)
- Kandidáti nie sú informovaní o tom, že AI rozhoduje
- "Human in the loop" existuje len na papieri. V praxi HR manažér klikne "schváliť všetko"
- Chýba posúdenie vplyvu na základné práva (Fundamental Rights Impact Assessment), ktoré AI Act vyžaduje od nasadzovateľov (deployers) vysokorizikových systémov
To posledné je dôležité. AI Act rozlišuje medzi poskytovateľom (provider, ten kto systém vyvinul) a nasadzovateľom (deployer, ten kto ho používa). Aj keď ste si AI nástroj len kúpili, máte povinnosti. Nemôžete sa odvolať na to, že "vendor je za to zodpovedný."
Čo to znamená pre call centrá a interné nástroje
AI Act sa netýka len náboru. Ak používate AI na monitorovanie výkonu v call centre (hodnotenie hovorov, analýza sentimentu, automatické skórovanie agentov), je to tiež vysokorizikový systém. Rovnako ak AI rozhoduje o tom, ktorý zamestnanec dostane zmenu, aký objem práce, alebo kto pôjde na školenie.
Na Slovensku je toto relevantné hlavne v sektoroch s veľkým počtom zamestnancov: výroba, logistika, zdieľané servisné centrá. Presne tam, kde firmy AI nasadzujú najčastejšie.
Súvislosť s pay transparency
Od júna 2027 platí aj Smernica o transparentnosti odmeňovania (2023/970). Ak AI rozhoduje o zaradení zamestnanca do platovej triedy alebo o výške bonusu, spadá to pod obe regulácie súčasne. HR systémy budú musieť preukázať, že AI nezvýhodňuje ani neznevýhodňuje na základe pohlavia. Viac o tom v našom článku o pay transparency.
Firmy, ktoré riešia HR compliance až keď príde pokuta, budú musieť o rok riešiť dve veľké zmeny naraz. Lepšia stratégia je začať teraz a riešiť AI Act aj pay transparency v jednom projekte.
Praktický checklist na najbližšie 4 mesiace
- Zmapujte AI v HR procesoch. Kde sa používa automatizované rozhodovanie? Aké nástroje? Komerčné alebo vlastné? Zahrňte aj nástroje, o ktorých si HR tím myslí, že "to nie je AI" (napr. automatické filtrovanie CV podľa kľúčových slov).
- Vyžiadajte dokumentáciu od vendorov. Ak používate komerčný ATS s AI funkciami, pýtajte sa na technickú dokumentáciu podľa AI Act. Ak ju nemajú, je to varovný signál. Zvážte, či nechcete mať záložný plán.
- Zavedite logging. Každé AI rozhodnutie v HR musí byť zaznamenané a spätne dohľadateľné. To znamená nielen výstup, ale aj vstupy a verziu modelu.
- Informujte zamestnancov a kandidátov. Pripravte zrozumiteľné oznámenie o tom, kde a ako AI vstupuje do HR procesov. V slovenčine, nie v korporátnej angličtine.
- Zabezpečte reálny ľudský dohľad. Nie formálny. Človek musí rozumieť výstupu AI a mať reálnu právomoc ho zmeniť. Zaškoľte HR tím na to, čo AI výstup znamená a kedy ho spochybniť.
- Urobte posúdenie vplyvu na základné práva. Toto je povinnosť nasadzovateľa, nie vendora.
Na záver
AI Act nie je o tom, že AI v HR nemôžete používať. Môžete. Dokonca by ste mali, ak Vám ušetrí čas a zlepší kvalitu výberu. Ale musíte vedieť preukázať, ako funguje, prečo rozhodol tak, ako rozhodol, a že človek mal posledné slovo.
Ak neviete, či Vaše HR nástroje spĺňajú požiadavky, ozvite sa nám. Robíme audit AI systémov pre firmy, ktoré chcú byť pripravené skôr, než to bude povinnosť.
Na financovanie úprav a auditu môžete využiť aj granty na digitalizáciu, ktoré pokrývajú aj AI compliance projekty.
Prečítajte si ďalšie články
AI Act 2026 checklist pre chatboty, HR nástroje a interné AI workflowy
AI Act nie je iba právna téma. Firmy potrebujú inventár AI nástrojov, vlastníkov, dát, rizík, logov, ľudskej kontroly a zodpovednosti vendorov.
AI agent vo firme: governance checklist pred CRM, ERP alebo e-mailom
AI agent vie šetriť hodiny práce, ale iba vtedy, keď má pred napojením na produkčné systémy jasné práva, logy, schvaľovanie, vlastníkov a postup pri chybe.
NIS2 pre vývojárov: bezpečnostný baseline pre SaaS, ERP a HR systémy
Vaši enterprise klienti vám začnú posielať NIS2 dotazníky. Tu je, čo softvérové firmy potrebujú vedieť o bezpečnostnom baseline, incident response a dodávateľských povinnostiach.
