Viernes por la mañana en una empresa de tamaño medio. Su equipo de RR. HH. abre el sistema de seguimiento de candidatos. Doscientos currículums para un puesto de desarrollador junior. Alguien hace clic en «AI ranking» y en 40 segundos el sistema muestra los 15 mejores candidatos. Rápido, cómodo y, a partir del 2 de agosto de 2026, regulado.
El Reglamento de IA de la UE (AI Act, Regulation 2024/1689) clasifica los sistemas de IA según su nivel de riesgo. Todo lo que afecta al empleo entra en la categoría de «alto riesgo». Esa misma función de clasificación en la que su equipo confía a diario conlleva ahora obligaciones de documentación, transparencia y supervisión humana. Y como se trata de un reglamento (no de una directiva), se aplica directamente en todos los Estados miembros de la UE sin necesidad de transposición nacional.
El Anexo III del AI Act enumera explícitamente estos casos de uso en el ámbito del empleo:
Si su ATS, plataforma de RR. HH. o herramienta interna hace cualquiera de estas cosas con un componente automatizado, tiene un sistema de IA de alto riesgo. No importa si se trata de un producto SaaS comercial o de un script de Python a medida que alguien escribió durante un hackathon.
Esto se aplica de forma amplia. ¿La IA de reclutamiento de LinkedIn? Alto riesgo. ¿La herramienta de análisis de sentimiento que su call center usa para puntuar a los agentes? Alto riesgo. ¿El panel interno que recomienda qué empleados deberían ascender según métricas de rendimiento? También de alto riesgo.
Los requisitos son concretos y auditables. No son principios. Son reglas que un auditor puede comprobar:
Sistema de gestión de riesgos. Antes del despliegue, debe identificar los riesgos para los derechos fundamentales de los empleados. Revíselos periódicamente. Documente las medidas que ha adoptado. No es un ejercicio puntual. Se extiende durante toda la vida operativa del sistema.
Calidad de los datos de entrenamiento. Si entrena o ajusta el modelo de IA, debe demostrar que los datos son relevantes, suficientemente representativos y sin sesgos sistemáticos. Así se ve esto en la práctica. Si entrenó con currículums de contrataciones exitosas de los últimos cinco años y el 90 % eran hombres, tiene un problema. El modelo aprendió a preferir a los candidatos hombres, y ahora tiene que demostrar que no lo hace.
Documentación técnica. Descripción del modelo, finalidad prevista, datos de entrenamiento, métricas de precisión, limitaciones conocidas. Un README de GitHub no basta. La documentación debe ser lo bastante detallada para que una autoridad de supervisión entienda cómo funciona el sistema y dónde podría fallar.
Registro de eventos (logging). El sistema debe registrar automáticamente cuándo se ejecutó, qué entradas recibió y qué salidas produjo. Los registros deben conservarse durante un mínimo de seis meses. Para las empresas que hasta ahora solo registraban peticiones HTTP, esto exige un cambio de mentalidad sobre lo que significa un «registro de auditoría».
Transparencia hacia los trabajadores. Los empleados y los candidatos deben saber que la IA participa en las decisiones que les afectan. Una frase enterrada en una política interna que nadie lee no basta. La información debe comunicarse de forma activa. Esto importa jurídicamente, porque quien no sabe que la IA intervino no puede impugnar la decisión de forma efectiva.
Supervisión humana. Las decisiones finales sobre contratación, despido o ascenso no puede tomarlas la IA por sí sola. Una persona debe tener la capacidad real de cambiar la decisión, no solo un botón formal de «aprobar». Este es el punto donde muchas empresas fallan. Técnicamente tienen «human in the loop», pero en la práctica nadie cuestiona la salida de la IA.
Ciberseguridad y robustez. El sistema de IA debe ser resistente a la manipulación. En un contexto de RR. HH.: ¿qué pasa si un candidato formatea su currículum a propósito para engañar al analizador? ¿Y si alguien descubre qué palabras clave prioriza el sistema y las inserta en texto blanco?
Trabajo con empresas que despliegan IA en sus flujos de trabajo internos. La mayoría de las herramientas de IA para RR. HH. del mercado todavía no cumplen estos requisitos. No porque las herramientas sean malas, sino porque se crearon antes de que existiera la regulación.
Carencias habituales que veo en los despliegues:
Este último punto importa. El AI Act distingue entre el proveedor (provider, quien creó el sistema) y el responsable del despliegue (deployer, quien lo usa). Aunque solo haya comprado la herramienta de IA, tiene obligaciones. No puede alegar que «el proveedor es el responsable».
El AI Act no se detiene en el reclutamiento. Si usa IA para supervisar el rendimiento de un call center (puntuación de llamadas, análisis de sentimiento, evaluación automática de agentes), eso también es un sistema de alto riesgo. Lo mismo ocurre cuando la IA decide qué empleado recibe un turno, qué carga de trabajo asume o a quién se envía a formación.
Estos casos de uso son especialmente frecuentes en sectores con grandes plantillas, sobre todo la fabricación, la logística y los centros de servicios compartidos. Justo donde las empresas despliegan la IA con más intensidad.
A partir de junio de 2027 también se aplica la Directiva sobre transparencia salarial (2023/970). Si la IA determina el nivel salarial o el importe del bono de un empleado, queda sujeta a ambas normativas a la vez. Los sistemas de RR. HH. tendrán que demostrar que la IA no genera diferencias salariales por razón de sexo. Escribimos sobre esta coincidencia en nuestro artículo sobre transparencia salarial.
Las empresas que esperen a que llegue la sanción antes de actuar tendrán que afrontar dos grandes cambios de cumplimiento en un solo año. Una estrategia mejor es empezar ahora y abordar el AI Act y la transparencia salarial en un mismo proyecto.
El AI Act no consiste en prohibir la IA en RR. HH. Puede usarla. Probablemente debería, si le ahorra tiempo y mejora la calidad de la selección. Pero tiene que ser capaz de mostrar cómo funciona el sistema, por qué tomó una decisión concreta y que una persona tuvo la última palabra.
Si no está seguro de si sus herramientas de RR. HH. cumplen los requisitos, solicite una auditoría de cumplimiento de IA. Revisamos sistemas de IA para empresas que quieren estar preparadas antes de la fecha límite, no después.
También puede financiar el trabajo de cumplimiento a través de ayudas de la UE para la digitalización, que cubren proyectos de cumplimiento de IA.
Fundador y responsable técnico de Rise.sk. Diseña y entrega aplicaciones web, sistemas de datos y automatizaciones, y escribe sobre decisiones de software, IA y servicios digitales.
La AI Act no es solo un tema jurídico. Las empresas necesitan un inventario de las herramientas de IA, los responsables, los datos, los riesgos, los registros, la revisión humana y las responsabilidades de los proveedores.
Los modelos chinos están ahora a meses, no a años, de la frontera estadounidense, y a una fracción del coste. Para una empresa europea la verdadera pregunta no es quién gana la carrera, sino si conviene usarlos y cómo.
OpenAI dice que GPT-5.6 Sol supera a Claude Fable 5 en programación por un tercio del coste. Anthropic dice que Fable 5 lidera en capacidad bruta. Ambos tienen razón. Aquí tiene qué modelo gana qué trabajo.
Su contexto determina la respuesta
