Péntek reggel egy közepes méretű vállalatnál. A HR-csapata megnyitja a jelöltkövető rendszert. Kétszáz önéletrajz egy junior fejlesztői pozícióra. Valaki rákattint az „AI ranking" funkcióra, és a rendszer 40 másodperc alatt kiemeli a legjobb 15 jelöltet. Gyors, kényelmes, és 2026. augusztus 2-től szabályozott.
Az EU mesterséges intelligenciáról szóló rendelete (AI Act, Regulation 2024/1689) kockázati szint szerint osztályozza az MI-rendszereket. Minden, ami a foglalkoztatást érinti, a „magas kockázatú" kategóriába tartozik. Ugyanaz a rangsoroló funkció, amelyre a csapata naponta támaszkodik, most dokumentációs, átláthatósági és emberi felügyeleti kötelezettségekkel jár. És mivel ez rendelet (nem irányelv), közvetlenül alkalmazandó az összes EU-tagállamban, helyi átültetés nélkül.
Az AI Act III. melléklete kifejezetten felsorolja ezeket a foglalkoztatási felhasználási eseteket:
Ha az ATS-e, HR-platformja vagy belső eszköze bármelyiket elvégzi a fentiek közül egy automatizált komponenssel, akkor magas kockázatú MI-rendszere van. Nem számít, hogy kereskedelmi SaaS-termékről vagy egy egyedi Python-szkriptről van szó, amelyet valaki egy hackathon során írt.
Ez tágan értelmezendő. A LinkedIn toborzó MI-je? Magas kockázatú. A hangulatelemző eszköz, amellyel a call centere pontozza az ügyintézőket? Magas kockázatú. A belső irányítópult, amely teljesítménymutatók alapján javasolja, mely munkavállalókat kellene előléptetni? Szintén magas kockázatú.
A követelmények konkrétak és ellenőrizhetők. Nem elvek. Olyan szabályok, amelyeket egy auditor ellenőrizni tud:
Kockázatkezelési rendszer. A bevezetés előtt azonosítania kell a munkavállalók alapvető jogait fenyegető kockázatokat. Rendszeresen vizsgálja felül őket. Dokumentálja a megtett intézkedéseket. Ez nem egyszeri feladat. A rendszer teljes működési élettartama alatt zajlik.
A tanítóadatok minősége. Ha az MI-modellt tanítja vagy finomhangolja, bizonyítania kell, hogy az adatok relevánsak, kellően reprezentatívak és mentesek a szisztematikus torzítástól. A gyakorlatban ez így néz ki. Ha az elmúlt öt év sikeres felvételeinek önéletrajzain tanított, és ezek 90%-a férfi volt, akkor gondja van. A modell megtanulta előnyben részesíteni a férfi jelölteket, és most bizonyítania kell, hogy ezt nem teszi.
Műszaki dokumentáció. A modell leírása, rendeltetése, tanítóadatai, pontossági mutatói, ismert korlátai. Egy GitHub README nem elegendő. A dokumentációnak elég részletesnek kell lennie ahhoz, hogy egy felügyeleti hatóság megértse, hogyan működik a rendszer, és hol hibázhat.
Eseménynaplózás. A rendszernek automatikusan naplóznia kell, hogy mikor futott, milyen bemeneteket kapott, és milyen kimeneteket állított elő. A naplókat legalább hat hónapig meg kell őrizni. Azoknak a vállalatoknak, amelyek eddig legfeljebb HTTP-kéréseket naplóztak, ez szemléletváltást igényel abban, hogy mit jelent az „auditnyom".
Átláthatóság a munkavállalók felé. A munkavállalóknak és a jelölteknek tudniuk kell, hogy az MI részt vesz a rájuk vonatkozó döntésekben. Egy mondat egy belső szabályzatban, amelyet senki sem olvas, nem elegendő. Az információt aktívan kommunikálni kell. Ez jogilag fontos, mert aki nem tudja, hogy az MI közreműködött, nem tudja érdemben megtámadni a döntést.
Emberi felügyelet. A felvételről, elbocsátásról vagy előléptetésről szóló végső döntéseket nem hozhatja meg egyedül az MI. Egy embernek valós lehetőséggel kell rendelkeznie a döntés megváltoztatására, nem csupán egy formális „jóváhagyás" gombbal. Ez az a pont, ahol sok vállalat elakad. Technikailag van „human in the loop", de a gyakorlatban senki sem kérdőjelezi meg az MI kimenetét.
Kiberbiztonság és ellenálló képesség. Az MI-rendszernek ellenállónak kell lennie a manipulációval szemben. HR-kontextusban ez gyorsan konkrétummá válik. Mi történik, ha egy jelölt szándékosan úgy formázza az önéletrajzát, hogy megtévessze a feldolgozót? Mi van, ha valaki rájön, mely kulcsszavakat részesíti előnyben a rendszer, és fehér betűkkel beágyazza őket?
Olyan vállalatokkal dolgozom, amelyek MI-t vezetnek be a belső munkafolyamataikba. A piacon lévő HR-MI-eszközök többsége még nem felel meg ezeknek a követelményeknek. Nem azért, mert az eszközök rosszak, hanem mert még a szabályozás létezése előtt épültek.
Gyakori hiányosságok, amelyeket a bevezetéseknél látok:
Ez utóbbi lényeges. Az AI Act különbséget tesz a szolgáltató (provider, aki a rendszert kifejlesztette) és az üzembe helyező (deployer, aki használja) között. Még ha csak megvásárolta az MI-eszközt, akkor is vannak kötelezettségei. Nem hivatkozhat arra, hogy „a szállító a felelős".
Az AI Act nem áll meg a toborzásnál. Ha MI-t használ a call center teljesítményének megfigyelésére (hívások pontozása, hangulatelemzés, ügyintézők automatikus értékelése), az szintén magas kockázatú rendszer. Ugyanez érvényes, amikor az MI dönti el, melyik munkavállaló kap műszakot, mekkora munkaterhet visel, vagy kit küldenek képzésre.
Ezek a felhasználási esetek különösen gyakoriak a nagy létszámú munkaerőt foglalkoztató ágazatokban, mindenekelőtt a gyártásban, a logisztikában és az osztott szolgáltatóközpontokban. Pontosan ott, ahol a vállalatok a legaktívabban vezetik be az MI-t.
2027 júniusától a bértranszparenciáról szóló irányelv (2023/970) is alkalmazandó. Ha az MI határozza meg egy munkavállaló besorolási fokozatát vagy a bónuszának összegét, az egyszerre mindkét szabályozás alá esik. A HR-rendszereknek bizonyítaniuk kell majd, hogy az MI nem hoz létre nemi alapú bérkülönbségeket. Erről az átfedésről írtunk a bértranszparenciáról szóló cikkünkben.
Azok a vállalatok, amelyek a végrehajtásig várnak a cselekvéssel, egyetlen éven belül két nagy megfelelési változással szembesülnek. Jobb stratégia most elkezdeni, és az AI Actet és a bértranszparenciát egyetlen projektben kezelni.
Az AI Act nem az MI HR-ből való kitiltásáról szól. Használhatja. Valószínűleg érdemes is, ha időt takarít meg és javítja a kiválasztás minőségét. De képesnek kell lennie megmutatni, hogyan működik a rendszer, miért hozott egy adott döntést, és hogy egy embernél volt az utolsó szó.
Ha nem biztos abban, hogy a HR-eszközei megfelelnek-e a követelményeknek, kérjen MI-megfelelőségi auditot. MI-rendszereket vizsgálunk felül olyan vállalatok számára, amelyek a határidő előtt szeretnének felkészülni, nem utána.
A megfelelési munkát akár digitalizációs EU-pályázatokból is finanszírozhatja, amelyek az MI-megfelelőségi projektekre is kiterjednek.
A Rise.sk alapítója és műszaki vezetője. Webalkalmazásokat, adatrendszereket és automatizálást tervez és szállít; szoftverdöntésekről, AI-ról és digitális szolgáltatásokról ír.
Az AI Act nem csupán jogi téma. A vállalatoknak leltárra van szükségük az AI-eszközökről, a tulajdonosokról, az adatokról, a kockázatokról, a naplókról, az emberi felülvizsgálatról és a szállítói felelősségekről.
A kínai modellek ma már csak hónapokkal, nem évekkel maradnak el az amerikai élvonaltól, mégpedig a költség töredékéért. Egy európai cég számára a valódi kérdés nem az, ki nyeri a versenyt, hanem az, hogy érdemes-e használni őket, és hogyan.
Az OpenAI szerint a GPT-5.6 Sol a költség harmadáért veri a Claude Fable 5-öt kódolásban. Az Anthropic szerint a Fable 5 vezet a nyers képességben. Mindkettőnek igaza van. Íme, melyik modell melyik feladatot nyeri.
Az Ön helyzete határozza meg a választ
