Két éve a HRPortálon írtam arról, hogyan készüljön a HR az EU AI Act-re. Azóta a határidő eltolódott, a perek viszont megérkeztek. Ez a frissített, bővített változat.
Három eset, három tanulság
2023, Egyesült Államok. Az esélyegyenlőségi hatóság (EEOC) pert indított egy oktatási cég ellen, mert az AI-alapú toborzóeszközük automatikusan elutasította az 55 év feletti nőket és a 60 év feletti férfiakat. A cég 365 000 dollárt fizetett. Tanulság: a torzítás lehet egészen kézzelfogható — egy születési dátumon alapuló szabály.
2024–2026, a Workday-per. Egy álláskereső több mint száz pozícióra jelentkezett Workday-alapú rendszereken keresztül, és sorra elutasították — volt, hogy percek alatt, éjszaka. A bíróság 2025-ben országos kollektív keresetként engedte tovább az életkor szerinti diszkrimináció miatt indított ügyet; a Workday becslése szerint az érintett időszakban nagyjából 1,1 milliárd jelentkezést utasítottak el az eszközein. 2026 júniusában a bíróság a fogyatékosságra utaló proxyk — például betegszabadságra, kezelésre utaló minták — alapján történő kiszűrés miatti keresetet is továbbengedte, és korábban kimondta: a szoftvergyártó az ügyfelei „ügynökeként” felelhet, mert a munkáltatók rá delegálták a jelöltek elutasítását. Tanulság: a szállító nem pajzs. Az eszköz használója ugyanúgy a perben van — erről a Workday-perről szóló korábbi írásomban részletesebben is írtam.
2026 július, a Meta-per. Huszonhat jelenlegi és volt Meta-alkalmazott perelte be a céget, mert állításuk szerint a mintegy nyolcezer fős leépítés listáját nem „a munkát ismerő vezetők ítélete”, hanem belső AI-rendszerek együttese állította össze — aktivitásfigyelési adatokból, AI-eszközhasználati mutatókból és algoritmussal támogatott teljesítményrangsorokból. A felperesek szülési, gondozói és betegszabadságon lévő, valamint fogyatékossággal élő munkavállalók. A kereset nem azt állítja, hogy a Meta egészségügyi adatot táplált a rendszerbe. Azt állítja, hogy a rendszer azt az aktivitáshiányt büntette, amit a védett szabadság szükségszerűen produkál. A Meta tagadja, és szerinte a döntéseket emberek hozták, nem AI; az ügy folyamatban van. A tanulság a végkimeneteltől függetlenül áll: a HR-ben az AI-kockázat nem csak toborzás — teljesítménymenedzsment és leépítés is; a torzítás nem védett tulajdonságon, hanem semlegesnek látszó proxyn keresztül jön; és az „ember hozta a döntést” védekezés annyit ér, amennyi dokumentált emberi felülvizsgálat áll mögötte.
Európában sem elméleti a kérdés: a holland emberi jogi intézet 2025 elején, a francia egyenlőségi biztos pedig 2025 őszén marasztalta el a Metát, mert a Facebook álláshirdetés-kiosztó algoritmusa nem szerint mutatta a hirdetéseket — szerelőt a férfiaknak, óvónőt a nőknek —, szándék nélkül is. Vagyis: nem „ha” torzít, hanem hol.
Mi az algoritmikus torzítás, és honnan jön
Algoritmikus torzításnak azt nevezzük, amikor az AI-modellek egyes társadalmi csoportokat — jellemzően nőket, idősebbeket, etnikai kisebbségeket, fogyatékossággal élőket — hátrányosan különböztetnek meg. Három forrása van, és mindhárom másképp kezelendő:
- Az adat. A modell historikus adatokból tanul. Ha egyes csoportok alul- vagy felülreprezentáltak, a modell a mintát megtanulja és ismétli. Az Amazon 2018-ban leállított önéletrajz-szűrője a korábbi évek — túlnyomórészt férfi — felvételi döntéseiből tanulta meg, hogy a „női” szót tartalmazó önéletrajzokat lepontozza.
- A modell. A torzítás magából a felépítésből is jöhet: proxy-változókból, amelyek nem a nemet vagy a kort kódolják, hanem az iskolát, a lakóhelyet, a szóhasználatot, a karrierszünetet — és azokon keresztül mégis. A Meta-ügy erre a legtisztább példa: az „aktivitás” mérőszáma semleges, a hatása nem.
- A használat. A legkevésbé emlegetett forrás. Ha a recruiter vagy a vezető a rendszer javaslatát felülvizsgálat nélkül elfogadja, az emberi felügyelet formális marad, és a rendszer de facto dönt — akkor is, ha a szervezeti ábrán ember van a végén.
Ezen kockázatok mérséklése a cég érdeke és felelőssége. A felelős AI-használat nem egy eszköz tulajdonsága, hanem egy irányítási keretrendszeré: az AI governance azt jelenti, hogy a szervezet tudja, hol használ AI-t, ki felel érte, milyen kockázatokat azonosított, és hogyan ellenőrzi őket rendszeresen — értékelésekkel és auditokkal.
Az EU AI Act ma
A 2024. augusztus 1-én hatályba lépett rendelet a HR-ben használt AI-rendszerek zömét — toborzás, kiválasztás, előléptetés, feladatkiosztás, teljesítményértékelés, munkaviszony megszüntetése — magas kockázatúnak minősíti. Hüvelykujjszabályként: ami a HR-ben emberekről dönt vagy döntést támogat, az magas kockázatú.
Ami változott: a 2026-ban elfogadott Digital Omnibus módosítás után a magas kockázatú rendszerekre vonatkozó kötelezettségek határideje 2027. december 2. Ami nem változott: az AI-jártassági kötelezettség (a rendelet 4. cikke) 2025 februárja óta él, és a diszkriminációtilalom — az egyenlő bánásmódról szóló törvény, a Munka törvénykönyve — soha nem várt az AI Act-re. A Workday- és a Meta-per nem AI-szabályozás alapján indult, hanem évtizedes munkajogi normák alapján, algoritmikus magatartásra alkalmazva. A határidő azt mondja meg, mikor kezd kérdezni a szabályozó; a kár azt, mikor kezd kérdezni egy ügyvéd.
A HR-t a rendelet üzemeltetőként (deployer) kezeli, és ez nem formalitás. A magas kockázatú rendszer üzemeltetőjének a szállító utasításai szerint kell használnia az eszközt, biztosítania kell a hozzáértő emberi felügyeletet, ellenőriznie kell, hogy a bemeneti adat releváns és reprezentatív, monitoroznia kell a működést, meg kell őriznie a naplókat, és — HR-specifikusan — a rendszer bevezetése előtt tájékoztatnia kell a munkavállalói képviseletet és az érintett munkavállalókat. A „mi nem építettük, csak vettük” nem mentesít; a szankció a magas kockázatú kötelezettségek megsértése esetén akár 15 millió euró vagy a globális árbevétel 3%-a.
Mit tehet a HR ma
Az első feladat változatlan: a HR-csapatok AI- és adatkompetenciájának fejlesztése. Nem kell adattudóssá válni, de érteni kell, milyen fajta rendszer mit csinál, hol lehet a kockázat, és milyen kérdést kell feltenni a szállítónak. Ennek alapja a rendbe tett adat és az adatvezérelt döntéshozatal — emberi felügyelet nincs olyan adaton, amit senki nem ért.
Hol érdemes kezdeni — a két évvel ezelőtti lista, egy új ponttal:
- Leltár a jelenleg használt AI-rendszerekről a HR-en belül — az ATS-től a teljesítményértékelő dashboardig, beleértve azt is, ami egy nagyobb szoftverbe „beépítve” érkezett. Gyűjtsük össze az érintetteket, és nézzük végig a lehetséges káros hatásokat: az adatból, a modellből és a kimenet felhasználásából.
- Leltár a tervezett AI-beruházásokról az AI-ütemterv alapján — vagy ennek hiányában azonosítsuk, hol oldana meg valós problémát. Ha a legtöbb időt az önéletrajzok szűrése viszi, egy szűrőmegoldás indokolt lehet — de a fenti kérdésekkel együtt.
- Először a strukturált adat. Mielőtt egy szűrőt bevezetünk, értsük meg, mitől függ az adott pozícióban a magas teljesítmény, és ezekre az adatokra vonatkozóan végezzük el a tisztítást: kiugró értékek, duplikációk, hiányzó adatok.
- Adatirányítás (data governance) az adatok pontosságáért, következetességéért és a GDPR-nak való megfelelésért. Külön figyelem a torzításvizsgálathoz szükséges különleges adatokra: az AI Act ezt a célt kifejezetten megengedi, de szigorú védelmi intézkedésekkel és dokumentált indokolással.
- Egyszerű elemzésekkel indítsunk: dashboardok, gyökérok-elemzés, a toborzási pipeline elemzése — ki esik ki melyik szakaszban, milyen profillal, melyik döntési pont után. Alakítsunk ki ritmust, amikor ezeket frissítjük és áttekintjük.
- Ne feledkezzünk meg a strukturálatlan adatról. A torzítás gyakran e-mailekben, dokumentumokban, chatnaplókban rejtőzik — és ezeket használják chatbotok és asszisztensek betanítására.
- Rendszeres torzításteszt és független audit. Ez az új pont, és ez a felügyelet bizonyítéka. Egy magas kockázatú rendszernél nem az a kérdés, hogy a szervezet akart-e diszkriminálni, hanem hogy mivel tudja bizonyítani, hogy nem tette: mit mért, mikor, milyen eredménnyel, és ki nézte át. A Meta-perben a felperesek egyik állítása éppen az, hogy a rendszereket nem tesztelték torzításra. Egy dokumentált, ismételt teszt — külső audittal megerősítve — az a különbség, ami egy kereset esetén a védekezés alapja lesz.
A kérdés, amit a szabályozó feltesz
Az AI mindkét irányban óriási potenciállal bír: rengeteg előnnyel jár, és nagyon nagy kárt is tud okozni. Ahogy egyre inkább átszövi a munkahelyi döntéseket, a mi felelősségünk, hogy etikusan és ellenőrizhetően használjuk. A rendelettel ez a felelősség 2027 végére jogi kötelezettséggé válik — de a perek már ma is arról szólnak, ami eddig is tilos volt.
A szabályozó — és egy bíróság — nem azt kérdezi, akartunk-e diszkriminálni. Azt kérdezi, mivel bizonyítjuk, hogy nem tettük. Erre a kérdésre most kell elkezdeni válaszolni, mert az AI-rendszerek összetettek, a kockázatok felmérése és mérséklése időigényes — és a HR-nek, a magas kockázatú rendszerek üzemeltetőjének ebben a legnagyobb a szerepe és a felelőssége.
A szabályozó nem azt kérdezi, akart-e diszkriminálni — hanem hogy mivel bizonyítja, hogy nem tette.
Független AI-rendszer audit →FairPath — torzításteszt és megfelelés →